mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-09 01:14:42 +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>
69 lines
3.5 KiB
Markdown
69 lines
3.5 KiB
Markdown
# 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
|
|
|
|
```bash
|
|
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`, taguée `sha-<commit>` ;
|
|
sur `main` la 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` (depuis `main`).
|
|
- Accès LiteLLM (hors cluster) : IP directe `192.168.10.1:4000` (même pattern qu'open-webui).
|
|
|
|
## Mémoire
|
|
|
|
- **Court-terme** (`memory.py`) : historique par `session_id` (en mémoire, borné + TTL).
|
|
- **Long-terme** (`longterm.py`) : collection Qdrant `stt-memory` (vecteurs des tours user,
|
|
embeddings `nomic-embed-text` dim 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_collection` détecte 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/`.
|