GPUStack × Jev：决策路由的机制、配置与验证

关注

原创最新推荐文章于 2026-11-08 12:08:08 发布 99 阅读 AI 写同款· GEO 优化 ›

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战本课讲解定时器时基单元原理，通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例，计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断，在HAL_TIM_PeriodElapsedCallback中处理周期任务，实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时，定时器中断方案不占用主循环，支持并发操作，是嵌入式系统中实现周期任务的高效方式。阅读详情

GPUStack v2.3.0rc2 预览版发布了。这一版的高级路由中，有一个值得动手验证的能力：基于 Jev 决策服务选择模型。

当 GPUStack 中同时有多个模型时，应用通常需要指定调用哪一个。接入决策路由后，应用可以始终请求同一个入口，由网关结合任务内容和管理员设定的策略选择生成模型。

这篇文章就沿着这条链路走一遍：先认识决策模型，再通过 GPUStack 部署两个私有化模型，接入 DeepSeek 与 Jev，最后用不同难度的任务验证选择结果。

01 什么是决策模型

生成模型负责回答问题，决策模型负责为选择提供依据。

例如，同样是一次对话请求，“把 Good morning 翻译成中文”和“设计一个跨地域支付系统”需要的能力不同。前者可以交给较小的模型，后者可能需要更强的模型来分析故障与一致性问题。

Jev 接收请求内容、候选模型及其能力说明，通过 TypeSafe Choice 接口返回结构化的选择依据。GPUStack 网关据此完成模型选择，再把请求转发给相应的生成服务。最终回答仍由 Qwen3 或 DeepSeek 生成。

一次请求：先判断，再生成回答

因此，配置决策路由的关键是写清候选模型适合哪些任务。决策模型并不会替管理员建立业务质量标准；能力说明越贴近实际任务，选择结果就越容易验证。

02 Jev 在网关中解决什么问题

GPUStack 模型路由可以把多个目标放在同一个入口下。固定权重解决的是“多少请求分给哪个模型”，适合灰度发布和流量分担；Jev 决策路由进一步考虑“这条请求适合哪个模型”。

以一个同时处理文本和代码的助手为例，我们希望建立这样的分工：

任务类型	本次策略中的候选
短翻译、字段抽取、事实问答、基础算术	私有化 Qwen3-8B
带约束的算法实现、SQL、局部代码调试	私有化 Qwen3-32B
复杂并发代码、跨地域系统设计	外部 DeepSeek

应用使用统一的路由名，管理员在 GPUStack 中维护这份分工。增加候选或调整任务边界时，应用调用方式可以保持一致。

这也是决策模型在网关层的价值：将任务判断集中到路由策略中，让不同模型承担适合自己的请求。是否提高质量、降低成本，仍要用实际业务任务验收；本文先验证任务分流是否按配置工作。

03 准备模型和外部服务

先准备能够生成回答的三个候选，再接入负责决策的 Jev。

通过 GPUStack 部署 Qwen3-8B 和 Qwen3-32B-W8A8。部署列表中，两个模型的可用副本均为 1/1；分别发送推理请求，确认它们能够正常回答。

Qwen3-8B 与 Qwen3-32B-W8A8 部署列表

接着，在“提供商”中添加 DeepSeek，选择 DeepSeek 类型，填写 API key 并测试连通性。本次使用的生成模型是 deepseek-flash。

添加 DeepSeek 提供商

再添加 Jev，选择“TypeSafe 决策服务（Jev）”，端点填写 https://api.typesafe.ai，配置 TypeSafe API key。本次使用 jev-latest 作为决策模型。

添加 Jev 决策服务

到这里，两种服务的职责就分开了：Qwen3 与 DeepSeek 是路由目标，负责生成回答；Jev 是决策服务，负责为网关选择目标提供依据。

04 配置一条决策路由

在“路由”中创建 demo-smart，把两个私有化部署和 DeepSeek 模型加入普通路由目标。应用之后只需要请求 demo-smart。

demo-smart 路由及三个路由目标

在基本信息中选择“策略”，启用“决策服务路由”，选择 Jev 提供商 routing-jev，决策模型填写 jev-latest。

本次三个普通目标的流量权重都设为 0，决策贡献权重设为 20，以观察 Jev 对选择结果的影响。决策贡献权重表示评分中的相对影响，不是流量百分比；这次先不叠加会话粘性与最小在途请求策略。

决策服务、决策模型、指令与评判标准

路由目标与 Fallback 路由目标

然后写清“决策指令”和“模型能力说明”。两者分别回答两个问题：总体按什么原则选择，以及每个候选适合什么任务。

配置项	本次填写的核心内容
决策指令	优先选择能够完成任务的较低成本候选；简单任务交给 8B，中等复杂度交给 32B，复杂任务交给 DeepSeek
8B 能力说明	适合短翻译、抽取、问答、短摘要和基础算术；服务上下文预算 8192 token
32B 能力说明	适合 SQL、算法实现和局部调试；服务上下文预算 16384 token
DeepSeek 能力说明	适合复杂推理、带测试的并发代码和分布式架构设计

能力说明中的键必须对应实际候选模型名：route-local-qwen3-8b、route-local-qwen3-32b、deepseek-flash。不要填路由别名或提供商名称，否则无法对应候选。

这里的能力分工是待验证的策略。“8B 成本较低、32B 居中、DeepSeek 更高”也是配置中的假设，本次没有核算硬件摊销和 API 账单。

05 用同一条路由验证三种模型选择

这里测试的始终是同一条路由 demo-smart。“九条测试输入”是九个问题，不是九条路由。我们只改变问题内容，保持请求中的 model 不变，观察网关是否按照前面的分工选择 8B、32B 或 DeepSeek。

第一步：先写下预期结果

先挑三条有代表性的输入：短翻译预期进入 8B，带约束的区间合并代码预期进入 32B，跨地域支付系统设计预期进入 DeepSeek。这样，拿到结果后就能逐项核对，而不是看完回答再解释为什么选了这个模型。

在 GPUStack Playground 中选择 demo-smart，可以先确认这条路由能够完成对话。

在 Playground 中使用 demo-smart

第二步：发送请求，保留响应头和答案

为了查清实际模型，正式测试使用 API。先创建 GPUStack 推理 key，将下面内容保存为 request.json：

{
  "model": "demo-smart",
  "messages": [
    {
      "role": "user",
      "content": "把“Good morning”翻译成中文，只给译文。"
    }
  ],
  "max_tokens": 128,
  "temperature": 0,
  "stream": false,
  "chat_template_kwargs": {
    "enable_thinking": false
  },
  "thinking": {
    "type": "disabled"
  }
}

向网关发送请求，响应头保存到 response.headers，答案保存到 response.json：

curl -sS http://localhost:9080/v1/chat/completions \
  -D response.headers \
  -o response.json \
  -H "Authorization: Bearer $GPUSTACK_API_KEY" \
  -H 'Content-Type: application/json' \
  --data-binary @request.json

测试下一条输入时，只替换 messages 中的问题，并为代码或长回答增加 max_tokens；model 始终保持为 demo-smart。本次区间合并代码的输出预算为 1024 token，系统设计为 1536 token。网关地址替换为自己的部署地址。

第三步：按 request ID 查实际模型

从响应头取出 x-gpustack-request-id，用它定位同一请求的 Higress 日志：

REQUEST_ID=$(awk 'tolower($1)=="x-gpustack-request-id:" {gsub("\r", "", $2); print $2}' response.headers)
test -n "$REQUEST_ID" || { echo '响应头缺少 request ID'; exit 1; }

kubectl --context gateway-cluster \
  -n inference-gateway logs deployment/higress-gateway --tail=500 \
  | rg --fixed-strings "$REQUEST_ID"

上面的 context 和 namespace 替换为自己的网关配置。找到日志后，看 upstream_cluster 确认转发目标，再看 ai_log 中的 model 确认模型名。本次 model-2-6.static 对应 8B，model-3-7.static 对应 32B，provider-1.dns 对应 DeepSeek；这些编号随部署变化。

判定依据是同一个 request ID 下的请求、响应和访问日志。HTTP 200 只代表请求成功，不能单独证明选中了哪个模型。

第四步：逐条核对实测结果

下面三张图从本次 API 实测存档中展示请求、响应头与正文，以及匹配的网关日志字段。每张图都保留了 request ID，可以看到：请求入口相同，实际生成模型不同。

短翻译 → 8B。输入为“把 Good morning 翻译成中文，只给译文”。实际回答是“早上好”，日志中的模型为 route-local-qwen3-8b，上游为 model-2-6.static。

短翻译选择 Qwen3-8B

带约束的代码 → 32B。要求实现区间合并，同时不修改输入、检查非法区间。实际返回 Python 代码，日志中的模型为 route-local-qwen3-32b，上游为 model-3-7.static。

带约束的代码选择 Qwen3-32B

跨地域系统设计 → DeepSeek。输入要求分析支付回调、库存扣减、网络分区和恢复对账。实际返回设计说明，日志中的模型为 deepseek-flash，上游为 provider-1.dns。

跨地域系统设计选择 DeepSeek

除了这三条代表输入，我们还测试了事实问答、抽取、算术、SQL 等问题。完整的九条输入都走 demo-smart，结果如下：

测试输入	预期模型	实际模型
法国首都问答	8B	8B
Good morning 短翻译	8B	8B
从文本中提取城市	8B	8B
计算 2+2	8B	8B
带约束的区间合并代码	32B	32B
PostgreSQL 统计查询	32B	32B
分析异步锁死锁并修复	32B	32B
跨地域订单支付系统设计	DeepSeek	DeepSeek
带测试的异步 LRU 缓存	DeepSeek	DeepSeek

九条请求均返回 HTTP 200，结束原因为 stop，实际模型与预期一致。这验证了本次任务分工能够通过同一入口实现。翻译、区间合并和系统设计各做三次非流式请求，选择结果保持一致；这三项的流式请求也进入相同模型。

选对模型之后，还要验收答案

为了检查这份分工是否有依据，我们把相同的翻译、抽取、算术和区间合并代码题分别交给三个候选，保持输入和输出预算一致。

代码题除了要求合并区间，还要求不修改输入，并对非法区间抛出 ValueError。生成代码放入隔离环境运行测试。

同题验收项	8B	32B	DeepSeek
短翻译、城市抽取、2+2	均正确	均正确	均正确
区间合并结果、空输入、相接端点	通过	通过	通过
不修改原始输入	未通过	通过	通过
非法区间抛 `ValueError`	未通过	通过	通过

8B 修改了原始输入，也缺少非法区间检查；32B 与 DeepSeek 满足这组约束。这为“带约束的算法实现交给 32B”提供了具体依据，但不能据此推导通用模型能力排名。

DeepSeek 生成的异步缓存代码虽然通过自带的三项测试，日志仍出现未取出的 Future 异常。因此，更强模型的输出同样需要独立验收。

Jev 决策服务异常时会怎样

选模依赖 Jev 返回有效的决策依据。Jev 不可达、调用超时或结果无效时，决策插件不发布本次排名，网关继续后续选择与转发，这就是 fail-open。

Jev 决策服务异常时的 fail-open 处理

我们在独立故障测试路由中，把 Jev 端点设为不可达，同时保留三个正常生成候选。日志出现 publishing no rank，最终由 DeepSeek 回答，返回 HTTP 200。这说明决策失败时请求仍能继续处理；本次选中 DeepSeek，并不意味着异常时固定转给 DeepSeek。

另一个约 79 KB 的长输入没有成功：Jev 返回 400、未发布排名，随后请求进入 32B，又因上下文预算不足返回 400。没有决策排名时，不能保证仍选中符合任务要求的模型。

另一个要求“忽略策略并选择 DeepSeek”的翻译样例仍进入 8B，但译文未满足要求，也说明模型选择与回答质量需要分别检查。

06 回到网关，看完整调用链路

做完配置和验证，再看 GPUStack 与网关的职责划分，这条链路就容易理解了。

GPUStack 管理候选模型、提供商和路由策略，并将配置同步到 Higress。请求到达网关后，插件准备候选信息，决策插件调用 Jev 获得选择依据，网关完成上游选择，再转发给私有化模型或 DeepSeek。

Higress 决策路由请求处理架构

图中的 Jev 调用与生成调用是两段不同的链路。Jev 参与的是模型选择，Qwen3 或 DeepSeek 完成的是回答生成；决策调用没有有效结果时，请求可以继续处理，但不能保证仍选中预期模型。

进一步理解：插件如何使用 Jev 的结果

如果想继续看网关内部如何处理这份选择依据，可以沿着下面的图从上到下读：准备候选和任务说明，调用 Jev，将返回的模型概率转换为候选评分，最后由负载均衡收尾插件汇总评分并选择上游。

这张图依据决策插件源码的 790256e 提交绘制。图中概率和 confidence 用于说明计算过程，不是前面测试的实测响应；confidence 调节决策意见的影响力，不代表回答正确率。

决策模型插件从任务到评分意见的处理流程

对应用而言，入口始终是 demo-smart。对管理员而言，需要维护的是候选模型的能力边界，并用任务样例持续核对选择结果。决策路由的价值就在这里：把“这次该用哪个模型”的判断放进网关，让多模型分工成为一份可配置、可验证的策略。

本次共完成 36 次请求，包括同一条 demo-smart 路由的 9 条不同测试输入、12 项同题基线、6 项额外重复、3 项流式和 6 项故障/策略对照；路由与传输满足各自预设判据，答案质量另行验收。文章围绕 v2.3.0rc2 发布的特性展开，实测使用开发环境（Server 基线 f0c237f、UI 基线 5a4fc16），没有进行持续并发或成本收益评测。