Auto-réglage GPU : détection, num_ctx optimal et bouton Réglage auto

Backend :
- agent_config : num_ctx dans la config, envoyé à Ollama (0 = défaut modèle)
- ollama_client : méthode ps() (placement GPU/CPU via /api/ps)
- autotune : placement() lit size vs size_vram pour savoir si le modèle est sur GPU
- routes/config : POST /api/config/auto (détecte GPU + modèle, calcule et applique
  num_ctx/max_tokens, renvoie la détection et le placement)

Frontend :
- client/store : autoTune(), état tuning + résultat
- SettingsView : bouton ⚡ Réglage auto, bannière de détection (GPU/VRAM,
  contexte, placement GPU/CPU), slider Contexte (num_ctx)

Config :
- GPU_VRAM_MB / GPU_NAME pour déclarer la VRAM si Ollama est distant

Tests : recommandation (8B sur 12 Go -> ctx 32768), route /auto + persistance,
transmission num_ctx aux options Ollama, placement via /api/ps.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01SVay7z3y7q2gEe54ByAE6N

docker-compose.unraid.yml

@@ -35,6 +35,9 @@ services:
       - PORT=8717
       # Optionnel : instance SearxNG pour l'outil web_search (sinon DuckDuckGo)
       - SEARX_URL=
+      # Optionnel : VRAM (Mo) de ton GPU pour l'auto-réglage, si Ollama est sur
+      # une autre machine (sinon laisse 0). Ex. 12000 pour une carte 12 Go.
+      - GPU_VRAM_MB=0
     volumes:
       - /mnt/user/appdata/loki/workspace:/workspace
       - /mnt/user/appdata/loki/data:/data