chore: update docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md via opax-mcp

2026-07-21 20:43:04 +00:00 · 2026-07-21 20:43:04 +00:00 · 64333bf620
commit 64333bf620
parent e354051034
1 changed files with 72 additions and 92 deletions
--- a/docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md
+++ b/docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md
@ -7,7 +7,7 @@ Denne handoffen er det eneste autoritative arbeidsdokumentet for sporet "lokal L

 ---

-## FREMDRIFT – OPPDATERT 2026-07-21 22:30 CEST
+## FREMDRIFT – OPPDATERT 2026-07-21 22:41 CEST

 ### ✅ FASE 0 – Lås situasjonen — FERDIG
 - Handoff opprettet som eget dokument
@ -24,66 +24,39 @@ Denne handoffen er det eneste autoritative arbeidsdokumentet for sporet "lokal L
 ### ✅ FASE 2 – MCP peker korrekt til lokal modellsti — FERDIG
 - `OLLAMA_BASE_URL` peker til Gitea-CPU-VM Ollama
 - `OSVAUCO_AGENT_URL` fikset til kanonisk URL (commit a171a58)
-  - Rotårsak: Cloud Run krever regional URL som audience for identity tokens
-  - Feil: `zjbqp3prqq-uc.a.run.app` → Riktig: `osvauco-agent-357036551735.us-central1.run.app`
- 5 filer oppdatert av Gemini-agent, build SUCCESS 55182237 (21. juli 18:38)
 - opax-mcp revisjon: opax-mcp-00122-m4n

 ### ✅ FASE 3 – Gitea read-only grønn — FERDIG
- Rotårsak: `GITEA_URL` var ikke satt i opax-mcp Cloud Run service
- Gitea kjører på: `http://34.67.252.59:3000` (Gitea-CPU-VM)
- Fix: `gcloud run services update opax-mcp --update-env-vars GITEA_URL=http://34.67.252.59:3000`
- opax-mcp revisjon etter fix: opax-mcp-00123-g7d
- Alle 4 read-only tools GRØNNE:
-  - ✅ `list_commits`
-  - ✅ `get_file`
-  - ✅ `get_file_content`
-  - ✅ `list_repo_files`
+- Alle 4 read-only tools GRØNNE
 - `get_connector_status`: `gitea_status: online` ✅

 ### ✅ FASE 4 – Hel kjede samtidig grønn — FERDIG 2026-07-21 20:57 CEST
-Full smoke test kjørt og alle tools grønne samtidig:
-
-| Tool | Status | Resultat |
-|---|---|---|
-| `get_connector_status` | ✅ | live, gitea online, 37 tools |
-| `get_health` | ✅ | OK |
-| `get_build_status` | ✅ | Siste build SUCCESS 55182237 |
-| `describe_service` | ✅ | osvauco-agent-00695-8lk Ready |
-| `list_workspace_users` | ✅ | 3 brukere returnert |
-| `list_emma_models` | ✅ | gemma3:4b, qwen2.5:3b |
-| `list_commits` | ✅ | Siste commits returnert |
-| `list_repo_files` | ✅ | Rotmappe listert |
-
-Ingen regresjon på tidligere grønne tools. Hele kjeden er verifisert i samme runde.
+- Full smoke test: alle 8 tools grønne samtidig

 ### ✅ FASE 5 – Frys blueprint på dev-snap — FERDIG
 - Blueprint dokumentert i `docs/BLUEPRINT-DEV-SNAP.md`
- Full env-var, modell- og serviceoversikt frosset
- Avklart at nåværende `OLLAMA_BASE_URL` og `GITEA_URL` i praksis har pekt mot dev-snap i aktiv verifikasjonsperiode
- Gitea-CPU-VM står fast som permanent målmaskin

 ### ⏳ FASE 6 – CPU-optimalisering før permanent migrering — PÅGÅR
-Formål: Verifisere at Emma-arkitekturen fungerer akseptabelt på Gitea-CPU-VM før permanent cutover fra dev-snap.

-Bekreftede regler (oppdatert etter testing):
- `OLLAMA_KEEP_ALIVE=-1` er obligatorisk baseline ✅ BEVIST
- `OLLAMA_MAX_LOADED_MODELS=2` er valgt strategi ✅ LÅST
+Bekreftede regler (låst etter testing):
+- `OLLAMA_KEEP_ALIVE=-1` ✅ BEVIST og satt på systemd-nivå
+- `OLLAMA_MAX_LOADED_MODELS=2` ✅ LÅST
+- `num_ctx=2048`, `num_batch=256` ✅ LÅST
+- `OLLAMA_NUM_THREADS` skal IKKE settes — Ollama autodetect er optimal
 - `qwen2.5:7b` er ikke baseline-kandidat på gitea-cpu-vm
- CPU-optimalisering utføres direkte på gitea-cpu-vm (ikke dev-snap)
- alle resultater føres tilbake i OPPDATERINGSLOGG samme dag
+- CPU-optimalisering utføres direkte på gitea-cpu-vm

 Testrekkefølge:
 1. ✅ Kaldstart / keep_alive baseline — FERDIG 2026-07-21
 2. ✅ Resident modell-strategi (1 vs 2 modeller) — FERDIG 2026-07-21
-3. ⏳ Parameter-matrise (`num_ctx`, `num_batch`, `OLLAMA_NUM_THREADS`)
+3. ✅ Parameter-matrise (num_ctx, num_batch, OLLAMA_NUM_THREADS) — FERDIG 2026-07-21
 4. ⏳ Full Emma MCoT end-to-end
 5. ⏳ Belastningstest med samtidig Gitea + agent-last

 Exit-kriterium:
 - ✅ keep_alive-strategi bevist effektiv
- ✅ resident modellvalg låst: **MAX_LOADED_MODELS=2, begge Forever**
- ⏳ optimal parameterkombinasjon dokumentert
+- ✅ resident modellvalg låst: MAX_LOADED_MODELS=2, begge Forever
+- ✅ optimal parameterkombinasjon dokumentert
 - ⏳ full Emma-loop latency akseptert
 - ⏳ 2-timers belastningstest bestått uten OOM og uten swap

@ -92,78 +65,84 @@ Exit-kriterium:
 ## FASE 6.1 – KALDSTART / KEEP_ALIVE BASELINE — RESULTATER 2026-07-21

 Kjørt på: **gitea-cpu-vm** (34.67.252.59) — ekte CPU, ingen GPU
-Merk: dev-snap ignorerer `num_gpu 0` i options-feltet — GPU brukes uansett der. Alle tester kjørt direkte på gitea-cpu-vm.

-### Kaldstart-målinger
+| Test | Modell | load_s | tok/s | Status |
+|---|---|---|---|---|
+| 1.1 Ekte kaldstart | gemma3:4b | **117.69s** | 4.9 | ✅ |
+| 1.2 Ekte kaldstart | qwen2.5:3b | **71.13s** | 6.4 | ✅ |
+| 1.3 keep_alive=-1 load | gemma3:4b | 76.93s | 5.9 | ✅ |
+| 1.4 UNTIL=Forever | gemma3:4b | Forever ✅ | — | ✅ |
+| 1.5 Varme kall ×5 | gemma3:4b | ~1.0s load | ~5 | ✅ |

-| Test | Modell | load_s | eval_s | tok/s | Processor | Status |
-|---|---|---|---|---|---|---|
-| 1.1 Ekte kaldstart | gemma3:4b | **117.69s** | 1.02s | 4.9 | 100% CPU | ✅ PASS |
-| 1.2 Ekte kaldstart | qwen2.5:3b | **71.13s** | 1.73s | 6.4 | 100% CPU | ✅ PASS |
-| 1.3 keep_alive=-1 load | gemma3:4b | 76.93s (kald→varm) | — | 5.9 | 100% CPU | ✅ PASS |
-
-### keep_alive=-1 verifikasjon
-
-| Test | Resultat | Status |
-|---|---|---|
-| 1.4 UNTIL=Forever | gemma3:4b: **Forever** ✅ / qwen2.5:3b: ~2 min ⚠️ (ikke satt keep_alive=-1) | ✅ PASS |
-| 1.5 Varme kall ×5 | load_s: 0.984–1.048s (ikke 0, men ikke 117s) | ✅ PASS |
-
-### Konklusjoner Fase 6.1
-
-1. **Kaldstart-range bekreftet:** gemma3:4b = 117s, qwen2.5:3b = 71s
-2. **`OLLAMA_KEEP_ALIVE=-1` er bevist nødvendig og effektiv** — eliminerer 117s kaldstart fra kall 2+
-3. **Varme kall koster ~1s load + ~0.9s eval = ~2s per kall** — 4–6 kall per Emma-turn = 8–12s ren LLM-tid
-4. **keep_alive=-1 må settes eksplisitt per kall per modell** — arves ikke automatisk
-5. **`num_gpu 0` i options ignoreres på dev-snap** — fremtidige CPU-tester kjøres direkte på gitea-cpu-vm
+**Konklusjoner:** keep_alive=-1 eliminerer 117s kaldstart fra kall 2+. Varme kall ~2s/kall = 8–12s per Emma-turn.

 ---

 ## FASE 6.2 – RESIDENT MODELL-STRATEGI — RESULTATER 2026-07-21

-Kjørt på: **gitea-cpu-vm** (34.67.252.59)
-
-### Målinger
-
 | Test | Konfigurasjon | Resultat | Status |
 |---|---|---|---|
-| 2.1 Begge modeller uten MAX-begrensning | Default (MAX=ubegrenset) | Begge lastet: gemma3:4b + qwen2.5:3b i RAM, Swap=0 | ✅ PASS |
-| 2.3 Modellbytte med MAX=1 | OLLAMA_MAX_LOADED_MODELS=1 | gemma3:4b reload: 9.31s / qwen2.5:3b reload: 5.6s — kun én modell i `ollama ps` | ✅ PASS |
-| 2.4 Begge modeller med MAX=2 + KEEP_ALIVE=-1 | OLLAMA_MAX_LOADED_MODELS=2 + OLLAMA_KEEP_ALIVE=-1 | Begge Forever, 6.8 GB used, 8.9 GB available, Swap=0 | ✅ PASS |
+| 2.1 Begge uten MAX-begrensning | Default | Begge i RAM, Swap=0 | ✅ |
+| 2.3 Bytte med MAX=1 | MAX_LOADED_MODELS=1 | gemma3 reload 9.31s / qwen 5.6s | ✅ |
+| 2.4 Begge med MAX=2 | MAX=2 + KEEP_ALIVE=-1 | Begge Forever, 6.8 GB, Swap=0 | ✅ |

-### RAM-tilstand etter Fase 6.2 (final konfigurasjon)
+**✅ LÅST:** `OLLAMA_MAX_LOADED_MODELS=2` + `OLLAMA_KEEP_ALIVE=-1` i systemd.
+Begrunnelse: MAX=1 gir 20–54s ekstra latency per Emma-turn. MAX=2 gir 0s bytte-overhead, trygg RAM-margin.
+
+---
+
+## FASE 6.3 – PARAMETER-MATRISE — RESULTATER 2026-07-21
+
+Kjørt på: **gitea-cpu-vm** (34.67.252.59) — gemma3:4b, 3 kjøringer per rad, snitt tok/s
+VCPU: 4
+
+### num_ctx / num_batch
+
+| Rad | num_ctx | num_batch | avg tok/s | Delta |
+|---|---|---|---|---|
+| 3.1 | 1024 | 256 | 4.9 | baseline |
+| 3.2 | **2048** | **256** | **5.0** | +0.1 ✅ VINNER |
+| 3.3 | 4096 | 256 | 4.3 | -0.7 ⚠️ |
+| 3.4 | 2048 | 128 | 4.9 | -0.1 |
+| 3.5 | 2048 | 512 | 4.8 | -0.2 |
+
+### num_threads
+
+| threads | tok/s | Delta |
+|---|---|---|
+| 2 | 4.9 | — |
+| 3 | 4.9 | 0 |
+| 4 | 4.8 | -0.1 |
+
+### ✅ PARAMETERKONFIGURASJON LÅST

 ```
-               total        used        free      shared  buff/cache   available
-Mem:            15Gi       6.8Gi       3.7Gi       492Ki       5.4Gi       8.9Gi
-Swap:             0B          0B          0B
-
-NAME          SIZE      PROCESSOR    UNTIL
-qwen2.5:3b    2.2 GB    100% CPU     Forever
-gemma3:4b     2.9 GB    100% CPU     Forever
+num_ctx            = 2048   (default for Emma-turns)
+num_batch          = 256    (Ollama default, ikke nødvendig å sette eksplisitt)
+OLLAMA_NUM_THREADS = ikke satt (Ollama autodetect er optimal på 4 vCPU)
 ```

-### ✅ RESIDENT MODELL-STRATEGI LÅST
+**Konklusjoner:**
+1. `num_ctx=2048` er beste balanse mellom kontekstlengde og ytelse
+2. `num_ctx=4096` er -14% tregere — bruk kun eksplisitt ved lange samtaler
+3. `num_batch` gjør ingen målbar forskjell på CPU — 256 er fin default
+4. `OLLAMA_NUM_THREADS` gjør ingen målbar forskjell — skal ikke settes
+5. Maskinens tak for gemma3:4b er stabilt **4.9–5.0 tok/s**

-**Valgt konfigurasjon i `/etc/systemd/system/ollama.service.d/max-models.conf`:**
-```
-[Service]
-Environment="OLLAMA_MAX_LOADED_MODELS=2"
-Environment="OLLAMA_KEEP_ALIVE=-1"
-```
+### Tilstand før Fase 6.4

-**Begrunnelse:**
- 2 modeller i RAM bruker 5.1 GB (2.9+2.2) — 8.9 GB gjenværende available er trygg margin
- Bytte-kostnad med MAX=1: 5–9s per bytte × 4–6 kall per Emma-turn = 20–54s ekstra latency per turn
- Med MAX=2 og begge Forever: 0s bytte-overhead — 8–12s raskere per Emma-turn
- Swap=0 bekreftet under alle testscenarier
- `OLLAMA_KEEP_ALIVE=-1` satt på systemd-nivå eliminerer behov for per-kall keep_alive-parameter
+```
+NAME          SIZE      PROCESSOR    CONTEXT    UNTIL
+gemma3:4b     2.8 GB    100% CPU     2048       Forever
+qwen2.5:3b    2.2 GB    100% CPU     4096       Forever
+Mem: 15Gi total | 6.7Gi used | 8.9Gi available | Swap: 0B
+```

 ---

 ## ÅPNE PUNKTER SOM MÅ LØSES FØR BLUEPRINT
 - `GITEA_URL` satt runtime via `gcloud run services update` — **må også legges permanent inn i `opax-mcp.yaml` i repo og rebuildes**
- `git.vauco.no` er planlagt som permanent domene for Gitea (ref: docs/DNS-OG-INFRASTRUKTUR.md) — erstatter IP når DNS er oppe
+- `git.vauco.no` er planlagt som permanent domene for Gitea — erstatter IP når DNS er oppe
 - Gitea-commits er ikke GPG-signert — vurder om dette skal fikses

 ## FASTE SANNHETER (uendret)
@ -190,5 +169,6 @@ Environment="OLLAMA_KEEP_ALIVE=-1"
 | 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 6 | FASE 6 åpnet — CPU-optimalisering neste |
-| 2026-07-21 | FASE 6.1 | Kaldstart/keep_alive baseline fullført: gemma3:4b=117s, qwen2.5:3b=71s, varme kall ~1s, keep_alive=-1 bevist effektiv |
-| 2026-07-21 | FASE 6.2 | Resident modell-strategi låst: MAX_LOADED_MODELS=2 + KEEP_ALIVE=-1 på systemd-nivå, begge modeller Forever, RAM 6.8/15 GB, Swap=0 |
+| 2026-07-21 | FASE 6.1 | Kaldstart/keep_alive: gemma3=117s, qwen=71s, varme kall ~2s, keep_alive=-1 bevist effektiv |
+| 2026-07-21 | FASE 6.2 | Resident strategi låst: MAX=2 + KEEP_ALIVE=-1 systemd, begge Forever, RAM OK |
+| 2026-07-21 | FASE 6.3 | Parameter-matrise låst: num_ctx=2048, num_batch=256 (default), OLLAMA_NUM_THREADS ikke satt. Maskintak: 5.0 tok/s |