rorappandClaude Opus 5.5
c81e372c49
ci / test (push) Successful in 25s
Aufbauplan Task 0.4: - inventory.yaml: pve44/46/48/52/61 und GODE-PC-05/06 (Ada, Windows, cpu_roles: false) - proxmox.yaml: eine GPU-VM pro Knoten mit allen Karten (D2), local-lvm/tank (D1 B), 192.168.100.0/24 ohne VLAN, Gast-IPs .220–.239 (ANNAHME bis Task 0.2) - registry.yaml/prometheus.yml: ops-Labels auf gpu-pve44/46/48, Ada ohne pve_node/vmid - tofu: dynamische hostpci, Speicher je Gast; Ansible: pve_gpu_hosts/pve_kiosk, Replikation auf mehrere Ziele - Placement: cpu_roles=false schließt Arbeitsplätze/Kiosk von CPU-Rollen aus - PLAN §1.3/§1.4/§9 und ADR-Nachträge (D1 entschieden, D2/D3 Bestätigung offen) Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
110 lines
3.7 KiB
YAML
110 lines
3.7 KiB
YAML
# Registry für den Cluster "knaster" (SPEC-core §1).
|
|
# Clients sprechen nur Slot-Namen an; litellm_model ist der Alias in deploy/litellm/config.yaml.
|
|
# ops: Labels für den Healer (Portainer-Endpoint, Container, Proxmox-Node, VM-ID).
|
|
# Stand Aufbauplan Task 0.4: P2000-Slots in den GPU-VMs gpu-pve44/46/48 (Zuordnung ANNAHME bis Benchmark-Tag,
|
|
# Task 3.3). Ada-Slots laufen auf Windows-Arbeitsplätzen (D3) ohne Proxmox; Umstellung auf die
|
|
# Worker-Registry v2 folgt in Task 6.4, bis dahin behalten sie ihre Engine.
|
|
slots:
|
|
tier0-strong:
|
|
tier: 0
|
|
device: external
|
|
engine: openrouter
|
|
litellm_model: tier0-strong
|
|
base_model: openrouter-strong # konkretes Modell steht nur in der LiteLLM-Konfiguration
|
|
max_context: 200000
|
|
effective_context: 120000
|
|
|
|
tier1-general:
|
|
tier: 1
|
|
device: gpu
|
|
engine: vllm
|
|
node: gpu-main # RTX 4000 Ada, GODE-PC-05 (Windows, D3)
|
|
litellm_model: tier1-general
|
|
base_model: qwen3-14b-awq # Startkandidat, Entscheidung per Kalibrierungslauf
|
|
max_context: 32768
|
|
effective_context: 16384
|
|
supports_lora: true
|
|
fallbacks: [tier1-flex]
|
|
ops: {docker_host: gpu-main, container: vllm} # kein Proxmox (D3); bis Task 6.4
|
|
|
|
tier1-flex:
|
|
tier: 1
|
|
device: gpu
|
|
engine: vllm
|
|
node: gpu-flex # RTX 4000 Ada, GODE-PC-06 (Windows, D3)
|
|
litellm_model: tier1-flex
|
|
base_model: qwen3-14b-awq
|
|
max_context: 32768
|
|
effective_context: 16384
|
|
supports_lora: true
|
|
ops: {docker_host: gpu-flex, container: vllm} # kein Proxmox (D3); bis Task 6.4
|
|
|
|
verifier-small:
|
|
tier: 1
|
|
device: gpu
|
|
engine: llamacpp
|
|
node: gpu-small # Quadro P2000 in gpu-pve48
|
|
litellm_model: verifier-small
|
|
base_model: qwen3-4b-q4km
|
|
max_context: 8192
|
|
effective_context: 6144
|
|
ops: {docker_host: gpu-pve48, container: llamacpp-chat, pve_node: pve48, vmid: "248"} # ANNAHME bis Task 3.3
|
|
|
|
signature-extractor:
|
|
tier: 1
|
|
device: gpu
|
|
engine: llamacpp
|
|
node: gpu-small
|
|
litellm_model: signature-extractor
|
|
base_model: qwen3-4b-q4km
|
|
max_context: 8192
|
|
effective_context: 6144
|
|
ops: {docker_host: gpu-pve48, container: llamacpp-chat, pve_node: pve48, vmid: "248"} # ANNAHME bis Task 3.3
|
|
|
|
embed-default:
|
|
tier: 1
|
|
device: gpu
|
|
engine: llamacpp
|
|
node: gpu-embed # Quadro P2000, redundant in gpu-pve44 und gpu-pve46
|
|
litellm_model: embed-default
|
|
base_model: qwen3-embedding-0.6b-q8
|
|
max_context: 8192
|
|
kind: embedding
|
|
ops: {docker_host: gpu-pve44, container: llamacpp-embed, pve_node: pve44, vmid: "244"} # ANNAHME bis Task 3.3
|
|
|
|
rerank-default:
|
|
tier: 1
|
|
device: gpu
|
|
engine: llamacpp
|
|
node: gpu-embed
|
|
litellm_model: rerank-default
|
|
base_model: bge-reranker-v2-m3-q8
|
|
max_context: 8192
|
|
kind: rerank
|
|
ops: {docker_host: gpu-pve44, container: llamacpp-rerank, pve_node: pve44, vmid: "244"} # ANNAHME bis Task 3.3
|
|
|
|
# --- Sprachausgabe (ADR-0006) ---
|
|
tts-de:
|
|
tier: 1
|
|
device: cpu
|
|
engine: piper
|
|
node: infra
|
|
litellm_model: tts-de
|
|
base_model: piper-de-thorsten-medium
|
|
max_context: 5000 # Zeichen pro Anfrage (TTS-Dienst-Limit)
|
|
kind: tts
|
|
ops: {docker_host: infra, container: tts-piper, pve_node: pve44, vmid: "101"} # HA: kann nach pve52/pve48 wandern
|
|
|
|
tts-de-hq:
|
|
tier: 1
|
|
device: gpu
|
|
engine: pytorch
|
|
node: gpu-flex # teilt sich die Ada mit tier1-flex; unter Windows erst ab Phase 9 (WSL2, D3)
|
|
litellm_model: tts-de-hq
|
|
base_model: qwen3-tts-1.7b
|
|
max_context: 5000
|
|
kind: tts
|
|
ops: {docker_host: gpu-flex, container: qwen-tts} # kein Proxmox (D3)
|
|
|
|
adapters: []
|