Make local inference limits and workstation setup reproducible

README.md

@@ -14,11 +14,14 @@ Reproduzierbares Benutzer-Deployment für Hermes Agent auf Arch Linux mit:
 - optionalem CUDA-Build von llama-server, llama-cli und llama-bench
 - Qwen-/RTX-3080-Profilen mit prüfbarem Wechsel und Rückweg
 
-Stand: 2026-10-21. Für deine **bestehende Workstation** zuerst
+Stand: 2026-10-23. Die Anleitung für das **aktuelle Setup auf einem neuen Rechner**
+steht in [NEW_WORKSTATION.md](docs/NEW_WORKSTATION.md): feste Modellrevisionen und
+Prüfsummen, Vorbereitung der Profile und Hermes-Limits, Aktivierung und Rückweg.
+Für deine **bestehende Workstation** zuerst
 [`docs/WORKSTATION.md`](docs/WORKSTATION.md) lesen. Der Schnellstart unten ist für
-eine neue Maschine. Hardware-Leistungsgewinne sind noch nicht auf deiner GPU
-gemessen; die kurze Funktions- und VRAM-Abnahme vom 12.10.2026 ist in
-[RTX3080.md](docs/RTX3080.md) dokumentiert. Der Installer richtet keinen
+eine neue Maschine. Das Routineprofil nutzt Qwen3.5-4B; der kurze lokale Texttest
+vom 23.10.2026 erreichte rund 130–136 Tokens/s. Das 27B-Modell bleibt optional.
+Frühere VRAM-Messungen stehen in [RTX3080.md](docs/RTX3080.md). Der Installer richtet keinen
 Gitea-Server ein und pusht keine Änderungen.
 
 Das Repository enthält **keine Zugangsdaten, Signal-Sitzung oder
@@ -61,7 +64,9 @@ hermes gateway install --force
 ```
 
 In Hermes als lokalen OpenAI-kompatiblen Endpunkt `http://127.0.0.1:8080/v1`
-und als Modell-ID `qwen38-27b-local` wählen. Bestehende Hermes-Konfigurationen,
+und als Modell-ID `hermes-local` wählen, wenn die aktuellen Routine-/Large-Profile
+nach [NEW_WORKSTATION.md](docs/NEW_WORKSTATION.md) vorbereitet wurden. Der ältere
+HF-Schnellstart verwendet weiterhin `qwen38-27b-local`. Bestehende Hermes-Konfigurationen,
 Profile, Skills und Memories werden nicht durch generische Vorgaben ersetzt.
 Für Neuinstallationen diese Einstellungen interaktiv vornehmen oder die eigenen
 Daten gemäß Migration sicher übernehmen. Der Alias allein setzt kein Kontextlimit.
@@ -83,6 +88,7 @@ Maintenance aktivieren:
 systemctl --user enable --now \
   hermes-stack-hermes-update.timer \
   hermes-stack-health.timer \
+  hermes-stack-llama-watchdog.timer \
   hermes-stack-signal-health.timer \
   hermes-stack-signal-update-check.timer
 ```
@@ -116,12 +122,25 @@ Abschließend:
 Ohne Optionen installiert das Skript nur die versionierten Dateien und legt
 fehlende Beispielkonfigurationen an. Bestehende lokale Konfigurationen werden
 nicht überschrieben.
+`hermes-stack-model` wird über `~/.local/bin` ohne Pfadangabe aufrufbar. Der
+separate Helfer `scripts/prepare-workstation.py` stellt auf Wunsch die fixierten
+Modelldateien bereit und übernimmt gezielt die aktuellen Hermes-Einstellungen.
 Ersetzte Wrapper und Units werden vorher gesichert. Eine vorhandene
 hermes-gateway.service wird nicht neu erzeugt. Ein Modell wird erst beim echten
 Start des llama-Dienstes geladen, nicht bei der Konfigurationsprüfung.
 
 ## RTX 3080 und Qwen
 
+Die aktuellen Schutzmaßnahmen gegen endlose Modellantworten und die explizite
+Umschaltung zwischen Routine- und großem Modell stehen in
+[INFERENCE_LIMITS.md](docs/INFERENCE_LIMITS.md).
+
+```bash
+hermes-stack-model status
+hermes-stack-model routine
+hermes-stack-model large
+```
+
 ```bash
 ~/.local/libexec/hermes-stack-llama-run --check
 ~/.local/libexec/hermes-stack-llama-profile list