Slots : SIDE_SLOT ouvre un second slot pour les travaux annexes, en opt-in

En --parallel 1, une vérification, un sous-agent, une tâche ou un bench
prennent le slot de la discussion : son état part dans le cache RAM et en
revient, ou se recalcule s'il n'y tient plus. Avec SIDE_SLOT=on (off par
défaut), le moteur ouvre deux slots et la discussion garde le sien.

Dimensionnement choisi pour qu'un débordement concurrent soit impossible par
construction : cache KV NON unifié (--no-kv-unified) et -c 2×CTX, soit deux
flux séparés de CTX jetons. Sous cache unifié, les deux slots partagent le
pool et, plein, llama.cpp renvoie « Context size has been exceeded. » aux
deux — que Loki prenait pour un débordement de la conversation. Chaque slot
garde la fenêtre entière : ctxWindow et la compaction restent sur CTX, rien
n'est raccourci. --cache-idle-slots ne vide les slots au repos que sous cache
unifié : rien à régler.

- lancement : refus (un slot, ligne d'avant, note au journal) si modèle + deux
  états dépassent 90 % de la VRAM, VRAM ou GGUF inconnus, poids sur CPU,
  moteur sans --no-kv-unified, PARALLEL≠2, ou -c/-np/-kvu/--no-kv-unified/
  --kv-unified-per-slot/--cache-idle-slots dans EXTRA_ARGS (ou leurs
  LLAMA_ARG_*) ; note de VRAM en plus, avertissement si NGL imposé
- routage id_slot seulement si /props annonce 2 slots d'au moins CTX jetons :
  0 pour le tour, ses étapes, le préchauffage et le résumé en continuation ;
  1 pour vérification, sous-agents, tâches, bench, résumé sur transcription
- clients /v1 (proxy et relais) : corps réécrit en id_slot 1, quel qu'il soit
- cohérence lot 1 : l'effacement de slot s'abstient (2 slots) ; une requête
  du slot 1 n'avance pas le numéro d'engineSlotHolds, la continuation de
  compaction reste possible après une vérification
- « Context size has been exceeded. » sans nombre de jetons, deux slots en
  service : requête rejouée telle quelle, jamais compaction ni réduction
- préchauffage permis sur les deux slots de SIDE_SLOT, vers le slot 0
- éditeur de preset : VRAM du second slot ou raison du refus
- tests : ligne identique sans la clé, chaque conflit refuse sans changer la
  ligne, routage par nature, aucun id_slot sur un slot / preset externe /
  fenêtre partagée, rejeu sans compaction, proxy forcé, préchauffage

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

internal/loki/llm_client.go

@@ -1312,6 +1312,8 @@ func runChatLoop(ctx context.Context, kt *keepImages, messages []Message, tools
 	compactedRetry := false
 	// Réductions forcées (shrinkToFit) quand le compactage n'a pas suffi.
 	shrinkRetries := 0
+	// Rejeux à l'identique après un cache KV plein en plein calcul (SIDE_SLOT).
+	poolRetries := 0
 	// Repli d'intensité de raisonnement (llm_effort.go) : une seule tentative par
 	// tour, comme les autres filets.
 	effortRetried := false
@@ -1430,6 +1432,9 @@ func runChatLoop(ctx context.Context, kt *keepImages, messages []Message, tools
 			tools: tools, disableTools: disableTools, toolChoiceNone: toolChoiceNone,
 			effort: reasoningEffort, kwargs: reasoningKwargs,
 		})
+		// SIDE_SLOT (llm_sideslot.go) : le fil de la discussion sur le slot 0,
+		// le reste sur le 1. Sans second slot en service, aucun id_slot.
+		setEngineSlot(payload, engineSlotFor(ep, slotIsMain(ptag.kind)))
 		body, _ := json.Marshal(payload)
 		req, err := http.NewRequestWithContext(ctx, "POST", ep.URL, bytes.NewReader(body))
 		if err != nil {
@@ -1450,7 +1455,7 @@ func runChatLoop(ctx context.Context, kt *keepImages, messages []Message, tools
 		endReq := func() {}
 		var reqSeq uint64
 		if !ep.External {
-			endReq, reqSeq = engineRequestBegin(prewarmKeeper(ptag.kind, sent, payload))
+			endReq, reqSeq = engineRequestBeginSide(prewarmKeeper(ptag.kind, sent, payload), payloadOnSideSlot(payload))
 		}
 		resp, err := http.DefaultClient.Do(req)
 		if err != nil {
@@ -1501,6 +1506,24 @@ func runChatLoop(ctx context.Context, kt *keepImages, messages []Message, tools
 					continue
 				}
 			}
+			// SIDE_SLOT : un cache KV à court de place en plein calcul n'est pas un
+			// prompt trop long (llm_sideslot.go). Rejouée telle quelle, sans
+			// compaction ni réduction — deux fois au plus, le temps que l'autre
+			// slot finisse, puis l'erreur telle quelle : la conversation tenait
+			// dans sa fenêtre, rien ne justifie d'en perdre un morceau. Sans
+			// second slot en service, ce filet ne joue pas.
+			if !ep.External && sideSlotPoolError(msg) && sideSlotLive(ep) {
+				if poolRetries < 2 {
+					poolRetries++
+					logCtx("cache KV plein pendant le calcul (deux slots) : requête rejouée telle quelle, sans compaction")
+					if werr := llmNetBackoff(ctx, poolRetries-1); werr == nil {
+						continue
+					}
+				}
+				err := fmt.Errorf("llama-server a renvoyé %d : %s", resp.StatusCode, msg)
+				cb(StreamEvent{Err: err})
+				return extra, err
+			}
 			// Gabarit qui refuse le raisonnement renvoyé (gpt-oss : « Cannot pass
 			// both content and thinking », message assistant jugé invalide…) :
 			// rejoué UNE fois sans lui, AVANT la coupure des outils et la consigne