#!/bin/bash
# [ragqa] vLLM OpenAI 兼容服务（端口 50001）：Llama 基座 + 监督式分解 LoRA
# 需要环境变量：RAGQA_LLAMA_MODEL（基座目录）；RAGQA_LLAMA_LORA_SUPERVISED（监督式 LoRA，可选）
export CUDA_VISIBLE_DEVICES=${CUDA_VISIBLE_DEVICES:-0,1,2,3}
: "${RAGQA_LLAMA_MODEL:?请先设置 RAGQA_LLAMA_MODEL 指向 Llama-3.1-8B-Instruct 目录}"

ARGS=(
  --model "$RAGQA_LLAMA_MODEL"
  --tensor_parallel_size "${RAGQA_TP_SIZE:-4}"
  --gpu_memory_utilization 0.6
  --port 50001
  --max-num-seqs 256
  --max-model-len 4096
  --use-v2-block-manager
  --disable-log-requests
)
if [ -n "$RAGQA_LLAMA_LORA_SUPERVISED" ]; then
  ARGS+=(--enable-lora --max-lora-rank 64
    --lora-modules "{\"name\": \"supervised\", \"path\": \"$RAGQA_LLAMA_LORA_SUPERVISED\", \"base_model_name\": \"$RAGQA_LLAMA_MODEL\"}")
fi
python -m vllm.entrypoints.openai.api_server "${ARGS[@]}"