my_voice_assistant_v3/deploy/ollama-keepalive.conf

# systemd-Drop-in fuer den Ollama-System-Dienst: Modelle nach Leerlauf entladen,
# damit die GPU automatisch frei wird (statt OLLAMA_KEEP_ALIVE=-1 = nie entladen).
#
# Installation (root noetig, betrifft den systemweiten ollama-Dienst):
#   sudo mkdir -p /etc/systemd/system/ollama.service.d
#   sudo cp deploy/ollama-keepalive.conf /etc/systemd/system/ollama.service.d/keepalive.conf
#   sudo systemctl daemon-reload
#   sudo systemctl restart ollama
#   # Pruefen:
#   systemctl show ollama -p Environment | tr ' ' '\n' | grep KEEP_ALIVE
#
# Wirkung: Ein geladenes Modell wird nach 5 Minuten Inaktivitaet aus dem VRAM
# entladen -> GPU 1 ist im Leerlauf wieder fuer andere Zwecke frei. Der erste
# Request danach zahlt einmalig die Ladezeit (Kaltstart).
#
# Wert anpassbar: 0 = sofort entladen, 30m = laenger halten, -1 = nie (Default).

[Service]
Environment="OLLAMA_KEEP_ALIVE=5m"
feat(tts): Emojis/Markdown beim Vorlesen entfernen + Autostart/GPU-Doku - spoken_response_adapter: Emoji-/Symbol-Strip (Emoticons, Symbole, Flaggen, Pfeile, Dingbats, ZWJ/Variationsselektoren). Markdown wurde bereits entfernt. - Geräte-TTS (app.js v28) liest das bereinigte "spoken"-Feld statt des Rohtexts (automatisch + beim Replay); Anzeige bleibt Originaltext. - deploy/ollama-keepalive.conf: Drop-in OLLAMA_KEEP_ALIVE=5m -> GPU im Leerlauf frei. - Doku §4.10: Dauerbetrieb als Dienst + warum der Gateway die GPU nicht blockiert. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com> 2026-06-20 18:25:45 +02:00			`# systemd-Drop-in fuer den Ollama-System-Dienst: Modelle nach Leerlauf entladen,`
			`# damit die GPU automatisch frei wird (statt OLLAMA_KEEP_ALIVE=-1 = nie entladen).`
			`#`
			`# Installation (root noetig, betrifft den systemweiten ollama-Dienst):`
			`# sudo mkdir -p /etc/systemd/system/ollama.service.d`
			`# sudo cp deploy/ollama-keepalive.conf /etc/systemd/system/ollama.service.d/keepalive.conf`
			`# sudo systemctl daemon-reload`
			`# sudo systemctl restart ollama`
			`# # Pruefen:`
			`# systemctl show ollama -p Environment \| tr ' ' '\n' \| grep KEEP_ALIVE`
			`#`
			`# Wirkung: Ein geladenes Modell wird nach 5 Minuten Inaktivitaet aus dem VRAM`
			`# entladen -> GPU 1 ist im Leerlauf wieder fuer andere Zwecke frei. Der erste`
			`# Request danach zahlt einmalig die Ladezeit (Kaltstart).`
			`#`
			`# Wert anpassbar: 0 = sofort entladen, 30m = laenger halten, -1 = nie (Default).`

			`[Service]`
			`Environment="OLLAMA_KEEP_ALIVE=5m"`