mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-12 08:34:42 +02:00
alkatrazz
417d49c1ea
L'instance llama-embed (:1238) tournait avec l'ubatch llama.cpp par défaut (512). En mode --embeddings + pooling, toute l'entrée doit tenir dans un seul ubatch → tout chunk > 512 tokens échouait en HTTP 500 « input too large to process. increase the physical batch size ». ~46 chunks du RAG (CHUNK_MAX=2000 chars ≈ 700 tokens) n'étaient pas indexés. - llama_server : ajoute llama_embed_ubatch_size (2048 = ctx) + flags --batch-size/--ubatch-size dans le template llama-embed.service. - rag-ingest : retry (5×, backoff) sur erreurs transitoires 5xx/réseau de l'embed. - rag/defaults : aligne embed_url/embed_model sur nomic :1238 (étaient des vars mortes pointant encore qwen3-8b :1234 — trompeuses). Résultat : ré-ingestion 436/436 chunks, 0 erreur. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
28 lines
851 B
Django/Jinja
28 lines
851 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 }} \
|
|
--batch-size {{ llama_embed_ubatch_size }} \
|
|
--ubatch-size {{ llama_embed_ubatch_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
|