本文是 55873 生态系统技术白皮书第 2 篇 —— 五引擎核心原理。详细拆解自研五引擎隔离架构，涵盖请求流转逻辑、引擎间通信协议、量化性能基线、故障隔离与降级策略、数据一致性模型，属于平台核心技术壁垒说明文档。

导读

• 项目定位：五引擎微内核 = 调度 + 安全 + 研判 + 评测 + 存证，独立部署、强制链路、无绕过通道

• 技术栈：gRPC over HTTP/2 + Rust 安全引擎 + Qwen3Guard 语义风控 + SHA-256/SM3 存证

• 阅读时长：约 10 分钟

---

一、为什么我们放弃了单体架构？

• 做平台的都懂一个痛点：功能越加越多，系统越来越重，改一处怕崩一片。

• 传统单体架构的问题：

业务和底层耦合，加功能 = 改底层

迭代慢，bug 引入率高

安全风险随功能量线性增长

长期维护成本指数级上升

• 55873 从第一天就定了基调：底层引擎固定，业务模块可插拔。

• 五项工程原则：

分层隔离  →  调度/安全/研判/评测/存证 各自独立部署，单引擎故障不扩散

统一入口 → business\_scheduler 全站唯一总入口

强制链路 → 不存在免审接口、不存在绕过通道

可验证性 → 每引擎有明确 QPS 目标、P99 延迟基线、降级策略

可观测性 → Prometheus/OpenTelemetry 标准化指标，全链路追踪

---

二、引擎间通信：为什么选 gRPC？

五引擎之间采用 gRPC over HTTP/2 标准通信协议。

维度	gRPC	REST/JSON	选择理由
序列化	Protobuf（二进制）	JSON（文本）	减少传输体积与编解码开销
传输层	HTTP/2 多路复用	HTTP/1.1 单连接	并发多路请求，降低连接开销
流式支持	双向流式	有限支持	安全检测与流式生成场景
接口契约	.proto 强类型	OpenAPI 弱类型	编译期类型检查，减少运行时错误

💡

性能数据

：gRPC TCP 传输中位延迟约 63μs，P99 约 90.3μs。启用 RDMA 可降至 2.5—7.6μs。内部引擎间可启用自定义 marshalling，延迟可降至 gRPC+Envoy 方案的约 1/4。

---

三、故障隔离：每个引擎挂了怎么办？

• 拆开了之后有个好处：一个引擎出问题，不会把整个系统带崩。

故障场景	降级策略	恢复机制
rust_security 不可用	请求排队，超时后安全拒绝	恢复后自动消费队列
ai_judge 不可用	退回 Rust 单层防护，标记 "降级审核"	恢复后补充语义审核
model_eval 不可用	评测任务排队，不影响正常用户	恢复后按优先级执行
trace_archive 不可用	数据本地缓存，标记待存证	恢复后批量提交哈希签名

---

四、五大引擎逐一拆解

4.1 business_scheduler：全站总调度

请求入口 → business\_scheduler

  ├── 18个一级界面识别

  ├── 风控判断

  ├── 评测触发判断

  ├── 存证触发判断

  ├── 翻译判断

  └── gRPC 分发 → 各引擎

• 量化指标：

指标	设计目标
调度 QPS	≥ 10,000
P99 调度延迟	≤ 50ms
水平扩展	无状态线性扩展
幂等性	请求 ID 幂等去重
超时策略	分级：调度 50ms / 引擎 200ms / 全局 5s

💡

上下文一致性

：调度引擎维护请求上下文序列化标准（会话 ID、历史消息摘要、系统提示词版本、已触发引擎链路记录），确保私有化模型过载切换云端 API 时对话连贯性不降级。

4.2 rust_security_engine：微秒级硬拦截

基于 Rust 开发，无 GC 停顿、内存安全，作为所有输入的第一道强制关卡。

• 量化指标：

指标	实测值
规则层扫描延迟	~0.2—65μs
PII 检测延迟	~50μs，吞吐 20K+ ops/s
注入检测延迟	~20μs，吞吐 50K+ ops/s
全量净化管道延迟	~100μs，吞吐 10K+ ops/s
攻击检测（全向量平均）	~25μs

💡

规则层 vs ML 层分级

：基础规则层纯 Rust 实现，微秒级扫描，覆盖 prompt 注入、角色覆盖、密钥泄露、PII、隐形文本。ML 增强层（ONNX 分类器）在 CPU 上 P99 约 3—10ms，默认按场景选择性启用。

4.3 ai_judge_engine：119 种语言语义研判

依托 Qwen3Guard 多语言安全模型，作为第二层安全关卡。

• 核心能力：

维度	指标
语言覆盖	119 种语言及方言
风险分类	三级风险等级，支持分级拦截
流式检测	Qwen3Guard-Stream 实时安全检测
参数规模	0.6B / 4B / 8B 三种

📊

性能表现

：Qwen3Guard-8B 英语基准 F1 超过 LlamaGuard3-8B 达 10+ 分，中文与多语言优势更显著。

安全复测红线：每套量化后模型必须通过越狱测试集、多语言安全测试集、Prompt 注入测试集。指标下降超过 ≤ 2% 阈值，则回退更保守量化等级。

4.4 model_eval_engine：全模型自动评测

不负责文本生成，只负责指标计算。

• 评测维度：

维度	指标	数据源
安全风控	不安全提示 / 回复召回率	HarmBench、XSTest
准确性	准确率、F1、BLEU、ROUGE	标准 NLP 指标
鲁棒性	对抗攻击抵抗率	对抗测试集
多语言一致性	七国语言逐语种差异	多语言测试套件
偏见检测	群体公平性指标	偏见评测基准
对齐质量	拒绝率、越狱抵抗率	AQI 指标

⚠️

绝对红线

：评测覆盖 6+1+3 全部模型（7 套私有化 + 3 套云端 API）。

7 套私有化模型数据可入永久存证，3 套云端 API 对照数据仅作参考，不入存证正本。

4.5 trace_archive_engine：哈希 + 签名 + 时间戳三元组存证

参照国家电子档案真实性验证规范，三要素缺一不可。

• 存证流程：

原始数据

  → SHA-256/SM3 哈希计算

  → RFC 3161 可信时间戳请求

  → TSA 签发时间戳令牌

  → 数字签名绑定 哈希+时间戳

  → 多副本持久化存储

  → 校验接口对外可用

• 技术参数：

要素	标准
哈希算法	SHA-256（国际）/ SM3（国密）
时间戳	RFC 3161，TSA 签发，微秒级精度
证书链	回溯至根 CA，OCSP/CRL 验证
存储	多副本、异地容灾、定期完整性校验

---

五、完整链路：一个请求怎么走完？

用户提交请求

  → business\_scheduler 接收并 gRPC 分发

  → rust\_security 微秒级硬过滤

  → ai\_judge Qwen3Guard 语义审核

  → 执行业务逻辑（按需调用 model\_eval）

  → 归档数据送入 trace\_archive 三元组存证

• 端到端延迟预算：

环节	P99 预算
调度	≤ 50ms
Rust 硬过滤	≤ 1ms
AI 语义研判	≤ 500ms
评测（按需）	异步，不阻塞主链路
存证（按需）	≤ 200ms

🔴

全链路强制过审，无白名单、无免审接口、无绕过通道。

---

六、核心壁垒总结

壁垒	说明
双层安全闭环	Rust 微秒级硬拦截 + Qwen3Guard 119 种语言语义研判
独立评测引擎	6+1+3 全模型对照，评测数据可存证
独立存证引擎	哈希 + RFC 3161 时间戳 + 数字签名三元组
调度业务解耦	18 界面配置化挂载，gRPC 标准化通信
多语言安全适配	7 国语言全覆盖，阿拉伯语专项增强

---

写在最后

55873 生态系统 = 五引擎微内核底座 + 6+1+3 混合 AI + 分级数据安全 + 可插拔业务模块。

以 18 个一级界面为业务入口，7 国语言原文保真为国际化基础，双层安全风控为防护底座，形成长期可迭代的智慧生态架构。

---

👉 这是 55873 生态系统技术白皮书第 2 篇，后续将陆续发布 AI 模型体系、数据安全策略等专题。

觉得有收获的话，点个赞 + 收藏，不迷路 👇

---

• 话题标签： 架构设计 微内核 Rust gRPC 安全风控 系统设计 开源