Feat: fit-aware Brain-Update (Speicher-Budget) + brains-Kontext gesenkt (Always-On-Footprint)

- Brain-Kontexte gesenkt (live config): hermes 128K->64K, fast/vision 128K->32K
  -> Always-Warm-Footprint 74GB->51GB, ~23GB frei; heavy/coder passen wieder daneben.
- /api/agent/brain liefert jetzt `budget`: projiziert den Always-On-Footprint mit dem
  empfohlenen Brain gegen das GTT-Budget (aus amdgpu.gttsize) und prueft, ob das groesste
  on-demand-Modell daneben passt (fit.estimate_memory_gb).
- Cockpit Agent-Hirn-Karte: Budget-Zeile (gruen/rot) + Warnung im Update-Confirm, wenn ein
  zu grosses Always-On-Brain das groesste on-demand-Modell verdraengen wuerde. Button wird rot.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

backend/services/agent.py

@@ -25,6 +25,19 @@ def _hermes_version(name: str) -> float | None:
     return float(m.group(1)) if m else None
 
 
+def _gtt_budget_gb() -> float:
+    """GPU-adressierbarer Speicher (GTT) in GB — die harte Obergrenze. Liest
+    amdgpu.gttsize aus /proc/cmdline, sonst RAM minus OS-Reserve."""
+    try:
+        with open("/proc/cmdline") as f:
+            m = re.search(r"amdgpu\.gttsize=(\d+)", f.read())
+            if m:
+                return round(int(m.group(1)) / 1024.0, 1)
+    except Exception:
+        pass
+    return round(psutil.virtual_memory().total / (1024 ** 3) - 6.0, 1)
+
+
 def hermes_brain_info() -> dict:
     """Aktuelles Agent-Hirn (hermes-Rolle) + bestes verfügbares NousResearch-Hermes-Modell,
     das auf diese Hardware passt. Für den Modell-Manager: Brain sichtbar + updatebar,
@@ -75,7 +88,45 @@ def hermes_brain_info() -> dict:
         # gleiche Datei schon installiert? dann kein Update
         if current and best["repo"].split("/")[-1].lower() in (current["name"] or "").lower():
             update = False
-    return {"current": current, "recommended": best, "update_available": update}
+
+    # Fit-Check: passt das EMPFOHLENE Brain als Always-On noch ins Budget, sodass das
+    # größte on-demand-Modell daneben lädt? (Brain muss immer resident sein.)
+    budget = None
+    try:
+        from services.fit import estimate_memory_gb
+        groups = llamaswap.list_groups()
+        persist = set()
+        for g in groups.values():
+            if isinstance(g, dict) and g.get("persist"):
+                persist.update(g.get("members") or [])
+
+        def _foot(m: dict) -> float:
+            caps = m.get("capabilities") or {}
+            return estimate_memory_gb(float(caps.get("params_b") or 7.0),
+                                      m.get("quant") or "Q4_K_M", int(m.get("ctx") or 32768))
+
+        cur_name = cur["name"] if cur else None
+        brain_ctx = int((cur.get("ctx") if cur else None) or 32768)
+        # Always-Warm = persist-Modelle, das Brain durch die Empfehlung ersetzt
+        warm = sum(_foot(m) for m in models if m["name"] in persist and m["name"] != cur_name)
+        if best:
+            warm += estimate_memory_gb(float(best["params_b"]), "Q4_K_M", brain_ctx)
+        elif cur:
+            warm += _foot(cur)
+        largest_od = max((_foot(m) for m in models if m["name"] not in persist), default=0.0)
+        gtt = _gtt_budget_gb()
+        free_after = gtt - warm
+        budget = {
+            "gtt_gb": gtt,
+            "warm_projected_gb": round(warm, 1),
+            "free_after_gb": round(free_after, 1),
+            "largest_ondemand_gb": round(largest_od, 1),
+            "fits": free_after >= largest_od,
+        }
+    except Exception:
+        log.debug("hermes_brain_info: Budget-Berechnung fehlgeschlagen", exc_info=True)
+
+    return {"current": current, "recommended": best, "update_available": update, "budget": budget}
 
 
 def _reach(url: str, path: str = "") -> bool: