engram-023-planner — 本地训练式 Evidence Planner（023）训练资产

用途：为后续 Agent 复现 023 特性（本地训练式 Evidence Planner）的数据构建 → 标签 → 训练 → 评测整条链，提供可继续微调的全部材料。

仓库结构：

training/planner/
├── data_build.py       # 本地 Qwen 生成虚构多会话记忆对话（离线自举，零污染）
├── residual_compare.py # T003 residual cohort 对拍：G (oracle) vs D (B1 deterministic)
├── train_lora.py       # TRL SFT + LoRA
├── serve.sh            # vLLM 起 OpenAI 兼容 sidecar（lora 模式）
├── configs/train.yaml
└── README.md           # pipeline 细节 + 一致性约束
specs/023-local-trained-evidence-compiler/
├── spec.md / plan.md / data-model.md / research.md
├── server-spec.md / tasks.md / checklists/requirements.md

关键一致性（改训练必须同步改适配器，反之亦然）

1. prompt 模板：train_lora.py 的 SYSTEM_PROMPT + render_user() 必须与 cmd/locomo-bench/local_planner.go 的 plannerSystemPrompt + renderPlannerPrompt 逐字一致。
2. wire format：训练 target JSON 用 snake_case （need/actions/entities/time_constraints/operands/list_cardinality/update_state/gap）， 与 Go parsePlannerProposal 一致（data-model.md §5）。
3. 候选冻结：训练样本 candidates 必须是 engram 实际检索输出（FR-017）。

模型与运行环境指纹（2026-08-03 实测）

项	值
底模（训练目标）	Qwen2.5-7B-Instruct（Apache-2.0，7.6B，BF16 ~15 GiB，单卡 24 GiB LoRA）
Eval answerer（远端 vllm）	Qwen/Qwen3.6-35B-A3B-FP8（AutoDL 48GB，vllm 0.26，--convert embed --max-num-seqs 128）
Embedding	BAAI/bge-large-en-v1.5
Judge	deepseek-v4-flash（anthropic 兼容端点 api.deepseek.com/anthropic）
LoCoMo 数据	官方 snap-research/locomo locomo.json（1,540 answerable cat1-4 + 446 adversarial）
Go 引擎	engram 纯 Go（CGO=0），store/migrations.go 是 schema 唯一权威
Eval 协议	022.v1 B1 legacy control，cap=5000，repeats=3，protocol hash sha256:65f6769c…

当前状态（2026-08-03）

• T003 进行中：B1 deterministic（D）重跑 + fixed-gold oracle（G）对拍，residual = G∖D。
  • oracle 已修复：跳过 LoCoMo 数据中 4 题空 gold evidence（conv-0-q-30/46, conv-9-q-39/42）。
  • verdict 判定：residual 空 → NOT_NEEDED；非空 → READY（启动 T008–T015 数据构建与训练）。
• LoRA checkpoint：尚未训练（待 verdict 为 READY 后），训练产物将上传至本 repo 的 training/planner/models/。

后续 Agent 复现

# 1. residual 对拍（需远端 eval 端点 + LoCoMo 完整数据）
python3 training/planner/residual_compare.py \
  --b1-classification <run>/classification.jsonl \
  --oracle-artifact <run>/fixed_gold_oracle.jsonl \
  --out <run>/residual_cohort.json

# 2. 合成训练数据（本地 Qwen sidecar）
python3 training/planner/data_build.py --base-url http://localhost:8000/v1 \
  --convos 200 --sessions 4 --out data/raw/convos.jsonl

# 3. 训练（≤24 GPU-hours）
python3 training/planner/train_lora.py --data data/processed/train.jsonl \
  --base-model Qwen2.5-7B-Instruct --out models/planner-lora

# 4. 配对评测
go run ./cmd/locomo-bench --compiler-arm planner \
  --planner-base-url http://localhost:8000/v1 --planner-model Qwen2.5-7B-Instruct ...

引擎与适配器分离（宪法）：所有训练侧工具在 cmd/（adapter）或 training/，engine 零改动。