# ADR-001: Runtime Selection

## Status
Accepted

## Date
2026-01-20

## Context

Necesitamos seleccionar el runtime para ejecutar el modelo LLM local. Las opciones principales son:

1. **Windows + Ollama**: El sistema actual ya tiene Ollama instalado en Windows
2. **WSL + vLLM**: vLLM ofrece capacidades avanzadas pero requiere Linux

### Analisis Comparativo

| Criterio | Windows (Ollama) | WSL (vLLM) |
|----------|------------------|------------|
| Setup | Simple (ya instalado) | Requiere config GPU |
| vLLM support | Limitado | Completo |
| Multi-LoRA | No | Si |
| Continuous Batching | Basico | Avanzado |
| Overhead | Ninguno | ~5-10% |
| Produccion Ready | No recomendado | Recomendado |

## Decision

**Estrategia hibrida:**

1. **MVP (Fase 1)**: Windows + Ollama
   - Usa infraestructura existente (puerto 11434)
   - Implementacion rapida
   - Suficiente para validar arquitectura

2. **Produccion (Fase 3)**: WSL + vLLM
   - Capacidades completas de Multi-LoRA
   - Continuous batching optimizado
   - Mejor rendimiento con multiples agentes

## Consequences

### Positivas
- MVP funcional en dias, no semanas
- Validacion temprana de la arquitectura
- Path claro hacia produccion

### Negativas
- Dos implementaciones de backend a mantener
- Migracion requerida en Fase 3
- Algunas features (Multi-LoRA) no disponibles hasta Fase 3

## Implementation Notes

El Inference Engine debe abstraer el backend detras de una interfaz comun:

```python
class InferenceBackend(ABC):
    @abstractmethod
    async def chat_completion(self, messages, **kwargs) -> CompletionResponse:
        pass

class OllamaBackend(InferenceBackend):  # MVP
    ...

class VLLMBackend(InferenceBackend):    # Produccion
    ...
```