ArcLM
ArcLM 是一个本地优先的 Python Agent 框架，通过分层设计（工具定义、注册表、适配器、运行器、权限与脱敏）管理工具调用链路，支持类型化工具、Schema 校验和副作用分级，无需 GPU 即可运行。
时间轴 (近 90 天)
在 ArcLM 2.0.0 上，使用给定的微型模型配置，CPU 上输出 logits 形状为 (1, 3, 11)，参数量为 3531。
ArcLM 核心安装会自动引入 NumPy、SentencePiece 等依赖，但不会拉取 PyTorch。
教程中 ArcLM 版本输出为 2.0.0。
ArcLM 内置一个简单的词级分词器。
在 ArcLM 2.0.0 上，使用 max_vocab=64 和给定文本，分词输出 Token IDs 为 [2, 3, 4]，词表大小为 11，解码为 ['arc', 'lm', 'trains']。
ArcLM 分词器不会自动小写化，'Arc' 和 'arc' 会被视为不同 Token，超出词表的词会映射到未知 Token。
ArcLM 同时提供词级分词器和 SentencePiece 支持。
ArcLM 2.0 中配置和执行分离，可以在不安装 PyTorch 的情况下定义模型设置。
ArcLM 的配置可以保存为 YAML 并加载。
ArcLM 是一个 Python 框架，专注于语言模型工具链。
还有 9 条时间轴事件
全部知识事实 (19)
在 ArcLM 2.0.0 上，使用给定的微型模型配置，CPU 上输出 logits 形状为 (1, 3, 11)，参数量为 3531。
50%待验证ArcLM 核心安装会自动引入 NumPy、SentencePiece 等依赖，但不会拉取 PyTorch。
50%待验证教程中 ArcLM 版本输出为 2.0.0。
50%待验证ArcLM 内置一个简单的词级分词器。
50%待验证在 ArcLM 2.0.0 上，使用 max_vocab=64 和给定文本，分词输出 Token IDs 为 [2, 3, 4]，词表大小为 11，解码为 ['arc', 'lm', 'trains']。
50%待验证ArcLM 分词器不会自动小写化，'Arc' 和 'arc' 会被视为不同 Token，超出词表的词会映射到未知 Token。
50%待验证ArcLM 同时提供词级分词器和 SentencePiece 支持。
50%待验证ArcLM 2.0 中配置和执行分离，可以在不安装 PyTorch 的情况下定义模型设置。
50%待验证ArcLM 的配置可以保存为 YAML 并加载。
50%待验证ArcLM 是一个 Python 框架，专注于语言模型工具链。
50%待验证ArcLM 2.0 版本将轻量工具与重度计算功能分离，核心包不强制依赖 PyTorch。
50%待验证ArcLM 的 ToolPermission.PURE 表示工具不需要访问外部资源，SideEffectLevel.NONE 表示工具没有副作用。
50%待验证SideEffectLevel 描述工具执行后对外部世界造成的影响能否被撤销，常见分级包括 NONE（纯计算）、REVERSIBLE（可撤销，例如写入可回滚的临时文件）以及不可逆或外部可见的操作。
50%待验证在 ArcLM 中，permission 和 side_effect 是两个互相独立的维度：权限回答工具需要访问什么资源，副作用回答访问之后会留下什么后果。
50%待验证ArcLM 的工具抽象在调用底层函数前会做参数校验。
50%待验证ArcLM 的模型适配器负责把框架内部的会话、工具定义转换为 LLM 供应商 API 所需的请求格式，并将返回结果转为 ModelResponse 结构，通常需要实现类似 generate_response(messages, tools, instructions, session) 的方法。
50%待验证本文演示中的 DeterministicFakeModel 是一个假模型适配器，它忽略模型推理，按调用次数返回预设的工具调用或最终回复，用于在无网络、无 GPU 条件下测试完整的工具调用管线。
50%待验证ArcLM 的设计允许在将假模型替换为真实模型时，只需替换适配器，无需重写工具和业务代码。
50%待验证ArcLM 是一个用于构建本地 Agent 工具调用的 Python 框架/库，提供工具定义、注册表、适配器、运行器和权限脱敏等分层组件。
50%