6.1 模块化调度架构

当前版本的MiQroForge智能化模块以“只做调度，不做执行”为设计原则，构建一个最小智能化闭环调度系统，本身不负责运行任务，实际的执行、日志和状态由底层执行系统管理。因此，本节重点强调调度器在容错、分布式一致性与可解释性方面的设计接口与辅助能力，而将执行、仿真等功能视为现有系统模块，并非智能体职责。进而将智能化拆分为三个独立功能模块：分别负责调度前的数据增强、调度过程中的智能决策，以及调度后的状态更新。各模块职责分明，通过模块化设计实现调度逻辑的清晰性和高可控性。

1）增强模块（手动配置/预处理）

• 增强模块负责在任务调度前对原始 DAG 节点进行预处理和元数据补充。该模块依赖人为维护的配置信息，不涉及任何智能体机制，其主要功能包括：

  • 预先维护所有节点的 min_cores、base_time、可扩展性说明等元信息；

  • 通过表格、配置文件或专家系统提供上述元信息，确保这些数据在调度开始前一次性加载到系统中；

  • 保证预处理过程无需运行时推理，为后续调度提供基础数据支持。

• 未来：使用软件/功能的MCP执行代替本机运行（考虑到MiQroForge涉及的节点一般高资源消耗，预期较低）；简化、优化配置难度，边等待边尝试github2code、paper2code智能体实现节点的自动化部署，从文献推断资源放大规律。

2）调度模块（核心 LLM 推理）

• 调度模块是智能化的初期但核心组件，利用大语言模型（LLM）进行智能推理决策。通过结构化提示模板（Prompt）和思路链（Chain-of-Thought）方式，引导模型逐步执行以下步骤：

  • 识别DAG所有节点状态，关注关键阻塞节点；

  • 评估任务的并行执行能力；

  • 为每个候选任务分配合适的核数；

  • 当有正在执行中的节点时，根据资源约束决定本轮执行是启动新任务还是继续等待；

  • 输出结果包括更新后的 DAG 状态、节点资源分配等 JSON 格式信息；

• 该模块是整个系统中唯一包含智能推理的环节，长上下文的语言模型是一个必选项。

• 未来：根据语言模型智能水平发展更新基座模型；在积累足够多调度日志基础上，确定输出格式并微调形成直接输出的格式化结果。

3）状态存储模块（持久记录）

• 状态存储模块负责对所有调度相关信息进行持久化记录，包括元数据、调度历史以及执行反馈等。该模块在设计上同样不依赖任何智能体机制，确保系统各部分的数据交换格式在初始化阶段事先约定。其主要功能包括：

  • 将所有调度相关的元数据、调度日志以及MiQroForge系统的反馈（如 ETA 更新、核数使用情况等）以结构化 DAG 图的形式存储；

• 该模块仅负责记录和存储，不参与实时决策，确保数据完整性与可追溯性；

• 未来：使用嵌套 JSON 或关系型数据库结构存储这些信息，以便支持后续的结果回放与模型微调，评估资源调度的改进空间。