AI-Profile-Router/docs/OPERATIONS.md

Betrieb

OpenWebUI-Filter und Stabilitätsschutz

Die versionierten Filter liegen unter platform/openwebui/filters/. Ihre Reihenfolge ist absichtlich festgelegt:

1. Reasoning Default Off, Priorität 10: setzt jeden Request zunächst auf reasoning_effort=none.
2. Thinking, Priorität 20: läuft nur bei aktiviertem Brain-Schalter und überschreibt den Standard mit Low, Medium oder High.
3. MikeAI Stability Guard, Priorität 30: begrenzt einzelne und gesamte Werkzeugresultate, verdichtet bei Bedarf zuerst alte Tool-Ausgaben und Dialogteile und stoppt identische beziehungsweise ausufernde Tool-Schleifen.
4. MikeAI Secret Redaction, Priorität 40: entfernt übliche API-Keys, Tokens, Passwörter, JWTs und private Schlüssel aus Tool-Ergebnissen, bevor sie das Modell erreichen, sowie aus fertigen Modellantworten. Nutzereingaben und Authentifizierungswege werden nicht verändert.
5. MikeAI Local Performance Metrics, Priorität 90: erfasst nach Abschluss ausschließlich technische Zahlen wie Laufzeit, Tokenzähler, Token/s und Tool-Anzahl. Nutzer-, Chat- und Nachrichten-IDs sowie sämtliche Textinhalte werden weder geschrieben noch gehasht gespeichert.

OpenWebUI sortiert kleinere Prioritäten zuerst. Nach dem ersten Anlegen eines Admin-Benutzers oder nach einer Datenwiederherstellung werden alle Filter mit einer vorherigen Datenbanksicherung installiert beziehungsweise aktualisiert:

sudo /opt/mike-ai/stack/platform/openwebui/install-filters.sh

Bei mehreren Administratoren muss der gewünschte Eigentümer explizit über OPENWEBUI_FILTER_OWNER_ID gesetzt werden. Das Skript liest oder verändert keine Chats. Es deaktiviert zugleich global die automatisch erzeugten Folgefragen (task.follow_up.enable=false). Dieselbe Vorgabe steht zusätzlich als Container-Umgebungswert im Compose-Stack, damit bereits eine frische OpenWebUI-Datenbank ohne Folgefragen startet.

Der Stabilitätsschutz kennt die drei Profilgrenzen 76.800, 94.208 und 131.072 Token. Er reserviert Ausgabetoken und greift vor der harten llama.cpp-Grenze ein. Bilder bleiben unangetastet; JSON-Werkzeugschemas werden niemals abgeschnitten. Sind allein die ausgewählten Schemas zu groß, wird der Werkzeugzugriff nur für diesen Schritt deaktiviert und das Modell erhält eine eindeutige Abschlussanweisung.

Die rotierende, inhaltsfreie Metrikdatei liegt im persistenten OpenWebUI-Volume unter mike-ai-request-metrics.jsonl (maximal 5 MiB plus eine Rotation). Sie darf für Benchmarks ausgewertet werden, ohne Chats auszulesen.

Profile

Profil	Virtuelles Modell	Kontext	Zweck
Fast	qwen-fast	76.800	Alltag, Agenten, hohe Geschwindigkeit, integrierte Vision
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:

http://HOST:8081/v1

Als API-Key verwenden sie den Inhalt von /etc/mike-ai/router-api-key über Bearer-Authentifizierung. Der Key gehört in den Secret-Store des Clients, nicht in Chat, Repository oder URL. Eine Rotation erfolgt atomar durch Ersetzen der Datei und Neustart des Routerdienstes.

Sie sollen nicht direkt Port 8080 verwenden, weil sie sonst Profilumschaltung, Vision, Bildgenerierung, STT und TTS umgehen.

Status

• GET /health: Routerprozess lebt; bleibt bei geplantem Hotswap grün
• GET /ready: Router und Textmodell sind einsatzbereit
• GET /status: authentifizierter Detailstatus, 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.

Profilkontext und Alias werden zusätzlich in /etc/mike-ai/router-profiles.json gepflegt. Änderungen an Override und Registry gehören in denselben getesteten Commit; andernfalls verweigert die Readiness bewusst die Freigabe.

Fehler- und Recovery-Verhalten

• Ein Profilwechsel bricht ab, wenn laufende Chats nicht innerhalb des Drain-Timeouts enden. Er beendet niemals absichtlich einen Chat.
• Nach einem Routerabsturz wird das letzte stabile Profil aus der atomaren Zustandsdatei rekonstruiert.
• /health = 200, aber /ready = 503 bedeutet: Router lebt, Modell ist noch nicht bereit oder wird gerade gewechselt.
• 429 bedeutet, dass die Parallelitätsgrenze erreicht ist; der Client soll mit Backoff erneut versuchen.

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.