Problem/Pain Point Description | 问题/痛点描述

TensorCast 新模型适配流程（model adaptor）此前承担"跑通 + 实测锚定验证"全链路：依赖 MindStudio Insight 原始 profiling 导出（raw_insight.txt）生成 evidence，再对仿真做延迟与算子次数对账。存在三个问题：

1. 实测输入是硬前置：新模型必须在 NPU 上完成实测才能进入适配验证，阻塞了"先跑通、后精调"的正常节奏；
2. 职责过宽：shape/dtype 全量校验与 profiling 精度对比即将由下游精度工作流统一负责（串联本流程 + shape/dtype 校验 + profiling 对比），本流程内的实测锚定层成为冗余；
3. 验证器有断点：仿真崩溃时 verify 直接抛异常退出，AI/下游工作流拿不到结构化输出；custom_fn 适配的 MoE 模型会被误报 MOE_NOT_ADAPTED（error 级，卡死下游流水线）。

Proposed Solution | 建议方案

将 model adaptor 精简为跑通级适配，输入只有仿真命令与开源模型公开信息：

1. 移除实测锚定层：删除 insight/evidence_builder/evidence/evidence_export/hints 五个模块、doctor 的 --raw-insight-file/--hints-file 输入与 export-evidence 子命令；
2. verify 重构为"结构推导对账"：doctor 全量结构扫描（扫描构建强制 disable_repetition）→ 跑一次基础 case → attention/MoE gating 调用次数与公开结构推导的期望对账（新模块 tensor_cast/adapter/expectations.py，显式算子分类表）；
3. 崩溃闭环：仿真崩溃被捕获为 SIMULATION_ERROR 结构化报告（含 traceback 与自动生成的 patch-discovery ai_tasks），AI 可直接按任务 prompt 驱动修复；
4. MoE 适配证据加固：TensorCast MoE 路径算子（init_routing_v2/unpermute_tokens/dispatch_ffn_combine/grouped_matmul）作为已适配证据，custom_fn 适配模型不再误报；
5. ST guardrail 用例与 benchmark 防护网格式完全兼容（仅通过的验证生成，可直接提交 tests/benchmark/models/cases/）；
6. 报告 schema 稳定性契约（稳定键名、issue 类别、退出码）写入设计文档，供下游工作流程序化消费。

Alternative Solutions | 替代方案

• 保留实测锚定层、仅加开关：输入路径仍需维护，且与下游精度工作流职责重叠，否决；
• 只删实测输入、不重构 verify：旧 verify 语义完全建立在 evidence 期望值上，删输入后无从对账，必须重构为结构推导，否决；
• MoE 误报改为降级 warning：会漏掉真正未适配的 MoE（负例回归不允许），选择"路径算子证据"方案精确区分。

Expected Value | 预期价值

• 新模型接入零实测依赖即可完成跑通级适配并得到验证凭证；
• 下游精度工作流获得可编程底层组件：verify 永远输出 JSON 报告（passed/issues/ai_tasks）+ 确定退出码，schema 有稳定性承诺；
• AI 适配的一次性成功率提升：崩溃自动产出修复任务、新 attention 算子未登记时报告直接给出未分类算子清单、custom 模型不再误报卡点。

Acceptance Criteria | 验收标准

• 适配流程输入不含任何实测数据（无 raw_insight/hints/evidence 链路），doctor/verify CLI 契约同步更新
• verify passed: true 表示：基础 case 仿真端到端跑通 + 存在 tensor_cast 算子（非 HF 回落）+ attention/MoE gating 调用次数与结构推导一致
• 仿真崩溃输出结构化 SIMULATION_ERROR 报告并附带 patch-discovery AI 任务（不裸抛异常）
• custom_fn 适配（无 MoE patch report）但走 TensorCast MoE 路径的模型不被误报；真正未适配 MoE 仍报 error
• 已适配模型回归不破：deepseek_v32/deepseek_v4/qwen3_5 dense+moe/glm5/minimax_m2/qwen3_vl 全部对账通过；未注册 MoE 负例正确失败
• 主流程（runtime/model_runner/performance_model）零改动，现有模型仿真精度不受影响
• Out of scope | 非目标：op_mapping.yaml 校准与实测精度对比（下游精度工作流负责）；全量 shape/dtype 校验；kimi_k3/bailing_v3 等无 config-only fixture 模型的端到端验证（其算子名已覆盖于分类表）

Evidence and Context | 证据与上下文

• 实现与验证：PR #791（commit fa616de 精简重构 + a2f6301 崩溃闭环与 MoE 证据加固），openLiBing CI 全绿（ci-pipeline-passed + docs-ci-pipeline-success）
• 设计文档：docs/design/model_adaptation_efficiency_design.md v2.0（含验证语义表与报告 schema 稳定性契约）
• 用户指南（zh/en）与 model-adaptation Skill 已按标准 10 步流程重写，含新算子适配位置指引
• 测试：tests/regression/tensor_cast/test_adapter_automation.py 重写（48 用例，含崩溃捕获、custom-MoE 证据、未分类算子提示）

Preferred AI Collaboration Mode | AI 协作模式

Guided / 关键阶段确认

Contribution Intent | 贡献意向

• I am willing to participate in the development or testing of this feature | 我愿意参与此功能的开发或测试