mirror of https://github.com/Alkatrazz24/Funk-lab.git synced 2026-07-08 14:24:42 +02:00

feat: anti-502 LLM — heartbeat (litellm) + watchdog auto-réparation (llama_server) (#23 )

* feat(litellm): heartbeat anti-502 + request_timeout 20s

Cause racine du 502 « 1ʳᵉ demande après une pause » : la connexion keep-alive
LiteLLM↔llama-server devient inactive → llama-server la ferme → LiteLLM garde le
socket mort → la requête suivante part dans le vide → timeout → 502.

- llm-heartbeat : service systemd qui appelle hermes-default toutes les 15s
  (max_tokens:1, /no_think → ~10ms GPU) → la connexion n'est jamais inactive,
  jamais périmée. Logge les échecs → sert aussi de sonde (vraie génération).
- request_timeout 60→20s : un socket périmé échoue vite, dans la fenêtre où
  num_retries:2 peut rejouer sur une connexion neuve (sinon le client abandonnait
  avant le retry → 502 sec).
- Doc : admin/incidents-llm-gpu.md (fix racine) + README rôle.

⚠️ heartbeat appelle hermes-default en continu → si bascule sur Claude (facturé),
mettre llm_heartbeat_enabled: false. request_timeout global → remonter si Claude.

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

* 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>

---------

Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>

2026-06-19 20:52:29 +02:00

2.6 KiB

Raw Blame History

litellm

Proxy LLM multi-modèles sur storage-01 (:4000) — point d'entrée unique pour Hermes, n8n, Open WebUI et ask-agent. Route vers llama-server (gpu-01) ou l'API Anthropic.

Ce que fait le rôle

venv /opt/litellm/venv avec litellm[proxy], user système litellm
Config /etc/litellm/config.yaml : alias hermes-default, qwen3-8b, system, monitor, claude…
Service systemd + scripts utilitaires :
- /usr/local/bin/ask-agent — délégation inter-agents (texte → profil system/monitor/brain)
- /usr/local/bin/hermes-switch — bascule l'alias hermes-default entre qwen (local) et claude (API), puis restart litellm
- /usr/local/bin/funk-cluster — orchestration start/stop/status du homelab
- /usr/local/bin/llm-heartbeat (+ service llm-heartbeat) — garde chaud le tuyau LiteLLM↔llama-server : petit appel à hermes-default toutes les llm_heartbeat_interval s. Empêche la connexion keep-alive de devenir périmée → supprime le 502 « 1ʳᵉ demande après une pause » (cf. admin/incidents-llm-gpu.md). Logge les échecs (journalctl -u llm-heartbeat).

Variables principales

Variable	Défaut
`litellm_host` / `litellm_port`	`0.0.0.0` / 4000
`litellm_master_key`	`lm-studio` (clé API attendue par les clients)
`litellm_local_llm_base_url`	`http://192.168.10.20:1234/v1`
`litellm_anthropic_api_key`	`{{ vault_anthropic_api_key }}`
`llm_heartbeat_enabled`	`true`
`llm_heartbeat_interval`	`15` (s — doit rester < à l'idle keep-alive du llama-server)
`llm_heartbeat_model` / `llm_heartbeat_timeout`	`hermes-default` / `20`

Timeouts & résilience (anti-502 « connexion périmée »)

litellm_settings : request_timeout: 20 (court → un socket périmé échoue vite) + num_retries: 2 (rejoue sur une connexion neuve). Combiné au heartbeat (connexion jamais inactive) et au retry côté STT-server : la chaîne tolère les blips et les redémarrages de llama-server. ⚠️ request_timeout est global → si hermes-default passe sur Claude (raisonnement long), le remonter.

Caveat

L'alias hermes-default est ce que Hermes consomme — changer le modèle derrière l'alias ne nécessite pas de reconfigurer Hermes
hermes-switch modifie /etc/litellm/config.yaml en dehors d'Ansible : un --tags litellm réécrit la config et peut écraser un switch manuel vers claude
Le heartbeat appelle hermes-default en continu : si tu bascules sur Claude (API facturée), pense à llm_heartbeat_enabled: false pour ne pas générer de coût en arrière-plan

2.6 KiB Raw Blame History