feat(admin): presets d'échantillonnage LLM (Speaker/Thinker) — app-side complet
Système de presets de sampling réglables depuis l'admin, applicables au Speaker
et au Thinker. Inspiré du tuning Kaz (temp/top-p/top-k/pénalités).
Core/config :
- SamplingParams (core) : +presencePenalty, +frequencyPenalty
- ConfigStore.ModelConfig : +topP/topK/repeatPenalty/presence/frequency/maxTokens
+presetName ; SamplingPreset + RuntimeConfig.presets (bibliothèque) ; JSON ;
5 presets d'usine (Équilibré/Kaz chaleureux/Factuel/Analyse/Créatif).
Défauts maxTokens : Speaker 450, Thinker 128 (préserve la longueur prod).
- ContentProvider : colonnes speaker_*/thinker_* sampling + presets_json (R/W).
- KazeiaService : samplingFrom(ModelConfig) → SamplingParams pour Speaker+Thinker
(au lieu du hardcodé). maxTokens honoré par le moteur ; le reste prêt.
Admin :
- KazeiaConfigClient : Sampling + Preset + parse/serialize presets_json + updateSampling/updatePresets
- ConfigRepository : updateSampling/updatePresets
- ParametersScreen (nav "Paramètres") : éditeurs sliders Speaker/Thinker + apply preset
+ bibliothèque CRUD ; bandeau honnête « seul Tokens max agit aujourd'hui ».
⚠ Le moteur natif n'honore que maxTokens à ce jour. Spec d'extension JNI sampling
pour le dev engine : docs/SAMPLING_ENGINE_SPEC.md (~10 lignes app à brancher après).
Vérifié device : colonnes sampling R/W (temp/max/preset_name), presets_json seedés
+ lus. Build app+admin verts, admin lancé sans crash.
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
471fb5d5fb