Preserve desktop VRAM reserve and portable CPU compression setup

config/compression.env.example

@@ -0,0 +1,20 @@
+# Optionaler CPU-Kompressionsserver. Modellgewichte separat bereitstellen.
+# Gleiche Binary-Auswahl wie beim Hauptmodell; bei Bedarf explizit setzen.
+LLAMA_SERVER_BIN=""
+LLAMA_MODEL="$HOME/.local/share/hermes-stack/models/qwen3-1.7b-compression/Qwen3-1.7B-Q4_K_M.gguf"
+LLAMA_HF_REPO=""
+LLAMA_MMPROJ=""
+LLAMA_ALIAS="qwen3-1.7b-compression"
+LLAMA_HOST="127.0.0.1"
+LLAMA_PORT="8081"
+LLAMA_PROFILE=""
+LLAMA_ARGS=(
+  --ctx-size 65536 --rope-scaling yarn --rope-scale 2 --yarn-orig-ctx 32768
+  --parallel 1 --jinja --reasoning-budget 0 --no-reasoning-preserve
+  --n-gpu-layers 0 --device none --no-op-offload --no-kv-offload
+  --threads 8 --threads-batch 8 --flash-attn auto
+  --cache-type-k q8_0 --cache-type-v q8_0 --no-ui
+)
+# 64K-Kontext ist die übernommene Workstation-Konfiguration mit YaRN.
+# Die Binary meldet Kontext über dem Trainingslimit; Qualität bei langen
+# Kompressionsaufgaben auf dem Zielmodell gesondert prüfen.

config/llama-local.env.example

@@ -9,5 +9,5 @@ LLAMA_HF_REPO=""
 LLAMA_ALIAS="qwen38-27b-local"
 LLAMA_HOST="127.0.0.1"
 LLAMA_PORT="8080"
-LLAMA_PROFILE="baseline"
+LLAMA_PROFILE="desktop-64k"
 LLAMA_ARGS=()

config/llama.env.example

@@ -9,9 +9,9 @@ LLAMA_MMPROJ=""
 LLAMA_HOST="127.0.0.1"
 LLAMA_PORT="8080"
 
-# Erster Start unverändert mit 64K / 1536 MiB Fit-Zielmarge.
-# baseline bleibt Standard; vram-64k ist ein optionales Testprofil.
-LLAMA_PROFILE="baseline"
+# Standard für eine gemeinsam mit dem Desktop genutzte GPU: 64K / 4096 MiB.
+# Fit ist ein Planungsziel; die freie Reserve auf der Zielmaschine messen.
+LLAMA_PROFILE="desktop-64k"
 LLAMA_ARGS=()
 # HF lädt beim ersten echten Start herunter. Für offline/reproduzierbar:
 # LLAMA_MODEL und optional LLAMA_MMPROJ setzen; LLAMA_HF_REPO leeren.