a4api v0.3.0

a4api v0.3.0

重磅：完整合并 a4agent，新增「本地模型」推理控制台

把 llama.cpp 的 llama-server 封装为一键启动的 OpenAI 兼容 API 服务——装哪个引擎、选哪个模型、给什么参数，全程可视化操作。与「API 切换」组合，即得 Claude Code 完全离线方案。

首次配置向导

• 硬件检测与预设推荐：nvidia-smi + 注册表双路枚举显卡（厂商 / 显存 / 驱动），按显存档位推荐推理预设（上下文长度、KV 缓存量化、MTP 投机解码）
• 引擎自动获取：按显卡自动下载 llama.cpp 官方预编译引擎（Vulkan / CUDA 12.4 / CUDA 13.3 / CPU，钉定 b10919，二进制可复现），CUDA 主包与 cudart 运行库自动解压合并、原子换入；支持离线安装；已装旧版 a4agent 时自动接管其引擎，免重复下载
• 模型库：多目录扫描 .gguf，解析大小 / 量化级别 / 原生上下文 / MTP 层，一键设为默认模型；显存溢出两档预警

服务运行

• 运行状态机（启动中 / 运行中 / 失败 / 已停止）+ 实时日志滚动；4 分钟健康检查；端口占用 / 引擎缺失 / 进程崩溃明确报错；运行就绪后定时内存裁剪
• 推理参数可视化：上下文长度、KV 缓存（f16/q8_0/q4_0）、Flash Attention、GPU 层数、MTP 步数（自动探测引擎新 spec / 旧 --mtp 两种写法）、附加参数逃生舱
• API Key 鉴权：一键生成 sk- 随机密钥，局域网开放时建议开启
• 局域网开放切换（0.0.0.0），接入页给出 Base URL / Chat 地址 / curl / openai SDK 示例
• 「接入配置方案」：一键创建指向本地服务的配置方案，到「配置方案」页切换即可让四端用上本地模型，与云上 API 无缝互切

交互细节

• pywebview 原生文件夹 / 文件选择对话框（添加模型目录、浏览 mmproj），浏览器模式自动退化为手动输入
• 全局统一的 layui primary 复选框皮肤与品牌色单选；运行日志与推理设置卡片等高布局

其他

• 新增浏览器调试入口 dev_server.py（uv run python dev_server.py）：与已安装版共享同一份数据（%APPDATA%\a4api），先在浏览器验证再打包，免装快迭代
• 测试从 172 例增至 212 例（GGUF 合成二进制解析、预设边界、驱动降级推荐、解压路径穿越防护、进程命令行拼装、运行时管理器等）

校验

• 安装包：a4api-setup-0.3.0.exe
• SHA256：CBC5CE69CB2A0E52F2453FCC825883609448824D312FF4A1CB9E16108FC28E36
• 建议下载后核对校验值，确保文件完整未被篡改。