# HANDOFF-LOKAL-LLM-GITEA-MCP.md
# EGEN HANDOFF – UFRAVIKELIG STYRINGSDOKUMENT
# GJELDER FRA NÅ OG FREM TIL 100 % FERDIGSTILLELSE

## 0. STATUS OG KOMMANDO
Denne handoffen er det eneste autoritative arbeidsdokumentet for sporet "lokal LLM-fabrikk + OPAX-MCP + Gitea stabilisering + blueprinting til Gitea-VM".

---

## FREMDRIFT – OPPDATERT 2026-07-21 22:47 CEST

### ✅ FASE 0–5 — FERDIG (se tidligere logg)

### ⏳ FASE 6 – CPU-optimalisering — PÅGÅR

Låste parametere:
- `OLLAMA_KEEP_ALIVE=-1` ✅
- `OLLAMA_MAX_LOADED_MODELS=2` ✅
- `num_ctx=2048`, `num_batch=256` ✅
- `OLLAMA_NUM_THREADS` = ikke satt ✅

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

Exit-kriterium:
- ✅ keep_alive-strategi bevist effektiv
- ✅ resident modellvalg låst
- ✅ optimal parameterkombinasjon dokumentert
- ✅ full Emma-loop latency akseptert: **42.51s per varm turn (5 kall)**
- ⏳ 2-timers belastningstest bestått uten OOM og uten swap

---

## FASE 6.1 – KALDSTART / KEEP_ALIVE BASELINE — FERDIG

| Test | Modell | load_s | tok/s | Status |
|---|---|---|---|---|
| 1.1 Kaldstart | gemma3:4b | 117.69s | 4.9 | ✅ |
| 1.2 Kaldstart | qwen2.5:3b | 71.13s | 6.4 | ✅ |
| 1.5 Varme kall ×5 | gemma3:4b | ~1.0s | ~5 | ✅ |

Konklusjon: keep_alive=-1 eliminerer 117s kaldstart fra kall 2+.

---

## FASE 6.2 – RESIDENT MODELL-STRATEGI — FERDIG

| Konfigurasjon | Resultat |
|---|---|
| MAX=1 | Bytte 5–9s × 4–6 kall = 20–54s ekstra per turn |
| **MAX=2 + KEEP_ALIVE=-1** | **0s bytte, begge Forever, 6.8 GB, Swap=0** |

Låst: `OLLAMA_MAX_LOADED_MODELS=2` + `OLLAMA_KEEP_ALIVE=-1` i systemd.

---

## FASE 6.3 – PARAMETER-MATRISE — FERDIG

| num_ctx | num_batch | avg tok/s | Delta |
|---|---|---|---|
| 1024 | 256 | 4.9 | baseline |
| **2048** | **256** | **5.0** | **+0.1 ✅ VINNER** |
| 4096 | 256 | 4.3 | -14% ⚠️ |
| 2048 | 128 | 4.9 | -0.1 |
| 2048 | 512 | 4.8 | -0.2 |

Threads (2/3/4 vCPU): alle 4.8–4.9 tok/s — ingen forskjell, ikke sett.

Låst: `num_ctx=2048`, `num_batch=256` (default), `OLLAMA_NUM_THREADS` ikke satt.

---

## FASE 6.4 – FULL EMMA MCOT END-TO-END — FERDIG 2026-07-21

Kjørt på: **gitea-cpu-vm** (34.67.252.59) — gemma3:4b, 5 sekvensielle kall (simulert Emma MCoT)

### Test 4a — første turn etter systemd-restart (kaldstart kall 1)

| Kall | load_s | eval_s | Type |
|---|---|---|---|
| 1 | **55.6s** | 1.95s | embed (boot-kaldstart) |
| 2 | 1.06s | 6.5s | think |
| 3 | 1.0s | 6.3s | choose_action |
| 4 | 1.01s | 7.23s | choose_action |
| 5 | 1.06s | 13.0s | execute_action |
| **Total** | | | **102.34s** |

Rotårsak kall 1: modellen ikke i RAM etter systemd-restart — engangs boot-kostnad.

### Test 4b — varm turn (modell allerede i RAM, UNTIL=Forever)

| Kall | load_s | eval_s | Type |
|---|---|---|---|
| 1 | 1.03s | 1.96s | embed |
| 2 | 1.06s | 6.18s | think |
| 3 | 1.01s | 6.15s | choose_action |
| 4 | 1.01s | 6.5s | choose_action |
| 5 | 1.07s | 13.08s | execute_action |
| **Total** | | | **42.51s ✅** |

### ✅ EMMA MCOT LATENCY LÅST

```
Varm Emma-turn (5 kall):  42.51s
Load-overhead per kall:   ~1.0s  (uunngåelig på CPU)
Eval-tid per kall:        2–13s  (avh. av num_predict)
Boot-kaldstart (1 gang):  ~56s ekstra første turn
```

**Konklusjoner:**
1. **42.51s per varm turn er akseptabelt** for asynkron/agent-bruk — ikke interaktiv chat
2. **Boot-warming er nødvendig** — legg inn oppvarmingskall i Ollama-oppstartskript etter systemd start
3. **load_s ~1.0s per kall er fast overhead** på CPU — ikke reduserbar med parameterjustering
4. **Ingen RAM-degradering** — 6.8 GB used, Swap=0 etter full sekvens
5. **qwen2.5:3b ble ikke testet i MCoT** — Emma bruker primært gemma3:4b; qwen2.5:3b er reserve

### RAM etter Fase 6.4

```
NAME          SIZE      PROCESSOR    UNTIL
gemma3:4b     2.9 GB    100% CPU     Forever
qwen2.5:3b    2.2 GB    100% CPU     Forever
Mem: 15Gi | 6.8Gi used | 8.8Gi available | Swap: 0B
```

---

## ÅPNE PUNKTER SOM MÅ LØSES FØR BLUEPRINT
- `GITEA_URL` satt runtime — **må legges permanent inn i `opax-mcp.yaml` og rebuildes**
- `git.vauco.no` er planlagt permanent domene for Gitea — erstatter IP når DNS er oppe
- Gitea-commits er ikke GPG-signert — vurder om dette skal fikses
- **Boot-warming:** legg til oppvarmingskall i Ollama systemd ExecStartPost eller egen service

## FASTE SANNHETER (uendret)
- Gitea er source of truth
- Lokale modeller er hovedretning
- Gitea-VM (34.67.252.59) er planlagt permanent målmaskin
- Denne handoffen overstyrer alt annet

## DEFINITION OF DONE
- ✅ Lokale modeller lever og kan brukes lokalt
- ✅ OPAX-MCP bruker lokal modellbackend korrekt
- ✅ `list_emma_models` er grønn
- ✅ Gitea read-only tools er grønne
- ✅ GCP/Workspace-kjernen er fortsatt grønn
- ⚠️ Konfigurasjon konsolidert — delvis (GITEA_URL må inn i repo)
- ⏳ Ingen skjult API-/agentavhengighet som hovedbane — ikke verifisert
- ✅ dev-snap-oppsettet dokumentert godt nok til blueprinting
- ⏳ CPU-optimalisering verifisert på Gitea-VM — Fase 6.5 gjenstår

## OPPDATERINGSLOGG
| Dato | Fase | Handling |
|---|---|---|
| 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 |
| 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 6.3 | Parameter-matrise: num_ctx=2048, num_batch=256, NUM_THREADS ikke satt |
| 2026-07-21 | FASE 6.4 | Emma MCoT end-to-end: varm turn=42.51s (5 kall), boot-warming nødvendig, RAM OK |