LiiaLabs · Pesquisa e arquitetura
VLLM e VPLLM: padronização em camadas.
Uma proposta para separar o modelo de linguagem, o comportamento de sistema e a identidade privada dos agentes.
O modelo é uma parte da arquitetura.
Um modelo de linguagem oferece capacidade de geração. Transformar essa capacidade em uma experiência consistente também exige definir comportamento, conhecimento, identidade e limites. Misturar essas decisões em um único prompt torna difícil saber o que é comum ao sistema e o que pertence a cada aplicação.
A proposta do laboratório organiza essas responsabilidades em camadas: o LLM como base de inferência, o VLLM como perfil de sistema e o VPLLM como identidade privada. O canal de acesso apresenta essa experiência sem se tornar uma nova identidade cognitiva.
Do modelo à experiência
- LLM
Capacidade de linguagem
O modelo base produz as respostas. Ele pode ser acessado por um provedor ou por infraestrutura própria, conforme os requisitos da aplicação.
- VLLM
Comportamento compartilhado
Virtual Large Language Model: uma camada lógica que reúne a escolha do modelo, parâmetros, capacidades e orientações comuns sob um contrato de sistema.
- VPLLM
Identidade e conhecimento privados
Virtual Private Large Language Model: uma configuração vinculada a um escopo, com propósito, identidade, gabarito de resposta e conhecimento autorizado.
- 04
Canal de acesso
Uma interface web, aplicativo ou integração apresenta o agente. Trocar o canal não deve, por si só, criar outro agente ou ampliar suas permissões.
O que deve ser padronizado
Um contrato comum para o motor
O VLLM descreve como a capacidade de linguagem é oferecida: modelo de referência, parâmetros admitidos e capacidades disponíveis. Trocar um provedor exige validar esse contrato, em vez de presumir que modelos distintos são equivalentes.
Uma configuração privada com limites claros
O VPLLM especializa o comportamento comum com finalidade, tom, idiomas e fontes de conhecimento. O gabarito explicita o referencial esperado da resposta; a aderência desejada ao conteúdo precisa ser definida e avaliada.
Precedência explícita de regras
Uma instrução privada pode complementar a política de sistema, mas não deve remover restrições centrais. Conteúdos recuperados, documentos e mensagens de usuários não recebem autoridade para alterar essas regras.
Permissões fora do texto do prompt
O acesso a documentos, ferramentas e conversas precisa ser verificado pela aplicação em cada operação. A palavra “privado” não garante isolamento: identidade, autorização e separação de dados precisam existir na implementação.
Versionar a configuração efetiva.
A padronização deve permitir identificar qual combinação de modelo, perfil VLLM, configuração VPLLM e fontes de contexto participou de uma execução. Assim, uma mudança posterior não apaga a referência usada para avaliar um resultado anterior.
Antes de promover uma nova versão do motor ou do gabarito, convém avaliar respostas com casos representativos, registrar diferenças e prever reversão. A separação em camadas favorece a evolução, mas não substitui testes de compatibilidade.
Um motor compartilhado, duas identidades.
Em um centro de pesquisa hipotético, o mesmo perfil VLLM pode sustentar agentes diferentes. A capacidade comum é compartilhada; o contexto autorizado e a finalidade de cada agente permanecem distintos.
Guia de visitantes
Um VPLLM consulta orientações públicas, horários e informações de visitação. Seu propósito é ajudar quem chega ao espaço.
Assistente de pesquisa
Outro VPLLM trabalha com documentos autorizados de uma equipe. Compartilhar o motor não concede ao primeiro agente acesso a esse acervo.
Padronizar responsabilidades, preservar diferenças.
Nesta proposta, criar um VLLM ou VPLLM não significa treinar um novo modelo nem reservar uma máquina exclusiva. São abstrações de configuração e operação. Seu valor depende de contratos claros, contexto bem delimitado, controles verificáveis e avaliação contínua das respostas.