Warmup kaut jetzt auch den Hermes-Agenten-Prompt vor (Erster-Call-Fix)

Gemessen 03.07.: erster User-Call nach Modell-Reload 37 s (Prefill des
~70-KB-Hermes-Prompts, 50 KB davon Tool-Schemas), mit warmem Prompt-Cache
~6 s. warmup.sh schickt nach dem Modell-Laden einen Wegwerf-Turn an den
api_server (:8642, wartet auf /health) — der -cram-Cache ist damit gefuellt,
bevor der User zum ersten Mal fragt. Strukturelle Prompt-Diaet = Faden 7.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

deploy/warmup.sh

@@ -39,3 +39,19 @@ for m in $EMBEDS; do                           # Embedding-Modelle über /v1/emb
     -d "{\"model\":\"$m\",\"input\":\"ping\"}" \
     >/dev/null 2>&1 || true
 done
+
+# Agenten-Prompt vorkauen: Hermes' Systemprompt (~70 KB, 33 Tool-Schemas) kostet nach
+# jedem Modell-(Neu-)Laden sonst 30-40 s Prefill BEIM ERSTEN USER-CALL (gemessen 03.07.:
+# kalt 37 s, mit gefülltem Prompt-Cache ~6 s). Ein Wegwerf-Turn füllt den -cram-Cache.
+AGENT_KEY="$(grep -E '^API_SERVER_KEY=' "$HOME/.hermes/.env" 2>/dev/null | cut -d= -f2- | tr -d '"' | tr -d "'")"
+if [ -n "$AGENT_KEY" ]; then
+  for _ in $(seq 1 45); do                     # auf hermes-gateway warten (Boot-Reihenfolge)
+    curl -sf -m 2 "http://127.0.0.1:8642/health" >/dev/null 2>&1 && break
+    sleep 2
+  done
+  curl -s -m 120 -X POST "http://127.0.0.1:8642/v1/chat/completions" \
+    -H "Authorization: Bearer $AGENT_KEY" -H 'Content-Type: application/json' \
+    -H 'X-Hermes-Session-Id: warmup-prefill' \
+    -d '{"model":"hermes","stream":false,"messages":[{"role":"user","content":"Sag nur OK."}]}' \
+    >/dev/null 2>&1 || true
+fi