mirror of
https://github.com/R0m1k3/Loki.git
synced 2026-10-11 17:26:57 +02:00
nathaninline
110458c133
Socle du renommage jean -> AJEAN, sans aucun impact visible pour le parc installe. Trois briques : - module github.com/nathaninline/ajean, cmd/ajean, internal/ajean, package ajean. Purement interne. - AjeanHome() remplace JeanHome(). Les defauts deviennent %ProgramData%\ajean et /etc/ajean, avec migration du dossier existant au premier lancement. La migration est un os.Rename dans le dossier parent de l'ancien chemin : intra-volume, donc atomique et instantane meme avec des .gguf de plusieurs dizaines de Go. Si le rename echoue (handle ouvert sous Windows, droits, volume en lecture seule) on CONTINUE sur l'ancien chemin et on retentera : jamais de copie, jamais de suppression, le pire cas est "rien n'a bouge". $AJEAN_HOME et $JEAN_HOME restent tous deux honores, ainsi que /etc/default/ajean et /etc/default/jean : un chemin impose a la main est un ordre, on ne le migre pas. - l'auto-MAJ accepte desormais ajean-<os>-<arch> ET jean-<os>-<arch>, dans cet ordre. Indispensable dans les deux sens : les binaires deja installes ne connaissent que jean-*, et ce binaire-ci doit pouvoir s'installer depuis une release anterieure au renommage. Couvert par des tests, dont le repli quand un handle ouvert bloque le rename sous Windows.
79 lines
2.8 KiB
Go
79 lines
2.8 KiB
Go
package ajean
|
|
|
|
// backend_catalog.go — récupère la liste de modèles curatée servie par ajean.link et la
|
|
// combine avec les infos matérielles locales, pour que l'écran d'accueil (à
|
|
// venir) propose « en un clic » un modèle adapté à la machine.
|
|
//
|
|
// La liste vit sur https://ajean.link/models.json (éditée par l'opérateur, voir
|
|
// jean-relay/models_catalog.go). Si le réseau échoue, on retombe sur un
|
|
// catalogue minimal embarqué (fallbackCatalogJSON) pour ne jamais bloquer.
|
|
|
|
import (
|
|
"encoding/json"
|
|
"net/http"
|
|
"runtime"
|
|
"time"
|
|
)
|
|
|
|
const catalogURL = "https://ajean.link/models.json"
|
|
|
|
type catalogModel struct {
|
|
ID string `json:"id"`
|
|
Name string `json:"name"`
|
|
Params string `json:"params"`
|
|
Quant string `json:"quant"`
|
|
SizeGB float64 `json:"size_gb"`
|
|
MinRAMGB float64 `json:"min_ram_gb"`
|
|
URL string `json:"url"`
|
|
Note string `json:"note"`
|
|
}
|
|
|
|
type catalog struct {
|
|
Version int `json:"version"`
|
|
Models []catalogModel `json:"models"`
|
|
}
|
|
|
|
type hardwareInfo struct {
|
|
OS string `json:"os"`
|
|
Arch string `json:"arch"`
|
|
RAMGB float64 `json:"ram_gb"`
|
|
}
|
|
|
|
// fetchCatalog récupère le catalogue distant, avec repli embarqué.
|
|
func fetchCatalog() catalog {
|
|
var c catalog
|
|
client := &http.Client{Timeout: 8 * time.Second}
|
|
if resp, err := client.Get(catalogURL); err == nil {
|
|
defer resp.Body.Close()
|
|
if resp.StatusCode == 200 && json.NewDecoder(resp.Body).Decode(&c) == nil && len(c.Models) > 0 {
|
|
return c
|
|
}
|
|
}
|
|
_ = json.Unmarshal([]byte(fallbackCatalogJSON), &c)
|
|
return c
|
|
}
|
|
|
|
func detectHardware() hardwareInfo {
|
|
return hardwareInfo{OS: runtime.GOOS, Arch: runtime.GOARCH, RAMGB: totalRAMGB()}
|
|
}
|
|
|
|
// handleCatalog : renvoie le catalogue + le matériel local. L'UI s'en sert pour
|
|
// marquer chaque modèle « tient / trop lourd » et proposer le bon par défaut.
|
|
func handleCatalog(w http.ResponseWriter, r *http.Request) {
|
|
resp := struct {
|
|
Hardware hardwareInfo `json:"hardware"`
|
|
Models []catalogModel `json:"models"`
|
|
}{Hardware: detectHardware(), Models: fetchCatalog().Models}
|
|
w.Header().Set("Content-Type", "application/json")
|
|
_ = json.NewEncoder(w).Encode(resp)
|
|
}
|
|
|
|
// fallbackCatalogJSON — repli minimal si ajean.link/models.json est injoignable.
|
|
const fallbackCatalogJSON = `{
|
|
"version": 1,
|
|
"models": [
|
|
{"id":"qwen2.5-3b-instruct-q4","name":"Qwen2.5 3B Instruct","params":"3B","quant":"Q4_K_M","size_gb":2.1,"min_ram_gb":6,"url":"https://huggingface.co/bartowski/Qwen2.5-3B-Instruct-GGUF/resolve/main/Qwen2.5-3B-Instruct-Q4_K_M.gguf","note":"Léger et rapide — idéal petites machines."},
|
|
{"id":"qwen2.5-7b-instruct-q4","name":"Qwen2.5 7B Instruct","params":"7B","quant":"Q4_K_M","size_gb":4.7,"min_ram_gb":10,"url":"https://huggingface.co/bartowski/Qwen2.5-7B-Instruct-GGUF/resolve/main/Qwen2.5-7B-Instruct-Q4_K_M.gguf","note":"Plus capable — recommandé avec 16 Go de RAM ou un GPU."}
|
|
]
|
|
}`
|