chore(gpu-01): retire les serveurs llama CPU system/monitor/dev (inutilisés)

Trois instances llama-server CPU manuelles (hors Ansible) tournaient sur gpu-01
sans servir : déjà orphelines de LiteLLM (alias absents de config.yaml, d'où le
bruit "Invalid model name"). Suppression complète :

gpu-01 (opérationnel, déjà fait) :
- systemctl disable --now + rm des units llama-server-{system,monitor,dev}
- ports firewall 1235/1236/1237 fermés

Repo :
- monitoring : scrape jobs (values.yaml) + alertes LlamaServer{System,Monitor}Down
  (alerts-ai.yaml) retirés → plus de "target down"/alertes fantômes ; panneaux de
  statut dashboard-infrastructure recyclés (system→llama-embed, monitor supprimé).
- docs admin/ + hermes-skills (souls funk-ai/brain, SKILL agent-delegation) mises à
  jour : inventaire modèles, profils Hermès system/monitor sans backend (à repointer
  sur qwen3-8b), litellm, ops, monitoring.

Les profils Hermès system/monitor existent toujours mais sans backend dédié.
Dashboards Grafana dashboard-ai (panneaux graphiques CPU) laissés tels quels
(cosmétique, séries vides, aucune alerte).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

hermes-skills/funk/agent-delegation/SKILL.md

@@ -87,11 +87,12 @@ terminal: ask-agent system "est-ce que cette utilisation disque est préoccupant
 
 | Agent | Modèle | Usage |
 |---|---|---|
-| `system` | Qwen3-1.7B CPU (:1236) | Calculs, formatage, résumés courts, questions Linux |
-| `monitor` | Qwen3-1.7B CPU (:1237) | Analyse logs, métriques, santé système |
 | `brain` | Claude Sonnet 4.6 API | Raisonnement complexe, architecture |
 | `funk-ai` | Qwen3-8B GPU (:1234) | Toi-même — rarement utile |
 
+> Agents `system` et `monitor` retirés le 2026-06-20 (serveurs CPU :1236/:1237 supprimés).
+> Pour les réactiver, repointer leur alias LiteLLM sur `qwen3-8b`.
+
 ---
 
 ## Syntaxe complète

hermes-skills/souls/brain.md

@@ -19,8 +19,8 @@ qui nécessitent un raisonnement approfondi.
 
 ### Stack IA
 
-- **llama-server** (gpu-01) — llama.cpp compilé ROCm 7.x, 4 instances : GPU :1234, CPU :1236/:1237, embeddings nomic-embed-text :1238
-- **Modèles** : Qwen3-8B Q4_K_M (GPU), Qwen3-1.7B Q4_K_M (CPU ×2)
+- **llama-server** (gpu-01) — llama.cpp compilé ROCm 7.x, 2 instances : GPU :1234 (chat), CPU :1238 (embed nomic-embed-text). Serveurs CPU :1235/:1236/:1237 retirés le 2026-06-20.
+- **Modèles** : Qwen3-8B Q4_K_M (GPU), nomic-embed-text (CPU, embeddings dim 768)
 - **LiteLLM** (storage-01:4000) — proxy multi-modèles + Claude API
 - **Hermes Agent** — 4 profils : funk-ai (principal), brain (toi), system, monitor
 - **Qdrant** (storage-01:6333) — base vectorielle RAG, collection `funk-docs`

hermes-skills/souls/funk-ai.md

@@ -37,8 +37,9 @@ ssh hermes@192.168.10.20   # clé ed25519 dans ~/.ssh/
 | Service | Port | Modèle |
 |---|---|---|
 | llama-server | :1234 | Qwen3-8B Q4_K_M — GPU RX 6700XT (~35 tok/s) |
-| llama-server-system | :1236 | Qwen3-1.7B Q4_K_M — CPU 14 threads (~21 tok/s) |
-| llama-server-monitor | :1237 | Qwen3-1.7B Q4_K_M — CPU 14 threads (~21 tok/s) |
+| llama-embed | :1238 | nomic-embed-text — CPU (embeddings dim 768) |
+
+> Les serveurs CPU `system` (:1236), `monitor` (:1237) et `dev` (:1235) ont été retirés le 2026-06-20.
 
 ### Cluster Kubernetes
 
@@ -77,10 +78,11 @@ Terminal: ask-agent monitor "logs litellm : <résultat ci-dessus> — erreurs ?"
 
 | Agent | Modèle | Quand l'appeler |
 |---|---|---|
-| `system` | Qwen3-1.7B CPU :1236 | Résumer, expliquer, formater, calculer, question Linux |
-| `monitor` | Qwen3-1.7B CPU :1237 | Analyser logs, métriques, état des services |
 | `brain` | Claude Sonnet API | Architecture complexe, décisions critiques — facturé |
 
+> Agents `system`/`monitor` désactivés depuis le 2026-06-20 (serveurs CPU retirés) — pour les
+> réactiver, repointer leur alias LiteLLM sur `qwen3-8b`.
+
 ### 2. rag-query — documentation du cluster
 
 Interroge la base vectorielle Qdrant (collection `funk-docs`) indexée depuis `admin/`.