Fix: Embedding-Modell (Qwen3-Embedding-0.6B) auch automatisch vorwaermen

Das Embedding-Modell (Alias `embed`, fuer Mem0/Gedaechtnis) ist zwar brains-Member
(persist), aber Pingen von `fast` laedt die anderen Gruppenmitglieder NICHT mit —
es blieb kalt bis zur ersten /v1/embeddings-Anfrage.

- warmup.sh: waermt jetzt zusaetzlich die Embedding-Modelle ueber /v1/embeddings
  (anderer Endpunkt als chat), gesteuert via MC_WARMUP_EMBED (default "embed").
- stack-postcheck.sh: prueft nach jedem Update zusaetzlich, dass das Embedding-Modell
  laedt und einen Vektor liefert (sonst ist Mem0/Gedaechtnis betroffen) -> Job rot.

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

deploy/stack-postcheck.sh

@@ -11,6 +11,7 @@ SWAP_URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
 MC_URL="${MC_URL:-http://127.0.0.1:9001}"
 MEM0_URL="${MEM0_SERVICE_URL:-http://127.0.0.1:8765}"
 BRAIN="${MC_WARMUP_MODELS:-fast}"; BRAIN="${BRAIN%% *}"   # erstes Modell, falls Liste
+EMBED="${MC_WARMUP_EMBED:-embed}"; EMBED="${EMBED%% *}"   # Embedding-Modell (Mem0/Gedächtnis)
 fail=0
 
 echo "=== Stack Post-Update: Funktionsprüfung ==="
@@ -47,6 +48,16 @@ else
   echo "FAIL · Inferenz auf '$BRAIN' fehlgeschlagen (Modell lädt/generiert nicht)"; fail=1
 fi
 
+# 3b. Embedding-Modell (für Mem0/Gedächtnis) lädt und liefert einen Vektor?
+eresp="$(curl -s -m 120 -X POST "$SWAP_URL/v1/embeddings" \
+  -H 'Content-Type: application/json' \
+  -d "{\"model\":\"$EMBED\",\"input\":\"ping\"}" 2>/dev/null)"
+if printf '%s' "$eresp" | grep -q '"embedding"'; then
+  echo "PASS · Embedding-Modell '$EMBED' liefert Vektoren"
+else
+  echo "FAIL · Embedding-Modell '$EMBED' lädt/antwortet nicht (Mem0/Gedächtnis betroffen)"; fail=1
+fi
+
 # 4. MC2 selbst gesund (Engine + Gateway erreichbar)?
 if curl -sf -m 8 "$MC_URL/api/health" 2>/dev/null | grep -qE '"engine_reachable":[[:space:]]*true'; then
   echo "PASS · MC2 /api/health: engine_reachable=true"

deploy/warmup.sh

@@ -3,11 +3,15 @@
 # Anfrage nicht kalt ist (llama-swap lädt sonst lazy bei Bedarf).
 # Eingehängt als  ExecStartPost=-/usr/local/bin/llama-swap-warmup.sh  in llama-swap.
 #
-# `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.
+# `fast` = das Agent-Hirn (Qwen3.6-35B-A3B), `embed` = das Embedding-Modell (Qwen3-Embedding-0.6B,
+# für Mem0/Gedächtnis). Beide sind in der brains-Gruppe (persist), werden aber NICHT automatisch
+# zusammen geladen — jedes Modell muss einzeln angestoßen werden, sonst bleibt es kalt.
+# Embedding läuft im --embedding-Modus → anderer Endpunkt (/v1/embeddings, nicht chat).
+# Selbst-detachend: blockiert den Service-Start nicht.
 set -u
 URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
 BRAINS="${MC_WARMUP_MODELS:-fast}"
+EMBEDS="${MC_WARMUP_EMBED:-embed}"
 
 if [ "${1:-}" != "--inner" ]; then
   setsid "$0" --inner >/dev/null 2>&1 &
@@ -20,9 +24,16 @@ for _ in $(seq 1 60); do                       # auf llama-swap warten (max ~120
   sleep 2
 done
 
-for m in $BRAINS; do
+for m in $BRAINS; do                           # Chat-Hirne über /v1/chat/completions
   curl -s -m 180 -X POST "$URL/v1/chat/completions" \
     -H 'Content-Type: application/json' \
     -d "{\"model\":\"$m\",\"max_tokens\":1,\"messages\":[{\"role\":\"user\",\"content\":\"ping\"}]}" \
     >/dev/null 2>&1 || true
 done
+
+for m in $EMBEDS; do                           # Embedding-Modelle über /v1/embeddings
+  curl -s -m 120 -X POST "$URL/v1/embeddings" \
+    -H 'Content-Type: application/json' \
+    -d "{\"model\":\"$m\",\"input\":\"ping\"}" \
+    >/dev/null 2>&1 || true
+done