[Feature]: Persist per-model LM Studio load configuration when PAIR manages llmster
Los mantenedores suelen responder en 5 días
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 45/100
Línea de trabajo
Comienza con el manifiesto actual del motor de LM Studio y su punto de entrada lms load <model>. Traza cómo PAIR gestiona la descarga, la carga, la expulsión, la eliminación y la restauración automática de modelos; después, determina dónde pueden persistir las configuraciones por nodo y por modelo. Se considera completado cuando las opciones de carga compatibles sobreviven a los escenarios de reinicio y reboot enumerados, se muestran eficazmente y están documentadas.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Feature request
Please support persistent, per-node/per-model LM Studio load options when PAIR manages llmster.
Current behavior
The current LM Studio engine manifest loads a model with only:
lms load <model>
PAIR's UI supports downloading, loading, ejecting, and deleting models, but does not expose or persist important LM Studio load parameters.
Use case
Our existing GPU workstation requires deterministic settings such as:
lms load qwen/qwen3.6-35b-a3b --gpu max --context-length 200000 --parallel 2 --identifier qwen/qwen3.6-35b-a3b
These settings affect VRAM use, concurrency, context capacity, performance, and the stable model identifier used by existing applications. Falling back to LM Studio defaults after a PAIR or engine restart is not equivalent behavior.
Requested behavior
- Allow load options to be configured per model and per node.
- Persist those options across PAIR restarts, engine restarts, unload/reload operations, and machine reboots.
- Apply the saved configuration when PAIR automatically loads or restores a model.
- Display the effective load configuration and document which LM Studio options PAIR supports or intentionally ignores.
At minimum, support GPU offload, context length, parallelism, and a stable identifier. A generic advanced-arguments/configuration mechanism would also cover future lms load options.
- Lenguaje dominante
- Go
- Estrellas
- 1.6k
- Forks
- 266
- Merge medio
- 3 d 15 h
- PR fusionados (30 d)
- 23
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de NVIDIA/Personal-AI-Router
-
enhancement
Dificultad 4/5 Más de una semana Aptitud para principiantes 12/100
NVIDIA/Personal-AI-Router#162 ·
Los mantenedores suelen responder en 5 días
-
enhancement
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
NVIDIA/Personal-AI-Router#154 · 1 comentario ·
Los mantenedores suelen responder en 5 días
-
[Feature]: [Ollama] Alert the user about model pull failuresPosiblemente ocupada @ckelseynv la tomó hace 2 días. Abiertoenhancement
Dificultad 3/5 1-2 días Aptitud para principiantes 56/100
NVIDIA/Personal-AI-Router#152 · 1 comentario · 1 asignado ·
Los mantenedores suelen responder en 5 días
-
[Bug]: /v1/responses bypasses model-owner filtering in the Ollama proxyPosiblemente ocupada @ilaigold la tomó hace 3 días. Abierto
Dificultad 3/5 Medio día Aptitud para principiantes 84/100
NVIDIA/Personal-AI-Router#146 ·
Los mantenedores suelen responder en 5 días
-
Make model download cancellation asynchronousPosiblemente ocupada @ckelseynv la tomó hace 19 días. Abiertoenhancement
NVIDIA/Personal-AI-Router#115 · 1 asignado ·
Los mantenedores suelen responder en 5 días
Todos los issues de NVIDIA/Personal-AI-Router
Issues similares
-
[schema-coverage] elasticstack_kibana_security_detection_rulePosiblemente ocupada @github-actions la tomó hoy. Abiertoacceptance-tests phase-coding schema-coverage testing triaged
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
elastic/terraform-provider-elasticstack#5186 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
jaegertracing/jaeger#9830 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
apache/rocketmq-dashboard#6318 ·
Los mantenedores suelen responder en 5 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
GoogleCloudPlatform/opentelemetry-operations-collector#710 ·
Los mantenedores suelen responder en 1 día