mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-09 00:24:41 +02:00
ALI YESILKAYA
9fef555cc3
* feat(stt): mémoire long-terme sémantique via Qdrant (5b) Serveur : longterm.py — collection Qdrant stt-memory (embeddings Qwen3 gpu-01, dim auto, Cosine), recall top-k injecté au prompt, remember des tours user. Tout dégrade proprement si Qdrant/embeddings injoignables (la mémoire court-terme tient). Env STT_MEMORY_LONGTERM, STT_QDRANT_URL, STT_EMBED_URL, STT_MEMORY_TOPK. Testé en process : dégradation OK (Qdrant down → mem=0, pas de crash, court-terme tient). Qdrant réparé le 17/06 (5c). Recherche sémantique réelle à valider sur cluster. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT * feat(stt): endpoint /v1/memory/health + upsert Qdrant synchrone - /v1/memory/health sonde activement embeddings + Qdrant + collection et expose les erreurs (recall/remember dégradent en silence → indébogables). Permet de diagnostiquer la mémoire long-terme sans kubectl exec. - remember() : upsert avec ?wait=true → le souvenir est immédiatement cherchable (sans wait, Qdrant met l'écriture en file → un recall cross-session immédiat pouvait le rater). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT * docs(stt): 5b mémoire long-terme validée en prod + backlog nomic-embed-text - Rappel cross-session confirmé (« Felix » retrouvé dans une nouvelle session), points_count vérifié via /v1/memory/health. - Note du fix upsert ?wait=true et de l'endpoint de diagnostic. - Roadmap : 5d (nomic-embed-text dim 768) en backlog qualité ; états haut/bas du doc mis à jour (déployé + validé sur cible). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT * feat(stt): embeddings dédiés nomic-embed-text sur gpu-01 (:1238) + migration auto 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 --------- Co-authored-by: Claude <noreply@anthropic.com>
3.5 KiB
3.5 KiB
STT-server — orchestrateur AI (in-cluster)
API FastAPI déployée dans le cluster k8s (namespace ai). Reçoit les requêtes des clients
STT et route l'inférence vers LiteLLM (s01) → Qwen3 (g01) / Claude.
API
| Méthode | Route | Corps | Réponse |
|---|---|---|---|
GET |
/healthz |
— | {status, version} |
GET |
/v1/models |
— | {default, available[]} |
GET |
/v1/memory/health |
— | diagnostic mémoire long-terme (embed/Qdrant/collection, erreurs exposées) |
POST |
/v1/ask |
{text, model?, session_id?} |
{reply, model} |
POST |
/v1/reset |
{session_id} |
{status} |
model (optionnel) = alias LiteLLM ; défaut serveur si absent ; rejeté (400) si absent
de STT_ALLOWED_MODELS. Le client choisit le modèle par requête (pas de switch global).
session_id (optionnel) active la mémoire court-terme : le serveur garde l'historique
de la conversation (en mémoire, borné + TTL) et l'injecte dans l'appel LLM. /v1/reset
l'efface. Sans session_id, chaque requête est sans état. (Deployment en 1 worker pour
la cohérence de la mémoire process. Mémoire long-terme Qdrant = phase 5b.)
Configuration (variables d'env)
| Var | Défaut | Rôle |
|---|---|---|
STT_LITELLM_URL |
http://192.168.10.1:4000/v1/chat/completions |
endpoint LiteLLM (IP directe s01, cf. open-webui) |
STT_LITELLM_KEY |
lm-studio |
clé LiteLLM (valeur exacte attendue) |
STT_MODEL |
hermes-default |
modèle par défaut |
STT_ALLOWED_MODELS |
hermes-default,qwen3-8b,claude-sonnet-4-6,claude-opus-4-7 |
alias autorisés (demandables par le client) |
STT_SYSTEM_PROMPT |
prompt vocal FR concis | persona |
STT_MAX_TOKENS / STT_TEMPERATURE |
200 / 0.7 |
génération |
STT_MEMORY_LONGTERM |
true |
mémoire long-terme Qdrant (dégrade si injoignable) |
STT_QDRANT_URL |
http://192.168.10.1:6333 |
Qdrant (s01) |
STT_EMBED_URL |
http://192.168.10.20:1238/v1/embeddings |
embeddings nomic-embed-text (gpu-01 :1238, dim 768) |
STT_EMBED_MODEL |
nomic-embed-text |
alias du modèle d'embedding |
STT_MEMORY_TOPK |
3 |
nombre de souvenirs injectés |
Dev local
cd stt/server
pip install -e .
STT_LITELLM_URL=http://192.168.1.200:4000/v1/chat/completions stt-server # :8000
curl -s localhost:8000/healthz
curl -s localhost:8000/v1/ask -H 'content-type: application/json' -d '{"text":"bonjour"}'
Déploiement
- Image construite/poussée par
.github/workflows/build-stt-server.yml, taguéesha-<commit>; surmainla CI bumpe le manifest avec ce tag → ArgoCD redéploie tout seul (déterministe). - Manifests :
k8s/apps/stt/; Application ArgoCD :k8s/apps-of-apps/apps/stt.yaml(depuismain). - Accès LiteLLM (hors cluster) : IP directe
192.168.10.1:4000(même pattern qu'open-webui).
Mémoire
- Court-terme (
memory.py) : historique parsession_id(en mémoire, borné + TTL). - Long-terme (
longterm.py) : collection Qdrantstt-memory(vecteurs des tours user, embeddingsnomic-embed-textdim 768 via gpu-01:1238), souvenirs pertinents injectés au prompt. Dégrade si Qdrant/embeddings down. Migration auto de la collection si la dimension d'embedding change (_ensure_collectiondétecte et recrée).
À venir
- Intégration des outils Hermes (« agir sur Funk ») via le gateway
:8080— nécessite de spécifier son API. Aujourd'hui : inférence/chat seulement (via LiteLLM). - Mémoire distillée versionnée (faits/préférences) dans
server/memory/.