Model Chat Testbench

Цель: вручную проверять модели из registry/index.json через чат с выбором плагина и модели.

Web UI

python scripts/model_chat_server.py

Открыть:

http://127.0.0.1:8765

Интерфейс читает модели из registry/index.json, группирует их по плагинам и отправляет запросы в OpenAI-compatible endpoint через локальный proxy.

Возможности:

выбор endpoint preset: vLLM text, llama.cpp GGUF, local;
проверка /v1/models и наличия выбранного served_model_name;
выбор плагина и модели из registry;
готовые тестовые prompt-пакеты по каждому плагину;
сравнение нескольких моделей на одном prompt;
сборка 1C RAG prompt с найденными источниками;
сохранение каждого ответа и ошибки в JSONL;
ручная оценка ответа: ok, needs_review, bad.

Endpoint по умолчанию:

http://docker-gpu.cin.su:8000

CLI Smoke Chat

python scripts/model_chat_cli.py --plugin text
python scripts/model_chat_cli.py --plugin 1c --model-id qwen3-4b-instruct-2507
python scripts/model_chat_cli.py --plugin translation --prompt "Переведи на английский: Проверяем модель."

Reports

Результаты сохраняются в:

reports/model-chat/YYYYMMDD.jsonl

Записи type=chat содержат prompt, ответ, модель, endpoint, latency и статус. Записи type=feedback содержат ручную оценку и ссылку на parent_id.

Записи type=compare содержат общий prompt и ответы нескольких моделей. Записи type=rag_prompt содержат вопрос, количество найденных источников и список source chunks.

1C RAG Prompt

Для кнопки 1C RAG нужен подготовленный индекс:

python scripts/prepare_1c_rag_corpus.py
python scripts/build_1c_rag_index.py

Если индекс отсутствует, UI покажет команду подготовки.

Notes

Для vLLM используется served_model_name из model card.
Для GGUF/llama.cpp укажите endpoint соответствующего сервиса, например --base-url http://docker-gpu.cin.su:8080.
Если GPU endpoint недоступен, UI покажет ошибку запроса, но каталог моделей все равно загрузится.

2.8 KiB Raw Blame History