Expand router into reproducible local AI platform

docs/OPERATIONS.md

@@ -0,0 +1,57 @@
+# Betrieb
+
+## Profile
+
+| Profil | Virtuelles Modell | Kontext | Zweck |
+|---|---|---:|---|
+| Fast | `qwen-fast` | 73.728 | Alltag, Agenten, hohe Geschwindigkeit |
+| Medium | `qwen-medium` | 94.208 | mehr Kontext, reine IQ4_XS-Variante |
+| Long | `qwen-long` | 131.072 | lange Hermes-/MCP-Sitzungen |
+
+Manuell wird mit `llama-profile fast|medium|long` gewechselt. Über HTTP stehen
+`POST /fast`, `/medium` und `/long` zur Verfügung. Für eine spätere Version ist
+`large` als Alias für `long` vorgesehen; bestehende Namen bleiben kompatibel.
+
+## Clients
+
+Clients verbinden sich mit:
+
+```text
+http://HOST:8081/v1
+```
+
+Sie sollen nicht direkt Port 8080 verwenden, weil sie sonst Profilumschaltung,
+Vision, Bildgenerierung, STT und TTS umgehen.
+
+## Status
+
+- `GET /status`: Router, Profil, Upstream, aktive Jobs
+- `GET /v1/models`: virtuelle Modelle
+- llama.cpp-Metriken: Port 8080, nur im administrativen Netz freigeben
+- systemd-Journal: nur Metadaten und Fehler prüfen; keine Promptinhalte sammeln
+
+## Upgrade-Regel
+
+Niemals Build, Quantisierung und Profil gleichzeitig ändern. Immer genau eine
+Variable ändern und anschließend denselben Benchmark ausführen.
+
+## Kapazitätsregeln
+
+- Systempartition dauerhaft unter 85 Prozent halten.
+- Mindestens 1 GiB Sicherheitsreserve für allgemeine GPU-Profile vorsehen;
+  experimentelle Max-GPU-Profile klar kennzeichnen.
+- Nur ein Textmodell gleichzeitig laden.
+- Benchmarks sind deaktivierte, manuell gestartete Jobs und keine Boot-Dienste.
+
+## Backup
+
+Gesichert werden:
+
+- dieses Repository,
+- lokale Modellmanifest-Datei mit Hashes, aber ohne Secrets,
+- `/etc/mike-ai` verschlüsselt,
+- systemd-Konfiguration,
+- Benchmarkresultate.
+
+Nicht gesichert werden müssen Build-Verzeichnisse, Venvs, Caches oder Modelle,
+wenn Downloadquelle und Prüfsumme dokumentiert sind.