Sync: add ai finops and deployment notes

wiki/concepts/AIFinOps.md

@@ -0,0 +1,32 @@
+---
+title: "AIFinOps"
+type: concept
+tags: ["finops", "cost-optimization", "cloud-economics"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- AI FinOps
+- AI Financial Operations
+- LLM Cost Management
+
+## Definition
+AI FinOps（Financial Operations）是 [[AutonomousOptimizationArchitect]] 的成本管理框架——持续追踪每个 LLM Provider 的 Token 消耗、成本、延迟和输出质量，建立历史性能数据库，为 [[SemanticRouting]] 提供成本感知的决策依据。目标是实现 AI 运营成本的可预测性和可控性。
+
+## Mechanism
+1. **遥测数据收集**：每次 API 调用记录 Token 数量、响应时间、错误率、成本
+2. **成本建模**：按 Provider、模型、任务类型建立成本分解模型
+3. **异常检测**：检测异常流量模式（如 500% 流量突增，可能为 bot 攻击）
+4. **预算告警**：当成本接近阈值时触发告警
+5. **优化建议**：基于历史数据生成成本优化建议（如切换到 Gemini Flash）
+
+## Key Properties
+- **成本透明**：每百万 Token 成本精确追踪
+- **可预测性**：基于历史趋势预测未来成本
+- **与治理对齐**：为 [[CircuitBreaker]] 提供成本异常检测数据
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — AIFinOps 是成本管理的核心框架
+- [[SemanticRouting]] — 成本数据是路由决策的关键输入
+- [[CircuitBreaker]] — 异常成本流量触发熔断保护

wiki/concepts/CircuitBreaker.md

@@ -0,0 +1,31 @@
+---
+title: "CircuitBreaker"
+type: concept
+tags: ["reliability", "fault-tolerance", "llm-ops"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Circuit Breaker
+- 熔断器
+- Circuit Breaker Pattern
+
+## Definition
+熔断器模式是 [[AutonomousOptimizationArchitect]] 的核心安全机制——当某个 LLM Provider 的失败频率超过阈值（如 HTTP 402/429 错误、响应超时）时，自动切断该 Provider 并切换至廉价兜底方案，同时触发告警通知人工介入。
+
+## Mechanism
+1. **监测**：追踪每个 Provider 的失败计数和失败率
+2. **触发**：当失败次数超过 `maxRetries` 阈值，或检测到 HTTP 402/429 错误流时，立即 trip 熔断器
+3. **降级**：所有请求切换到预配置的廉价兜底 Provider（如 Gemini Flash）
+4. **恢复**：人工确认问题解决后手动重置，或经过冷却期后自动尝试恢复
+
+## Key Properties
+- **防止成本失控**：阻止 Token 消耗攻击（如恶意 bot 短时间内大量请求）
+- **防止无限重试**：每个 Provider 配置最大重试次数 `maxRetries`
+- **分级降级**：逐级切换到更便宜的备用 Provider，直到找到可用路径
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 使用 CircuitBreaker 作为金融护栏的核心实现
+- [[LLMasJudge]] — 评估 Provider 降级后输出质量是否可接受
+- [[ShadowTraffic]] — 熔断触发后可异步在影子流量中测试备用 Provider

wiki/concepts/DarkLaunching.md

@@ -0,0 +1,31 @@
+---
+title: "DarkLaunching"
+type: concept
+tags: ["deployment", "release-management", "feature-rollout"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Dark Launch
+- 暗启动
+- 灰度发布
+- Feature Flag Deployment
+
+## Definition
+暗启动是 [[AutonomousOptimizationArchitect]] 的模型引入策略——在不完全暴露给用户的前提下，将新模型部署到生产环境，通过 [[ShadowTraffic]] 验证其性能。分为三个阶段：影子测试（不返回用户）→ 灰度流量（5% 用户）→ 全量切换。
+
+## Mechanism
+1. **Phase 1 - Shadow Deployment**：新模型接收影子流量，完全不影响用户
+2. **Phase 2 - Canary**：5% 真实流量切换到新模型，监控错误率和用户满意度
+3. **Phase 3 - Full Rollout**：新模型通过所有检查后，全量替换旧模型
+
+## Key Properties
+- **风险可控**：任何阶段发现问题均可立即回滚
+- **数据驱动**：每个阶段都有明确的量化指标门槛
+- **与 CI/CD 集成**：暗启动可作为自动化发布流水线的组成部分
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 使用暗启动作为新模型引入框架
+- [[ShadowTraffic]] — 暗启动 Phase 1 的核心实现方式
+- [[CircuitBreaker]] — 提供暗启动失败时的自动保护机制

wiki/concepts/LLMasJudge.md

@@ -0,0 +1,31 @@
+---
+title: "LLMasJudge"
+type: concept
+tags: ["evaluation", "llm-evaluation", "quality-assurance"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- LLM as a Judge
+- LLM-as-Judge
+- LLM-as-a-Judge Grading
+
+## Definition
+LLM-as-a-Judge 是 [[AutonomousOptimizationArchitect]] 的评分机制——使用一个独立的 LLM（如 Claude Opus）作为"裁判"，对实验模型和生产模型的输出进行客观评分，避免人工评审的主观偏差。评分维度包括：JSON 格式正确性（5分）、延迟（3分）、幻觉检测（-10分）等。
+
+## Mechanism
+1. **评分标准预先建立**：在 [[ShadowTraffic]] 测试前，[[AutonomousOptimizationArchitect]] 明确建立数学评分标准
+2. **异步评估**：实验模型和生产模型同时处理任务，裁判 LLM 盲评两者输出
+3. **统计分析**：累积足够样本后进行统计显著性检验
+4. **自主决策**：实验模型显著优于基准时，更新路由权重
+
+## Key Properties
+- **客观性**：消除人工评分的主观偏差
+- **可扩展**：可同时评估多个 Provider 的输出
+- **数据驱动**：评分结果直接驱动 [[SemanticRouting]] 决策
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — LLM-as-Judge 是核心评估工具
+- [[ShadowTraffic]] — 提供实验与基准并行执行的流量环境
+- [[SemanticRouting]] — 评分结果更新路由权重

wiki/concepts/SemanticRouting.md

@@ -0,0 +1,32 @@
+---
+title: "SemanticRouting"
+type: concept
+tags: ["routing", "llm-ops", "intelligent-routing"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Semantic Routing
+- 语义路由
+- Intent Routing
+- Task-Aware Routing
+
+## Definition
+语义路由是 [[AutonomousOptimizationArchitect]] 的决策核心——根据任务类型、历史性能评分和当前 Provider 状态，动态选择最优的 LLM Provider。Provider 按"优化分数"（Speed + Cost + Accuracy 综合排名）排序，优先尝试排名最高的可用 Provider。
+
+## Mechanism
+1. **任务分析**：理解用户请求的类型和复杂度（如代码生成 vs. 闲聊）
+2. **Provider 排名**：按历史优化分数对所有 Provider 排序
+3. **动态选择**：从最高排名 Provider 开始尝试，直到找到可用且在成本限制内的 Provider
+4. **持续学习**：[[LLMasJudge]] 评分结果更新各 Provider 在特定任务类型上的排名
+
+## Key Properties
+- **成本感知**：始终追踪每百万 Token 成本，优先使用低成本模型
+- **性能自适应**：根据 [[ShadowTraffic]] 数据动态调整排名
+- **故障感知**：熔断器切断的 Provider 自动跳过
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 语义路由是核心路由决策逻辑
+- [[CircuitBreaker]] — 提供故障感知的 Provider 过滤
+- [[LLMasJudge]] — 提供更新路由权重的数据

wiki/concepts/ShadowTraffic.md

@@ -0,0 +1,32 @@
+---
+title: "ShadowTraffic"
+type: concept
+tags: ["testing", "a-b-testing", "dark-launch"]
+sources: ["engineering-autonomous-optimization-architect"]
+last_updated: 2026-04-26
+---
+
+## Aliases
+- Shadow Traffic
+- 影子流量
+- Shadow Testing
+- 暗测试
+
+## Definition
+影子流量是 [[AutonomousOptimizationArchitect]] 的核心测试机制——将一小部分真实用户请求（通常 5%）异步复制到实验模型，与生产模型并行执行，但不返回给用户。实验结果通过 [[LLMasJudge]] 自动评分，用于决定是否将实验模型提升为生产模型。
+
+## Mechanism
+1. **流量复制**：用户请求同时发送至生产模型和实验模型
+2. **异步评估**：实验模型结果不阻塞用户响应，通过 [[LLMasJudge]] 异步评分
+3. **统计分析**：累积 N 次（如 1000 次）执行后评估性能差距
+4. **自主升级**：实验模型统计显著优于基准时，自动更新路由权重
+
+## Key Properties
+- **零用户影响**：实验在后台进行，用户永远获得生产模型响应
+- **真实数据**：使用真实用户请求，而非人工构造的测试用例
+- **持续运行**：可 24/7 不间断运行，持续监控新模型发布
+
+## Connections
+- [[AutonomousOptimizationArchitect]] — 影子流量是核心测试基础设施
+- [[LLMasJudge]] — 对影子流量结果进行自动评分
+- [[DarkLaunching]] — 影子流量是暗启动的测试阶段