mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-08 23:24:43 +02:00
529bb66ebd
- CLAUDE.md : /srv/data NVMe (plus RAID5), structure k8s/ expliquée, namespace ai ajouté, Hermes data code/données séparés - README.md : roadmap complète (n8n/Open WebUI/monitoring opérationnels), Talos v1.13, vault vars complètes, rôles Ansible manquants, RAID5→NVMe - admin/ia/rag.md : 284→339 chunks, RAID5→NVMe - admin/ia/hermes.md : RAID5→NVMe (incidents 2026-05-13 et 2026-05-29) - admin/ia/litellm.md : qwen2.5→qwen3-8b, gap IaC CPU models documenté - admin/ia/llama_server.md : gap IaC instances CPU documenté - admin/index_knowledge.py : 5 chunks RAG mis à jour (Qwen2.5→Qwen3, RAID5→NVMe, vault vars + rôles complets) Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
151 lines
5.1 KiB
Markdown
151 lines
5.1 KiB
Markdown
# LiteLLM — Proxy LLM unifié (storage-01)
|
|
|
|
LiteLLM tourne en service systemd sur **storage-01** (`127.0.0.1:4000`).
|
|
Il route les requêtes OpenAI-compatibles vers le bon backend selon le modèle demandé.
|
|
|
|
---
|
|
|
|
## Flux
|
|
|
|
```
|
|
Hermes / ask-agent / Open WebUI / n8n
|
|
│
|
|
▼ http://127.0.0.1:4000/v1 (Authorization: Bearer lm-studio)
|
|
LiteLLM Proxy
|
|
├── hermes-default → qwen3-8b → llama-server gpu-01 :1234 (GPU)
|
|
├── qwen3-8b → llama-server gpu-01 :1234 (GPU, gratuit)
|
|
├── qwen3-1.7b-system → llama-server gpu-01 :1236 (CPU 14 threads, gratuit)
|
|
├── qwen3-1.7b-monitor → llama-server gpu-01 :1237 (CPU 14 threads, gratuit)
|
|
├── claude-sonnet-4-6 → api.anthropic.com (cloud, payant)
|
|
└── claude-opus-4-7 → api.anthropic.com (cloud, payant)
|
|
```
|
|
|
|
---
|
|
|
|
## Service systemd
|
|
|
|
```bash
|
|
# Depuis storage-01
|
|
sudo systemctl status litellm
|
|
sudo systemctl restart litellm
|
|
sudo journalctl -u litellm -f
|
|
sudo journalctl -u litellm -n 50
|
|
```
|
|
|
|
---
|
|
|
|
## Modèles disponibles
|
|
|
|
| Nom dans l'API | Backend | Coût |
|
|
|---|---|---|
|
|
| `hermes-default` | qwen3-8b sur gpu-01 :1234 (GPU) | Gratuit |
|
|
| `qwen3-8b` | llama-server gpu-01 :1234 (ROCm 7.x) | Gratuit |
|
|
| `qwen3-1.7b-system` | llama-server gpu-01 :1236 (CPU, 14 threads) | Gratuit |
|
|
| `qwen3-1.7b-monitor` | llama-server gpu-01 :1237 (CPU, 14 threads) | Gratuit |
|
|
| `claude-sonnet-4-6` | Anthropic API | ~$3/$15 par million tokens in/out |
|
|
| `claude-opus-4-7` | Anthropic API | Plus cher, meilleur raisonnement |
|
|
|
|
> `qwen3-1.7b-system` et `qwen3-1.7b-monitor` sont utilisés par `ask-agent system` et
|
|
> `ask-agent monitor` — voir [hermes.md](hermes.md).
|
|
|
|
---
|
|
|
|
## Switch rapide avec hermes-switch
|
|
|
|
Script déployé sur storage-01 :
|
|
|
|
```bash
|
|
sudo hermes-switch status # voir le modèle actuel de hermes-default
|
|
sudo hermes-switch qwen # Qwen3-8B local GPU (gratuit, ~60 tok/s)
|
|
sudo hermes-switch claude # Claude Sonnet 4.6 (payant, ~1-2$ par session debug)
|
|
```
|
|
|
|
Le script modifie `/etc/litellm/config.yaml` et redémarre litellm automatiquement.
|
|
Source : `roles/litellm/files/hermes-switch`.
|
|
|
|
### Coût Claude
|
|
|
|
| Session type | Tokens input | Coût estimé |
|
|
|---|---|---|
|
|
| Debug simple (5 échanges) | ~80k | ~$0.24 |
|
|
| Debug complexe (10 échanges) | ~375k | ~$1.12 |
|
|
| Utilisation courante | — | Utiliser Qwen |
|
|
|
|
---
|
|
|
|
## Validation API
|
|
|
|
```bash
|
|
# Depuis storage-01 — master_key = lm-studio
|
|
curl http://127.0.0.1:4000/v1/models \
|
|
-H "Authorization: Bearer lm-studio" | python3 -m json.tool
|
|
|
|
# Test inférence Qwen (local)
|
|
curl http://127.0.0.1:4000/v1/chat/completions \
|
|
-H "Authorization: Bearer lm-studio" \
|
|
-H "Content-Type: application/json" \
|
|
-d '{"model": "qwen3-8b", "messages": [{"role": "user", "content": "Dis bonjour"}], "max_tokens": 30}'
|
|
|
|
# Test inférence Claude
|
|
curl http://127.0.0.1:4000/v1/chat/completions \
|
|
-H "Authorization: Bearer lm-studio" \
|
|
-H "Content-Type: application/json" \
|
|
-d '{"model": "claude-sonnet-4-6", "messages": [{"role": "user", "content": "Dis bonjour"}], "max_tokens": 30}'
|
|
```
|
|
|
|
---
|
|
|
|
## Configuration
|
|
|
|
Fichier : `/etc/litellm/config.yaml` (géré par Ansible, propriété `litellm:litellm`, mode `0640`)
|
|
|
|
La clé API Anthropic est injectée via `ANTHROPIC_API_KEY` dans l'unit systemd —
|
|
elle vient du vault Ansible (`vault_anthropic_api_key`). Jamais en clair dans config.yaml.
|
|
|
|
**master_key** : `lm-studio` — doit correspondre à `LM_API_KEY` dans le `.env` Hermes.
|
|
|
|
---
|
|
|
|
## ⚠️ Gap IaC — modèles CPU absents du template Ansible
|
|
|
|
`ansible/roles/litellm/templates/config.yaml.j2` n'inclut que 4 modèles :
|
|
`hermes-default`, `qwen3-8b`, `claude-sonnet-4-6`, `claude-opus-4-7`.
|
|
|
|
Les entrées `qwen3-1.7b-system` (:1236) et `qwen3-1.7b-monitor` (:1237) ont été ajoutées
|
|
**manuellement** dans `/etc/litellm/config.yaml` sur storage-01.
|
|
|
|
Un `make apply-storage` sur un hôte vierge ne déploierait PAS les routes CPU nécessaires
|
|
à `ask-agent system` et `ask-agent monitor`.
|
|
|
|
**Axe d'amélioration** : ajouter les 2 entrées CPU dans `config.yaml.j2` avec des variables
|
|
dans `defaults/main.yml` (`litellm_cpu_system_url`, `litellm_cpu_monitor_url`).
|
|
|
|
---
|
|
|
|
## Ajouter un modèle
|
|
|
|
1. Modifier `roles/litellm/templates/config.yaml.j2` :
|
|
```yaml
|
|
- model_name: claude-haiku-4-5
|
|
litellm_params:
|
|
model: anthropic/claude-haiku-4-5-20251001
|
|
api_key: os.environ/ANTHROPIC_API_KEY
|
|
```
|
|
|
|
2. Redéployer :
|
|
```bash
|
|
ansible-playbook -i inventory.yml playbooks/storage-01.yml --tags litellm
|
|
```
|
|
|
|
---
|
|
|
|
## Points d'attention
|
|
|
|
| Sujet | Détail |
|
|
|---|---|
|
|
| Accès réseau | `127.0.0.1` uniquement — pour exposer au cluster, changer `litellm_host: 0.0.0.0` + ouvrir firewall |
|
|
| master_key | `lm-studio` — doit correspondre exactement à `LM_API_KEY` dans le `.env` Hermes |
|
|
| Clé Anthropic | `ANTHROPIC_API_KEY` dans l'env systemd — vault Ansible |
|
|
| Coût Claude | Surveiller la consommation sur console.anthropic.com |
|
|
| 404 /api/v1/models | Hermes appelle `/api/v1/models` à l'init (retourne 404) — normal, ne bloque pas |
|
|
| hermes-switch status | Utilise `grep -A3` — si le bloc hermes-default a une structure différente, ajuster |
|