Hitonabi
c77be502f9
Agentisches Coden (OpenCode/RooCode/…) hat immer großen Repo-Kontext; die alte Regel routete >24k Zeichen auf heavy (Allzweck-122B) statt auf einen Coder = Downgrade der Coding-Fähigkeit. Jetzt: coding -> CODER immer. Optionaler leichter schneller Coder via MC_ROUTE_CODER_LITE (Phase 2b: Qwen3-Coder-30B), Eskalation auf den starken Coder bei Architektur-Keywords / sehr großem Kontext. Reason-Strings header-safe gemacht (kein U+2192 → Latin-1-Crash im x-mc-Header). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
97 lines
4.5 KiB
Python
97 lines
4.5 KiB
Python
"""
|
||
Lane-Routing für den eingebauten MC2-Gateway (:9001/v1).
|
||
|
||
Zwei virtuelle Lanes, die Clients/IDEs auswählen — der Router pickt das echte Modell:
|
||
- **chat** (= altes `auto`): Alltag → `fast`, schwer/lang → `heavy`.
|
||
- **coding**: Code-Arbeit → `coder` (Qwen3-Coder-Next); riesiger/architektonischer Kontext → `heavy`;
|
||
triviale Kurzfrage ohne Code → `fast` (Tempo).
|
||
|
||
Regelbasiert, sub-ms, ohne Cloud. Schwellen/Aliases via Env überschreibbar (Phase 2: UI-editierbare
|
||
Policy-JSON). Lucy läuft NICHT hierüber — die ist der Hermes-Agent (:8642), eigene Ebene.
|
||
"""
|
||
|
||
import os
|
||
import re
|
||
|
||
# Echte Modell-Aliases hinter den Lanes (Env-überschreibbar).
|
||
FAST = os.environ.get("MC_ROUTE_FAST", "fast")
|
||
HEAVY = os.environ.get("MC_ROUTE_HEAVY", "heavy")
|
||
CODER = os.environ.get("MC_ROUTE_CODER", "coder")
|
||
|
||
# Schwellen (Zeichen).
|
||
HEAVY_CHARS = int(os.environ.get("MC_GATEWAY_HEAVY_CHARS", "8000")) # chat → heavy
|
||
# coding-Lane: leichter/schneller Coder als Default (wenn gesetzt = Phase 2b), starker Coder als Eskalation.
|
||
CODER_LITE = os.environ.get("MC_ROUTE_CODER_LITE", "").strip() # z.B. "coder-lite"
|
||
CODING_ESCALATE_CHARS = int(os.environ.get("MC_CODING_ESCALATE_CHARS", "120000")) # darüber → starker Coder
|
||
|
||
# Thinking auf der fast-Spur aus → flotte Alltags-Antworten (Qwen3.6 ist ein Reasoning-Modell).
|
||
FAST_NO_THINK = os.environ.get("MC_FAST_NO_THINK", "1") not in ("0", "false", "")
|
||
|
||
# Virtuelle Lanes, die im Gateway als „Modelle" sichtbar sind.
|
||
LANES = ["coding", "chat"]
|
||
LANE_ALIASES = {"auto": "chat"} # Rückwärtskompatibel: model:auto == chat
|
||
|
||
_HEAVY_KW = re.compile(
|
||
r"\b(beweis|prove|theorem|komplex|complex|schwierig|"
|
||
r"think\s*hard|reason\s*carefully|tief\s*nachdenk|optimi[sz]e|"
|
||
r"root\s*cause|analy[sz]e\s+deeply|step[-\s]?by[-\s]?step)\b",
|
||
re.IGNORECASE,
|
||
)
|
||
# Coding-spezifische „das ist groß/architektonisch" Signale → heavy statt coder.
|
||
_CODING_HEAVY_KW = re.compile(
|
||
r"\b(architekt|architect|system[-\s]?design|refactor\s+the\s+(whole|entire)|"
|
||
r"ganze[ns]?\s+(architektur|codebase|projekt)|migrat\w+\s+(the\s+)?(whole|entire|gesamte)|"
|
||
r"entwirf\s+(eine\s+)?architektur|plane?\s+(die\s+)?architektur)\b",
|
||
re.IGNORECASE,
|
||
)
|
||
# Code-Indikatoren — verhindert, dass echte Code-Anfragen als „trivial" auf fast abrutschen.
|
||
# Bewusst breit (inkl. natürlichsprachiger Coding-Begriffe DE+EN): in der coding-Lane soll im Zweifel
|
||
# `coder` gewinnen; nur echte Nicht-Code-Kürze ("hallo", "wie spät") rutscht auf fast.
|
||
_CODE_HINT = re.compile(
|
||
r"```|\bdef \b|\bclass \b|\bimport \b|\bfunction\b|=>|;\s*$|"
|
||
r"\.(py|ts|tsx|js|jsx|go|rs|java|cpp|c|rb|php|sql)\b|/src/|traceback|stack\s*trace|"
|
||
r"\b(funktion|function|bug|fix|fehler|error|exception|implementier\w*|schreib\w*|"
|
||
r"code\w*|coden|test\w*|klasse|method\w*|methode|refactor\w*|kompil\w*|compile|"
|
||
r"build|deploy|debug|script|skript|api|endpoint|query|regex|json|yaml|"
|
||
r"npm|pip|git|docker|terminal|shell|command)\b",
|
||
re.IGNORECASE | re.MULTILINE,
|
||
)
|
||
|
||
|
||
def _text_of(body: dict) -> str:
|
||
msgs = body.get("messages") or []
|
||
return "\n".join(str(m.get("content") or "") for m in msgs)
|
||
|
||
|
||
def _route_chat(text: str, n: int) -> tuple[str, str]:
|
||
if n > HEAVY_CHARS:
|
||
return HEAVY, f"langer Kontext ({n} > {HEAVY_CHARS} Zeichen)"
|
||
if _HEAVY_KW.search(text):
|
||
return HEAVY, "Komplexitäts-Schlüsselwort erkannt"
|
||
return FAST, "Standard"
|
||
|
||
|
||
def _route_coding(text: str, n: int) -> tuple[str, str]:
|
||
# Agentisches Coden (OpenCode/RooCode/…) bleibt IMMER beim dedizierten Coder — NIE heavy/fast
|
||
# (das sind Allzweck-Modelle, schwächer bei Code). Die Qwen-Coder packen 256K–1M Kontext selbst,
|
||
# langer Repo-Kontext ist bei Agenten der Normalfall und darf NICHT zu heavy umrouten.
|
||
# (Phase 2b: warme schnelle Coder-Stufe CODER_LITE als Default + CODER als Eskalation.)
|
||
if CODER_LITE and not _CODING_HEAVY_KW.search(text) and n <= CODING_ESCALATE_CHARS:
|
||
return CODER_LITE, "Coding (schneller Coder)"
|
||
return CODER, "Coding -> starker Coder"
|
||
|
||
|
||
def choose_for_lane(lane: str, body: dict) -> tuple[str, str]:
|
||
"""Wählt das echte Modell-Alias für eine Lane. Gibt (alias, begründung) zurück."""
|
||
lane = LANE_ALIASES.get((lane or "chat").lower(), (lane or "chat").lower())
|
||
text = _text_of(body)
|
||
n = len(text)
|
||
if lane == "coding":
|
||
return _route_coding(text, n)
|
||
return _route_chat(text, n) # chat + alles Unbekannte
|
||
|
||
|
||
def choose_model(body: dict) -> tuple[str, str]:
|
||
"""Rückwärtskompatibel: altes `model:auto` == chat-Lane."""
|
||
return choose_for_lane("chat", body)
|