alkatrazz 0cb886acf7 feat(llama_server): watchdog auto-réparation du wedge ROCm ... Service systemd local sur gpu-01 qui sonde une vraie génération sur :1234 (pas juste /health, qui ment quand le slot d'inférence est figé). Sur N échecs consécutifs → systemctl restart llama-server en local (root, sans SSH/sudo distant). Gère le 503 "Loading model" post-restart sans le compter comme échec. Complète le llm-heartbeat (rôle litellm) : le heartbeat empêche la péremption par inactivité de la connexion ; le watchdog répare le figeage du serveur lui-même. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>		2026-06-19 20:44:25 +02:00
..
llama-embed.service.j2	feat(stt): embeddings dédiés nomic-embed-text sur gpu-01 (:1238) + migration auto (#12)	2026-06-17 21:54:41 +02:00
llama-server.service.j2	fix: monitoring — collecte métriques externes (nftables, llama --metrics, ROCm via 9100)	2026-05-13 22:41:19 +02:00
llama-watchdog.service.j2	feat(llama_server): watchdog auto-réparation du wedge ROCm	2026-06-19 20:44:25 +02:00
llama-watchdog.sh.j2	feat(llama_server): watchdog auto-réparation du wedge ROCm	2026-06-19 20:44:25 +02:00