#!/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).
# 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.
set -u
URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
BRAINS="${MC_WARMUP_MODELS:-hermes fast vision}"

if [ "${1:-}" != "--inner" ]; then
  setsid "$0" --inner >/dev/null 2>&1 &
  exit 0
fi

# --- ab hier im entkoppelten Hintergrundprozess ---
for _ in $(seq 1 60); do                       # auf llama-swap warten (max ~120s)
  curl -sf "$URL/v1/models" >/dev/null 2>&1 && break
  sleep 2
done

for m in $BRAINS; do
  curl -s -m 180 -X POST "$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