AI-Profile-Router/docs/ARCHITECTURE.md

Aktuelle Architektur

flowchart LR
    C[Hermes Desktop / Web / Mobil] --> H[Hermes Agent<br/>Unraid]
    H -->|OpenAI API| R[Profile Router<br/>Athena :8081]
    R --> P[Profile Controller]
    P --> Q[genau ein llama.cpp-Profil<br/>Qwen Fast / Medium / Large / Ultra / Uncensored]
    R --> I[FLUX.2-klein-4B<br/>RTX 5080, Text + Editing]
    R --> T[XTTS RTX 3060<br/>Piper CPU-Fallback]

    H --> U[MUA / Unraid MCP]
    H --> A[ARR-MCP]
    H --> D[Deemix-MCP]
    H --> N[Navidrome-MCP]
    H --> S[STRATO-MCP]
    H --> X[Nginx-Proxy-Manager-MCP]
    U --> M[Media-Tools<br/>ffmpeg / ffprobe / yt-dlp]

    W[WireGuard-Gateway<br/>Athena] --- R
    W --- B[Athena Dashboard :8099]
    W --- O[Athena Operator]
    K[Backup alle 5 Stunden] --> DATA[/data und /etc/mike-ai]

Verantwortung

• Unraid hält Hermes, Chats, Skills, Fach-MCPs und deren Appdata.
• Athena rechnet: Text, Bild und Sprache; Router und Dashboard koordinieren und beobachten die Inferenz.
• MUA verwaltet Unraid. Athena Operator bleibt auf den Athena-Host begrenzt.
• Der Router ist die einzige Modelladresse, die Hermes kennen muss.

Dynamische Qwen-Profile

Der Profile Router hält immer nur ein Qwen-Profil aktiv. Ein Wechsel lädt dasselbe 27B-Modell mit der zum Profil gehörenden GPU-Aufteilung und Kontextgröße:

Profil	Kontextfenster
Fast	76.800 Token
Medium	160.000 Token
Large	192.000 Token
Ultra	262.144 Token
Uncensored	80.000 Token

Die visuelle Fassung liegt als athena-architecture-map.png neben dieser Datei. Eine zweite Detailkarte, athena-gpu-allocation-map.png, zeigt die profilabhängige Layer-Verteilung auf RTX 5080 und RTX 3060 sowie die festen GPU-Zuordnungen von FLUX.2, Vision-Projektor und XTTS.