chris/OSVauco
1
0
Fork 0
Code Issues 1 Pull Requests Actions 2 Packages Projects Releases Wiki Activity

chore: update docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md via opax-mcp
Some checks are pending
Check Python Version Consistency / Check Python Version (push) Waiting to run
Details

Browse Source
This commit is contained in:
chris 2026-07-21 21:17:47 +00:00
parent 4b35e97710
commit 478090b74f
1 changed files with 101 additions and 87 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

188
docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md
View File

@ -7,114 +7,127 @@ Denne handoffen er det eneste autoritative arbeidsdokumentet for sporet "lokal L
--- ---
## FREMDRIFT – OPPDATERT 2026-07-21 22:58 CEST ## FREMDRIFT – OPPDATERT 2026-07-21 23:16 CEST
### ✅ FASE 0–5 — FERDIG (se logg) ### ✅ FASE 0–5 — FERDIG
### ✅ FASE 6 – CPU-optimalisering — FERDIG
### ✅ FASE 6 – CPU-optimalisering — FERDIG 2026-07-21 22:58 CEST ### ✅ FASE 6-TILLEGG – Boot-warming — FERDIG 2026-07-21 23:16 CEST
Alle 5 exit-kriterier bestått:
- ✅ keep_alive-strategi bevist effektiv
- ✅ resident modellvalg låst: MAX=2, begge Forever
- ✅ optimal parameterkombinasjon dokumentert
- ✅ full Emma-loop latency akseptert: 42.51s per varm turn
- ✅ belastningstest bestått: 20 turns, Swap=0, stabil latency, RAM stabilisert
--- ---
## FASE 6 – KOMPLETT RESULTATOVERSIKT ## LÅST SYSTEMKONFIGURASJON – GITEA-CPU-VM (komplett)
### 6.1 Kaldstart / keep_alive baseline ### Systemd-dropins: `/etc/systemd/system/ollama.service.d/`
| Modell | Kaldstart load_s | Varm load_s | tok/s | ```
|---|---|---|---| override.conf — OLLAMA_HOST=0.0.0.0:11434 (eksisterende, ikke rørt)
| gemma3:4b | 117.69s | ~1.0s | 4.9–5.0 | max-models.conf — MAX_LOADED_MODELS=2 + KEEP_ALIVE=-1
| qwen2.5:3b | 71.13s | ~1.0s | 6.4 | warmup.conf — ExecStartPost=/usr/local/bin/ollama-warmup.sh
```
Konklusjon: `OLLAMA_KEEP_ALIVE=-1` eliminerer kaldstart fra kall 2+. Må settes på systemd-nivå.
### 6.2 Resident modell-strategi
Låst: `OLLAMA_MAX_LOADED_MODELS=2` + `OLLAMA_KEEP_ALIVE=-1` i systemd-dropin.
Begrunnelse: MAX=1 gir 20–54s ekstra latency per Emma-turn. MAX=2 gir 0s bytte-overhead.
### 6.3 Parameter-matrise
Låst: `num_ctx=2048` (best), `num_batch=256` (default), `OLLAMA_NUM_THREADS` ikke satt.
Maskintak: **5.0 tok/s** for gemma3:4b på 4 vCPU.
### 6.4 Full Emma MCoT end-to-end
| Scenario | Total tid | Status |
|---|---|---|
| Første turn etter boot | 102.34s (kall 1: 55.6s boot-last) | Forventet engangs |
| **Varm turn (5 kall)** | **42.51s** | **✅ Akseptert** |
Latency-breakdown per varm turn:
- Load-overhead: ~1.0s × 5 = ~5s
- Eval-tid totalt: ~38s (2–13s per kall avh. av num_predict)
### 6.5 Belastningstest — 20 turns × 3 kall = 60 kall totalt
Kjørt: 20:50:45–20:58:38 UTC (7 min 53 sek)
| Måling | Verdi | Status |
|---|---|---|
| Turn-latency snitt | **23.5s** (3 kall per turn) | ✅ Stabilt |
| Turn-latency min/max | 23.2s / 25.2s | ✅ Lav spredning |
| RAM start | 6998 MB | ✅ |
| RAM slutt | 7291 MB | ✅ (+293 MB over 20 turns) |
| RAM-vekst rate | ~15 MB/turn | ✅ Akseptabelt (OS page cache) |
| Swap gjennom hele testen | **0 MB** | ✅ |
| OOM | Ingen | ✅ |
| Modeller i RAM etter test | gemma3:4b + qwen2.5:3b, begge Forever | ✅ |
| Endelig available RAM | 8.5 Gi | ✅ God margin |
**RAM-vekst på 293 MB over 20 turns er OS page cache** — ikke lekkasje. Vil stabilisere seg.
---
## LÅST SYSTEMKONFIGURASJON – GITEA-CPU-VM
### Ollama systemd-dropin: `/etc/systemd/system/ollama.service.d/max-models.conf`
**max-models.conf:**
```ini ```ini
[Service] [Service]
Environment="OLLAMA_MAX_LOADED_MODELS=2" Environment="OLLAMA_MAX_LOADED_MODELS=2"
Environment="OLLAMA_KEEP_ALIVE=-1" Environment="OLLAMA_KEEP_ALIVE=-1"
``` ```
**warmup.conf:**
```ini
[Service]
ExecStartPost=/usr/local/bin/ollama-warmup.sh
```
**`/usr/local/bin/ollama-warmup.sh`:**
```bash
#!/bin/bash
sleep 10
curl -s http://localhost:11434/api/generate \
-H 'Content-Type: application/json' \
-d '{"model":"gemma3:4b","prompt":"warmup","stream":false,"keep_alive":-1,"options":{"num_predict":1}}' \
> /dev/null
curl -s http://localhost:11434/api/generate \
-H 'Content-Type: application/json' \
-d '{"model":"qwen2.5:3b","prompt":"warmup","stream":false,"keep_alive":-1,"options":{"num_predict":1}}' \
> /dev/null
```
### Verifisert etter restart 2026-07-21 21:11 UTC
```
NAME SIZE PROCESSOR CONTEXT UNTIL
gemma3:4b 2.9 GB 100% CPU 4096 Forever
qwen2.5:3b 2.2 GB 100% CPU 4096 Forever
Mem: 15Gi | 6.8Gi used | 8.9Gi available | Swap: 0B
```
Merk: `warmup.conf` bruker eget skript — ikke inline JSON i ExecStartPost. Direkte inline førte til 400-feil p.g.a. systemd-escaping av anførselstegn.
### Operative parametere for Emma-kall ### Operative parametere for Emma-kall
``` ```
num_ctx = 2048 num_ctx = 2048
num_batch = 256 (Ollama default, ikke nødvendig å sette eksplisitt) num_batch = 256 (Ollama default)
OLLAMA_NUM_THREADS = ikke satt (autodetect er optimal) OLLAMA_NUM_THREADS = ikke satt (autodetect)
```
### Modeller i drift
```
gemma3:4b 2.9 GB 100% CPU Forever (primær)
qwen2.5:3b 2.2 GB 100% CPU Forever (reserve)
``` ```
### Ytelsesbudsjett per Emma-turn (varm) ### Ytelsesbudsjett per Emma-turn (varm)
``` ```
3-kall turn: ~23.5s 3-kall turn: ~23.5s
5-kall turn: ~42.5s 5-kall turn: ~42.5s
Boot-penalty: ~56s engangs (første turn etter systemd-restart) Boot-penalty: ~0s etter restart (warmup-skript laster begge modeller automatisk)
Tok/s: 4.9–5.0 (gemma3:4b) Tok/s: 4.9–5.0 (gemma3:4b)
``` ```
--- ---
## FASE 6 – KOMPLETT RESULTATOVERSIKT
### 6.1 Kaldstart / keep_alive baseline
| Modell | Kaldstart | Varm | Tok/s |
|---|---|---|---|
| gemma3:4b | 117.69s | ~1.0s | 4.9–5.0 |
| qwen2.5:3b | 71.13s | ~1.0s | 6.4 |
### 6.2 Resident modell-strategi
Låst: MAX=2 + KEEP_ALIVE=-1 systemd. MAX=1 gir 20–54s ekstra per Emma-turn.
### 6.3 Parameter-matrise
| num_ctx | num_batch | tok/s | Delta |
|---|---|---|---|
| 1024 | 256 | 4.9 | baseline |
| **2048** | **256** | **5.0** | **+0.1 ✅** |
| 4096 | 256 | 4.3 | -14% ⚠️ |
Threads: ingen målbar forskjell på 4 vCPU — ikke satt.
### 6.4 Emma MCoT end-to-end
| Scenario | Tid |
|---|---|
| Første turn etter boot (uten warmup) | 102.34s |
| **Varm turn (5 kall)** | **42.51s ✅** |
### 6.5 Belastningstest (20 turns × 3 kall)
| Måling | Verdi |
|---|---|
| Snitt per turn | 23.5s |
| Min/max | 23.2s / 25.2s |
| Swap | 0 MB hele testen |
| OOM | Ingen |
| RAM-vekst | +293 MB (OS page cache) |
### 6-tillegg Boot-warming
- Rotproblem: `ExecStartPost` med inline JSON → systemd-escaping → 400-feil
- Løsning: dedikert skript `/usr/local/bin/ollama-warmup.sh`
- Resultat: begge modeller Forever innen ~3 min etter `systemctl restart ollama`
---
## ÅPNE PUNKTER SOM MÅ LØSES FØR ENDELIG BLUEPRINT ## ÅPNE PUNKTER SOM MÅ LØSES FØR ENDELIG BLUEPRINT
1. `GITEA_URL` satt runtime — **må legges permanent inn i `opax-mcp.yaml` og rebuildes** 1. `GITEA_URL` satt runtime — **må legges permanent inn i `opax-mcp.yaml` og rebuildes**
2. `git.vauco.no` erstatter IP når DNS er oppe 2. `git.vauco.no` erstatter IP når DNS er oppe
3. **Boot-warming:** legg til oppvarmingskall i Ollama systemd `ExecStartPost` for å eliminere 56s boot-penalty 3. Gitea-commits ikke GPG-signert — vurder
4. Gitea-commits ikke GPG-signert — vurder om dette skal fikses
## FASTE SANNHETER (uendret) ## FASTE SANNHETER (uendret)
- Gitea er source of truth - Gitea er source of truth
@ -131,17 +144,18 @@ Tok/s: 4.9–5.0 (gemma3:4b)
- ⚠️ Konfigurasjon konsolidert — delvis (GITEA_URL må inn i repo) - ⚠️ Konfigurasjon konsolidert — delvis (GITEA_URL må inn i repo)
- ⏳ Ingen skjult API-/agentavhengighet som hovedbane — ikke verifisert - ⏳ Ingen skjult API-/agentavhengighet som hovedbane — ikke verifisert
- ✅ dev-snap-oppsettet dokumentert godt nok til blueprinting - ✅ dev-snap-oppsettet dokumentert godt nok til blueprinting
- ✅ CPU-optimalisering verifisert på Gitea-VM — FASE 6 FERDIG - ✅ CPU-optimalisering verifisert på Gitea-VM — FERDIG
- ✅ Boot-warming verifisert — begge modeller Forever etter restart
## OPPDATERINGSLOGG ## OPPDATERINGSLOGG
| Dato | Fase | Handling | | Dato | Fase | Handling |
|---|---|---| |---|---|---|
| 2026-07-21 | FASE 4 | Full smoke test grønn, alle 8 tools OK | | 2026-07-21 | FASE 4 | Full smoke test grønn, alle 8 tools OK |
| 2026-07-21 | FASE 5 | Blueprint frosset, FASE 5 lukket | | 2026-07-21 | FASE 5 | Blueprint frosset |
| 2026-07-21 | FASE 6 | FASE 6 åpnet — CPU-optimalisering |
| 2026-07-21 | FASE 6.1 | Kaldstart/keep_alive: gemma3=117s, qwen=71s, keep_alive=-1 bevist | | 2026-07-21 | FASE 6.1 | Kaldstart/keep_alive: gemma3=117s, qwen=71s, keep_alive=-1 bevist |
| 2026-07-21 | FASE 6.2 | Resident strategi: MAX=2 + KEEP_ALIVE=-1 systemd, begge Forever | | 2026-07-21 | FASE 6.2 | Resident strategi: MAX=2 + KEEP_ALIVE=-1 systemd |
| 2026-07-21 | FASE 6.3 | Parameter-matrise: num_ctx=2048, batch=256, NUM_THREADS ikke satt | | 2026-07-21 | FASE 6.3 | Parameter-matrise: num_ctx=2048, batch=256, NUM_THREADS ikke satt |
| 2026-07-21 | FASE 6.4 | Emma MCoT: varm turn=42.51s (5 kall), boot-warning nødvendig | | 2026-07-21 | FASE 6.4 | Emma MCoT: varm turn=42.51s (5 kall) |
| 2026-07-21 | FASE 6.5 | Belastningstest: 20 turns × 3 kall, snitt 23.5s/turn, Swap=0, ingen OOM, RAM +293MB stabilt | | 2026-07-21 | FASE 6.5 | Belastningstest: 20 turns, 23.5s/turn, Swap=0, ingen OOM |
| 2026-07-21 | FASE 6 | **FASE 6 LUKKET — alle 5 exit-kriterier bestått** | | 2026-07-21 | FASE 6 | FASE 6 LUKKET — alle 5 exit-kriterier bestått |
| 2026-07-21 | Boot-warming | ollama-warmup.sh verifisert: begge modeller Forever etter restart, Swap=0 |