model-analysis

name	model-analysis
description	在实现适配器前对候选模型做分析。确定模型实现来源（transformers 或模型目录）、结构特征、是否需逐层加载及 MoE 融合权重风险。适用于用户询问模型适配可行性或做适配前分析时使用。

模型分析 Skill

适用范围

• 支持：
  • Decoder-only LLM
  • VLM 文本主干分析（仅 LLM/文本路径）
• 不支持：
  • 既非 transformers 也非模型目录内 modeling_*.py 的实现
  • 多模态生成模型（图像/视频/语音生成）

必需输入

• 模型路径或模型仓库标识
• config.json
• 可选：模型目录内 modeling_*.py、model.safetensors.index.json
• 若本地缺少上述文件，先补齐输入：
  • 使用 modelscope download --model <org>/<model> --local_dir ./models/<name> --exclude '*.safetensors' 下载非权重文件。
  • 在下载目录中读取 config.json 与 modeling_*.py，作为后续分析输入。

硬门禁：先解析实现来源

在进行任何结构分析前必须完成。Agent 应按以下步骤手动解析，无需脚本：

1. 读取 config.json：

   • 获取 model_type
   • 获取 auto_map（如有）

2. 尝试从 transformers 解析实现：

   • 检查 transformers 库是否支持该 model_type。
   • 检查路径：transformers/models/<model_type>/modeling_<model_type>.py 是否存在。
   • 如果存在，记录为 transformers 实现。

3. 若未解析到，尝试模型目录内实现：

   • 检查 auto_map 指向的文件是否存在于模型目录。
   • 检查模型目录内是否有 modeling_*.py 文件。
   • 如果存在，记录为 model-local 实现。

4. 若两种路径均不可用：

   • 停止分析。
   • 要求用户提供可读的模型实现代码。

最小工作流

1. 解析实现来源（完成上述硬门禁）。
2. 判断模型类型、结构差异与连接关系：
   • 类型：纯 LLM / 多模态理解模型 / 多模态生成模型
   • 对比常见 Qwen2 类 LLM，记录特殊结构设计（如 MoE、非标准 attention、SSM/混合块、额外头部或并行分支）
   • 检查特殊结构连接关系（接入位置、前后依赖、串联/并联/残差连接、是否影响主干遍历）
3. 识别结构特征：
   • decoder 层类、attention/MLP 模块命名、forward 签名
4. 确定影响适配的特征：
   • 层遍历路径与顺序
   • 是否需要逐层加载
   • MoE 融合专家权重风险
   • 量化模型反量化脚本风险
   • MTP 结构实现可得性与权重处理风险
5. 产出结构化分析结果（参考下方模板）。
6. 给出后续动作：
   • 进入 model-adapt-core
   • 或阻塞并说明需用户提供的内容

模型类型、结构差异与连接关系判定（相对常见 Qwen2）

• 纯 LLM：仅文本 token 输入，主干为 decoder-only 语言模型。
• 多模态理解模型：含视觉/音频等编码器，但生成路径以文本主干为核心，允许仅分析并适配文本部分。
• 多模态生成模型：核心目标是图像/视频/语音生成，当前流程不支持，应直接阻塞并说明原因。
• 结构差异只需记录“是否存在 + 影响方向”，不要求深入实现细节。
• 连接关系至少记录：特殊结构位于主干的哪个阶段、与哪些模块相连、连接方式（串联/并联/残差）及对遍历/forward 对齐的影响。

MoE 布局判定

• MoE 非融合：专家按模块/列表展开（常见为每个 expert 各自持有 gate/up/down 线性层）。
• MoE 融合：多个 expert 的权重被打包为张量参数，不再是一组独立线性层。
• 若看到 gate/up/down 中任一或多项以 [..., num_experts, ...] 或 [num_experts, ...] 形式存储，应按“融合”处理。
• 对三维专家权重（如 gate/up/down 分别融合成 3D 参数）统一归类为 MoE 融合，并在报告中标注“可能需要 unpack”。

必需输出：分析报告

Agent 应直接生成分析报告（Markdown 格式），内容必须包含以下要素。请参考下方模板：

# 分析报告

## 模型标识
- 模型路径/仓库：{model_path}
- `model_type`：{model_type}
- `architectures`：{architectures}

## 实现来源解析
- 结果：`transformers` | `model-local` | `unsupported`
- 依据：
  - 解析到的文件路径：{path}
  - 相关配置字段（`model_type`、`auto_map`）：{details}

## 模型特征与规格
- Hidden size：{hidden_size}
- 层数：{num_layers}
- Attention heads / KV heads：{num_heads} / {num_kv_heads}
- 是否仅分析 VLM 文本部分：是/否

## 模型类型、结构差异与连接关系
- 模型类型：纯 LLM | 多模态理解模型 | 多模态生成模型
- 相对常见 Qwen2 的特殊结构：{special_structures}
- 特殊结构连接关系：{special_structure_connections}
- 对适配流程的影响：{structure_impact}

## 逐层加载评估
- 是否需要逐层加载：是/否
- 理由：{reason}
- 约束（内存/运行环境）：{constraints}

## MoE 评估
- 是否含 MoE：是/否
- 布局类型：无 MoE | MoE 非融合 | MoE 融合
- 疑似融合的键/模块：{keys}
- 专家权重形态：独立线性层 | 打包张量（含 3D 专家权重）
- 是否需要 unpack：是/否

## 适配影响要点
- Decoder 遍历路径：{traversal_path}
- Attention 模块命名：{attn_module}
- MLP 模块命名：{mlp_module}
- `visit/forward` 严格对齐点：{alignment_points}

## 量化与 MTP 风险评估
- 模型是否已量化：是/否
- 量化判定依据：{quant_evidence}
- 是否已提供反量化脚本：是/否
- 反量化脚本状态说明：{dequant_status}
- 是否存在 MTP 结构：是/否
- MTP 实现代码可获取性：可获取/不可获取
- MTP 风险说明：{mtp_risk}

## 风险与后续动作
- 风险等级：低 | 中 | 高
- 阻塞项：{blockers}
- 建议下一步：
  - 进入 `model-adapt-core`
  - 或要求用户提供实现代码

风险识别与用户沟通要求（必须执行）

• 若识别为“模型本身已量化”，必须将“缺少反量化脚本”标记为阻塞项，并明确要求用户主动提供反量化脚本后再继续适配。
• 若识别到存在 MTP 结构但无法获取其实现代码，必须明确告知：
  • Agent 可能无法完整实现 MTP 结构适配；
  • 如需继续，用户需要自行复制 MTP 相关权重（按用户侧已有实现进行映射）。
• 上述两类风险至少有一项命中时，风险等级 不得低于“中”。

通过/失败标准

• 通过：实现来源为 transformers 或 model-local，模型类型为纯 LLM 或多模态理解模型，且报告完整；若命中量化/MTP 风险，已在报告中给出明确用户动作要求。
• 失败：来源未解析、为不支持的实现类型、判定为多模态生成模型，或命中“量化模型但无反量化脚本”阻塞条件。

参考

• 分析检查清单