# Jedyne źródło prawdy o backendach LLM i modelach per rola.
#
# Kontrakt jest jeden: endpoint zgodny z API OpenAI pod CODEMOD_LLM_BASE_URL.
# Backendy różnią się tym, jak ten endpoint powstaje - nie tym, co widzi silnik.
#
# `task llm:env` renderuje z tego pliku zmienne środowiskowe,
# `task llm:up` uruchamia wskazany backend.

default_backend: auto        # auto = wykrycie platformy (macOS -> vllm-metal, Linux+NVIDIA -> vllm-gpu)

backends:

  vllm-gpu:
    description: vLLM w kontenerze, Linux z GPU NVIDIA. Ścieżka najbliższa produkcji na OpenShifcie.
    platforms: [linux]
    requires: [docker, nvidia-gpu]
    provider: vllm
    base_url: http://localhost:8000/v1
    api_key: not-required
    serve:
      model: Qwen/Qwen3-4B-Instruct-2507
      # --enable-auto-tool-choice + parser są konieczne: agenci wołają narzędzia,
      # bez tego vLLM zwróci opis wywołania w treści zamiast tool_calls.
      args:
        - --max-model-len=16384
        - --enable-auto-tool-choice
        - --tool-call-parser=hermes
        - --gpu-memory-utilization=0.90
    models:
      planner: Qwen/Qwen3-4B-Instruct-2507
      coder: Qwen/Qwen3-4B-Instruct-2507
      reviewer: Qwen/Qwen3-4B-Instruct-2507
      scribe: Qwen/Qwen3-4B-Instruct-2507

  vllm-metal:
    description: >
      vLLM natywnie na Apple Silicon przez plugin vllm-project/vllm-metal (backend MLX).
      Docker na macOS nie ma dostępu do Metala, więc kontener nie jest tu opcją.
    platforms: [darwin]
    requires: [python3.12-arm64, xcode-cli]
    provider: vllm
    base_url: http://localhost:8000/v1
    api_key: not-required
    serve:
      model: mlx-community/Qwen3-4B-Instruct-2507-4bit
      args:
        - --max-model-len=16384
        - --enable-auto-tool-choice
        - --tool-call-parser=hermes
    models:
      planner: mlx-community/Qwen3-4B-Instruct-2507-4bit
      coder: mlx-community/Qwen3-4B-Instruct-2507-4bit
      reviewer: mlx-community/Qwen3-4B-Instruct-2507-4bit
      scribe: mlx-community/Qwen3-4B-Instruct-2507-4bit

  ollama:
    description: >
      Wariant awaryjny na obie platformy. Nie jest vLLM, ale wystawia /v1 zgodne z OpenAI
      i wstaje jedną komendą. Na macOS instaluj natywnie (Metal) - w Dockerze liczy na CPU.
    platforms: [linux, darwin]
    requires: [ollama]
    provider: openai_like
    base_url: http://localhost:11434/v1
    api_key: ollama
    serve:
      model: qwen3:4b-instruct
      args: []
    models:
      planner: qwen3:4b-instruct
      coder: qwen3:4b-instruct
      reviewer: qwen3:4b-instruct
      scribe: qwen3:4b-instruct

  mock:
    description: >
      Atrapa z llm/mock_server.py. Zero pobierania, zero GPU, deterministyczne odpowiedzi
      zestrojone z fixture'em acme-app. Do testów ścieżki agentowej w CI, nie do pracy.
    platforms: [linux, darwin, windows]
    requires: []
    provider: openai_like
    base_url: http://127.0.0.1:8077/v1
    api_key: mock
    serve:
      model: mock/agentic-codemod
      args: []
    models:
      planner: mock/agentic-codemod
      coder: mock/agentic-codemod
      reviewer: mock/agentic-codemod
      scribe: mock/agentic-codemod

# Rekomendacje przy dobieraniu większych modeli (rola -> czego wymaga):
#   coder     - najważniejszy: stabilne tool-calling i trzymanie się formatu edycji
#   planner   - rozumowanie o zakresie zmiany; zysk z większego modelu jest tu wyraźny
#   reviewer  - może być ten sam co planner; osobny model bywa lepszy (inny punkt widzenia)
#   scribe    - najmniejszy wystarczy, to redakcja tekstu