Update LLM support for llama.cpp and enhance configuration management

- Added support for `llamacpp-models.yaml` in `.gitignore` and implemented logic to copy it in `gpu-rent.ps1` and `gpu-rent.sh`.
- Enhanced CLI to prompt for llama.cpp model presets during setup and execution, improving user experience.
- Updated configuration handling to include `llamacpp_models_manifest` and related functions for managing llama.cpp models.
- Improved documentation in `cli.md` and `llm.md` to reflect changes in llama.cpp integration and model management.
- Refactored provisioning logic to handle llama.cpp model downloads and configurations effectively.

docs/cli.md

@@ -55,7 +55,7 @@ gpu-rent up --yes --ollama
 | `gpu-rent doctor` | Preflight **без** create. Exit ≠ 0 → сессию начинать нельзя |
 | `gpu-rent flavors` | Скан `SCAN_POOLS` × `FLAVOR_PREFERENCE`, список в текущем регионе |
 | `gpu-rent dry-run` | План без mutating-вызовов |
-| `gpu-rent up` / `up --yes` | Create/unshelve → bootstrap → optional LLM → **туннель** `:17801`. Ctrl+C = туннель off |
+| `gpu-rent up` / `up --yes` | Create/unshelve → bootstrap → optional LLM → **туннель** `:17801`. Без `--yes`: выбор flavor / data GB / preemptible, затем confirm. Ctrl+C = туннель off |
 | `gpu-rent up -v` / `--verbose` | Полная таблица doctor на `up` (по умолчанию кратко) |
 | `gpu-rent up --ollama` / `--llamacpp` / `--llm …` | LLM рядом со SwarmUI |
 | `gpu-rent up --no-update` | Без `git pull` SwarmUI/extensions (только недостающие clone) |

docs/llm.md

@@ -12,7 +12,7 @@
 gpu-rent setup
 ```
 
-Выбери `ollama` или `llamacpp`, при Ollama — пресет моделей. Значение пишется в `gpu-rent.vars` (`LLM_RUNTIME=…`).
+Выбери `ollama` или `llamacpp`. Для **обоих** спросит пресет моделей. Значение пишется в `gpu-rent.vars` (`LLM_RUNTIME=…`).
 
 ### Вариант B — флаг на `up`
 
@@ -103,14 +103,25 @@ Community abliterate-модели без гарантий безопасност
 
 ## llama.cpp
 
-1. `LLM_RUNTIME=llamacpp` или `up --llamacpp`
-2. CLI ставит `llama-server` + systemd `gpu-rent-llamacpp`
-3. Положи GGUF в `/mnt/swarm_data/llamacpp/models` (SFTP / `gpu-rent ssh`)
-4. `systemctl restart gpu-rent-llamacpp` на VM
+Манифест GGUF:
 
-Без GGUF unit может стартовать, но API бесполезен — смотри `gpu-rent logs` / `journalctl -u gpu-rent-llamacpp`.
+| Файл | Роль |
+| --- | --- |
+| `llamacpp-models.example.yaml` | шаблон в git |
+| `llamacpp-models.yaml` | URL на `.gguf` (gitignore) |
 
-Параметры `-ngl` / `-c` ставятся по тому же GPU probe (full offload на mid+, меньше слоёв и ctx на low).
+На interactive `up` / `setup` после выбора `llamacpp` спрашивается пресет (как у Ollama). На `up` CLI скачивает GGUF в `/mnt/swarm_data/llamacpp/models`, затем ставит `llama-server` + systemd.
+
+### Пресеты
+
+| preset | что |
+| --- | --- |
+| **recommended** | Qwen2.5 7B abliterate Q4_K_M (~4.7 GB) |
+| light | Qwen2.5 3B Instruct Q4_K_M |
+| stock | официальный Qwen2.5 7B Instruct Q4_K_M |
+| empty | только runtime |
+
+Параметры `-ngl` / `-c` — по GPU probe. Опционально `HF_TOKEN` для gated HF. Вручную: положи GGUF в каталог models и `systemctl restart gpu-rent-llamacpp`.
 
 ---