Preserve desktop VRAM reserve and portable CPU compression setup

README.md

@@ -5,6 +5,7 @@ Reproduzierbares Benutzer-Deployment für Hermes Agent auf Arch Linux mit:
 - offizieller Hermes-Git-Installation unter `~/.hermes/hermes-agent`
 - von Hermes erzeugtem systemd-User-Service für den Messaging Gateway
 - optionalem lokalen llama.cpp/OpenAI-kompatiblen Modellendpunkt
+- optionalem CPU-Kompressionsserver für Hermes
 - optionalem signal-cli HTTP-Daemon
 - robustem Hermes-Update mit Vorprüfung, Retry, Backup und Rollback
 - regelmäßigen Healthchecks und Selbstheilungsversuchen
@@ -13,7 +14,7 @@ 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: 2026-09-05. Für deine **bestehende Workstation** zuerst
+Stand: 2026-10-12. 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. Es wird kein Gitea-Server angelegt und nichts automatisch gepusht.
@@ -43,6 +44,8 @@ Danach die beim ersten Lauf erzeugten lokalen Konfigurationen bearbeiten:
 ```bash
 $EDITOR ~/.config/hermes-stack-maintenance/config.env
 $EDITOR ~/.config/hermes-stack-maintenance/llama.env
+# Bei Nutzung der lokalen Kompression:
+$EDITOR ~/.config/hermes-stack-maintenance/compression.env
 $EDITOR ~/.config/hermes-stack-maintenance/signal-cli.env
 $EDITOR ~/.hermes/.env
 ```
@@ -123,11 +126,17 @@ Start des llama-Dienstes geladen, nicht bei der Konfigurationsprüfung.
 ~/.local/libexec/hermes-stack-llama-report
 ```
 
-`baseline` behält deine bisherigen 64K Kontext / 1536 MiB Fit-Zielmarge.
-`balanced` reduziert nur den Kontext auf 48K; `vram-plus` danach optional die
-Marge auf 1280 MiB. `compact` bietet 32K bei 1536 MiB. Das sind Vergleichsprofile,
-keine Garantie gegen Desktop-Speicherdruck. Details, Messprotokoll und Rücknahme:
-[`docs/RTX3080.md`](docs/RTX3080.md).
+Für neue Konfigurationen ist `desktop-64k` der Standard: 64K Kontext,
+4096 MiB Fit-Zielmarge, Reasoning-Budget 128 ohne Reasoning-Preserve.
+Das priorisiert Spielraum für Browser und Desktop auf einer gemeinsam genutzten
+GPU. Die früheren Profile bleiben für bewusste Vergleiche verfügbar.
+Bestehende Konfigurationen werden nicht umgestellt. Bei expliziten `LLAMA_ARGS`
+und leerem `LLAMA_PROFILE` wirken die Profile nicht.
+
+Der optionale Dienst `llama-compression.service` verwendet eine eigene
+`compression.env`, Port 8081 und CPU-Ausführung einschließlich KV-/Op-Offload.
+Für beide Server werden Modellgewichte separat bereitgestellt. Einrichtung,
+Messgrenzen und Migration: [`docs/RTX3080.md`](docs/RTX3080.md).
 
 Profilwechsel ändern zunächst nur eine separate Auswahl-Datei. Ein Neustart
 benötigt `hermes-stack-llama-restart --jobs-finished`. Der Healthcheck teilt das