Fix: Re-Warm-Waechter + Startup-Warmup folgen dem aktiven Hirn (nicht mehr fix "hermes")

Nach dem Hirn-Wechsel auf fast (Qwen3.6) zeigte der Wächter noch auf "hermes"
(Hermes-4-14B) -> er haette das aus dem Warm-Set entfernte Modell wieder geladen.
warmer._brain_model() liest jetzt Hermes' model.default (Fallback fast); Startup-Warmup
BRAINS default "fast". Passt sich kuenftigen Hirn-Wechseln automatisch an.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

backend/app.py

@@ -34,7 +34,7 @@ async def lifespan(app: FastAPI):
     """Hintergrund-Tasks an den App-Lebenszyklus binden: Re-Warm-Wächter fürs Agent-Hirn."""
     task = asyncio.create_task(warmer.rewarm_loop()) if warmer.ENABLED else None
     if task:
-        log.info("Hirn-Re-Warm-Wächter aktiv (Intervall %ss, Modell '%s')", warmer.INTERVAL, warmer.MODEL)
+        log.info("Hirn-Re-Warm-Wächter aktiv (Intervall %ss, Hirn dynamisch aus Hermes-Config)", warmer.INTERVAL)
     try:
         yield
     finally:

backend/services/warmer.py

@@ -23,10 +23,31 @@ log = logging.getLogger(__name__)
 
 ENABLED = os.environ.get("MC_REWARM_ENABLED", "1") != "0"
 INTERVAL = int(os.environ.get("MC_REWARM_INTERVAL", "90"))     # Sekunden zwischen Checks
-MODEL = os.environ.get("MC_REWARM_MODEL", "hermes")            # Alias der Rolle
 START_DELAY = int(os.environ.get("MC_REWARM_START_DELAY", "25"))
 
 
+def _brain_model() -> str:
+    """Aktives Agent-Hirn = Hermes' model.default (sonst model.model). So wärmt der Wächter
+    immer das WIRKLICH genutzte Hirn (passt sich Hirn-Wechseln an). Override: MC_REWARM_MODEL."""
+    forced = os.environ.get("MC_REWARM_MODEL")
+    if forced:
+        return forced
+    try:
+        from ruamel.yaml import YAML
+        from config import HERMES_HOME
+        p = HERMES_HOME / "config.yaml"
+        if p.exists():
+            with p.open(encoding="utf-8") as f:
+                cfg = YAML().load(f) or {}
+            m = (cfg.get("model") or {}) if isinstance(cfg, dict) else {}
+            v = m.get("default") or m.get("model")
+            if v:
+                return str(v)
+    except Exception:
+        log.debug("rewarm: Hirn-Lookup fehlgeschlagen", exc_info=True)
+    return "fast"
+
+
 async def _running_empty() -> bool:
     async with httpx.AsyncClient(timeout=8.0) as c:
         r = await c.get(f"{LLAMA_SWAP_URL}/running")
@@ -34,10 +55,10 @@ async def _running_empty() -> bool:
     return not (data.get("running") or [])
 
 
-async def _warm() -> None:
+async def _warm(model: str) -> None:
     async with httpx.AsyncClient(timeout=180.0) as c:
         await c.post(f"{LLAMA_SWAP_URL}/v1/chat/completions", json={
-            "model": MODEL, "max_tokens": 1,
+            "model": model, "max_tokens": 1,
             "messages": [{"role": "user", "content": "ping"}],
         })
 
@@ -48,8 +69,9 @@ async def rewarm_loop() -> None:
     while True:
         try:
             if await _running_empty():
-                log.info("rewarm: Box idle → Hirn '%s' wird vorgewärmt", MODEL)
-                await _warm()
+                model = _brain_model()
+                log.info("rewarm: Box idle → Hirn '%s' wird vorgewärmt", model)
+                await _warm(model)
         except Exception:
             log.debug("rewarm: Tick fehlgeschlagen", exc_info=True)
         await asyncio.sleep(INTERVAL)

deploy/warmup.sh

@@ -1,13 +1,13 @@
 #!/usr/bin/env bash
-# Lädt die "brains" (hermes/fast/vision) nach einem llama-swap-(Re)Start vor,
-# damit die ERSTE Anfrage nicht kalt ist (llama-swap lädt sonst lazy bei Bedarf).
+# Lädt das warme "brains"-Set nach einem llama-swap-(Re)Start vor, damit die ERSTE
+# Anfrage nicht kalt ist (llama-swap lädt sonst lazy bei Bedarf).
 # Eingehängt als  ExecStartPost=-/usr/local/bin/llama-swap-warmup.sh  in llama-swap.
 #
-# Selbst-detachend: der ExecStartPost-Aufruf kehrt sofort zurück (blockiert den
-# Service-Start NICHT); die eigentliche Aufwärmung läuft entkoppelt im Hintergrund.
+# `fast` = das Agent-Hirn (Qwen3.6-35B-A3B); Pingen eines brains-Gruppen-Mitglieds lädt die
+# ganze (ko-residente) Gruppe. Selbst-detachend: blockiert den Service-Start nicht.
 set -u
 URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
-BRAINS="${MC_WARMUP_MODELS:-hermes fast vision}"
+BRAINS="${MC_WARMUP_MODELS:-fast}"
 
 if [ "${1:-}" != "--inner" ]; then
   setsid "$0" --inner >/dev/null 2>&1 &