xxxyxun · Oct 23, 2026 · Oct 22, 2026 · Oct 22, 2026 · Oct 22, 2026 · Oct 22, 2026
diff --git a/AGENTS.md b/AGENTS.md
@@ -1,10 +1,12 @@
 # AGENTS.md — Tandem 开发纪律
 
-本文件是协作与代码合入的硬约束。与重构计划（`../TANDEM_REFACTOR_PLAN_CN.md`）冲突时，先改计划再改本文件。
+本文件是协作与代码合入的硬约束。此前那份仓库外的重构总计划已删除，
+改为 **human in the loop 的开发与重构**：改动前先与维护者确认形态与取舍，
+范围与命名以本文件 + `docs/CLUSTER_RUNTIME.md` 为准。
 
 ## 仓库定位
 
-主体是 **Tandem harness**（快慢双模 CUA，`src/tandem/`）；`src/tandem_eval/` 仅为适配集群 rjob 的测评薄适配层（worker 侧 6 文件 + 开发机侧 rjob.py 生命周期客户端）。
+主体是 **Tandem harness**（快慢双模 CUA，`src/tandem/`）；`src/tandem_eval/` 仅为适配集群 rjob 的测评薄适配层（worker 侧 6 文件 + 开发机侧 rjob.py / rjob_spec.py / rjob_status.py / config_schema.py）。
 
 ## 五条硬纪律（CI/评审强制）
 
@@ -24,9 +26,15 @@
 ## 配置纪律
 
 - `infra/config.json` 是**唯一**配置文件（含密钥 → gitignore；模板 `config.example.json` 提交）。
+- **三段结构**：`harness`（慢模型/快模型/路由/预算）、`eval`（集群与基准）、`log`（结果落盘）。
+- **按角色命名，不按厂商命名**：大脑 = `harness.slow_model`，小脑 = `harness.fast_model`；
+  厂商（kimi / jev / kev）只作为条目内部的字段出现。
+- 慢模型与快模型都是**命名 API 登记表**（`apis`）：登记多套 API，启动命令用
+  `--slow-model` / `--fast-model` 按名字挑（缺省取 `default`），用于比较"不同大脑 × 不同小脑"。
 - 所有值为绝对路径；开发机与 worker 内一致（adpc 和 evobox 两卷挂载点两侧相同）。
-- 排序服务 endpoint（JEV/Kev）留空 = 自动从 `services/qwen_jev.json` / `kev.json` 发现文件读取最新地址（worker 侧建 session 时解析）。
-- LLM 凭据（kimi 三件套）和 docker registry auth 内联在 config 中，经 job spec 传入 worker（`code_version.json` 中 run_spec 的 secrets 段自动脱敏为 `***`）。
+- 快模型条目的 endpoint 留空 = 自动从同条目的 `endpoint_file`（`services/qwen_jev.json` / `kev.json`）发现文件读取最新地址（worker 侧建 session 时解析）。
+- 慢模型凭据（base_url/api_key/model）和 docker registry auth 内联在 config 中，经 job spec 传入 worker（`code_version.json` 中 run_spec 的 secrets 段自动脱敏为 `***`）。
+- 预算（max_steps / max_wall_seconds）也归 config，命令行只覆盖单项。
 - **禁止**新增任何形式的环境档案/占位符展开/多配置文件。
 
 ## 开发闭环
@@ -49,17 +57,17 @@
 - 每个 run 的 `code_version.json` 必须记录 git describe、protocol_version、镜像 digest、run spec（secrets 脱敏）。
 - OSW2 任务资产经 `OSWORLD_FILE_BASE_URL` 指向本地 `asset_root`（避免外网下载）；必须在任务模块 import **前**设置（见 osworld.py `_bootstrap_runtime`）。
 
-## LLM 调用纪律（KimiClient）
+## 慢模型调用纪律（SlowModelClient，慢模型客户端）
 
 - `reasoning_effort` 默认 `low`（探测 97→22 token）；`off` 映射 `enable_thinking=false`（归零）。
 - 空正文（全留在思考通道）→ 下一次重试自动升档（low→medium→high）。
 - 叙述文字包裹 JSON → `extract_json_object` 自动抢救（剥围栏 + 首个平衡 `{…}`）。
 - 403（TPM 配额限流）→ 指数退避（60/120/240/480s），总计 5 次尝试。
-- `finish_reason=length` → 明确报错提示调大 `kimi_max_tokens`（默认 16384）。
+- `finish_reason=length` → 明确报错提示调大 `slow_max_tokens`（默认 16384）。
 
-## JEV 排序服务纪律
+## 快模型排序服务纪律
 
-- `/rank` 要求 `image_path` 是**服务宿主机可读的文件路径**——截图暂存到 evobox 中转目录（`jev_image_stage_write/read`），payload 携带 JEV 宿主机视角路径。
+- `/rank` 要求 `image_path` 是**服务宿主机可读的文件路径**——截图暂存到 evobox 中转目录（`harness.fast_model.image_stage.write/read`），payload 携带服务宿主机视角路径。
 - 暂存按内容哈希命名去重（`step_00_<sha16>.png`），断点无害。
 - endpoint 地址随闲时 GPU 重新部署变化 → 留空走自动发现文件（含 `ready`/`status` 就绪位检查）。
 
@@ -82,9 +90,11 @@ src/tandem/              harness 主体（组件、协议、CLI）
 src/tandem/protocol/     消息层协议：schema/ 真源、validate/ 校验、samples/ golden
 src/tandem_eval/         worker 侧 6 文件（entry/env/runner/recorder/scoring/manifest）
                          + 开发机侧 rjob.py / rjob_spec.py / rjob_status.py 生命周期客户端
+                         + config_schema.py（config.json 的校验与 API 选取）
 tests/                   protocol/ harness/ eval/ demo/ 四组
 infra/worker.sh          rjob worker 入口（mock 即跑；真实基准走共享 env.sh+docker）
-infra/config.json        唯一配置文件（含密钥 → gitignore；模板 config.example.json 提交）
+infra/config.json        唯一配置文件（harness/eval/log 三段；含密钥 → gitignore；
+                         模板 config.example.json 提交）
 scripts/                 批量运行脚本（run_osw2_20x5.sh 等）
 tools/                   render_summary.py（demo 占位；完整 studio 后续平移）
 demo/                    轨迹回放与对比站点（adapter/metrics/frames/render + player/）
@@ -97,5 +107,6 @@ docs/                    RESULT_DIR_CONTRACT.md（eval↔demo 唯一接口）
 
 - 唯一落盘位置 `rjob_logs/<run_id>/`；`obs_stage/`（episode 内工作区）结束即清。
 - `events.jsonl` 必须包含 planner/gui(ranking)/cli/verified/terminal 全部事件（增量排水，游标推进）。
-- `llm_calls.jsonl` 只记 Kimi 调用（3 种 role）；JEV/Kev 排序的输入输出记在 `events.jsonl` 的 gui 事件 `ranking` 字段。
-- secrets 段（api_key/registry auth）在 `code_version.json` 的 run_spec 副本中全部脱敏为 `***`。
+- `llm_calls.jsonl` 只记慢模型调用（3 种 role）；快模型排序的输入输出记在 `events.jsonl` 的 gui 事件 `ranking` 字段。
+- secrets 段（api_key/registry auth）在 `code_version.json` 的 run_spec 副本中全部脱敏为 `***`；
+  模型身份（`harness.models`：慢模型名 + 快模型名）留在 secrets 之外，保证 run 可归因。
diff --git a/DEVIATIONS.md b/DEVIATIONS.md
@@ -58,3 +58,28 @@
 24. 【重构】**rjob.py 拆成三块**（原 322 行超单模块 300 行纪律）：
     rjob.py（生命周期客户端）/ rjob_spec.py（job spec 与 submit 参数）/
     rjob_status.py（`rjob get` 状态解析）；旧的 `tandem_eval.rjob` 导入路径保持可用。
+
+## 配置与命名重构（2026-10-22，human in the loop）
+
+25. 【重构】**配置 schema 角色化**：`infra/config.json` 从平铺键（`kimi` / `jev_endpoint` /
+    `kev_endpoint` / `jev_endpoint_file` / `kev_endpoint_file` / `osw1_root` …）改为三段结构
+    ——`harness`（慢模型/快模型/路由/预算）、`eval`（集群与基准）、`log`（结果落盘）；
+    `_comment` 等说明字段删除（说明属于文档，不属于配置）。
+    慢模型与快模型都改为**命名 API 登记表**（`harness.slow_model.apis` /
+    `harness.fast_model.apis`），启动命令用 `--slow-model <名字>` / `--fast-model <名字>` 挑，
+    缺省取各自的 `default`——为"不同大脑 × 不同小脑"的对比实验留出入口。
+    CLI 旧参数 `--selector jev|kev` → `--fast-model <名字>`，`--kimi-max-tokens` /
+    `--kimi-reasoning` → `--slow-max-tokens` / `--slow-reasoning`。
+    默认行为不变（jev + kimi-k3）；但单题预算从 rjob_spec 硬编码的 15/900 改为
+    config 里的 `harness.budget`（30/1800，与批量脚本实际用值一致）。
+26. 【重构】**SessionConfig 字段角色化**：`kimi_max_tokens` / `kimi_reasoning_effort` /
+    `kimi_timeout_seconds` / `kimi_direct_api` → `slow_*`；`jev_timeout_seconds` →
+    `fast_timeout_seconds`；`selector_backend` → `fast_backend`。
+    `KimiClient` 类名当时保留（后改名为 `SlowModelClient`，慢模型客户端），审计日志的 provider 字段
+    由 `"kimi"` 改为 `"slow_model"`，worker 侧审计文件名 `kimi_http.jsonl` →
+    `slow_model_http.jsonl`。
+27. 【重构】**开发机侧新增 `config_schema.py`**：config 的校验与 API 选取独立成模块
+    （worker 侧仍是 6 文件封顶；rjob.py 不再背着 schema 知识）。
+    `demo/` 同步角色化：run 文档 `selector_backend` → `fast_model`（新增 `slow_model` 名），
+    排序调用计数 `jev_calls` → `fast_calls`、`jev_latency_ms_total` → `fast_latency_ms_total`
+    （这两个是 demo 层自算字段，不在结果目录契约里）。
diff --git a/README.md b/README.md
@@ -12,7 +12,7 @@
         │
         ▼
 ┌─────────────────────────────────────────────┐
-│慢模型 planner（Kimi）    ← 理解与规划       │
+│慢模型 planner（大脑）    ← 理解与规划       │
 │  current_goal / expected_observation        │
 │  route / action_proposals / done            │
 └─────────────────────────────────────────────┘
@@ -39,7 +39,7 @@
         │  Receipt：returncode / stdout / stderr
         ▼
 ┌─────────────────────────────────────────────┐
-│慢模型 verifier（Kimi）    ← 独立验证        │
+│慢模型 verifier（大脑）    ← 独立验证        │
 │  outcome · state_changed · evidence         │
 │  逐条需求核验 requirement_checks            │
 └─────────────────────────────────────────────┘
@@ -52,10 +52,11 @@
 
 ## 快慢双模：分工与边界
 
-|  | 慢模型（Kimi） | 快模型（System One） |
+|  | 慢模型（大脑） | 快模型（小脑） |
 |---|---|---|
 | 角色 | 需求抽取 / 一步规划 / 独立验证 | 在候选空间里排序选择 |
-| 实现 | `planner.py`、`verifier.py`、`providers.py`（KimiClient） | `selector.py`（JEV）、`selector_kev.py`（Kev） |
+| 实现 | `planner.py`、`verifier.py`、`providers.py`（`SlowModelClient`，OpenAI 兼容方言） | `selector.py`（JEV）、`selector_kev.py`（Kev） |
+| 当前默认 | `minimax-m3.1-flash`（可切 `kimi-k3`） | `jev`（可切 `kev`） |
 | 输入 | 指令 + 截图 + a11y 树 + 历史动作 + 需求清单 | 当前目标 + 候选动作（自带上下文描述）+ 截图（仅 JEV 需要） |
 | 输出 | 结构化 plan：当前目标 / 预期观察 / 路由 / 动作提案 | 排序结果：winner + operation/action 两级分数 + margin + 延迟 |
 | 代价 | 每步一次 LLM 调用，慢且贵 | 单次 HTTP 前向，快且便宜 |
@@ -177,9 +178,9 @@ from tandem.config import SessionConfig
 from tandem.session import TandemSession
 
 components = build_default(
-    client=kimi_client,                       # providers.KimiClient
+    client=slow_client,                       # providers.SlowModelClient（慢模型客户端）
     endpoint="http://<排序服务>/rank",
-    config=SessionConfig(selector_backend="jev"),
+    config=SessionConfig(fast_backend="jev"),
 )
 session = TandemSession(components)
 session.begin("把 FYP 答辩安排逐条加进日历", None)   # None → 慢模型抽取需求
@@ -193,6 +194,10 @@ tandem-eval rjob run --run-id <name> --benchmark osworld2 --tasks <task-id> \
   --repo . --config infra/config.json --poll 60 --timeout 3600
 ```
 
+换大脑 / 换小脑只改启动参数：`infra/config.json` 里登记多套 API（`harness.slow_model.apis` /
+`harness.fast_model.apis`），运行时用 `--slow-model <名字> --fast-model <名字>` 挑，
+用来比较"不同大脑 × 不同小脑"的性能差距。
+
 跑完**自动删除 rjob**——无论成功、失败、超时还是中途异常，都不在集群上留残留；
 要保留现场（事后查 `rjob logs`）加 `--keep`。
 
@@ -207,19 +212,26 @@ tandem-eval rjob run --run-id <name> --benchmark osworld2 --tasks <task-id> \
 | `allow_cli` | `True` | 是否允许 planner 走 CLI 路由 |
 | `route_policy` | `"auto"` | `auto` / `gui` / `cli` |
 | `cli_timeout_seconds` | `90` | CLI 超时（协议上限 120） |
-| `jev_timeout_seconds` | `300` | 排序服务超时（jev 与 kev 共用） |
-| `kimi_max_tokens` | `16384` | 慢模型单次响应上限 |
-| `kimi_timeout_seconds` | `120` | 慢模型超时 |
-| `kimi_direct_api` | `False` | 直连 API（不经代理） |
-| `kimi_reasoning_effort` | `"low"` | `off`（归零思考）/ `low` / `medium` / `high` |
-| `selector_backend` | `"jev"` | `jev`（`/rank`，需截图）/ `kev`（System One，纯文本） |
+| `fast_timeout_seconds` | `300` | 快模型排序服务超时（jev 与 kev 共用） |
+| `slow_max_tokens` | `16384` | 慢模型单次响应上限 |
+| `slow_timeout_seconds` | `120` | 慢模型超时 |
+| `slow_direct_api` | `False` | 直连 API（不经代理） |
+| `slow_reasoning_effort` | `"low"` | `off`（归零思考）/ `low` / `medium` / `high` |
+| `fast_backend` | `"jev"` | `jev`（`/rank`，需截图）/ `kev`（System One，纯文本） |
+
+**换慢模型厂商**：在 `infra/config.json` 的 `harness.slow_model.apis` 里登记多套 API，
+启动时用 `--slow-model <名字>` 挑（缺省取 `default`），不改代码。
+
+> 厂商方言有差异（2026-10-23 实测）：Kimi 认 `enable_thinking=false` 关思考；
+> **MiniMax 忽略该字段**（仍返回 `reasoning_content`），只有 `reasoning_effort` 生效
+> （`low`/`medium`/`high`）——想少思考就把 `reasoning_effort` 调低，别指望 `off`。
 
 慢模型的调用纪律（`providers.py`）：
 
 - 思考强度默认 `low`（实测 97 → 22 token）；空正文（全留在思考通道）→ 下一次重试自动升档；
 - 叙述文字包裹 JSON → 自动剥围栏取首个平衡 `{…}` 抢救；
 - 403（TPM 配额限流）→ 指数退避 60/120/240/480s，总计 5 次尝试；
-- `finish_reason=length` → 明确报错，提示调大 `kimi_max_tokens`。
+- `finish_reason=length` → 明确报错，提示调大 `slow_max_tokens`。
 
 ## 排序后端
 
@@ -267,7 +279,7 @@ python demo/build_site.py --runs-root rjob_logs --out demo/site --benchmark oswo
 python -m http.server 8899 --directory demo/site    # 本地预览
 ```
 
-披露口径：未出分如实标注、不折算 0 分、不计入均分；JEV 分数标注 softmax 非校准概率；
+披露口径：未出分如实标注、不折算 0 分、不计入均分；排序分数标注 softmax 非校准概率；
 成本只用 token 与调用次数表达，不臆造货币单价；截图标明是离散帧非录屏。
 
 详见 [demo/README.md](demo/README.md)。

diff --git a/demo/README.md b/demo/README.md
@@ -42,27 +42,27 @@ site/
 ### 总览页
 
 - 每个 run 一张卡（已出分 / 未出分 / 均分 / 总耗时 / LLM 调用数 / 输入输出与思考
-  token / JEV 排序次数 / 失败分类）；
+  token / 快模型排序次数 / 失败分类）；
 - **成本 × 准确率散点**：横轴 token 用量（平方根刻度），纵轴官方评分，气泡半径 ∝
   耗时；绿=有分、红=零分，未出分的题单独排在底部一排（不计入均分）；
 - **任务缩略图网格**（无帧的题显示"未进入决策步"占位）；
 - 逐题对比表——点表头按分数、耗时、token 排序。
 
 ### 对比页（`compare.html`）
 
-任选两个 run 并排：逐题的分数 / token / 耗时 / 步数 / LLM 调用 / JEV 排序，以及
+任选两个 run 并排：逐题的分数 / token / 耗时 / 步数 / LLM 调用 / 快模型排序，以及
 Δ差值（绿=更优、红=更差）。当前数据里 jev 与 kev 在任务 001 上可直接对照。
 
 ### 任务页
 
-- **读数带**：官方评分、token 用量、真实用时、步数与 JEV 排序次数；
+- **读数带**：官方评分、token 用量、真实用时、步数与快模型排序次数；
 - 左侧执行前 / 执行后双帧对照；
 - **需求清单 · 逐条核验**：从结构化字段（`verification.requirement_checks` +
   `task_requirements` 抽取结果）得到每条需求的终态结论与"在第几步被核验"，
   点条目直接跳到那一步；
 - 右侧是这一步的完整模型操作链：
   1. **规划**：当前目标、预期观察、路由、任务状态、动作提案；
-  2. **候选与排序**：JEV 两阶段（操作级 → 目标级）softmax 分数与相对强度条、
+  2. **候选与排序**：快模型两阶段（操作级 → 目标级）softmax 分数与相对强度条、
      margin、排序延迟；
   3. **编译后动作**：kind / action_type / 参数 / 目标 id / 描述；CLI 路由附命令全文；
   4. **执行回执与独立验证**：verifier 裁决、状态变化、证据、逐条需求核验、
@@ -84,7 +84,7 @@ site/
   终止前的模型调用次数与 role 分布；
 - **调用数也是 0 ⇒ 失败发生在模型被调用之前**（环境 / 依赖 / 配置），
   与「模型跑了但没做对」是两回事；
-- 右侧「执行摘要」列出状态、评分口径、决策步、JEV 次数、调用分布、用时。
+- 右侧「执行摘要」列出状态、评分口径、决策步、快模型次数、调用分布、用时。
 
 例：任务 017 的模型调用是 `task_requirements × 1 + plan_step × 3`（规划连续三次
 非法 JSON 后抛 ValueError）；任务 020 是 0 次调用（环境问题）。
@@ -116,7 +116,7 @@ site/
 
 | 泳道 | 区间 | 数据来源 |
 |------|------|----------|
-| `plan` | 上一步结束 → Kimi 规划调用结束 | `llm_calls[].time`（响应落盘时刻） |
+| `plan` | 上一步结束 → 慢模型规划调用结束 | `llm_calls[].time`（响应落盘时刻） |
 | `rank` | 规划结束 → +排序延迟 | `ranking.latency_ms`（服务端实测） |
 | `act` | 排序结束 → 本步观察采集时刻 | `traj[].wall_time` |
 | `verify` | 观察时刻 → 验证调用结束 | `llm_calls[].time` |
@@ -128,8 +128,8 @@ LLM 调用按事件顺序归属步骤（实测序列恒为 `plan* → 观察 →
 
 1. 只搬运**模型公开输出**，不生成任何虚构的"思考字幕"；
 2. `failed_unscored` 一律显示「未出分」，**不折算 0 分、不计入均分**；
-3. JEV `/rank` 分数始终标注 **softmax，非校准概率**；
-4. 成本以 **token 用量 + 调用次数** 表达（成本代理指标），本仓库没有 Kimi 计价信息，
+3. 排序服务分数始终标注 **softmax，非校准概率**；
+4. 成本以 **token 用量 + 调用次数** 表达（成本代理指标），本仓库没有慢模型计价信息，
    不臆造货币单价；
 5. 截图为**逐步离散帧**，非连续录屏；初始观察帧与终态动作后的帧不随结果目录保留，
    页面如实标注缺失原因；