> For the complete documentation index, see [llms.txt](https://mana.gitbook.io/manadia/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://mana.gitbook.io/manadia/cn/2.-she-ji-yuan-ze.md).

# 2. 设计原则

#### 2.1 AI 工作负载优先

manadia 调度的核心对象不是裸 GPU，而是 AI workload。一个 workload 可以包含模型推理、上下文处理、数据检索、工具调用、策略执行、回放记录和审计日志。系统需要理解任务类型，才能决定使用哪类算力、哪种模型、哪些数据源和什么执行路径。

| **维度** | **传统方式**                        | **任务优先方式**                 |
| ------ | ------------------------------- | -------------------------- |
| 调度信息   | CPU 使用率 80%，GPU 使用率 60%，内存 32GB | 需要 GPT-4V + 10s 延迟上限 + 低成本 |
| 路由决策   | 自动选择最空闲的节点                      | 根据能力匹配选择最合适的模型+环境组合        |
| 失败处理   | 节点故障，请求失败                       | 节点故障，自动切换到备用模型和地区          |
| 成本控制   | 无法感知                            | 知道这个任务花了多少成本，为什么           |

#### 2.2  无单一模型依赖

manadia 不绑定单一模型供应商。网络可以接入 OpenAI、Anthropic、Gemini、DeepSeek、Grok 等模型 API，也可以接入自研模型、企业私有模型、本地模型和未来的专用行业模型。模型路由系统根据任务需求、成本、延迟、上下文长度、稳定性和可信等级进行动态选择。

**路由策略 — 根据任务需求动态选择：**

* 任务要求高准确度 → GPT-4o
* 任务要求低成本 + 足够准确 → Claude 3.5 Haiku
* 任务要求本地隐私 → 本地开源模型
* 任务要求快速响应 → 最近的推理节点

#### 2.3 执行可信而非声明可信

可信任 AI 不能只依赖项目方声明。manadia 将可信建立在执行过程之上：模型版本可记录，数据来源可追踪，执行环境可隔离，策略参数可审计，结果可回放。可信任不是保证模型永远正确，而是保证模型如何产生结果可以被验证。

**manadia 的可信度来自执行过程的可观测性：**

1. 模型版本可记录 — 每次推理都记录使用的模型版本、参数、温度、top\_k 等
2. 数据来源可追踪 — 记录模型输入用的是哪个数据源的哪个快照
3. 工具调用可重放 — 记录调用了什么工具、参数是什么、返回值是什么
4. 执行环境隔离 — 敏感任务运行在 TEE（可信执行环境）中
5. 结果可审计 — 完整的决策链路可以被外部审计系统验证

#### 2.4 模块化架构

manadia 采用解耦式模块化架构。算力接入、模型路由、Agent Runtime、数据源、预言机、TEE 执行、策略引擎、审计系统和产品应用彼此解耦。模块化设计使系统可以持续扩展新模型、新数据源、新策略和新产品。

* 新增功能无需改动架构 — 添加新模型、新数据源、新工具都不涉及底层改动
* 故障隔离 — 一个节点故障不影响整个系统
* 性能优化局部化 — 可以独立优化某一层而不波及其他层

#### 2.5 产品驱动型基础设施

manadia 不是为了叙事而构建基础设施，而是通过具体产品验证基础设施价值。可信任 AI 预测模型、AI API Routing、Agent Trace 和 Vertigas 都是底层算力网络的产品化表达。

manadia 的做法：从最有价值的应用场景出发，倒推基础设施需求。比如：

* **应用场景：**AI 驱动的金融预测和自动化交易
* **这个场景的需求：**
  * 低延迟（<1s）
  * 高准确度（才能保证超额收益）
  * 完整审计（链上可验证）
  * 多数据源协同（市场数据 + 链上数据 + 预测市场）
  * 多工具调用（钱包、交易所、风控）
* **倒推的基础设施需求：**
  * 实时数据管道
  * 低延迟模型路由
  * Agent 执行能力
  * TEE 执行环境
  * 完整链路追踪


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://mana.gitbook.io/manadia/cn/2.-she-ji-yuan-ze.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.