模型层与结构化交互

把 Provider 差异隔离在 Model Adapter，理解模型输入、结构化决策、错误与可复现性。

推荐阅读顺序

1. 一次模型调用受哪些硬边界约束：Token、Context Window、Sampling 与 Latency

回答：在选模型和预算前，怎样判断一次调用真正能放多少输入、会产生多大随机性和延迟？

2. 模型输入到底是什么：Message、Item、Event 与 Instruction Hierarchy

回答：Message、Item、Event 分别代表什么，System / Developer / User instructions 又如何形成权威层级？

3. Structured Output、Schema Validation 与 Tool Calling

回答：Structured Output、Schema Validation 与 Tool Calling 如何把概率性模型输出变成 Runtime 可验证的输入？

4. 如何隔离 Provider 差异：Streaming、Adapter 与 Capability

回答：不同 Provider 的 streaming event、API shape 和 capability 差异应该在哪一层被隔离？

5. 模型调用失败后怎么处理：Error Taxonomy、Routing 与 Fallback

回答：模型调用失败时，哪些错误该重试、哪些该切模型或降级，Fallback 又如何保持能力语义？

6. 怎么在不依赖真实模型的情况下测试 Runtime：Fake Model 与 Deterministic Tests

回答：如何用可脚本化的 Fake Model 覆盖 Runtime 分支，而不让真实模型随机性污染测试？

7. 一次 Run 如何可复现：Version Snapshot 与 Run Manifest

回答：一次失败的 Run 过几天还能不能回答“当时到底运行了什么版本”？

本模块学习边界

• 暂不展开：Provider 生产级容量治理、跨版本 state migration 与完整 Eval