Mission Control 2.0

Steuerzentrale des lokalen KI-Stacks auf dem Bosgame M5 (AMD Ryzen AI MAX+ 395 „Strix Halo", 122 GB Unified Memory, keine dedizierte GPU — llama.cpp über Vulkan/RADV). Läuft live als sudo-freier systemd-User-Dienst und ist auf Autonomie ausgelegt: Die Box wartet sich selbst, prüft sich selbst und meldet sich, wenn etwas nicht stimmt.

100 % lokal. Kein Cloud-Modell, kein externer Dienst im Datenpfad.

Die drei Bahnen

Bahn	Was sie tut	Wo
Steuerzentrale	Modelle, Routing, Wartung, Gedächtnis, Ideen-Queue, Auftragsbuch	MC2 `:9001`
Coding	Agentic IDE (z.B. OpenCode Desktop) auf Dev-PC via lokaler API + MCP	100% lokal
Lucy	Sprach-Companion mit 3D-Avatar, Augen und Ohren	eigenes Repo `Hitonabi/lucy`

Lucy holt ihr Hirn über MC2, spricht aber nie durch den Governor — ein Gespräch ist keine Bau-Sitzung und wird nie unterbrochen.

Ports & Dienste

Port	Dienst	Erreichbar
`9001`	MC2 (FastAPI + React) — Cockpit, API, Konsole	LAN

Units in deploy/: mission-control-2 · mc2-gateway · mc2-steward · mem0-service · voice-service · box-console · hermes-builtin-ui + Timer für Backup, Auto-Update, Self-Smoke und Bagatell-Annahme. llama-swap läuft als System-Unit.

Der Weg einer Idee

Idee in MC2  →  Gitea-Repo (mit CI-Ampel + VERIFY)  →  in Agentic IDE bauen  →  Ampel  →  main
     └── autonomes Vibe Coding via OpenCode Desktop + MCP

Jedes neue Repo wird von deploy/gitea-repo-create.sh mit beiden Wächtern geboren:

.gitea/workflows/ci.yml — die Außen-Prüfung nach dem Push (Gitea Actions)
VERIFY — die Innen-Prüfung: eine Zeile, wie man das Projekt testet. Die Agentic IDE führt sie im Mix-Ansatz vor jedem Push aus, um Code-Fehler ("Quality Gap") abzufangen. Keine VERIFY-Datei = Prüf-Tor aus.

Modelle & Rollen

Gemessen auf der Box (25.07.2026, Vulkan, Q4):

Rolle	Modell	Tempo	Aufgabe
`coder`	Qwen3-Coder-Next (80B-A3B)	51,5 t/s · Prefill 754 t/s	Plant und baut — Kopf der Coding-Mannschaft
`hermes` / `fast`	Qwen3.6-35B-A3B	69,6 t/s	Lucys Hirn und der Sucher-Subagent. Immer warm
`kritiker`	Devstral-Small-2-24B	15,0 t/s · Prefill 265–318 t/s	Liest gegen — bewusst fremde Modellfamilie (Mistral statt Qwen)
`vision`	Qwen3-VL-30B-A3B	auf Abruf	Lucys Augen
`heavy`	gpt-oss-120b	nur nachts	Chef-Gutachter (4:30). Nie tagsüber — verdrängt das warme Set
`embed` · `reranker`	Qwen3 0.6B	immer warm	Gedächtnis + Feinsortierung

‼️ Der Kritiker ist bewusst auf 16k Kontext gedeckelt. Devstral ist ein dichtes Modell — auf dieser bandbreitenbegrenzten Box bricht sein Prefill mit wachsendem Kontext ein (bei 32k gemessene 63 t/s ≈ 9 Minuten nur zum Lesen). Mit dem 16k-Deckel bleibt der schlimmste Fall je Review unter einer Minute. Deshalb ist er der Gegenleser für Etappen, nicht der Coder — als Coder ist er auf dieser Box disqualifiziert (siehe VERDIKTE).

‼️ Speicher-Regel: Warm-Set + größtes On-Demand-Modell ≤ ~115 GB. Die ko-residente Gruppe (groups.brains in der llama-swap-Config) muss persistent: false sein — sonst räumt llama-swap vor einem großen Modell nicht ab und der Kernel schießt Prozesse ab. Details und Messwerte: docs/wissen/VERDIKTE.md.

Qualitäts-Tore

Prüf-Tor — VERIFY nach jeder Etappe; rot → der Agent (OpenCode Desktop) repariert lokal nach.
CI-Ampel — Lint (ruff) · Import/Syntax (compileall) · Frontend-Build. Läuft in Gitea.

Gemeinsame Lehre dahinter: Wissen lebt in Datei + git, nicht im schrumpfenden Chat-Kontext. Kontext-Komprimierung löscht still die Regeln mit.

Selbsterhaltung

Health-Wächter (sentry) + Warm-Set-Wächter (warmer, per Env abschaltbar)
Updates mit Fangnetz — Backup → Update → Postcheck → bei Fehler Auto-Rollback + Pin
Melde-Briefkasten (/api/voice/announce) — alles, was die Box von sich aus sagen will; Lucy pollt ihn und spricht es. Absender loop = Coding-Ereignisse
Gedächtnis — Mem0-Sidecar, auto-lernend, semantisch, mit Auto-Dedupe
Tägliche Self-Smokes, Zeitmaschine (Snapshot + Ein-Klick-Restore), Chronik der autonomen Taten

API (Auswahl)

health · models/* · discover · fit · groups · routing/* · system/* · maintenance/* · connect · memory/* · agent/* · ideen/* · auftragsbuch/* · chronik · eigenleben · wissen · zeitmaschine/* · reminders/* · voice/* · events (SSE) OpenAI-kompatibel: /v1/chat/completions, /v1/completions. MCP-Server: mcp/.

Entwickeln

# Backend
cd backend
python -m venv .venv && .venv/Scripts/python -m pip install -r requirements.txt   # Windows
.venv/Scripts/python -m uvicorn app:app --port 9000

# Frontend (Dev, proxyt /api → :9000)
cd frontend && npm install && npm run dev        # http://localhost:5173

# Frontend (Build → wird vom Backend ausgeliefert)
cd frontend && npm run build                     # → frontend/dist

frontend/dist wird mitcommittet — die Box hat kein Node; Deploy ist ein git pull plus Dienst-Neustart. Vor jedem Commit lohnt der Ampel-Vorlauf: ruff check . und npm run build.

Env-Vars (Auswahl)

Variable	Default	Zweck
`MC_PORT`	`9000`	MC-Backend-Port (die Unit auf der Box setzt `9001`)
`MC_LLAMA_SWAP_URL`	`http://127.0.0.1:8080`	Engine/Router
`MC_CONFIG_PATH`	`/etc/llama-swap/config.yaml`	llama-swap-Config
`MC_V1_UPSTREAM`	–	gesetzt → `/v1` geht an `mc2-gateway` (`:9010`) statt in-process

Weiterlesen

Dokument	Inhalt
`docs/BEDIENUNG.md`	Wie man MC2 benutzt
`docs/RUNBOOK.md` · `docs/DISASTER_RECOVERY.md`	Betrieb, Störungen, Wiederherstellung
`docs/HERMES_SETUP.md`	Hermes-Agent, Profile, Crons
`docs/AUFTRAGSBUCH.md`	Vorschlags-Inbox und das Ein-Klick-Gate
`docs/wissen/VERDIKTE.md`	Finale Technik-Entscheide — nicht neu aufrollen
`docs/wissen/FALLEN.md` · `docs/wissen/OFFENE-FAEDEN.md`	Stolpersteine · offene Punkte

| AGENTS.md | Arbeitsregeln für Agenten in diesem Repo |

7.1 KiB Raw Blame History Unescape Escape