laya-decision-api

把本地 System-1 决策模型（Laya）包成 一份版本化契约 + 一个 HTTP 服务 + 跨语言 SDK： 交「情境 + 要判断的问题」，回「结论 + 把握程度」。离线、零 token、不生成文字。

English — A production-shaped HTTP service around the Laya local (non-autoregressive, System-1) decision model: one versioned contract, one FastAPI service, cross-language SDKs (Python / Java / TypeScript), offline OpenAPI 3.1 docs, env-driven auth & rate limiting. Apache-2.0. See docs/sdk.md and docs/api-semantics.md. Tipping is welcome but never required (see 支持这个项目 at the bottom).

最快上手

Docker（镜像自带权重，起容器即用）

docker run -d --name laya-api -p 8765:8765 bmw8080/laya-decision-api:latest
curl -s 'http://127.0.0.1:8765/readyz?warm=1'      # 期望 loaded:["torch/multilingual"]

PyPI 安装（要改代码/进容器用 Docker 那行）

pip install "laya-decision-api[mlx]"      # macOS / Apple Silicon（Metal 加速，最快）
pip install "laya-decision-api[torch]"    # Linux / 无 Metal 环境
laya-api                                  # 起服务（默认 127.0.0.1:8765）

源码开发（可编辑安装 + 测试）

python3 -m venv .venv && .venv/bin/pip install -e ".[test]" && bash scripts/run.sh

打开 http://127.0.0.1:8765/ 是内置测试台（零构建、离线）；/docs 是 Swagger UI，/wiki 是接口参考。 镜像标签与架构、国内拉取、自己构建与跨架构交付：见 部署；源码方式的完整步骤见 快速开始（源码方式）。

特性

三种问法	choice 多选一 / score 有序程度 / noul 是否 —— 对应业务上的「分给谁」「多严重」「要不要」
概率可编程	每次返回概率分布与 confidence，阈值由你的业务定；服务端不替你拍板
离线零成本	本地推理，不走任何 API；热调用实测 8–22 ms（M4 / MLX / multilingual，常驻约 0.7GB）
契约先行	pydantic 模型即真源 → /openapi.json 自动生成；文档与实现同源，不会漂移
跨语言	Python 语义层 + Java / TypeScript 零依赖 SDK（都对着真实服务跑通）
可运维	鉴权（多密钥轮换）、按密钥限流、队列 / 超时 / 缓存全部环境变量控制，/v1/status 回显生效配置
可交付	独立单镜像（非 root / HEALTHCHECK / 权重内置 /models，也可切成挂载），Linux 容器切 torch 后端

目录结构

laya-decision-api/
├── contract/
│   ├── decision.v1.schema.json      # 契约真源（JSON Schema，版本化的全部字段与语义）
│   └── examples/                    # 可直接回放的请求 / 响应样例
├── src/laya_api/
│   ├── models.py                    # v1 契约模型（pydantic v2）+ ApiError
│   ├── settings.py                  # 全部环境变量 → 配置对象（唯一入口）
│   ├── auth.py                      # 鉴权 + 按密钥令牌桶限流
│   ├── engine.py                    # 后端适配（laya_mlx / hermes_laya / laya_torch）+ 串行队列
│   ├── server.py                    # FastAPI 路由 + 本地托管的 Swagger UI / ReDoc
│   ├── wiki.py                      # /wiki：只渲染 openapi.json 的接口参考
│   ├── ui.py                        # /ui：零构建离线测试台
│   └── static/swagger/              # 随包分发的 swagger-ui / redoc 资源（含许可原文）
├── sdk/{java,ts}/                   # 零依赖跨语言客户端
├── docs/                            # 语义说明、SDK 用法、OpenAPI 三档对照
│   ├── api-semantics.md
│   ├── sdk.md
│   └── openapi-profiles.md
├── tests/                           # 契约 + 语义 + HTTP + 鉴权测试（stdlib，无需 pytest）
└── scripts/                         # 起服务 / 部署 / launchd / 容器

快速开始（源码方式）

只想跑起来、不想建环境：用上面「最快上手」里的 Docker 一行命令；容器细节见 部署。

python3 -m venv .venv
.venv/bin/pip install -e ".[test]"

bash scripts/run.sh                       # 默认 127.0.0.1:8765（单 worker，必须）
curl -s localhost:8765/healthz
curl -s 'localhost:8765/readyz?warm=1'    # 首次会加载模型（约 1–3 秒）
curl -s localhost:8765/v1/decide -H 'content-type: application/json' \
     -d @contract/examples/decide.request.json

浏览器打开 http://127.0.0.1:8765/ 就是内置测试台（零构建、离线可用）； /wiki 是接口参考，/docs（Swagger UI，可 Try it out）与 /redoc 是标准 OpenAPI 文档页。 容器部署见「部署 → 容器」。

接口

端点

方法	路径	说明
POST	/v1/decide	一次决策：给情境与问题，返回结论与概率
GET	/healthz	进程存活（不碰模型）
GET	/readyz	就绪检查；?warm=1 先加载模型再回答
GET	/v1/status	引擎 / 队列 / 延迟分位 / 计数 + 生效配置（不含密钥）
GET	/v1/presets	内置问题集名称
POST	/v1/admin/reload	重新读取环境变量（密钥 / 限流等），无需重启
GET	/openapi-3.0.json	OpenAPI 3.0.3 文档（只认 3.0.x 的平台导入用）
GET	/openapi-kingdee.json	OpenAPI 3.0.3 扁平档（$ref/allOf 全摊平，给自研 schema 转换器）
GET	/wiki、/docs、/redoc、/openapi.json、/ui	文档与测试台（离线）

字段级说明、示例、错误码以 /wiki（或 /openapi.json）为准 —— 那里由 pydantic 模型自动生成，不会与实现脱节。

入参 POST /v1/decide

字段	类型	必填	说明
api_version	string	否	默认 "1"
request_id	string	否	追踪用，原样回显；不做缓存键
state	any	是	待判断的情境：纯文本 / JSON 对象 / messages 数组
state_format	auto|text|json|messages	否	默认 auto（原样交给模型序列化器）
questions	object	二选一	{qid: {type, instructions, criteria}}，一次前向可给多个问题
preset	string	二选一	内置问题集：router（小模型 vs 前沿模型）、guard（越狱 / 注入）、moderation、triage（工单）、email
policy.model	string	否	english / multilingual（默认）/ typed-decisions
policy.backend	string	否	auto（默认，Apple Silicon 走 mlx）/ mlx / coreml / torch
policy.timeout_ms	int	否	默认用服务端 LAYA_DEFAULT_TIMEOUT_MS（5000）；0 = 用服务默认
policy.max_state_chars	int	否	默认 4000（0 = 用服务默认），超限截断并回 warnings
policy.truncate_state	bool	否	默认 true；false 时超限直接 OVER_BUDGET
policy.max_options	int	否	默认 20（模型 token 预算的实用上限）
policy.max_queue	int	否	默认 16，超出回 BUSY
policy.return_probabilities	bool	否	默认 true

questions 的三种类型（校验规则与模型内部一致，接口层提前拦，不让模型抛裸异常）：

{
  "department": {"type": "choice", "instructions": "Which team?",
                 "criteria": {"billing": "payments refunds", "technical": "bugs"}},   // 或 ["billing","technical"]，标签必须唯一
  "urgency":    {"type": "score",  "instructions": "紧急程度", "criteria": ["low","medium","high"]},
  "needs_human":{"type": "noul",   "instructions": "需要人工介入吗", "criteria": {"true":"需要","false":"不需要"}}  // criteria 可省
}

返回

{
  "api_version": "1",
  "request_id": "uuid",
  "engine": {"model": "multilingual", "backend": "mlx", "pkg": "laya_mlx / laya-mlx 0.2.0 / mlx 0.32.2"},
  "answers": {  // 真实抓包见 contract/examples/decide.response.json
    "department": {"type":"choice","choice":"technical","confidence":0.3657,
                   "probabilities":{"technical":0.5786,"billing":0.0026,"account":0.4188},
                   "action":{"act_probability":1.0}},
    "urgency":    {"type":"score","score":1.0851,"confidence":0.1376,
                   "legend":{"0":"low","1":"medium","2":"high"},
                   "probabilities":{"0":0.1376,"1":0.6397,"2":0.2227},
                   "action":{"act_probability":0.8647}},
    "needs_human":{"type":"noul","noul":0.1363,"confidence":0.8637,
                   "action":{"act_probability":0.8649}}
  },
  "usage": {"latency_ms": 17.2, "queue_wait_ms": 0.4, "input_tokens": 32, "output_tokens": 0, "cold_start": false},
  "warnings": ["state_truncated"]
}

错误码

code	HTTP	何时
SCHEMA_INVALID	400	字段缺失 / 类型错 / choice 标签重复等
UNAUTHORIZED	401	未带或错误的密钥（开启 LAYA_AUTH_MODE=api_key 时）
OVER_BUDGET	413	状态或选项超 token 预算（不截断时）
RATE_LIMITED	429	超出该密钥的速率上限；响应带 Retry-After
BUSY	503	队列满
MODEL_UNAVAILABLE	503	后端 / 权重不可用
TIMEOUT	504	超 timeout_ms（底层推理仍在跑，见「工程约束」）
INTERNAL	500	其它

三条铁律：

1. 概率必给（return_probabilities=true 时）。服务端不替业务拍板阈值。
2. 「不确定」不是错误：用低 confidence 表达，不抛异常、不回空值。
3. 错误分层可编程：按上表分支即可，不需要解析文本。

OpenAPI 文档档位（3.1 / 3.0 / 扁平档）

三档（3.1 / 3.0 / 扁平档）怎么选、各自踩过什么坑，见 docs/openapi-profiles.md。

FastAPI 原生产出 OpenAPI 3.1.0，而部分企业 API 平台（API 网关 / API 管理 / Apifox 等）只认 3.0.x， 导入时会报「无法读取 openapi 信息 / 版本不是 3.0.x」。本服务提供三个入口：

入口	版本	用途
GET /openapi.json	由 LAYA_OPENAPI_VERSION 决定（默认 3.1）	默认 3.1；设成 3.0 后连同 /docs、/redoc 一起切成 3.0.3
GET /openapi-3.0.json	固定 3.0.3	给只认 3.0.x 的平台导入（推荐直接用这个 URL）
GET /openapi-kingdee.json	3.0.3 + 彻底扁平	自研 schema 转换器（如金蝶苍穹）会因 $ref/allOf/anyOf 抛 NPE，这一档全部摊平
python -m laya_api.openapi30 > openapi-3.0.json	3.0.3	平台只支持"上传文件"时，导出文件再上传
python -m laya_api.openapi30 --profile kingdee > openapi-kingdee.json	3.0.3 扁平	同上，但要喂给自研转换器时用这一档

降级做了这些改写（都是 3.1 → 3.0 的差异）：type: "null" → nullable: true、schema 级 examples: [...] → example:、const → enum、数值型 exclusiveMinimum/Maximum → 布尔开关 + minimum/maximum、$ref 带兄弟键 → allOf 包装、删除 3.0 不认识的关键字 （prefixItems/patternProperties/contentMediaType…）与顶层 jsonSchemaDialect/webhooks； 并补齐 servers 与缺失的 operationId。

# 直接给平台填这个地址
http://<服务地址>:8765/openapi-3.0.json

# 或导出文件上传（servers 想写死成真实地址就设 LAYA_OPENAPI_SERVER_URL）
LAYA_OPENAPI_SERVER_URL=http://10.0.0.5:8765 python -m laya_api.openapi30 > openapi-3.0.json

校验口径：本仓库的契约测试里用 openapi-spec-validator 的 3.0 专用校验器验过 —— 未降级的 3.1 文档会被它拒（'3.1.0' does not match '^3\.0\.\d(-.+)?$'，即平台报的那句）， 降级后的 3.0.3 文档通过。

扁平化档（/openapi-kingdee.json）解决的是另一类问题：某些自研转换器（金蝶苍穹 JsonSchemaToParamDefinitionConverter.convertSchema 实测）遇到 $ref、allOf、anyOf、或没有 type 的 schema 节点会直接 NullPointerException。这一档在 3.0.3 基础上再摊平：

• 内联全部 $ref（带环保护，递归引用用占位对象表示）
• 消掉 allOf/anyOf/oneOf：allOf 合并；联合类型取"信息最全"的一支，语义差异写进 description
• 每个 schema 节点都带 type（原来 state: Any 这类无 type 的字段会被推断成 object 并补 additionalProperties）
• 布尔型 additionalProperties 归一化为对象；title/description/enum/example/default 等仍保留（数据原样，不做 schema 化）
• 仍是合法 3.0.3（过了 3.0 专用校验器），端点与模型一个不少

三种问法怎么用

语义	一句话	典型业务	问法
选择类	这属于哪一类 / 该给谁	工单分派、内容分类、模型路由、打标签	choose(...) / type=choice
程度类	有多严重 / 打几分	优先级、紧急度、风险分级、满意度	rate(...) / type=score
是非类	要不要 / 是不是	是否转人工、是否放行、是否违规	yes_no(...) / type=noul

• 读结果只看两项：结论（choice / score+legend / noul）与 confidence（≥τ 自动处理，<τ 转人工）。
• 完整语义说明（选型、误用、阈值标定建议）：docs/api-semantics.md。

from laya_api.client import LayaClient

c = LayaClient("http://127.0.0.1:8765", api_key=None)   # 开了鉴权就传密钥
d = c.choose({"body": "账单重复扣款，请退款"}, "该由哪个团队处理？",
             {"billing": "退款/计费", "technical": "故障/缺陷"}, tau=0.6)
if d.auto:
    dispatch(d.label)          # conf ≥ 0.6，自动分派
else:
    escalate_to_human()        # 把握不足，转人工

客户端 SDK

语言	位置	依赖	验证方式
Python	src/laya_api/client.py（choose / rate / yes_no + ThresholdRouter + InProcessEngine）	项目自身（httpx）	随全套测试通过
Java	sdk/java/	零依赖（JDK 11+ java.net.http，自带极简 JSON）	javac 17 编译 + 打真实服务跑通
TypeScript	sdk/ts/	零依赖（fetch）	node demo.ts 跑通 + tsc --strict 无错

javac -encoding UTF-8 -d out $(find sdk/java/src -name '*.java')
java -Dfile.encoding=UTF-8 -cp out local.laya.sdk.Demo http://127.0.0.1:8765

node sdk/ts/demo.ts http://127.0.0.1:8765
npx -p typescript@5.9.2 tsc --noEmit -p sdk/ts

用法、鉴权传参，以及两个已踩的坑（Java 必须显式 HTTP/1.1、Node 类型剥离不支持参数属性）见 docs/sdk.md。

运维与安全

全部开关见 .env.example（一处清单，容器 / 前台通用）；GET /v1/status 回显生效配置 （密钥只显示数量），改完可 POST /v1/admin/reload 热生效，无需重启。

鉴权

变量	默认	说明
LAYA_AUTH_MODE	off	off（本机 / 可信内网）或 api_key
LAYA_API_KEYS	空	多把并存便于轮换：key-a,key-b；只放环境 / 密钥文件，绝不进镜像
LAYA_AUTH_HEADER	X-API-Key	也接受 Authorization: Bearer <key>
LAYA_AUTH_PROTECT_STATUS	0	1 时 /v1/status 也要密钥
LAYA_AUTH_PUBLIC_PATHS	healthz/readyz/docs/redoc/wiki/ui/openapi/static	公开路径白名单
LAYA_RATE_LIMIT_PER_MIN / _BURST	0（不限流）	按密钥令牌桶限流，超限 429 + Retry-After

性能

变量	默认	说明
LAYA_MAX_QUEUE	16	排队上限；满了直接 BUSY（让调用方退避，不无限堆积）
LAYA_DEFAULT_TIMEOUT_MS	5000	请求未指定时的默认超时
LAYA_PREFIX_CACHE	1	缓存问题前缀：20 次同问题不同情境实测 13.20 → 12.41 ms（约 6%）
LAYA_BUSY_RETRY_AFTER_S	1	BUSY / 429 的 Retry-After
LAYA_WARM_ON_START	1	启动即加载模型（首调用不等冷启动）

实测延迟（M4 / MLX / multilingual，常驻）：热调用 8–22 ms（p50 8.45），冷启首调 35–58 ms（含加载 480 ms）； 串行队列下 queue_wait 0.01–0.06 ms。

单进程串行是刻意设计：MLX 单设备，多 worker 会各自加载约 0.7GB 且互相抢卡；批量要走「一次前向多问题」而不是并发。 要横向扩：起 N 个进程（各约 0.7GB）监听不同端口，前置 nginx least_conn 轮询即可 —— 服务本身无状态。

部署

本机运行（macOS）

调试期不必常驻 —— 直接前台起，Ctrl-C 停，最省事：

bash scripts/run.sh                      # 前台起服务（默认 127.0.0.1:8765；Ctrl-C 停）
curl -s 'http://127.0.0.1:8765/readyz?warm=1'
# 想后台跑又不装服务（临时）：nohup bash scripts/run.sh > /tmp/laya-api.log 2>&1 &

要低延迟常开（反复调试/给别的系统联调）才装成 LaunchAgent：

bash scripts/install-service.sh           # 部署 + 安装 LaunchAgent（常驻）
bash scripts/deploy.sh                    # 改完源码后同步运行副本 + 重启
bash scripts/uninstall-service.sh         # 卸载（回滚）
# 日志：~/Library/Logs/laya-decision-api/service.{out,err}.log

launchd 读不到外置卷（实测踩过）：若源码放在可移动卷 / 外置盘，macOS 的用户级 LaunchAgent 没有该卷的访问权限，直接跑会报 Operation not permitted。因此常驻服务跑的是 home 下的运行副本（~/Library/Application Support/laya-decision-api，由 scripts/deploy.sh 同步）。 改完源码务必 bash scripts/deploy.sh，否则跑的还是旧副本；前台调试不受此限制。

容器（Linux，独立镜像）

两级构建 + 非 root + HEALTHCHECK + 入口自检 + 国内镜像源；laya 作为独立镜像运行，不塞进业务镜像。

builder(python:3.12-slim) ──pip→ /install ──┐
                                            ├─► runner ──► 一个镜像
源码 src/ + contract/ + entrypoint ─────────┘   非 root / HEALTHCHECK / 权重内置 /models

基础镜像怎么选（决定了构建期要不要下 torch）：

基础镜像	构建期动作	镜像体积	适用
python:3.12-slim-bookworm（默认）	需 pip install torch（CPU 版约 200MB）	约 1GB	构建机能访问 torch 索引
官方 pytorch/pytorch:<ver>-runtime（推荐）	torch 已预装，自动跳过（import torch 探测）	约 2–3GB	构建机网络差 / 想少一处失败点
有网机器构建后 docker save → 服务器 docker load	服务器完全离线	同上	内网 / 离线交付

# 权重打进镜像（单文件交付，默认）：先放进构建上下文 weights/
bash scripts/fetch-weights.sh ./weights             # ModelScope 国内直连 644MB；已有权重直接 cp 进 weights/multilingual 也行
bash scripts/docker-build.sh laya-decision-api:uat  # 默认清华 PyPI + torch CPU 索引
cp .env.docker.example .env.docker
bash scripts/docker-run.sh laya-decision-api:uat    # 镜像自带权重，无需挂载；只监听 127.0.0.1:8765

# 验证
docker run --rm laya-decision-api:uat python -c "import laya, fastapi, uvicorn; print('deps ok')"
curl -s 'localhost:8765/readyz?warm=1'              # 期望 loaded:["torch/multilingual"]

权重进不进镜像两种形态（按交付方式选）：

形态	做法	结果
单文件交付（默认）	构建前把权重放进 weights/（COPY weights/ /models/）	docker load 后直接 docker run 就能起，不依赖宿主目录；镜像 +644MB
瘦身 / 权重外置	weights/ 只留 .gitkeep 再构建	镜像小 644MB；运行时挂载：LAYA_MOUNT_MODELS=1 bash scripts/docker-run.sh <tag>

镜像内权重目录是 /models/<model>（默认 /models/multilingual）。Dockerfile 里没用 VOLUME 声明 —— 声明了会在运行时生成匿名卷遮蔽镜像内的权重，反而变成"看起来没权重"。

用现成镜像（Docker Hub）

不想自己构建就直接拉（镜像自带权重，起容器即用）：

docker pull bmw8080/laya-decision-api:1.0.2          # 也可用 :latest
docker run -d --name laya-api -p 8765:8765 \
  -e LAYA_AUTH_MODE=api_key -e LAYA_API_KEYS=替换成你的密钥 \
  bmw8080/laya-decision-api:1.0.2
curl -s 'http://127.0.0.1:8765/readyz?warm=1'      # 期望 loaded:["torch/multilingual"]

• 锁版本：1.0.2 这类具体标签便于回溯；latest 跟随最新发布。
• 架构：发布的是 linux/amd64（服务器主流）。arm64 想本地跑，用源码形态 bash scripts/run.sh（走 MLX，比容器快得多）； 需要 arm64 镜像就在 arm64 机器上 bash scripts/docker-build.sh 自建，Dockerfile 架构中立。
• 不含密钥：镜像里不烤鉴权密钥，靠运行期 -e 注入；权重已打进镜像，无需挂载。

国内拉不动 Docker Hub 时——换国内加速前缀，镜像字节与官方一致：

# 两条都实测可用（2026-09-24 复核：镜像摘要与 Docker Hub 完全相同）
docker pull docker.1panel.live/bmw8080/laya-decision-api:1.0.2
docker pull docker.1ms.run/bmw8080/laya-decision-api:1.0.2     # 需要 token，docker CLI 自动处理

docker tag docker.1panel.live/bmw8080/laya-decision-api:1.0.2 bmw8080/laya-decision-api:1.0.2   # 还原成原名
# 之后按上一节的 docker run 起容器即可

• 加速站是第三方公益镜像，随时可能失效或加白名单限制。反例：docker.m.daocloud.io 明确拒绝拉取本项目镜像 （用它拉 python 这类基础镜像是另一回事，不要混用）；失效就换下一条。
• 拉完想确认拉到的确实是官方那份：对比镜像摘要——加速站返回的 Digest 应与 Docker Hub 上同一标签的 Digest 完全一致（docker pull 输出里会打印 Digest，或 docker image inspect --format '{{index .RepoDigests 0}}' bmw8080/laya-decision-api:1.0.2）。

构建期参数（--build-arg）与运行期环境变量

优先级：运行期 -e / --env-file > 构建期 --build-arg > Dockerfile 默认值。 所以端口、鉴权密钥这类"部署时才定"的东西，优先用运行期注入，不必重建镜像。

构建期可赋值的参数（全部有默认值，见 Dockerfile 顶部参数表）：

参数	默认	说明
BASE_IMAGE / RUN_BASE_IMAGE	python:3.12-slim-bookworm	基础镜像（要预装 torch 就换 pytorch/pytorch:*）
APP_DIR / MODELS_DIR	/app / /models	镜像内应用目录 / 权重目录
LAYA_RUN_USER / LAYA_RUN_UID / LAYA_RUN_GID	app / 1001 / 1001	运行用户（非 root）
LAYA_API_HOST / LAYA_API_PORT	0.0.0.0 / 8765	监听地址 / 端口
LAYA_ENGINE / LAYA_MODEL / LAYA_BACKEND	laya_torch / multilingual / auto	引擎 / 模型 / 后端
LAYA_MODEL_DIR	${MODELS_DIR}/${LAYA_MODEL}	权重目录（留空即用默认）
LAYA_WARM_ON_START / LAYA_PREFIX_CACHE	1 / 1	启动预热 / 前缀缓存
LAYA_MAX_QUEUE / LAYA_DEFAULT_TIMEOUT_MS / LAYA_BUSY_RETRY_AFTER_S	16 / 5000 / 1	队列与超时
LAYA_MAX_STATE_CHARS / LAYA_MAX_OPTIONS	4000 / 20	体积上限
LAYA_AUTH_MODE / LAYA_API_KEYS / LAYA_AUTH_HEADER / LAYA_AUTH_PROTECT_STATUS	off / 空 / X-API-Key / 0	鉴权
LAYA_AUTH_PUBLIC_PATHS / LAYA_RATE_LIMIT_PER_MIN / LAYA_RATE_LIMIT_BURST	见 Dockerfile	公开路径 / 限流
PIP_INDEX_URL_BUILD / TORCH_INDEX_URL / DEBIAN_MIRROR / PIP_FLAGS / LAYA_PIP_SPEC	见 Dockerfile	构建源与开关

# 例：换个端口与运行用户，同时把鉴权打开（密钥建议运行时给，别烤进镜像）
LAYA_API_PORT=9000 LAYA_RUN_UID=2000 LAYA_AUTH_MODE=api_key \
  bash scripts/docker-build.sh laya-decision-api:1.0.1

⚠️ 密钥不要用 --build-arg 烤进镜像：--build-arg LAYA_API_KEYS=xxx 会把值固化进镜像层 （docker history / docker inspect 可见，推到镜像仓后收不回来）。正确做法是运行时注入：

# .env.docker 里写 LAYA_AUTH_MODE=api_key / LAYA_API_KEYS=xxx，然后
bash scripts/docker-run.sh laya-decision-api:1.0.1          # 走 --env-file
# 或临时指定
docker run -d -e LAYA_API_KEYS=xxx -e LAYA_AUTH_MODE=api_key ... laya-decision-api:1.0.1

scripts/docker-build.sh 会把上面这些 LAYA_*（以及 APP_DIR/MODELS_DIR/LAYA_RUN_*） 设了的环境变量自动透传成 --build-arg，并在日志里逐条打印（密钥显示为 ***）。

换基础镜像：bash scripts/docker-build.sh <tag> --build-arg BASE_IMAGE=… --build-arg RUN_BASE_IMAGE=… （标签请先在构建机 docker pull 确认存在）。

内容	是否进镜像	说明
src/、contract/、docker-entrypoint.sh	是	服务本体与契约
fastapi / uvicorn / pydantic / httpx	是	见 requirements-docker.txt
torch(CPU) + 上游 laya	是	容器必须用 torch 后端：MLX 是 macOS + Metal 专属
644MB 权重	是（默认，构建时 COPY）	放 weights/ 即打进镜像（单文件交付）；不想带就别放，运行时 -v /opt/laya-models:/models:ro 挂载

反代：nginx 保留路径（proxy_pass http://127.0.0.1:8765;，不带尾斜杠），proxy_read_timeout 给足。

架构（x86_64 / arm64）与跨机交付

镜像架构 = 构建机架构。Apple Silicon 上构建出来的是 linux/arm64，拷到 x86_64 服务器会 exec format error。三条路，按场景选：

场景	做法	代价
有 x86_64 的 Linux（含 VM）	直接在那台机器上构建	最快，无模拟层（推荐）
只有 arm64 Mac	PLATFORM=linux/amd64 bash scripts/docker-build.sh <tag>	需 buildx + QEMU 模拟，torch 层可能十几分钟起
构建机与目标机都不能联网	有网机器构建 → docker save → 拷贝 → docker load	传输 1–2GB 压缩包

依赖的架构支持（已核对 PyPI/Docker Hub 元数据，非推测）：

组件	linux/amd64	linux/arm64
torch（CPU）	manylinux_2_28_x86_64 wheel ✔	manylinux_2_28_aarch64 wheel ✔
上游 laya	py3-none-any（纯 Python，架构无关）✔	同左 ✔
tokenizers / numpy / safetensors	两架构均有 manylinux wheel ✔	✔
python:3.12-slim-bookworm（默认基础镜像）	multi-arch manifest ✔	✔

服务器 CPU 需支持 AVX2（torch 官方 wheel 的编译前提）：lscpu | grep -o avx2。 老 CPU 上要换源码编译版 torch。

torch 轮子从哪装（两个架构都是：用 PyTorch 官方 CPU 索引，别用 PyPI）：

TORCH_INDEX_URL	结果
https://download.pytorch.org/whl/cpu（默认）	装纯 CPU 版，无 CUDA 依赖
https://mirror.sjtu.edu.cn/pytorch-wheels/cpu/	国内推荐。同样是 PEP 503 索引、同样只有 CPU 版；实测官方索引的索引页能打开，但真正的轮子托管在 download-r2.pytorch.org，该主机在国内不可达（构建会报 Could not find a version that satisfies the requirement torch (from versions: none)）
PyPI / PyPI 国内镜像	会拖 nvidia-* 整套 CUDA 包（实测：aarch64 上装 torch 时 pip 开始下载 nvidia-cudnn-cu13 等；x86_64 同理），磁盘和下载量都翻好几倍 —— 不要用

该索引在国内偶发连接不稳（Temporary failure in name resolution），Dockerfile 里三处 pip 都加了 --retries 10 --timeout 60 兜底。

跨架构构建（在 arm64 机器上产出 x86_64 镜像）：

# 1) 先注册 QEMU 处理器（只需一次；Docker Hub 不通就用镜像站前缀）
docker run --privileged --rm docker.m.daocloud.io/tonistiigi/binfmt --install amd64

# 2) 跨架构构建（QEMU 模拟，慢；--no-compile 跳过字节码编译可明显提速）
PLATFORM=linux/amd64 PIP_FLAGS=--no-compile \
  BASE_IMAGE=docker.m.daocloud.io/library/python:3.12-slim-bookworm \
  RUN_BASE_IMAGE=docker.m.daocloud.io/library/python:3.12-slim-bookworm \
  bash scripts/docker-build.sh laya-decision-api:1.0.1-amd64

若 deb.debian.org 在你的网络里被中间设备干扰（构建时报 Clearsigned file isn't valid, got 'NOSPLIT'）， 用 DEBIAN_MIRROR 换源：bash scripts/docker-build.sh <tag> --build-arg DEBIAN_MIRROR=https://mirrors.tuna.tsinghua.edu.cn （scripts/docker-build.sh 已默认传清华源，DEBIAN_MIRROR="" 可关掉走官方源）。

QEMU 下的耗时不代表 x86_64 原生性能（模拟层慢两个数量级）；要真实性能只能在 x86_64 上原生跑。

一条命令打包（在 Ubuntu VM / x86 构建机上跑）：

bash scripts/docker-ship.sh laya-decision-api:1.0.1 ./dist
# 顺带把 644MB 权重也打包（目标服务器不能上 ModelScope 时）：
WITH_WEIGHTS=1 bash scripts/docker-ship.sh laya-decision-api:1.0.1 ./dist

它会依次做：环境自检（架构 / docker / buildx / 磁盘）→ 构建 → 镜像内真实 import 自检 → docker save + gzip + SHA-256 → 打印服务器侧命令（校验 → docker load → 权重 → 起服务 → 健康检查）。

目标服务器上：

sha256sum -c laya-decision-api-1.0.1-amd64.tar.gz.sha256
docker load < laya-decision-api-1.0.1-amd64.tar.gz
docker image inspect laya-decision-api:1.0.1 --format '{{.Os}}/{{.Architecture}}'   # 应为 linux/amd64
bash scripts/fetch-weights.sh /opt/laya-models     # 或解包一起拷过来的权重包
cp .env.docker.example .env.docker && bash scripts/docker-run.sh laya-decision-api:1.0.1
curl -s 'http://127.0.0.1:8765/readyz?warm=1'      # 期望 loaded:["torch/multilingual"]

后端对照（同一份 safetensors 权重，各形态共用）

形态	LAYA_ENGINE	依赖	说明
Mac 常驻（快）	laya_mlx（默认）	laya-mlx + mlx	Metal 加速，热调用 8–9 ms
Linux 容器	laya_torch	torch + 上游 laya	无 Metal
与 Hermes 同源	hermes_laya	hermes-laya[mlx]	需要与 Hermes 工具 / context engine 走同一代码路径时

与 Hermes 的关系：不必须。 默认的 laya_mlx 是上游普通 pip 包，实测直连时零 Hermes 模块导入 （契约测试里有一条「独立模式未导入任何 Hermes 模块」专门守这个）。接 Hermes 只是额外能力。

测试

不依赖 pytest（stdlib 即可跑）：

python tests/run_contract_tests.py

覆盖：契约校验与错误码、超预算、golden 用例、同 state 连打 10 次的稳定性与概率波动、 HTTP 端点（httpx ASGITransport）、鉴权与限流、离线文档守门（/docs、/redoc 不得引用 CDN； /wiki 只能渲染 OpenAPI，不许混进 README 内容）、OpenAPI 三档的守门断言。

没装推理后端时（CI / 只想验契约）：依赖模型前向的用例自动 SKIP，其余全跑 — 实测 10 passed, 0 failed, 12 skipped，退出码 0；装好后端则 21 passed, 0 failed。

工程约束与设计取舍

• 契约是兼容性红线：破坏性改动必须新开 v2，不在 v1 里改字段含义。
• 序列预算 512 token（头部 192）。选项过多会被预算顶掉 → 接口层返回 OVER_BUDGET，而不是让模型抛 ValueError。
• 单设备串行：get_agent 按 (backend, model) 缓存但不做串行 → 本服务的 worker 单线程串行执行；要吞吐就走多问题一次前向或横向扩进程。
• 常驻内存约 0.7GB（multilingual fp16），加载 0.46–0.73 秒（打本地权重补丁后；未打补丁会联网校验，实测卡 150s）。
• 超时语义：MLX 推理无法中途取消。超时只保证调用方拿到 504，底层那次前向会跑完再释放 worker（响应带 inference_still_running 警告）。
• 概率校准 ≠ 准确率：confidence 是模型自校准值，业务阈值 τ 必须用自己的样本标定。
• 不替调用方拍板：服务端只回概率与置信度；低置信度回退大模型是可选的 ThresholdRouter，默认不介入。

排障

现象	先看
/readyz 里 ready=false	模型是否加载失败：看服务日志与 /v1/status 的 engine 段
调用报 MODEL_UNAVAILABLE	LAYA_ENGINE 对应的包是否装了（laya-mlx/mlx 或 torch/laya）；权重目录是否存在
首个请求特别慢	冷启动；开 LAYA_WARM_ON_START=1 或先打一次 /readyz?warm=1
BUSY / 429	队列或速率上限；按 Retry-After 退避，不要立即重试
容器里报后端不可用	容器必须 LAYA_ENGINE=laya_torch（Linux 没有 Metal）
改了源码行为没变	常驻跑的是 home 运行副本，忘了 bash scripts/deploy.sh

支持这个项目

这个项目是业余时间做的，能帮到你我就挺高兴。如果它确实省了你的时间，欢迎扫码打赏一杯咖啡 ☕

打赏完全自愿：不影响任何功能、issue 优先级或回复速度。有问题照常提 issue 就好。

贡献

欢迎提 issue / PR。约定见 CONTRIBUTING.md，行为准则见 CODE_OF_CONDUCT.md， 安全问题走 SECURITY.md（不要开公开 issue）。变更记录见 CHANGELOG.md。

许可证

Apache License 2.0。随包分发的第三方组件（swagger-ui-dist、redoc）许可原文见 THIRD_PARTY_NOTICES.md 与 src/laya_api/static/swagger/。 Laya 决策模型本体是独立上游项目，权重不随本仓库分发。