Robert RappandClaude Opus 5.5
5c790cc8d4
ci / test (push) Successful in 27s
- Build-Pin wie im Benchmark (b6000 = 4762ad7, CUDA 12.4, sm_52;61), Host-Netz, Log-Rotation, /slots und Web-Oberfläche aus, Qwen3 ohne Denkphase. - Exporter aus dem Compose entfernt (laufen nativ, Rolle gpu-exporters). - Rolle gpu-llamacpp: Karten-UUID über den Namen, Modelle mit Prüfsumme, ufw-Regeln nur vorgemerkt. Inventargruppe gpu_llamacpp (ohne gpu-pve52). Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
51 lines
2.2 KiB
YAML
51 lines
2.2 KiB
YAML
# 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
|