Files
ubuntu-bare-metal/stacks/localai/coding-agent/STATE.md
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

2.3 KiB

STATE — LocalAI runtime

Ostatnia aktualizacja: po wdrożeniu BGE-Reranker-v2-m3 (2026-07-01).

Kontener

Element Wartość
Nazwa localai
Obraz localai/localai:v4.4.3-gpu-nvidia-cuda-13
Status running (healthy)
Port hosta 8070 → 8080 w kontenerze (0.0.0.0 — LAN)
GPU CUDA_VISIBLE_DEVICES=0 (RTX 3090 Ti)
API auth LOCALAI_API_KEY w compose — 401 bez Bearer

Publiczny endpoint (NPMPlus)

Element Wartość
Domena https://llm.rtx1.mobile.agency-ai.dev/v1
Upstream http://127.0.0.1:8070 (lub LAN 192.168.100.5:8070)

Backendy

Backend Zainstalowany
cuda13-llama-cpp (alias llama-cpp) tak
turboquant nie (odłożone)

Modele (/data/apps/localai/models/)

Model GGUF YAML Status API
gemma-4-12b-it-qat-q4_0 tak (~6.5 GB) KV q8_0, flash_attention, context_size: 8192 chat OK
bge-m3-FP16.gguf tak (1.1 GB) embeddings: true, known_usecases: [embedding] embed OK, 1024 dims
bge-reranker-v2-m3-FP16.gguf tak (1.1 GB) reranking: true, known_usecases: [rerank], backend: llama-cpp rerank OK

Szablony w repo:

Weryfikacja (2026-06-30)

Test Wynik
GET /readyz 200
GET /v1/models (auth) 200 — 2 modele
POST /v1/chat/completions (gemma) 200
POST /v1/embeddings (bge-m3) 200, wektor 1024
POST /v1/rerank (bge-reranker) 200, indeks 2 (panda) na top
Chat → embed (SINGLE_ACTIVE_BACKEND) 200 / 200
Embeddings z RTX1 przez publiczną domenę timeout (hairpin NAT) — dev powinien testować z zewnątrz

Ścieżki

Co Gdzie
Repo stack /home/tomasz-syn-grzegorza/cursor/ubuntu-bare-metal/stacks/localai
Modele runtime /data/apps/localai/models
Raport dla dev EMBEDDING-STATUS-REPORT.md