diff --git a/docs/local-model-auto-benchmark-routing-plan.md b/docs/local-model-auto-benchmark-routing-plan.md
new file mode 100644
index 00000000..f981b95a
--- /dev/null
+++ b/docs/local-model-auto-benchmark-routing-plan.md
@@ -0,0 +1,496 @@
+# FreeOS 本地模型自动评测与场景路由规划
+
+状态：0.0.7 核心功能候选
+
+范围：本地模型运行环境安装、模型下载、Ollama 模型评测与路由；兼容用户已有 Ollama 和其他 OpenAI 兼容本地运行时
+
+原则：本地优先、可解释、用户可覆盖、低扰动、不上传提示或结果
+
+## 1. 要解决的问题
+
+普通用户通常只知道已经下载了哪些模型，不知道模型在自己的 CPU、GPU、内存和运行参数下是否真正可用。模型参数量、厂商宣传和社区榜单不能代替本机实测。FreeOS 需要把“选择模型”从一次人工猜测改成可重复、可解释的本机评测。
+
+目标不是选出一个全局最快模型，而是为不同场景提供合适候选：
+
+1. **实时聊天**：首字快、连续输出稳定，适合长时间陪伴和高频问答。
+2. **长时任务**：长上下文稳定，失败率低，持续生成速度不会明显衰减。
+3. **工具智能体**：能正确调用工具并产出合法参数。
+4. **视觉理解**：能接收图像并完成基础识别任务。
+5. **低资源模式**：在内存或显存紧张时仍可稳定工作。
+
+明确不做：
+
+- 不根据模型名称或参数量直接宣称“最好”。
+- 不在用户未确认模型大小、磁盘位置和预计下载量时下载模型，也不删除用户模型。
+- 不在每次启动时跑完整基准。
+- 不在一轮对话中频繁切换模型，破坏上下文一致性。
+- 不把本机硬件、测试提示、模型输出或评分上传到 FreeOS 服务。
+
+## 2. 现有基础与改造边界
+
+现有能力可以直接复用：
+
+- `infra/agents/providers/local_speed.py` 已能测量总延迟、首字时间和近似 tokens/s。
+- `/api/local-models/probe` 已能发现硬件、Ollama 和已安装模型。
+- `/api/local-models/speed-test` 已提供单模型手动测速。
+- `local_default.py`、用户偏好和 provider store 已负责默认模型解析。
+- gateway processor 已支持线程模型覆盖、智能体默认模型和多模态升级。
+- 0.0.6 的 Ollama tool fallback 已能识别“不支持 tools”，但降级结果目前不是持久化能力画像。
+
+本功能新增一个领域服务，并保持 API 路由为薄适配层：
+
+```text
+dashboard/模型页
+      │
+      ▼
+api/routers/local_runtime.py
+      │
+      ▼
+infra/agents/local_runtime/
+  detector.py
+  installer.py
+  service.py
+  model_catalog.py
+  downloads.py
+      │
+      ▼
+api/routers/local_model_benchmarks.py
+      │
+      ▼
+infra/agents/model_selection/
+  benchmark_service.py
+  capability_probe.py
+  scoring.py
+  router.py
+  fingerprints.py
+      │
+      ├── provider store / Ollama HTTP
+      └── db repos / settings
+```
+
+运行环境检测、安装状态机、下载任务、模型选择和评分属于 `infra/` 领域逻辑；HTTP 状态码、请求校验和 SSE 进度属于 `api/`；结果展示和人工覆盖属于 `dashboard/`。桌面壳只负责调用经过校验的系统安装能力和启动本机服务，不在 dashboard 中直接执行命令。
+
+## 3. 用户流程
+
+### 3.1 本地运行环境引导
+
+FreeOS 首次进入模型设置时先检测本地模型运行环境，并区分以下状态：
+
+| 状态 | 判断依据 | 用户操作 |
+|---|---|---|
+| `not_installed` | 找不到 Ollama 可执行文件，loopback API 也不可达 | 显示“一键安装本地模型环境” |
+| `installed_stopped` | 找到可信可执行文件，但 `/api/tags` 不可达 | 显示“启动服务”并给出诊断 |
+| `running_empty` | `/api/tags` 返回合法空模型列表 | 显示推荐模型和下载按钮 |
+| `running_ready` | `/api/tags` 返回至少一个有效模型 | 进入模型发现和评测 |
+| `external_runtime` | 用户配置了可达的 OpenAI 兼容本地地址 | 验证连接后注册，不要求安装 Ollama |
+| `broken` | 安装残缺、版本不兼容或服务启动失败 | 显示具体原因、日志位置和修复入口 |
+
+“一键安装”采用用户可见的任务状态机：
+
+```text
+检测系统与架构
+  → 展示来源、版本、许可、下载体积和安装位置
+  → 用户确认
+  → 下载到临时目录
+  → 校验 HTTPS 来源、文件摘要和数字签名（平台支持时）
+  → 调用官方静默安装器或受控包管理命令
+  → 启动本机服务
+  → 轮询 loopback 健康状态
+  → 显示安装成功或可操作的失败原因
+```
+
+首版支持 Windows；macOS 和 Linux 只有在安装方式、权限提示、卸载路径及 CI/实机验收完整后才开放按钮。安装需要管理员权限时，由操作系统权限窗口向用户确认，FreeOS 不保存管理员密码。安装包不内嵌未知版本的 Ollama，也不从第三方镜像执行脚本；版本清单由 FreeOS 发布时固定，并允许后续受签名清单更新。
+
+若检测到用户已有 Ollama，FreeOS 只连接并验证，不覆盖安装、不修改服务启动方式。若端口被其他程序占用，则停止流程并显示占用信息，不能通过杀死未知进程来“修复”。
+
+### 3.2 模型选择与下载
+
+运行环境就绪但没有模型时，FreeOS 根据硬件和剩余磁盘空间显示一个小型推荐目录。目录元数据包括模型标识、量化、下载体积、预计内存/显存需求、上下文和已知能力；这些是筛选信息，不等同于本机实测成绩。
+
+默认只推荐少量经过 FreeOS 验证的模型档位，例如低资源聊天、通用聊天、工具模型和视觉模型。用户确认后通过 Ollama API 拉取模型，并获得可取消、可重试的进度。下载使用 Ollama 自己的模型存储和断点机制；FreeOS 不复制模型文件，也不自行解析 Ollama blob。下载前必须检查磁盘余量并保留安全空间，完成后重新读取 `/api/tags`，只有返回对应模型 digest 才记为成功。
+
+用户还可以：
+
+- 跳过推荐，在完整目录中输入合法模型标识并确认下载风险。
+- 使用已经安装的模型，不重复下载。
+- 注册 `127.0.0.1` / `localhost` 上的 OpenAI 兼容服务并测试连接。
+- 暂时跳过本地模型，继续使用已配置的云模型。
+
+### 3.3 首次发现与评测
+
+1. FreeOS 扫描已安装并已注册的本地模型。
+2. 如果存在两个或更多未评测模型，显示“为本机推荐模型”卡片。
+3. 用户点击开始后先展示预计耗时、资源占用和将要测试的模型。
+4. 默认执行 2–5 分钟轻量评测；用户可以取消。
+5. 完成后分别给出“实时聊天”“长时任务”“工具智能体”“视觉理解”推荐。
+6. 用户可以接受某一推荐、维持当前模型或锁定指定模型。
+
+首次版本不在无明确提示时自动触发高负载测试。后续可增加“设备空闲时自动复测”，默认关闭。
+
+### 3.4 日常使用
+
+- 对话创建时根据任务要求选择模型，并在该线程内保持稳定。
+- 若用户手动选定模型或智能体设置了 `default_model`，始终优先使用用户设置。
+- 当请求含图片、工具或长上下文时，只在满足能力硬约束的候选中评分。
+- 当前模型连续失败时可以切换至同场景备选，但必须在界面显示切换原因。
+- 已开始生成有效内容后不自动更换模型；失败重试发生在新一次模型调用上。
+
+### 3.5 复测条件
+
+以下指纹变化时将结果标记为“需要复测”，而不是立即启动测试：
+
+- 模型 digest、量化版本或模型参数变化。
+- CPU、GPU、显存、内存或 Ollama 版本变化。
+- FreeOS 基准套件版本变化。
+- 用户改变上下文长度、GPU 层数或运行参数。
+- 结果超过 30 天，或近期真实调用稳定性明显恶化。
+
+## 4. 基准套件
+
+### 4.1 两级评测
+
+**快速评测**用于首次推荐：每个模型约 20–45 秒。
+
+- 冷启动一次：记录模型加载时间。
+- 热启动两次：记录首字时间和 tokens/s，取中位数。
+- 256–512 token 上下文测试一次。
+- 能力声明与最小能力探测。
+- 进程峰值内存、显存信息在运行时可获得时记录；不可获得时明确标为未知。
+
+**完整评测**由用户主动选择：每个模型约 2–5 分钟。
+
+- 冷、热启动分开统计。
+- 2K、8K 上下文档位；更大档位仅在模型声明和设备资源允许时执行。
+- 固定长度持续生成，观察 tokens/s 衰减和超时。
+- 工具调用、结构化输出和视觉探测。
+- 重复三次，保存中位数、P90 和成功率。
+
+### 4.2 指标定义
+
+| 指标 | 定义 | 用途 |
+|---|---|---|
+| `load_ms` | 冷启动到请求可处理的时间 | 首次体验、切换成本 |
+| `ttft_ms` | 请求发送到第一个非空输出片段 | 实时聊天核心指标 |
+| `decode_tokens_per_sec` | 模型报告的 eval_count / eval_duration，缺失时才使用近似值 | 持续生成速度 |
+| `total_latency_ms` | 完整请求总耗时 | 综合延迟 |
+| `success_rate` | 有效完成次数 / 总次数 | 稳定性硬指标 |
+| `timeout_rate` | 超时次数 / 总次数 | 排除不可用候选 |
+| `long_context_pass` | 指定上下文档位是否成功并回答校验点 | 长时任务约束 |
+| `tool_call_pass` | 是否返回合法工具名及符合 schema 的参数 | 工具智能体约束 |
+| `vision_pass` | 是否接受图片并返回可验证内容 | 视觉任务约束 |
+| `json_schema_pass` | 是否能稳定生成符合 schema 的输出 | 工作流约束 |
+| `peak_ram_mb` / `peak_vram_mb` | 测试期间可观测峰值 | 资源安全与低资源推荐 |
+| `sustained_speed_ratio` | 长生成后半段速度 / 前半段速度 | 热降频和长时稳定性 |
+
+tokens/s 必须优先使用运行时给出的真实 token 计数。只有片段数量时，字段应标为 `estimated_tokens_per_sec`，不能与真实 tokens/s 混用。
+
+### 4.3 能力探测
+
+- **工具调用**：提供一个无副作用的本地 `echo` schema，要求返回固定参数；禁止执行文件、网络或系统工具。
+- **视觉**：使用随安装包提供的小型测试图，不读取用户照片。
+- **长上下文**：在合成文本中放置随机校验码，要求模型准确找回；不测试主观回答质量。
+- **结构化输出**：校验 JSON schema，不用模糊文本匹配代替。
+- **中文基础能力**：只作为最低可用门槛，首版不把小型题库分数包装成通用智力评分。
+
+## 5. 评分与推荐算法
+
+### 5.1 先约束，再评分
+
+路由先应用硬约束：
+
+```text
+视觉请求       → vision_pass = true
+工具请求       → tool_call_pass = true
+目标上下文 N   → verified_context_tokens >= N
+内存安全       → 未触发 OOM，且资源余量高于安全阈值
+用户锁定       → 直接使用锁定模型；能力不满足时明确提示
+```
+
+不满足硬约束的模型不会因为速度快而进入候选。
+
+### 5.2 归一化
+
+评分只在本机、同一基准版本和同一场景的候选模型之间归一化。延迟类指标使用对数缩放，避免极端慢模型把其他模型挤在很小区间；缺失指标不按零分处理，而是降低置信度。
+
+```text
+higher_is_better(x) = percentile_rank(log1p(x))
+lower_is_better(x)  = 1 - percentile_rank(log1p(x))
+confidence          = 已完成必测项权重 / 场景必测项总权重
+```
+
+### 5.3 首版权重
+
+| 场景 | TTFT | tokens/s | 稳定性 | 长上下文 | 资源余量 | 能力校验 |
+|---|---:|---:|---:|---:|---:|---:|
+| 实时聊天 | 35% | 25% | 25% | 5% | 10% | 硬约束 |
+| 长时任务 | 10% | 20% | 30% | 25% | 15% | 硬约束 |
+| 工具智能体 | 15% | 15% | 30% | 15% | 10% | 15% + 硬约束 |
+| 视觉理解 | 15% | 15% | 25% | 10% | 10% | 25% + 硬约束 |
+| 低资源 | 20% | 15% | 25% | 5% | 35% | 硬约束 |
+
+总分用于排序，推荐理由必须引用原始事实，例如：“热启动首字中位数 620ms；3/3 成功；工具探测通过；峰值显存 4.1GB”。不展示无法从测试推导的笼统结论。
+
+### 5.4 抖动控制
+
+- 新模型需比当前模型高至少 8 分，或当前模型不满足硬约束，才建议切换。
+- 同一线程不因微小分数变化切换。
+- 自动故障转移后设置冷却时间，避免两个模型来回切换。
+- 连续 3 次同类运行时故障才降低健康评分；用户取消、网络断开和应用退出不计入模型失败。
+
+## 6. 数据模型
+
+新增迁移需要同时提供 SQLite 和 PostgreSQL 版本，并遵循当前未发布 schema 的折叠规则。
+
+### `local_runtime_state`
+
+运行环境本身只需要一份当前状态，可优先放入现有 settings；若安装任务需要跨重启恢复，再建立任务表：
+
+- `runtime_kind`、`detected_version`、`executable_path_hash`、`api_base_url`。
+- `status`、`last_health_check_at`、`last_error_code`。
+- `managed_by_freeos`：标记本次安装是否由 FreeOS 发起，不能据此接管用户原有安装。
+- `install_manifest_version`、`installer_sha256`；不保存提权凭据。
+- 模型下载任务保存 `model_id`、阶段、已下载/总字节、错误分类和时间；不保存 Ollama blob 路径。
+
+### `local_model_profiles`
+
+每个模型指纹一行，保存最近聚合结果：
+
+- `model_profile_id`：公开 ULID。
+- `provider_name`、`model_id`、`model_digest`。
+- `runtime_kind`、`runtime_version`。
+- `hardware_fingerprint`：仅保存本机不可逆摘要。
+- `benchmark_suite_version`、`status`、`started_at`、`completed_at`。
+- `metrics_json`、`capabilities_json`、`scenario_scores_json`。
+- `confidence`、`stale_reason`、`last_error_code`。
+
+唯一键：`provider_name + model_id + model_digest + hardware_fingerprint + benchmark_suite_version`。
+
+### `local_model_benchmark_runs`
+
+保存有限期运行记录，用于审计和重新聚合：
+
+- `benchmark_run_id`、`model_profile_id`、`mode`、`status`。
+- 每个测试项的耗时、指标、错误分类和开始结束时间。
+- 不保存自由文本模型输出，只保存校验是否通过和必要摘要。
+- 默认保留最近 10 次或 30 天，由用户清除。
+
+### `local_model_routing_prefs`
+
+建议优先放入现有用户偏好 JSON，避免过早增加表：
+
+```json
+{
+  "mode": "recommend",
+  "locked_model": null,
+  "scenario_overrides": {
+    "realtime_chat": null,
+    "long_task": null,
+    "tool_agent": null,
+    "vision": null
+  },
+  "allow_background_benchmark": false,
+  "allow_runtime_failover": true
+}
+```
+
+`mode` 首版提供 `manual` 和 `recommend`。等推荐逻辑经过真实用户验证后，再增加默认自动路由模式。
+
+## 7. API 设计
+
+建议新增：
+
+| 方法 | 路径 | 作用 |
+|---|---|---|
+| `GET` | `/api/local-runtime/status` | 返回运行环境检测、服务健康和可用安装动作 |
+| `POST` | `/api/local-runtime/install` | 用户确认后创建受控安装任务 |
+| `GET` | `/api/local-runtime/install/{job_id}` | 查询下载、校验、安装、启动和健康检查进度 |
+| `DELETE` | `/api/local-runtime/install/{job_id}` | 在可取消阶段停止任务并清理临时文件 |
+| `POST` | `/api/local-runtime/start` | 启动已安装但停止的本地运行时 |
+| `GET` | `/api/local-models/catalog` | 返回按硬件过滤的推荐模型及资源要求 |
+| `POST` | `/api/local-models/pulls` | 用户确认后创建 Ollama 模型下载任务 |
+| `GET` | `/api/local-models/pulls/{job_id}` | 查询模型下载和校验进度 |
+| `DELETE` | `/api/local-models/pulls/{job_id}` | 取消尚未完成的模型下载 |
+| `GET` | `/api/local-models/benchmarks` | 列出模型画像、评分、陈旧原因和当前任务 |
+| `POST` | `/api/local-models/benchmarks` | 创建批量评测任务 |
+| `GET` | `/api/local-models/benchmarks/{job_id}` | 查询任务与逐模型进度 |
+| `DELETE` | `/api/local-models/benchmarks/{job_id}` | 协作取消，保留已完成结果 |
+| `POST` | `/api/local-models/benchmarks/{profile_id}/retry` | 重测单一模型 |
+| `GET` | `/api/local-models/recommendations` | 返回各场景推荐、备选、理由与置信度 |
+| `PUT` | `/api/local-models/routing-preferences` | 保存人工锁定和自动策略 |
+
+批量任务使用轮询或 SSE 返回阶段：`queued → loading → warmup → latency → sustained → capability → scoring → completed`。任务必须限制为单机一次只运行一个重型模型，避免多个模型同时占满显存。
+
+请求示例：
+
+```json
+{
+  "model_refs": ["Ollama (Local)/qwen2.5:7b", "Ollama (Local)/llama3.2:3b"],
+  "mode": "quick",
+  "scenarios": ["realtime_chat", "long_task", "tool_agent"]
+}
+```
+
+推荐响应必须同时返回 `eligible`、`disqualifiers`、`score`、`confidence` 和原始关键指标，供 UI 解释。
+
+## 8. 运行时路由
+
+在 gateway processor 现有 `_resolve_harness_model()` 前增加一个领域选择步骤，保持优先级明确：
+
+```text
+线程手动覆盖
+  > 智能体显式 default_model
+  > 用户场景锁定
+  > 满足硬约束且置信度足够的本机推荐
+  > 现有全局 active model / fallback
+```
+
+场景推断首版只使用确定性信号：
+
+- 附件含图片 → `vision`。
+- 当前智能体拥有工具且本轮允许工具 → `tool_agent`。
+- 估算上下文超过已验证阈值的 60% → `long_task`。
+- 其他 → `realtime_chat`。
+
+不使用另一个 LLM 来判断路由，以免增加延迟、成本和循环依赖。
+
+### 故障转移
+
+允许故障转移的错误：模型明确不支持所需能力、OOM、服务端 5xx、模型进程退出、在限定时间内无首字。认证失败、用户取消、输入不合法和工具自身错误不触发换模型。
+
+故障转移顺序：同场景第二名 → 当前全局默认 → 返回明确错误。每次切换写入结构化审计事件，并在聊天界面显示“已从 A 切换到 B：A 工具调用不受支持”。
+
+## 9. 前端设计
+
+模型设置页新增“本机模型推荐”区域：
+
+- 未安装运行环境时先显示三步引导：“安装运行环境 → 下载模型 → 本机评测”，当前步骤以外的按钮禁用并说明原因。
+- 安装确认页显示官方来源、固定版本、下载体积、安装位置、管理员权限需求和隐私说明。
+- 模型目录根据硬件分档，显示下载大小、预计内存/显存、能力与磁盘余量；下载进度可取消、失败可重试。
+- 对已有 Ollama、外部 loopback 服务和云模型提供等权入口，不强迫用户重复安装或下载。
+- 顶部显示硬件摘要、上次评测时间、基准版本和“开始快速评测”。
+- 模型表显示状态、TTFT、tokens/s、稳定性、上下文、视觉、工具、资源占用。
+- 推荐卡按场景排列，展示首选、备选、分数、置信度和三条主要理由。
+- 支持“设为此场景默认”“锁定当前模型”“取消评测”“完整评测”。
+- 结果陈旧时显示具体原因，不能继续以绿色“推荐”展示。
+
+聊天消息的模型徽标应保留实际执行模型；发生自动切换时记录两个模型和原因，避免用户误以为一直由原模型回答。
+
+## 10. 调度、资源与安全
+
+- 评测默认串行；GPU/统一内存低于安全余量时暂停并提示。
+- 笔记本使用电池、系统高负载、正在语音通话或有活跃生成时不启动后台评测。
+- 每项测试设独立超时，总任务有预算；取消必须能终止后续请求并释放模型。
+- 所有提示均来自版本化内置基准，不读取用户聊天、知识库或组织数据。
+- 日志不得记录模型完整输出、API Key、用户目录或硬件序列号。
+- 安装器只能来自 HTTPS 官方发布地址或操作系统可信包管理器；下载后必须核对发布清单中的 SHA-256，并在平台支持时验证发布者签名。
+- 安装、启动、下载模型分别使用允许列表参数调用，禁止将模型名、路径或服务输出拼接成 shell 命令。
+- 安装前检查系统架构、磁盘余量和当前任务；失败时清理 FreeOS 临时下载，但不删除用户现有 Ollama、模型或配置。
+- FreeOS 不静默卸载运行时；卸载属于独立的用户确认操作，首版可只提供官方卸载指南。
+- 远程 URL 即使配置为“本地 provider”，也不能被当成本机基准；首版仅允许 loopback Ollama。
+- 基准接口沿用 `ollama_models` 权限；普通用户只能查看和修改自己的推荐偏好。
+
+## 11. 可观测性
+
+新增结构化指标：
+
+- `local_runtime_install_started/completed/cancelled/failed`
+- `local_model_pull_started/completed/cancelled/failed`
+- `local_model_benchmark_started/completed/cancelled/failed`
+- `local_model_benchmark_duration_seconds`
+- `local_model_route_selected{scenario,reason}`
+- `local_model_failover{error_class}`
+- `local_model_recommendation_accepted/rejected`
+
+指标只记录类别和计数，不包含模型输出和硬件原始标识。诊断页提供本机可导出的 JSON 报告，默认脱敏。
+
+## 12. 分阶段交付
+
+### M0：运行环境与模型就绪
+
+- Windows Ollama 检测、一键安装、启动和 loopback 健康检查。
+- 固定版本与摘要清单、官方来源校验、管理员权限提示和失败诊断。
+- 硬件分档模型目录、磁盘预检、下载/取消/重试及完成后 digest 验证。
+- 已有 Ollama、OpenAI 兼容 loopback 服务和云模型的跳过路径。
+
+验收：在一台未安装 Ollama 的干净 Windows 虚拟机中，普通用户可从 FreeOS 完成确认、安装、启动、小模型下载并进行一次真实对话；取消安装和取消模型下载不会留下 FreeOS 临时文件；已有 Ollama 和模型不会被覆盖。
+
+### M1：可信批量评测
+
+- 后端 profile/run 存储、模型指纹、任务取消与串行执行。
+- 快速评测：冷/热 TTFT、真实 tokens/s、成功率、资源可用性。
+- 模型页批量进度和结果表。
+- 不改变聊天实际选模。
+
+验收：两种以上 Ollama 模型可在 Windows/macOS/Linux 完成、取消并复用结果；重启后结果仍在；模型 digest 变化后结果变陈旧。
+
+### M2：能力探测与场景推荐
+
+- 工具、视觉、长上下文、JSON schema 探测。
+- 场景硬约束、评分、置信度和解释。
+- 用户接受推荐、场景锁定和手动覆盖。
+
+验收：不支持 tools 的 qwen2.5vl:3b 不进入工具智能体候选，但可进入通过验证的视觉候选；缺失数据不会被伪装成零分或已通过。
+
+### M3：受控运行时路由
+
+- 接入 `_resolve_harness_model()` 优先级链。
+- 线程粘性、明确切换提示、同场景故障转移和冷却。
+- 实际调用健康反馈只影响稳定性，不覆盖离线基准原始数据。
+
+验收：手动锁定始终优先；视觉/工具/长上下文硬约束生效；失败不会产生模型切换循环；历史消息显示实际执行模型。
+
+### M4：空闲复测与长期优化
+
+- 可选的空闲时复测、速度衰减检测和推荐变化提示。
+- 根据匿名关闭的本机接受/拒绝行为调整用户自己的权重，不进行云端训练。
+- 扩展 LM Studio、vLLM 等 loopback OpenAI 兼容运行时。
+
+## 13. 测试与发布门禁
+
+单元测试：
+
+- 系统/架构检测、安装状态机、版本清单和摘要校验、允许列表参数及磁盘安全阈值。
+- 模型目录硬件过滤、下载进度解析、取消、重试和 digest 完成校验。
+- 指纹稳定性、指标聚合、缺失值、硬约束、归一化和抖动控制。
+- 工具/视觉/上下文探测的成功、能力不支持、超时、OOM 和取消。
+- 路由优先级、线程粘性、故障分类与冷却。
+- SQLite/PostgreSQL repo 和迁移等价性。
+
+集成测试：
+
+- 伪安装器与伪 Ollama 服务覆盖未安装、已停止、空模型、已有模型、版本不兼容和端口占用。
+- 安装或下载中断后重启 FreeOS，状态可恢复或明确失败，不会误报成功。
+- 伪 Ollama SSE 流覆盖冷/热指标及错误分类。
+- API 权限、任务并发限制、取消和重启恢复。
+- 用户接受推荐后默认模型更新；手动锁定不被覆盖。
+
+真实验收矩阵：
+
+- 干净 Windows 虚拟机一键安装；已有 Ollama；已有模型；无管理员权限；磁盘不足；下载中断；端口占用。
+- Windows NVIDIA、Windows 纯 CPU、Apple Silicon、Linux NVIDIA。
+- 至少一个文本模型、一个视觉但不支持 tools 的模型、一个工具模型。
+- 快速评测、完整评测、应用重启、模型更新、低内存、Ollama 中途退出。
+- 连续长对话至少 60 分钟，确认无频繁切换、无显存持续增长、失败可恢复。
+
+发布门禁仍为 `make all`，并增加 dashboard 类型检查、真实 Ollama 可选测试和桌面安装包隔离验收。模拟测试通过不等于真实模型和安装包验收。
+
+## 14. 成功指标
+
+- 首次有两个以上本地模型的用户，80% 能在 5 分钟内得到至少一个高置信度推荐。
+- 接受推荐后的实时聊天 TTFT 中位数相对原默认模型改善至少 20%，或稳定性显著提高。
+- 因模型能力不匹配导致的 `stream_error` 降低 80%。
+- 自动故障转移循环为零；错误切换率低于 1%。
+- 用户手动锁定被覆盖的事件为零。
+- 基准期间用户数据外发事件为零。
+
+## 15. 开发顺序与估算
+
+建议五个迭代完成：
+
+1. **1 周**：Windows 运行环境检测、一键安装、健康检查、模型目录与下载状态机。
+2. **1 周**：数据结构、指纹、批量任务、现有测速重构和 API。
+3. **1 周**：能力探测、评分解释、模型页 UI。
+4. **1 周**：受控路由、线程粘性、故障转移和审计事件。
+5. **1 周**：干净机器及多硬件真实验收、性能调优、文档与灰度开关。
+
+M0、M1 和 M2 可以在 0.0.7 默认提供；M3 建议先以“推荐模式”灰度，收集本机验收证据后再把自动路由设为可选。macOS/Linux 一键安装和 M4 不应阻塞 0.0.7，但必须保留手动连接现有运行时的路径。