# llama.cpp-Rollen in den GPU-VMs (Task 6.1): Compose aus deploy/compose/gpu-llamacpp.
# Profile je VM kommen aus dem Inventar (Gruppe gpu_llamacpp, Variable llamacpp_profiles).
llamacpp_dir: /opt/knaster/gpu-llamacpp
llamacpp_models_dir: /srv/models
llamacpp_profiles: []

# Karte je Dienst, gewählt über den Namen aus `nvidia-smi` (ADR-0006: alles auf die P2000, M4000 bleibt frei).
# Passt Rerank nicht neben Embedding auf die P2000, hier "Quadro M4000" eintragen.
llamacpp_cards:
  EMBED_GPU: Quadro P2000
  RERANK_GPU: Quadro P2000
  CHAT_GPU: Quadro P2000

# Dienste und Ports je Profil (feste Ports im Compose, Host-Netz)
llamacpp_services:
  embed:
    - {name: llamacpp-embed, port: 8081}
    - {name: llamacpp-rerank, port: 8082}
  chat:
    - {name: llamacpp-chat, port: 8080}

# ufw: nur Regeln vormerken (Kommentar knaster-llamacpp), ufw nie ein- oder ausschalten (Firewall: Task 4.4)
llamacpp_allow_from: 192.168.100.0/24

# Werte für .env (keine Geheimnisse); Build-Stand wie im Benchmark (ADR-0006)
llamacpp_env:
  LLAMACPP_REF: b6000
  LLAMACPP_COMMIT: 4762ad7316dcdec20016ab5985fb46a27902204d
  CUDA_VERSION: 12.4.0
  CUDA_DOCKER_ARCH: "52;61"
  MODELS_DIR: "{{ llamacpp_models_dir }}"
  EMBED_GGUF: Qwen3-Embedding-0.6B-Q8_0.gguf
  EMBED_POOLING: last
  RERANK_GGUF: bge-reranker-v2-m3-Q8_0.gguf
  CHAT_GGUF: Qwen3-4B-Q4_K_M.gguf

# Modelle je Profil mit fester Revision und Prüfsumme (sha256 = LFS-OID laut Hugging Face, ADR-0006)
_hf: https://huggingface.co
llamacpp_models:
  embed:
    - dest: Qwen3-Embedding-0.6B-Q8_0.gguf
      url: "{{ _hf }}/Qwen/Qwen3-Embedding-0.6B-GGUF/resolve/370f27d7550e0def9b39c1f16d3fbaa13aa67728/Qwen3-Embedding-0.6B-Q8_0.gguf"
      checksum: sha256:06507c7b42688469c4e7298b0a1e16deff06caf291cf0a5b278c308249c3e439
    - dest: bge-reranker-v2-m3-Q8_0.gguf
      url: "{{ _hf }}/gpustack/bge-reranker-v2-m3-GGUF/resolve/3093af03b1a635e67b084b1d8c03c5f5e020fd05/bge-reranker-v2-m3-Q8_0.gguf"
      checksum: sha256:a43c7c9b11a4c1517e5bf95151960e1621d1b72f7a493364b01e386cf1aaa1d3
  chat:
    - dest: Qwen3-4B-Q4_K_M.gguf
      url: "{{ _hf }}/Qwen/Qwen3-4B-GGUF/resolve/bc640142c66e1fdd12af0bd68f40445458f3869b/Qwen3-4B-Q4_K_M.gguf"
      checksum: sha256:7485fe6f11af29433bc51cab58009521f205840f5b4ae3a32fa7f92e8534fdf5