Files

T

tomasz-syn-grzegorza 359afb3a59 Initial import: bare-metal stacks, Server UI, GPU fan, tutorials.

Infrastructure configs for GMKtec K11 (Docker, vLLM, LocalAI, ComfyUI,
control-plane, gpu-fan agent, Server UI with CLI/file explorer/GPU fan curve).

Co-authored-by: Cursor <cursoragent@cursor.com>

2026-07-05 12:02:04 +00:00

3.9 KiB

Raw Blame History

Wdrożenie BGE-Reranker-v2-m3 w LocalAI

Data: 2026-07-01
Host: gmktec-k11 (RTX 3090 Ti, LocalAI v4.4.3-gpu-nvidia-cuda-13, port 8070)

Podsumowanie

Element	Wartość
Model GGUF	`bge-reranker-v2-m3-FP16.gguf` (~1.1 GB)
Źródło	gpustack/bge-reranker-v2-m3-GGUF
Backend	`llama-cpp` → automatycznie `cuda13-llama-cpp` na obrazie cuda-13
API id	`bge-reranker-v2-m3-FP16.gguf`
Endpoint	`POST /v1/rerank` (format Jina/Cohere-compatible)
Status	OK — HTTP 200, dokument o pandzie na indeksie 2 ma najwyższy `relevance_score`

Problem z importem z galerii (naprawiony)

Wcześniejsza próba importu przez UI LocalAI utworzyła błędny YAML:

backend: rerankers   # źle dla GGUF
parameters:
  model: gpustack/bge-reranker-v2-m3-GGUF/resolve/main/bge-reranker-v2-m3-FP16.gguf  # URL zamiast pliku lokalnego

Backend rerankers służy modelom HuggingFace (transformers), nie plikom GGUF. Dla GGUF wymagany jest llama-cpp z:

reranking: true
known_usecases: [rerank]
parameters.model = lokalna nazwa pliku .gguf

Dodatkowy backend nie był potrzebny — cuda13-llama-cpp był już zainstalowany (ten sam co Gemma chat i BGE-M3 embed).

Co zrobiono

Pobrano GGUF do /data/apps/localai/models/bge-reranker-v2-m3-FP16.gguf
Zastosowano poprawny YAML (szablon w repo)
Dodano skrypt stacks/localai/scripts/download-reranker.sh
Restart kontenera localai
Smoke test /v1/rerank — 200 OK

Pliki w repo

Plik	Rola
`stacks/localai/profiles/bge-reranker-v2-m3-FP16-rerank.yaml.example`	Szablon YAML
`stacks/localai/scripts/download-reranker.sh`	Pobieranie GGUF + aplikacja profilu

Pliki na hoście (runtime)

/data/apps/localai/models/
├── bge-reranker-v2-m3-FP16.gguf       # ~1.1 GB
└── bge-reranker-v2-m3-FP16.gguf.yaml  # backend llama-cpp, reranking: true

Weryfikacja

API_KEY=$(grep '^LOCALAI_API_KEY=' stacks/localai/.env | cut -d= -f2)

curl -s http://127.0.0.1:8070/v1/models \
  -H "Authorization: Bearer $API_KEY"
# powinien zawierać bge-reranker-v2-m3-FP16.gguf

curl -s http://127.0.0.1:8070/v1/rerank \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge-reranker-v2-m3-FP16.gguf",
    "query": "What is a panda?",
    "top_n": 3,
    "documents": [
      "hi",
      "it is a bear",
      "The giant panda (Ailuropoda melanoleuca) is a bear species endemic to China."
    ]
  }'

Oczekiwany wynik: results[0].index == 2 (dokument o pandzie), relevance_score najwyższy dla tego indeksu.

VRAM i SINGLE_ACTIVE_BACKEND

Compose ma SINGLE_ACTIVE_BACKEND=true — przy przełączaniu chat → embed → rerank model jest przeładowywany (jak przy embed). Reranker (~1.1 GB) + Gemma (~6.5 GB) nie mieszczą się naraz w sensie aktywnego backendu; kolejne wywołania API przełączają model.

Dla pipeline RAG (embed → rerank → chat) klient musi liczyć się z latencją przeładowania (~kilka sekund między typami modeli).

Integracja z klientem (ai-lawyer / dev)

Zmienna	Wartość
`RERANK_MODEL`	`bge-reranker-v2-m3-FP16.gguf`
`RERANK_URL`	`https://llm.rtx1.mobile.agency-ai.dev/v1/rerank` (lub LAN `http://192.168.100.5:8070/v1/rerank`)
Auth	`Authorization: Bearer <LOCALAI_API_KEY>`

Payload zgodny z OpenAI/Jina rerank API — pole documents to tablica stringów, query to zapytanie, top_n opcjonalne.

Uwaga: uprawnienia plików

Pliki YAML utworzone przez kontener/UI mogą być owned by root. Skrypt download-reranker.sh przy błędzie cp zapisuje YAML przez docker exec localai (bez sudo na hoście).

3.9 KiB Raw Blame History