mirror of
https://github.com/Alkatrazz24/Funk-lab.git
synced 2026-07-08 19:34:42 +02:00
5bcf95b82e
Structure avant : 20 fichiers à plat dans admin/ — difficile à naviguer.
Structure après : 4 sous-répertoires thématiques + index clair.
Réorganisation :
admin/ops/ → cluster.md, ansible.md, systeme.md
admin/infra/ → reseau.md, nfs.md, dnsmasq.md, ssh.md
admin/k8s/ → talos.md, argocd.md, monitoring.md
admin/ia/ → llama_server.md, rocm.md, litellm.md, hermes.md
Suppressions :
- ask-agent.md : contenu fusionné dans ia/hermes.md (section ask-agent)
- lm_studio.md : obsolète (LM Studio remplacé par llama-server)
Mises à jour contenu :
- ia/hermes.md : fusion complète avec ask-agent.md (profils, skills,
SOUL.md, ask-agent CLI, dépannage) — doc unifiée sans redondance
- ops/cluster.md : section GitOps réduite à 2 lignes + lien argocd.md
- incidents.md : tableau de résumé en tête + 4 nouveaux incidents
(Grafana OOMKilled, AlertManager null receiver, llama-server 501,
nftables règle après drop)
- README.md : réécrit — navigation rapide + index par domaine
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
135 lines
4.5 KiB
Markdown
135 lines
4.5 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/$15 par million tokens in/out |
|
|
| `claude-opus-4-7` | Anthropic API | Plus cher, meilleur raisonnement |
|
|
|
|
> `qwen3-1.7b-system` et `qwen3-1.7b-monitor` sont utilisés par `ask-agent system` et
|
|
> `ask-agent monitor` — voir [hermes.md](hermes.md).
|
|
|
|
---
|
|
|
|
## Switch rapide avec hermes-switch
|
|
|
|
Script déployé sur storage-01 :
|
|
|
|
```bash
|
|
sudo hermes-switch status # voir le modèle actuel de hermes-default
|
|
sudo hermes-switch qwen # Qwen2.5-14B local (gratuit, ~35 tok/s)
|
|
sudo hermes-switch claude # Claude Sonnet 4.6 (payant, ~1-2$ 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": "qwen2.5-14b-instruct", "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.
|
|
|
|
---
|
|
|
|
## 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 |
|