feat(fam-edge): 启动时预热 Ollama，避免兜底触发时冷启动等 1-2 分钟

排查"Ollama 模型没有常驻内存"：systemd 里 OLLAMA_KEEP_ALIVE=-1 其实一直配置
正确，但这个环境变量只保证"加载过之后不因为空闲被换出"，不负责启动时主动
预加载。查 model_calls 表，ollama provider 从来没有一条调用记录——因为它是
问答链路最后一级兜底，前面 NVIDIA/Gemini 一直调用成功，从未真正轮到它，
自然也就从未被加载进内存过。

新增 OllamaAdapter.warm_up()：送一条 num_predict=1 的最小请求强制模型加载，
超时给够 180s（冷启动实测能到 1-2 分钟）。app.py 启动时在后台线程调用，不
阻塞主服务启动；找不到 ollama 配置或预热失败都只记警告，不影响服务本身。

实测部署验证：重启后 36 秒完成预热，ollama ps 显示 qwen2.5:7b 已加载，
expires_at 显示不过期（keep_alive=-1 生效）——真正需要兜底的那一刻不会再有
冷启动延迟。

新增 test_ollama_adapter.py 4 个用例覆盖预热成功/HTTP失败/异常不上抛/超时
时长。

fam-edge/src/fam_edge/app.py

@@ -8,6 +8,7 @@ FAM-Edge 主应用 - Flask 单进程（新架构 v2.1）
 """
 import os
 import sys
+import threading
 from flask import Flask, jsonify
 
 sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
@@ -18,6 +19,7 @@ from .api_gateway.api_gateway import api_bp
 from . import state
 from .video_queue import VideoQueue
 from .person_service import PersonService
+from .model_adapters.ollama_adapter import OllamaAdapter
 
 logger = setup_logger('fam-edge.app')
 
@@ -47,6 +49,21 @@ try:
 except Exception as e:
     logger.error(f"后台服务启动失败: {e}", exc_info=True)
 
+# 启动时后台预热 Ollama（问答链路最末位兜底，实测从未被自然触发过，
+# OLLAMA_KEEP_ALIVE=-1 只保证加载后不换出、不负责主动预加载）。后台线程跑，
+# 不阻塞 gunicorn worker 启动；找不到 ollama 配置项或预热失败都只记警告。
+try:
+    _ollama_cfg = next(
+        (m for m in load_config().get('models', []) if m.get('provider') == 'ollama'),
+        None)
+    if _ollama_cfg and _ollama_cfg.get('enabled', False):
+        threading.Thread(
+            target=lambda: OllamaAdapter(_ollama_cfg).warm_up(),
+            daemon=True, name='ollama-warmup').start()
+        logger.info("Ollama 预热任务已在后台启动")
+except Exception as e:
+    logger.warning(f"Ollama 预热任务启动失败（不影响主服务）: {e}")
+
 
 if __name__ == '__main__':
     cfg = load_config()

fam-edge/src/fam_edge/model_adapters/ollama_adapter.py

@@ -33,6 +33,32 @@ class OllamaAdapter(BaseModelAdapter):
             enabled=cb_cfg.get('enabled', False)  # 本地模型默认不启用
         )
 
+    def warm_up(self) -> bool:
+        """启动时主动送一次最小请求，把模型强制加载进内存。
+
+        背景：OLLAMA_KEEP_ALIVE=-1（systemd 环境变量已配置）只保证"一旦加载过
+        就不再因为空闲被换出"，但不会在服务启动时主动预加载——Ollama 现在只在
+        问答链路最末位兜底（前面 NVIDIA/Gemini 一直成功的话永远轮不到它），
+        实测 model_calls 表里从来没有一条 ollama 记录，说明模型从未被加载过。
+        真正需要兜底的那一刻才现加载，用户会等上首次冷启动的 ~1-2 分钟
+        （见 README 6.2 冷启动实测数据）。启动时主动预热一次，之后就一直
+        常驻内存，兜底真正触发时不再有冷启动延迟。
+        """
+        try:
+            resp = requests.post(
+                f"{self.base_url}/api/generate",
+                json={"model": self.model_name, "prompt": "hi", "stream": False,
+                      "options": {"num_predict": 1}},
+                timeout=180,  # 冷启动可能到 1-2 分钟，给足时间
+            )
+            if resp.status_code == 200:
+                logger.info(f"Ollama 模型预热完成: {self.model_name}")
+                return True
+            logger.warning(f"Ollama 预热失败: HTTP {resp.status_code} {resp.text[:200]}")
+        except Exception as e:
+            logger.warning(f"Ollama 预热异常（不影响服务启动，问答兜底时会正常现加载）: {e}")
+        return False
+
     def health_check(self) -> bool:
         """GET /api/tags，检查模型是否可用"""
         try:

fam-edge/tests/test_ollama_adapter.py

@@ -0,0 +1,73 @@
+from fam_edge.model_adapters.ollama_adapter import OllamaAdapter
+
+
+def _cfg(**overrides):
+    base = {
+        "provider": "ollama",
+        "role": "text",
+        "model_name": "qwen2.5:7b",
+        "base_url": "http://localhost:11434",
+        "circuit_breaker": {"enabled": False},
+    }
+    base.update(overrides)
+    return base
+
+
+class _FakeResp:
+    def __init__(self, status_code=200, text=""):
+        self.status_code = status_code
+        self.text = text
+
+    def json(self):
+        return {"response": "ok"}
+
+
+def test_warm_up_success(monkeypatch):
+    calls = {}
+
+    def fake_post(url, json=None, timeout=None):
+        calls["url"] = url
+        calls["json"] = json
+        calls["timeout"] = timeout
+        return _FakeResp(200)
+    monkeypatch.setattr(
+        "fam_edge.model_adapters.ollama_adapter.requests.post", fake_post)
+    a = OllamaAdapter(_cfg())
+    assert a.warm_up() is True
+    assert calls["url"] == "http://localhost:11434/api/generate"
+    assert calls["json"]["model"] == "qwen2.5:7b"
+    # 只为触发加载，不需要真的生成长文本
+    assert calls["json"]["options"]["num_predict"] == 1
+
+
+def test_warm_up_http_error_returns_false(monkeypatch):
+    monkeypatch.setattr(
+        "fam_edge.model_adapters.ollama_adapter.requests.post",
+        lambda url, json=None, timeout=None: _FakeResp(500, "boom"))
+    a = OllamaAdapter(_cfg())
+    assert a.warm_up() is False
+
+
+def test_warm_up_exception_does_not_raise(monkeypatch):
+    """核心诉求: 预热失败(比如 Ollama 服务当时没起来)不能抛异常影响主服务
+    启动，只应该记警告日志、返回 False。"""
+    def raise_err(url, json=None, timeout=None):
+        raise ConnectionError("refused")
+    monkeypatch.setattr(
+        "fam_edge.model_adapters.ollama_adapter.requests.post", raise_err)
+    a = OllamaAdapter(_cfg())
+    assert a.warm_up() is False
+
+
+def test_warm_up_uses_generous_timeout_for_cold_start(monkeypatch):
+    """核心诉求: 冷启动实测能到 1-2 分钟，预热请求的超时不能沿用问答的短超时。"""
+    captured = {}
+
+    def fake_post(url, json=None, timeout=None):
+        captured["timeout"] = timeout
+        return _FakeResp(200)
+    monkeypatch.setattr(
+        "fam_edge.model_adapters.ollama_adapter.requests.post", fake_post)
+    a = OllamaAdapter(_cfg(timeout=20))  # chat() 用的短超时
+    a.warm_up()
+    assert captured["timeout"] >= 120