版本：v1.4

自定义调度

一个可安装的大禹系统调度策略由三个位置共同组成：

dependency/core/lib/algorithms/ 下已注册的 hook 实现；
template/scheduler/ 下选择 alias 和参数的 Scheduler 模板；
template/scheduler_policies.yaml 中选择 Scheduler 及其 Generator、Controller、Distributor、Monitor 依赖模板的安装目录项。

Scheduler hook 类型

Hook	职责
`SCH_CONFIG_EXTRACTION`	加载策略配置空间与挂载资产。
`SCH_SCENARIO_RETRIEVAL`	把完成任务转换为策略状态。
`SCH_POLICY_RETRIEVAL`	恢复任务所应用的策略。
`SCH_STARTUP_POLICY`	在 agent 状态不足时提供安全调度结果。
`SCH_SELECTION_POLICY`	从 Backend 授权候选集中选择一个数据源节点。
`SCH_INITIAL_DEPLOYMENT_POLICY`	返回第一份完整 processor 部署计划。
`SCH_REDEPLOYMENT_POLICY`	返回后续完整 processor 部署计划。
`SCH_AGENT`	维护每个数据源的状态并生成 task schedule decision。

数据源选择只能使用 Backend 提供的候选 scope，不应自行发现集群拓扑。
初始部署与重新部署必须为当前 DAG 返回完整的 logical service -> [node hostname, ...] 映射。未知服务、空部署位置和候选集外节点会校验失败。
BaseAgent 会结合当前请求与注入的云端身份校验部署计划。
Scheduler 校验后的结果就是完整的 Processor 期望拓扑。Backend 会原样生成该计划，不再追加副本。策略可通过 cloud、full、source-edge-cloud、fixed 的 @cloud 目标或 include_cloud 显式选择云端部署；full-edge 仅部署到边缘。
运行时路由不是策略输出。Scheduler 与 Backend 在策略结果通过校验后附加已提交的 RuntimeDirectory revision 与精确路由。
即时卸载决策应读取 LIVE 调度快照，并且只选择该 revision 中已激活的副本。面向未来状态的 commitment-aware 规划应读取 COMMITTED，其中还包含 reservation、active commitment 与 task barrier。遥测数据必须与所用 RuntimeDirectory revision 一致。
仅线性 pipeline 策略可使用公共的边缘到云端 partition helper。通用 DAG 策略必须保留完整图结构；对于不支持的分支、汇合、环、非活动目标，应明确拒绝，不能静默线性化。
调度 agent 不应修改复制出的快照或其他框架共享状态。

从最接近的现有 hook 与模板 family 开始。
自包含 hook 使用公开的 .py 入口；策略包含 helper、model 或相关变体时，使用带 hook.py 的算法 package。
使用 @ClassFactory.register(ClassType.<TYPE>, alias="<name>") 注册每个类，通过 __all__ 暴露，并在 hook.py 中显式导入 package 内部模块。
通过 Scheduler 模板中对应的 <TYPE>_PARAMETERS 传入构造参数。
把策略资产放在明确的挂载路径下，并说明是否需要可选 ML 依赖。
在 template/scheduler_policies.yaml 中添加唯一 policy ID，并按照数据源与监控需求选择组件依赖。
为 alias 加载、请求校验、调度输出、部署计划校验与 fallback 行为添加聚焦测试。
在依赖可用时运行 make validate-build、相关 Python 测试与 make check。

不要在策略中加入 Kubernetes client 或路由查询代码。Backend 负责集群访问，Scheduler 负责路由发布，运行时任务携带精确路由 commitment。

完整 alias 目录与调用签名维护在系统仓库： Hook Guide 与 Hook Catalog。