Informe de lectura del entorno AI-LAB, sin cambios aplicados.

AI-LAB vive en una VM Hyper-V con Ubuntu Server 26.04 LTS y combina:

• portal Astro para documentacion viva
• dashboard Next.js para metricas SSR
• runtime cognitivo en Python
• stacks Docker para proxy, observabilidad, Qdrant y webs
• nodos GPU remotos con LM Studio

Capas pesadas dentro de /opt/ai-lab:

• backups: 16G
• snapshots: 3.4G
• actions-runner: 2.5G
• apps: 1.4G
• stacks: 779M
• runtime: 30M

Servicios activos detectados:

• ailab-docs
• ailab-gateway
• ailab-heartbeat
• ailab-live-api
• ailab-live-state
• ailab-metrics
• ailab-router
• ailab-runner
• ailab-traefik
• ialab-docs
• ialab-live-state
• ialab-router-api

Astro es la capa documental principal.

• apps/ialab-docs/package.json usa astro build, astro dev y astro preview
• ialab-docs.service sirve el portal en :4322
• el contenido vive en src/content/docs, src/content/runbooks, src/content/blog e src/content/incidents
• hay rutas publicas para docs, runbooks, blog, ops, status, architecture, knowledge, infra, observability, projects, services, skills

• src/pages/docs/[...slug].astro
• src/pages/runbooks/[...slug].astro
• src/pages/blog/[...slug].astro
• src/pages/api/*.ts
• src/content/docs/*.md

El runtime es el nucleo operativo cognitivo.

• gateway OpenAI-compatible con sanitizacion, rate limit y sesiones
• routing por capacidades y scoring adaptativo
• perfiles cognitivos declarativos (runtime/profiles/): chat, coding, analysis, observe, agent
• politicas de herramientas (runtime/policies/tools/): 3 modos (disabled/readonly/agentic)
• bash sanitizer con shlex.split() token scanning
• confirmation gate 428 para write tools
• politicas de memoria (runtime/policies/memory/): minimal, light, full
• memory injector con feature flag AI_LAB_ENABLE_MEMORY_INJECTOR
• observabilidad 3 canales: stdout, audit, Prometheus
• live state y snapshots persistentes
• heartbeat del cluster y discovery de nodos LM Studio
• analytics de salud, sesiones, routing y eventos
• optimizador autonomo con recomendaciones y cola de acciones

• modelos estabilizados: llama-3.1-8b (observe), qwen2.5-14b (chat/coding), qwen2.5-32b (reasoning), qwen3.6-27b (agent)
• HARD_FACTS solo en reasoning/analysis
• Plan Mode eliminado
• wrappers legacy limpiados
• 26 hardcodes eliminados, protecciones de seguridad mantenidas
• sudo reboot: bloqueado por policy

• AI-LAB v1 RC - Native Tool Calls + Tool Fastpath Stable
• hito alcanzado

• modo observe para analisis tecnico/operativo
• respuestas breves sin HARD_FACTS obligatorio
• shell readonly segura: pwd y ls permitidos, reboot bloqueado
• informes técnicos usan un resumen observable mínimo del runtime
• si la request trae tools, el routing tool-aware tiene prioridad sobre observe

• prometheus_client integrado en runtime con 4 contadores
• endpoint /metrics en router (:8083/metrics) y gateway (:8008/metrics)
• Prometheus .40 scrapea ambos (jobs: ai-lab-router, ai-lab-gateway)
• dashboard Grafana AI-LAB · Panel de Gobernanza: alertas de seguridad, ratio HARD_FACTS, historico de intercepciones por reason
• contador sin labels siempre visible evita “No data” en stats; contador con labels alimenta el desglose
• ROUTER_REQUESTS.inc() en cada peticion al router para ratio real (no division por cero)

• modulo runtime/control/ con control_plane.py: agrega estado operacional sin duplicar logica
• 6 endpoints GET /api/control/* en live_api (:8084): runtime, status, nodes, routes, policies, explain/last-route
• governance_state: NORMAL | ELEVATED | DEGRADED | LOCKDOWN segun bloqueos, fallbacks, Qdrant
• /api/control/runtime ultra-compacto para status bars, CLI checks, mobile

• routing gobernado por perfiles cognitivos (manifest_profiles.json)
• herramientas gobernadas por politicas (manifest_tools.json, 3 modos)
• memoria gobernada por politicas (manifest_memory.json, feature flag)
• nodo GPU activo: 192.168.1.50 (RX9070, 16 GB VRAM)
• LM Studio: http://192.168.1.50:1234/v1
• nodo GPU secundario: 192.168.1.60 (RX7900XT, 20 GB VRAM)

• ollama (LEGACY — removed)
• open-webui

• grafana
• node-exporter
• cadvisor

• traefik
• qdrant
• portainer
• promtail

• agithome
• agitservices
• albertskills
• albertskills-amd-multi
• calavera-lab
• musquera-raw
• docs

Archivo: config/inference_nodes.json

• llama-3.1-8b-instruct
• qwen2.5-coder-14b-instruct
• qwen2.5-coder-32b-instruct
• qwen3-14b-claude-sonnet-4.5-reasoning-distill
• moondream2-20250414
• text-embedding-nomic-embed-text-v1.5
• text-embedding-nomic-embed-text-v2-moe

• rama: main
• remoto: origin/main
• HEAD: 22f38614 feat: add live ops center to metrics portal
• hay artefactos generados en apps/ialab-docs/dist, runtime/state y __pycache__

• /opt/ai-lab es el repo real de trabajo.
• /mnt/opencode/ai-lab es el workspace SMB y esta casi vacio.
• Astro es la capa documental principal y no debe confundirse con el dashboard Next.js.
• El runtime esta muy bien instrumentado, pero depende de varios ficheros de estado y servicios en vivo.

• nodos online: 2
• rx9070: online, 3 modelos
• rx7900xt: online, 6 modelos
• modelos descubiertos: 9
• discovery source: lmstudio
• fallback activo cuando un nodo cae: confirmado

• runtime/llm/model_router.py ahora trata resúmenes cortos como fast, y reconoce execute_v1_policy, whitelist, razonamiento y reasoning con mayor estabilidad.
• runtime/gateway/openai_gateway.py usa el mismo clasificador de intencion para evitar divergencias entre gateway y router.
• runtime/agent/intent_router.py quedo alineado con las mismas palabras clave.
• tool_use quedo priorizado para requests que llegan con tools o tool_choice, y el gateway ya puede seleccionar modelos tool-aware descubiertos en vivo.
• las respuestas de LM Studio con <tool_call> se convierten a tool_calls OpenAI-native en router y gateway.

Cuando se modifique apps/ialab-docs/:

1. ejecutar npm run build en /opt/ai-lab/apps/ialab-docs
2. si afecta al portal privado, reiniciar ailab-docs
3. verificar con curl -I http://127.0.0.1:4322/
4. si debe llegar al sitio publico, hacer commit y push y dejar que Cloudflare Pages despliegue desde GitHub