mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-13 09:34:41 +02:00
4da1589a6f
Remplace Qwen3 (chat réutilisé, dim 4096, peu discriminant) par un modèle d'embedding spécialisé nomic-embed-text (dim 768) pour la mémoire long-terme. Ansible (rôle llama_server) : - nouvelle instance optionnelle `llama-embed` (llama_embed_enabled) servant un modèle d'embedding dédié sur :1238, GPU ; télécharge le GGUF si absent. - activée sur gpu-01 (host_vars) : nomic-embed-text-v1.5 f16. STT-server : - STT_EMBED_URL → :1238, STT_EMBED_MODEL → nomic-embed-text (deployment + config). - _ensure_collection détecte le changement de dimension (4096→768) et recrée automatiquement la collection stt-memory (anciens vecteurs incomparables) — pas de drop manuel. Docs : llama_server README, rag.md, stt.md (5d ✅), CLAUDE.md. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT
26 lines
752 B
Django/Jinja
26 lines
752 B
Django/Jinja
[Unit]
|
|
Description=llama-server embeddings ({{ llama_embed_model_alias }})
|
|
After=network-online.target
|
|
Wants=network-online.target
|
|
|
|
[Service]
|
|
Type=simple
|
|
User=root
|
|
Environment=HSA_OVERRIDE_GFX_VERSION={{ hsa_override_gfx_version }}
|
|
Environment=LD_LIBRARY_PATH={{ rocm_path }}/lib
|
|
ExecStart=/opt/llama.cpp/build/bin/llama-server \
|
|
--model {{ llama_embed_model_path }} \
|
|
--host {{ llama_server_host }} \
|
|
--port {{ llama_embed_port }} \
|
|
--ctx-size {{ llama_embed_ctx_size }} \
|
|
--n-gpu-layers {{ llama_embed_n_gpu_layers }} \
|
|
--alias {{ llama_embed_model_alias }} \
|
|
--embeddings \
|
|
--pooling {{ llama_embed_pooling }} \
|
|
--metrics \
|
|
--log-disable
|
|
Restart=on-failure
|
|
RestartSec=10
|
|
|
|
[Install]
|
|
WantedBy=multi-user.target
|