// guides.js — Anfänger-Guide (v5): erklärt die Local-LLM-Welt idiotensicher. // Reine Erklär-Seite. Tool-Einrichtung/Configs liegen im Tab „Verbinden". import { $ } from "../core/ui.js"; const SECTIONS = [ ["Erste Schritte — in 3 Schritten loslegen", `
  1. Modell holen: Im Cookbook auf „Wofür möchtest du es nutzen?" deinen Fall wählen (z.B. „Coden") → „Komplettes Setup installieren". Der Download läuft im Tab Aktivität.
  2. Verbinden: Im Tab Verbinden die Basis-URL kopieren und in deinem Tool (z.B. OpenCode) als „OpenAI-kompatibel" eintragen. Mit „Verbindung testen" prüfen.
  3. Loslegen: Im Tool das Modell (z.B. coder) auswählen und arbeiten. Die Engine lädt das passende Modell automatisch.
`], ["Was ist ein LLM bzw. ein Modell?", `

Ein LLM (Large Language Model) ist ein KI-Sprachmodell — die „Intelligenz", die Text versteht und schreibt (wie ChatGPT, nur lokal auf deinem Mini-PC, ohne Cloud). Ein Modell ist eine konkrete Datei davon. Verschiedene Modelle sind unterschiedlich gut/schnell und auf Dinge spezialisiert (Coden, Bilder, Chat).

`], ["Was ist GGUF?", `

GGUF ist das Dateiformat, in dem lokale Modelle gespeichert werden — gemacht, damit sie effizient auf normaler Hardware laufen. Unsere Engine (llama-swap/llama.cpp) lädt nur GGUF. Steht im Cookbook „keine GGUF", hat dieses HuggingFace-Repo schlicht keine passende Datei — dann ein anderes Repo nehmen (oft gibt's „…-GGUF"-Varianten).

`], ["Quantisierung (z.B. Q4_K_M)?", `

Modelle sind riesig. Quantisierung verkleinert sie, indem die Zahlen gröber gespeichert werden (16-Bit → 4-Bit) — sie passen dann in den Speicher und laufen schneller, bei kaum spürbarem Qualitätsverlust. Q4_K_M ist der beliebte Sweetspot aus Größe und Qualität. Höhere Zahl (Q6, Q8) = etwas besser, aber größer/langsamer.

`], ["Kontextfenster — das Gedächtnis", `

Das Kontextfenster ist das Kurzzeitgedächtnis: wie viel Text (Tokens) sich das Modell gleichzeitig merken kann. Größer = es überblickt längere Dateien/Gespräche, braucht aber mehr Speicher und wird etwas langsamer. Fürs Coden (viele Dateien) hilft groß; für kurzen Chat reicht klein. Mission Control rechnet dir das Optimum für deine Hardware aus.

`], ["Swapping — warum nur ein Modell läuft", `

llama-swap lädt immer nur ein Modell gleichzeitig und tauscht es bei Bedarf automatisch aus. Vorteil: Du kannst viele Modelle einrichten, ohne dass sie sich den Speicher teilen müssen. Heißt auch: Der Speicherbedarf deines Setups = das größte Einzelmodell, nicht die Summe.

`], ["MCP, Skills & Agenten", `

Agent: Ein Programm, das das Modell selbstständig Aufgaben erledigen lässt — Dateien lesen/schreiben, Befehle ausführen, mehrere Schritte planen (z.B. OpenCode, Cline).

MCP (Model Context Protocol): Ein Standard, über den ein Agent dem Modell zusätzliche Werkzeuge gibt — z.B. „durchsuche das Web", „lies meine Datenbank", „steuere Tool X". So wird aus einem reinen Textmodell ein nützlicher Helfer mit Zugriff auf echte Tools.

Skills: Vorgefertigte Fähigkeiten/Anleitungen, die ein Agent für wiederkehrende Aufgaben nutzt.

`], ]; function mount() { const c = $(".view[data-view='guides']"); if (!c) return; c.innerHTML = `

Guide für Einsteiger

Die Local-LLM-Welt in Klartext — ohne Vorwissen verständlich.
${SECTIONS.map(([title, body], i) => `
${title}
${body}
`).join("")}
`; } export default { id: "guides", mount };