fix(stack): Mem0 restlos ausgebaut + vier stille Defekte behoben

Systemaudit vom 27.08.2026. Alle Befunde gemessen, nicht vermutet.

VIER STILLE DEFEKTE

1. mc2-steward startete seit Wochen nicht (live: 207.609 Neustarts).
   steward.py importierte services.memory, das beim Mem0-Ausbau geloescht
   wurde -> ImportError bei jedem Start. Re-Warm- und Health-Waechter
   waren damit tot.

2. Jedes Hermes-Update wurde automatisch zurueckgerollt.
   hermes-postcheck.sh prueft vier Dinge, die es seit dem 07.08. nicht mehr
   gibt (Sidecar :8765, /api/memory, memory.provider, mc2-memory-Plugin).
   Die Checks konnten nicht gruen werden -> autoupdate.sh wertete jedes
   Update als rot und rollte es zurueck. Checks ersatzlos entfernt; der
   Tool-Smoke laeuft ohnehin durch den echten Agenten.

3. 7 von 12 Skills waren per Knopfdruck nicht startbar.
   deploy.sh kopiert Skills mit tr '-' '_' nach ~/.hermes/skills/,
   routers/skills.py gab Hermes aber den Ordnernamen MIT Bindestrich.
   Der Knopf meldete Erfolg, ausgefuehrt wurde nichts. Neu: _hermes_name().

4. deploy.sh warf bei jedem Deploy die Live-Modellkonfiguration weg.
   MC2 schreibt /etc/llama-swap/config.yaml selbst; die Repo-Datei ist nur
   ein Abzug (ihm fehlt u.a. kritiker/Devstral). Jetzt: erst sichern, Diff
   zeigen, dann kopieren. MC_DEPLOY_SKIP_SWAP_CONFIG=1 ueberspringt.

MEM0-AUSBAU VOLLENDET (Kriterium 3: 17 -> 0 Dateien)
- mem0_service/, mcp/mcp_memory.py und hermes/plugins/mc2-memory entfernt;
  das Plugin schickte bei JEDEM Turn zwei 404-Requests an tote Routen.
- MEMORY_DB/MEM0_SERVICE_URL, _mem0_reachable(), MC_MEMORY_DB und
  MC_MEM_DEDUPE_ENABLED aus Config/Router/Unit entfernt.
- mem0_ms war strukturell tot (park("retrieve") wird nirgends mehr
  aufgerufen) -> aus Backend, API-Typ und Latenzkarte entfernt.
- Verbinden-Tab: tote Gedaechtnis-MCP-Leitung raus, Status-Kachel bleibt.
- AGENTS.md beschrieb Mem0 noch als aktiv - korrigiert.

GATEWAY-ROBUSTHEIT
- _proxy gab bei ungueltigen Payloads HTTP 500 (gemessen 5/5: Rohtext,
  leerer Body, JSON-Liste, JSON-String, null) -> jetzt 5/5 HTTP 400.
- Bild-Weiche ohne Deckel: 10 Bilder x 2 Versuche x 240 s hielten den
  Client bis zu 80 min. Neu: MC_CODER_IMAGE_MAX (4), Rueckfall auf die
  Vision-Umleitung.
- /v1/models: nicht-JSON von der Engine gab 500 -> jetzt 502.

UNITS UND DEPLOY
- mc2-steward.service, dessen warmset-Drop-in und voice-service.service
  fehlten im Repo, obwohl maintenance.py und stack-postcheck.sh sie
  voraussetzen. 1:1 von der laufenden Box uebernommen.
- deploy.sh startete mc2-steward nie neu; restore.sh liess mc2-gateway und
  mc2-steward mit alter Config weiterlaufen. Beide ergaenzt.

FRONTEND
- useEigenleben rief /api/eigenleben - existiert im Backend nicht und wurde
  nirgends genutzt. Samt Typen entfernt.
- Anleitung beschrieb einen Gedaechtnis-Tab, den es nicht gibt.
- Abgeglichen: alle uebrigen 63 Frontend-Aufrufe treffen echte Routen, alle
  5 SSE-Invalidation-Keys sind gemappt, keine ungefangenen Promises.

Gates: compileall gruen - ruff "All checks passed" - tsc gruen - vite build
gruen (dist aktualisiert) - Importe app/steward/gateway_app gruen.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

.agents/mcp_config.json

@@ -1,11 +1,5 @@
 {
   "mcpServers": {
-    "mc2-memory": {
-      "command": "python",
-      "args": [
-        "F:\\Coding Stuff\\mission-control-2\\mcp\\mcp_memory.py"
-      ]
-    },
     "mc2-system": {
       "command": "python",
       "args": [

AGENTS.md

@@ -12,7 +12,7 @@ Engine (llama-swap) · Builtin-Routing-Gateway (`model: auto`) · MC2 (FastAPI +
 - **System:** Bosgame M5 (AMD Strix Halo APU)
 - **Arbeitsspeicher (RAM/VRAM):** 128 GB Shared Memory (ca. 122.7 GB nutzbar).
 - **Inference-Limit:** Modelle im GGUF-Format dürfen maximal ca. 100-110 GB groß sein (entspricht ca. 150B Parametern bei Q4_K_M). Größere Modelle (wie 200B+ oder 2T Parameter) **können lokal nicht ausgeführt werden** und sind auszuschließen, es sei denn, es handelt sich um stark quantisierte MoEs.
-**Gedächtnis & Dienste:** Hermes ist das autonome Agenten-Gehirn („Lucy"). Mem0 läuft als dedizierter semantischer Langzeit-Gedächtnis-Sidecar (`mem0-service` auf `:8765`) und wird von Hermes via MCP (`mcp_memory.py`) eingebunden. Governor, Zed-Workflows und alte Mittelschichten sind komplett gelöscht.
+**Gedächtnis & Dienste:** Hermes ist das autonome Agenten-Gehirn („Lucy") **und die alleinige Gedächtnis-Wahrheit** — es führt sein Gedächtnis selbst. Der frühere Sidecar auf `:8765` samt Memory-MCP-Server und MC2-Memory-Plugin wurde am 07.08.2026 abgelöst und am 27.08.2026 restlos ausgebaut (`docs/wissen/VERDIKTE.md`): MC2 hat **keine** `/api/memory`-Routen mehr, nichts darf mehr dorthin greifen. Governor, Zed-Workflows und alte Mittelschichten sind komplett gelöscht.
 
 ## Sprache (nicht verhandelbar)
 - **Alles User-Sichtbare ist Deutsch:** UI-Texte, Fehlermeldungen, Update-/Radar-Meldungen,

backend/config.py

@@ -19,13 +19,9 @@ MODELS_DIR = Path(os.environ.get("MC_MODELS_DIR", "/srv/models"))
 # Persistent neben den Modellen (übersteht Deploys). TTL = Frische-Fenster.
 DISCOVER_CACHE_PATH = Path(os.environ.get("MC_DISCOVER_CACHE", str(MODELS_DIR / "mc2-discover.json")))
 DISCOVER_TTL = int(os.environ.get("MC_DISCOVER_TTL", "43200"))  # 12 h
-# Geteiltes Gedächtnis (SQLite, WAL). Persistent neben den Modellen.
+# Gedächtnis: MC2 hält KEINS mehr. Bis August 2026 lief hier erst eine eigene SQLite-DB,
-# Hinweis: nur noch für die einmalige Mem0-Migration relevant — das aktive Gedächtnis
+# dann ein semantischer Sidecar auf :8765 — beides ist abgelöst, der Port ist tot.
-# liegt jetzt in Mem0/Chroma hinter dem Sidecar (siehe MEM0_SERVICE_URL).
+# Einzige Gedächtnis-Wahrheit ist jetzt Hermes selbst (HERMES_API_URL, siehe unten).
-MEMORY_DB = Path(os.environ.get("MC_MEMORY_DB", str(MODELS_DIR / "mc2-memory.db")))
-# Mem0-Sidecar (auto-lernendes, semantisches Gedächtnis). Läuft im ~/.mem0/venv (Python 3.12),
-# weil mem0+chromadb unter dem 3.14-Backend nicht laufen. MC2 spricht ihn lokal per HTTP an.
-MEM0_SERVICE_URL = os.environ.get("MC_MEM0_SERVICE_URL", "http://127.0.0.1:8765").rstrip("/")
 # Befehl-Vorlage für llama-swap: {model}=GGUF-Pfad, {ctx}=Kontext, ${PORT} bleibt stehen.
 # Hinweis: --prompt-cache/--prompt-cache-all sind llama-CLI-Flags, NICHT llama-server —
 # llama-server lehnt sie ab ("invalid argument") und startet dann nicht. Prompt-Caching
@@ -72,7 +68,7 @@ V1_UPSTREAM = os.environ.get("MC_V1_UPSTREAM", "").rstrip("/")
 HERMES_API_URL = os.environ.get("HERMES_API_URL", "http://127.0.0.1:8642").rstrip("/")
 # API-Key der Hermes-`api_server`-Plattform (~/.hermes/.env: API_SERVER_KEY). Nötig für
 # /v1/chat/completions (Voice-Pipeline) — Bearer-Auth, sonst 401. Derselbe volle Agent
-# (Tools + geteiltes Mem0) wie CLI/Telegram, nur über HTTP.
+# (Tools + eigenes Gedächtnis) wie CLI/Telegram, nur über HTTP.
 def _read_hermes_env(key: str) -> str:
     """Liest einen Schlüssel aus ~/.hermes/.env (Fallback, falls nicht in der Prozess-Env).
     Der MC2-Dienst erbt die Hermes-Secrets sonst nicht."""
@@ -97,7 +93,8 @@ HERMES_API_KEY = (
 HERMES_API_MODEL = os.environ.get("HERMES_API_MODEL", "hermes")
 
 # --- Voice-Sidecar (STT faster-whisper + TTS Piper/Chatterbox) ---------------
-# Eigenes Python-3.12-venv (~/.voice/venv), analog Mem0-Sidecar. MC2 proxyt nach außen.
+# Eigenes Python-3.12-venv (~/.voice/venv), weil Parakeet/Piper nicht ins 3.14-Backend-venv
+# passen. MC2 proxyt nach außen.
 VOICE_SERVICE_URL = os.environ.get("MC_VOICE_SERVICE_URL", "http://127.0.0.1:8650").rstrip("/")
 # Box-Konsole: ttyd-Web-Terminal (echte Login-Shell). Bindet NUR an Loopback
 # (127.0.0.1:7682, base-path /console) und wird von MC2 über den ohnehin offenen Port 9001

backend/routers/connect.py

@@ -1,4 +1,4 @@
-"""Connect-Endpoint: erzeugt IDE-/Agent-Snippets (auf den Gateway + Memory-MCP)."""
+"""Connect-Endpoint: erzeugt IDE-/Agent-Snippets für den Gateway."""
 
 from fastapi import APIRouter
 from services.connect import DEFAULT_HOST, build_snippets, check_health
@@ -7,14 +7,11 @@ router = APIRouter(prefix="/api")
 
 
 @router.get("/connect")
-def connect(host: str = DEFAULT_HOST, mcp_path: str | None = None) -> dict:
+def connect(host: str = DEFAULT_HOST) -> dict:
-    kwargs = {}
+    return build_snippets(host=host)
-    if mcp_path:
-        kwargs["mcp_script_path"] = mcp_path
-    return build_snippets(host=host, **kwargs)
 
 
 @router.get("/connect/health")
 def connect_health() -> dict:
-    """Live-Status der zwei Leitungen (Gateway + Gedächtnis) für den Verbinden-Tab."""
+    """Live-Status der drei Leitungen (Gateway, Gedächtnis, Desktop-Gateway) für den Verbinden-Tab."""
     return check_health()

backend/routers/gateway_proxy.py

@@ -22,6 +22,13 @@ _LANG_DIRECTIVE = os.environ.get(
     "Quellcode, Bezeichner und Shell-Befehle bleiben unverändert.")
 
 
+# Deckel für die Bild-Weiche. Ohne ihn wächst die Wartezeit linear mit der Bildzahl:
+# je Bild bis zu 2 Versuche à _BILD_TIMEOUT_S, und der Client hängt so lange am offenen
+# Request. Über _BILD_MAX Bilder wird gar nicht erst beschrieben — der Aufrufer fällt
+# dann auf die normale Vision-Umleitung zurück (ehrlich langsam statt scheinbar hängend).
+_BILD_TIMEOUT_S = float(os.environ.get("MC_CODER_IMAGE_TIMEOUT_S", "240"))
+_BILD_MAX = int(os.environ.get("MC_CODER_IMAGE_MAX", "4"))
+
 # Bild-Beschreibung für Coder-Ziele: Prompt bewusst auf wörtliche Wiedergabe von
 # Code/Fehlermeldungen getrimmt — der Coder arbeitet nur mit diesem Text weiter.
 _BILD_BESCHREIB_PROMPT = os.environ.get(
@@ -85,6 +92,10 @@ async def _bilder_fuer_coder_beschreiben(body: dict, client, vision_alias: str)
         for i, part in enumerate(m["content"]):
             if isinstance(part, dict) and part.get("type") in IMAGE_PART_TYPES:
                 fundstellen.append((m, i, part))
+    if len(fundstellen) > _BILD_MAX:
+        log.warning("Bild-Weiche v2: %s Bilder (Deckel %s) — Request geht an das Vision-Modell "
+                    "statt einzeln beschrieben zu werden", len(fundstellen), _BILD_MAX)
+        return False
     for nr, (msg, idx, part) in enumerate(fundstellen, start=1):
         frage = {
             "model": vision_alias,
@@ -99,7 +110,7 @@ async def _bilder_fuer_coder_beschreiben(body: dict, client, vision_alias: str)
         text = ""
         for versuch in (1, 2):
             try:
-                async with httpx.AsyncClient(timeout=240.0) as c:
+                async with httpx.AsyncClient(timeout=_BILD_TIMEOUT_S) as c:
                     r = await c.post(f"{LLAMA_SWAP_URL}/v1/chat/completions", json=frage)
                 if r.status_code == 200:
                     text = ((r.json().get("choices") or [{}])[0].get("message") or {}).get("content") or ""
@@ -138,7 +149,15 @@ def _inject_language(body: dict, alias: str) -> None:
 async def models(request: Request):
     client = request.app.state.gw_client  # geteilter Keep-Alive-Client (siehe app.py lifespan)
     r = await client.get(f"{LLAMA_SWAP_URL}/v1/models", timeout=10.0)
-    data = r.json()
+    try:
+        data = r.json()
+    except ValueError:
+        # Engine antwortet, aber nicht mit JSON (Startphase/Fehlerseite) — ehrlicher 502
+        # statt eines 500ers aus dem Parser.
+        log.warning("/v1/models: Engine-Antwort ist kein JSON (HTTP %s): %.200s", r.status_code, r.text)
+        return JSONResponse(
+            {"error": {"message": "Engine lieferte keine gültige Modell-Liste.",
+                       "type": "upstream_error"}}, status_code=502)
     # Aufgeräumt (07/2026): Die Router-Lanes (coding/chat) werden NICHT mehr als „Modell"
     # angeboten — sie verwirrten (coding vs. coder) und seit dem Zed-Aus wählt sie niemand
     # mehr. Das Routing bleibt erhalten (siehe _proxy), sie stehen nur nicht mehr in der Liste.
@@ -187,7 +206,20 @@ async def models(request: Request):
 
 
 async def _proxy(path: str, request: Request):
-    body = await request.json()
+    # Ungültige Payloads gehören dem Client, nicht dem Server: ohne diese Prüfung wirft
+    # request.json() bzw. body.get(...) durch und der Aufrufer bekommt einen 500er
+    # (gemessen 27.08.2026: Rohtext, leerer Body, JSON-Liste, JSON-String und null — 5/5 mal 500).
+    try:
+        body = await request.json()
+    except Exception:
+        return JSONResponse(
+            {"error": {"message": "Ungültiger Request-Body: JSON erwartet.",
+                       "type": "invalid_request_error"}}, status_code=400)
+    if not isinstance(body, dict):
+        return JSONResponse(
+            {"error": {"message": "Ungültiger Request-Body: JSON-Objekt erwartet, "
+                                  f"'{type(body).__name__}' bekommen.",
+                       "type": "invalid_request_error"}}, status_code=400)
     _apply_no_think_marker(body)   # Lucy-Voice-Schnellspur: Marker strippen + Thinking aus
     requested = str(body.get("model") or "auto")
     if requested.lower() in ("auto", "chat", "coding"):

backend/routers/skills.py

@@ -7,6 +7,20 @@ from pydantic import BaseModel
 
 router = APIRouter(prefix="/api")
 
+
+def _hermes_name(ordner: str) -> str:
+    """Repo-Ordnername -> Hermes-Skillname.
+
+    deploy/deploy.sh kopiert `deploy/skills/<name>` nach `~/.hermes/skills/<name mit _>`
+    (`tr '-' '_'`), weil Hermes keine Bindestriche in Skillnamen mag. Ohne dieselbe
+    Umschreibung hier bekam Hermes den Ordnernamen MIT Bindestrich und fand den Skill
+    nicht - betroffen waren 7 der 12 Skills (betrieb-playbook, konzept-fliessband,
+    llm-wiki, morning-report, pc-pfad-cache, projekt-start, trend-radar): der Startknopf
+    meldete Erfolg, ausgefuehrt wurde nichts. deploy.sh bleibt die Quelle der Wahrheit.
+    """
+    return ordner.replace("-", "_")
+
+
 class RunSkillRequest(BaseModel):
     skill_name: str
 
@@ -57,8 +71,11 @@ def list_skills():
                 
                 skills.append({
                     "name": entry.name,
+                    # Der Name, unter dem Hermes den Skill kennt - auch fuer den Laufend-
+                    # Vergleich, weil im Prozess-cmdline genau dieser Name steht.
+                    "hermes_name": _hermes_name(entry.name),
                     "description": description or "Keine Beschreibung verfügbar.",
-                    "running": entry.name in running_skills
+                    "running": _hermes_name(entry.name) in running_skills
                 })
     return {"skills": skills}
 
@@ -70,13 +87,15 @@ def run_skill(req: RunSkillRequest):
         # Fallback falls lokal (auf Windows) entwickelt wird
         return {"ok": False, "err": "Hermes CLI nicht gefunden (~/.local/bin/hermes fehlt). Bist du lokal unterwegs?"}
     
-    # Entspricht: hermes -z "Führe den 'X' Skill aus" chat
+    # Entspricht: hermes -z "Führe den 'X' Skill aus" chat - mit dem Namen, den Hermes
-    cmd = [hermes_bin, "-z", f"Führe den '{req.skill_name}' Skill aus", "chat"]
+    # nach dem Deploy-Sync wirklich kennt (Bindestriche -> Unterstriche, s. _hermes_name).
+    skill = _hermes_name(req.skill_name)
+    cmd = [hermes_bin, "-z", f"Führe den '{skill}' Skill aus", "chat"]
     try:
-        log_path = os.path.expanduser(f"~/.hermes/logs/skill_{req.skill_name.replace('/', '_')}.log")
+        log_path = os.path.expanduser(f"~/.hermes/logs/skill_{skill.replace('/', '_')}.log")
         os.makedirs(os.path.dirname(log_path), exist_ok=True)
-        with open(log_path, "a") as f:
+        with open(log_path, "a", encoding="utf-8") as f:
-            f.write(f"\n--- Starting Skill: {req.skill_name} ---\n")
+            f.write(f"\n--- Starting Skill: {skill} ---\n")
             subprocess.Popen(cmd, stdout=f, stderr=subprocess.STDOUT)
         return {"ok": True, "msg": f"Skill '{req.skill_name}' erfolgreich angestoßen."}
     except Exception as e:

backend/routers/system.py

@@ -10,7 +10,7 @@ import os
 import subprocess
 
 import httpx
-from config import GATEWAY_URL, HERMES_API_URL, LLAMA_SWAP_URL, MEM0_SERVICE_URL, V1_UPSTREAM, VOICE_SERVICE_URL
+from config import GATEWAY_URL, HERMES_API_URL, LLAMA_SWAP_URL, V1_UPSTREAM, VOICE_SERVICE_URL
 from fastapi import APIRouter
 from pydantic import BaseModel
 from services import backup as backup_svc
@@ -42,13 +42,6 @@ def history(minutes: int = 60) -> dict:
     return metrics_history.history(minutes)
 
 
-def _mem0_reachable() -> bool:
-    try:
-        return httpx.get(f"{MEM0_SERVICE_URL}/health", timeout=2).status_code == 200
-    except Exception:
-        return False
-
-
 def _voice_reachable() -> bool:
     try:
         return httpx.get(f"{VOICE_SERVICE_URL}/health", timeout=2).status_code == 200

backend/routers/voice.py

@@ -3,7 +3,7 @@ Voice-Endpoints für „Mit Hermes reden" (Browser-Voice + 3D-Avatar).
 
 Dünner Layer: STT/TTS werden zum Voice-Sidecar (:8650) geproxyt; der Chat geht an den
 Hermes-`api_server` (:8642, OpenAI-kompatibel) — denselben vollen Agenten mit Tools +
-geteiltem Mem0 wie CLI/Telegram. Mit stabilem `X-Hermes-Session-Id` hält die Plattform den
+eigenem Gedächtnis wie CLI/Telegram. Mit stabilem `X-Hermes-Session-Id` hält die Plattform den
 Transcript server-seitig, daher schickt der Client je Turn nur die neue User-Nachricht.
 
 LAN-only (kein Token in der 2.0-Phase), wie die übrigen MC2-Endpoints.
@@ -169,7 +169,7 @@ def voice_metrics() -> dict:
 @router.get("/voice/trace")
 def voice_trace(limit: int = 20) -> dict:
     """Per-Turn-Trace: die letzten `limit` Chat-Turns mit Stufen-Breakdown (STT · Vision · Hirn ·
-    Generierung, Mem0 als Unter-Detail). Neueste zuerst. Für die Latenz-Ansicht im Cockpit —
+    Generierung). Neueste zuerst. Für die Latenz-Ansicht im Cockpit —
     damit man den EINEN langsamen Turn sieht, den ein Durchschnitt verschluckt."""
     return {"turns": get_trace(limit)}
 
@@ -289,8 +289,8 @@ async def voice_chat(body: ChatIn) -> StreamingResponse:
         headers["X-Hermes-Session-Key"] = body.session_key
 
     async def gen():
-        # Per-Turn-Trace: sammelt STT (davor, geparkt) + Vision + Hirn-TTFT + Generierung + Mem0
+        # Per-Turn-Trace: sammelt STT (davor, geparkt) + Vision + Hirn-TTFT + Generierung zu EINEM
-        # (Rückruf während) zu EINEM Datensatz -> die Latenz-Ansicht zeigt den einzelnen Hänger.
+        # Datensatz -> die Latenz-Ansicht zeigt den einzelnen Hänger.
         trace = TurnTrace(session_id=body.session_id, kind="voice")
         first = True
         first_content = True
@@ -325,7 +325,7 @@ async def voice_chat(body: ChatIn) -> StreamingResponse:
             payload = {"model": body.model or HERMES_API_MODEL, "messages": messages, "stream": True}
             # Lucys Hirn (Qwen3.6) ist ein Thinking-Modell -> für die gesprochene Assistentin Thinking AUS,
             # sonst generiert es tausende Reasoning-Token VOR der kurzen Antwort (gemessen: 11k Token, ~30s TTFB).
-            # Gleiches Muster wie die fast-Spur im Gateway (gateway_proxy.py) und die Mem0-Extraktion.
+            # Gleiches Muster wie die fast-Spur im Gateway (gateway_proxy.py).
             if os.environ.get("MC_VOICE_NO_THINK", "1") not in ("0", "false", "False"):
                 payload["chat_template_kwargs"] = {"enable_thinking": False}
             try:
@@ -342,7 +342,7 @@ async def voice_chat(body: ChatIn) -> StreamingResponse:
                             if first:  # Time-To-First-Byte des Hermes-Streams (Verbindungs-Overhead)
                                 trace.note_ttfb()
                                 first = False
-                            # Erster CONTENT-Delta = echte Hirn-Latenz (Agent-Overhead + Mem0 + LLM-TTFT) —
+                            # Erster CONTENT-Delta = echte Hirn-Latenz (Agent-Overhead + Gedächtnis + LLM-TTFT) —
                             # chat_ttfb misst nur den SSE-Start (~5 ms) und ist dafür blind.
                             if first_content and b'"content"' in chunk:
                                 trace.note_first_content()

backend/routers/zeitmaschine.py

@@ -33,7 +33,7 @@ def list_snapshots() -> dict:
 
 @router.get("/zeitmaschine/inhalt")
 def snapshot_contents(file: str) -> dict:
-    """Top-Level-Komponenten eines Snapshots (mem0, hermes, llama-swap, MANIFEST …)."""
+    """Top-Level-Komponenten eines Snapshots (hermes, llama-swap, MANIFEST …)."""
     if not _FILE_RX.match(file):
         raise HTTPException(400, "Ungültiger Snapshot-Name.")
     p = backup_svc.BACKUP_DIR / file

backend/services/backup.py

@@ -1,5 +1,5 @@
 """
-Voll-Zustands-Backup (mem0 + Hermes-Configs/Secrets + llama-swap config).
+Voll-Zustands-Backup (Hermes-Configs/Secrets + llama-swap config).
 Delegiert an deploy/backup.sh (eine Quelle der Wahrheit, identisch zum systemd-Timer);
 Restore läuft bewusst nur per CLI (deploy/restore.sh) — siehe docs/BACKUP.md.
 """

backend/services/connect.py

@@ -1,7 +1,13 @@
 """
 Connect: erzeugt saubere, getestete Konfig-Snippets für IDEs/Agenten auf dem
 LOKALEN PC (separate Maschine im LAN). Alle zeigen auf den **Gateway** der Box
-(reale Modelle coder/heavy/vision, Cockpit-Port :9001/v1) + den **Shared-Memory-MCP** (MC :9001).
+(reale Modelle coder/heavy/vision, Cockpit-Port :9001/v1).
+
+Gedächtnis ist hier bewusst KEINE eigene Leitung mehr: bis August 2026 gab es dafür einen
+Memory-MCP-Server gegen MC2s /api/memory; seit dessen Ablösung (docs/wissen/VERDIKTE.md,
+07.08.2026) führt Hermes sein Gedächtnis
+selbst — es hängt am Agenten, nicht am Gateway. check_health() prüft es weiterhin (Leitung 2),
+es ist nur nichts mehr zu konfigurieren.
 
 Wichtig: Host ist die LAN-IP der Box (NICHT eine Proxy-Domain) — das war in v1
 die häufigste Fehlerquelle. Der Aufrufer übergibt den Host explizit.
@@ -40,9 +46,7 @@ def _gw(host: str) -> str:
     return f"http://{host}:{PORT}/v1"
 
 
-def build_snippets(host: str = DEFAULT_HOST,
+def build_snippets(host: str = DEFAULT_HOST) -> dict:
-                   mcp_script_path: str = r"F:\\Coding Stuff\\mission-control-2\\mcp\\mcp_memory.py",
-                   mcp_python: str = "python") -> dict:
     gw = _gw(host)
     mc_url = f"http://{host}:{PORT}"
 
@@ -88,16 +92,6 @@ def build_snippets(host: str = DEFAULT_HOST,
         f'export ANTHROPIC_MODEL="coder"'
     )
 
-    memory_mcp = json.dumps({
-        "mcpServers": {
-            "mission-control-memory": {
-                "command": mcp_python,
-                "args": [mcp_script_path],
-                "env": {"MC_URL": mc_url},
-            }
-        }
-    }, indent=2)
-
     return {
         "host": host,
         "gateway_url": gw,
@@ -116,11 +110,8 @@ def build_snippets(host: str = DEFAULT_HOST,
                              "API-Profile je Modus: Code→coder · Architect/Orchestrator→heavy · "
                              "Ask/Debug→Lane 'chat' (virtuelles Modell, wählt selbst fast oder heavy)."},
             "claude_code": {"label": "Claude Code", "lang": "bash", "snippet": claude_code,
-                            "note": "Für die starken Sessions. Lokal-Betrieb bräuchte einen Anthropic⇄OpenAI-Übersetzer vor dem Gateway; Gedächtnis-Anbindung via Memory-MCP unten."},
+                            "note": "Für die starken Sessions. Lokal-Betrieb bräuchte einen Anthropic⇄OpenAI-Übersetzer vor dem Gateway."},
         },
-        # Leitung 2 — das GEDÄCHTNIS. Separater MCP-Server, gilt zusätzlich zu jedem Tool oben.
-        "memory": {"label": "Shared Memory (MCP)", "lang": "json", "snippet": memory_mcp,
-                   "note": "Eigene Leitung: MCP-Block für jedes MCP-fähige Tool. mcp_memory.py muss lokal liegen."},
     }
 
 

backend/services/sentry.py

@@ -1,7 +1,7 @@
 """
 Health-Wächter der Box (Lucy-Proaktivität, Faden A3).
 
-Prüft periodisch die Kern-Dienste (Engine, Agent-Hirn, Hermes-Gateway, Mem0,
+Prüft periodisch die Kern-Dienste (Engine, Agent-Hirn, Hermes-Gateway,
 Voice-Sidecar, Platte) und meldet ZUSTANDSWECHSEL in den Melde-Briefkasten
 (services/announce.py → Lucy spricht es) und via notify.sh (Telegram).
 

backend/services/voice_metrics.py

@@ -11,14 +11,14 @@ Zwei Sichten auf dieselben Messungen:
 
 **Was MC2 messen kann — und was nicht:** MC2 proxyt den Chat nur an Hermes (:8642). Die Stufen STT,
 Vision, Hirn-TTFT (Zeit bis zum ersten Inhalts-Token) und Generierung sind hier direkt messbar. Der
-**Mem0-Retrieve** läuft zwar in Hermes, ruft aber MC2s `/api/memory` per HTTP zurück → messbar und als
+**Gedächtnis-Abruf** dagegen läuft seit der Ablösung des Sidecars (07.08.2026) Hermes-intern — es
-Unter-Detail INNERHALB der Hirn-Zeit ausgewiesen (kein Doppelzählen). Die **Tool-Runden** dagegen laufen
+gibt keinen Rückruf an MC2 mehr, also auch keine Messung; er steckt jetzt in der Hirn-Zeit. Ebenso die
-im Hermes-LLM-Loop ohne Callback an MC2 → für MC2 unsichtbar, sie stecken im „Generierung"-Bucket.
+**Tool-Runden**: im Hermes-LLM-Loop ohne Callback an MC2 → unsichtbar, im „Generierung"-Bucket.
 
-STT (davor) und Mem0-Retrieve (währenddessen) sind separate HTTP-Requests ohne Turn-ID. Auf einem
+STT läuft als eigener HTTP-Request VOR dem Turn, ohne Turn-ID. Auf einem EIN-Nutzer-Gerät genügt eine
-EIN-Nutzer-Gerät genügt eine schlanke Best-Effort-Korrelation: die zuletzt gemessene STT-Dauer bzw. der
+schlanke Best-Effort-Korrelation: die zuletzt gemessene STT-Dauer wird global „geparkt" und vom
-letzte Retrieve werden global „geparkt" und vom nächsten Chat-Turn eingesammelt (mit Frist-/Reihenfolge-
+nächsten Chat-Turn eingesammelt (mit Frist-Check). Kein Turn-ID-Durchreichen durch den Lucy-Client
-Check). Kein Turn-ID-Durchreichen durch den Lucy-Client nötig.
+nötig.
 
 In-Memory + thread-safe (keine Datei-I/O — Latenz-Telemetrie ist transient, Restart = Reset).
 """
@@ -34,11 +34,11 @@ _STAGES: dict[str, deque] = {}
 _TURNS: deque = deque(maxlen=60)  # letzte N vollständige Chat-Turns (Per-Turn-Trace)
 
 # Bekannte Stufen (für stabile UI-Reihenfolge); unbekannte werden trotzdem erfasst.
-STAGES = ("stt", "vision", "memory_retrieve", "chat_ttfb", "chat_first_content", "tts")
+STAGES = ("stt", "vision", "chat_ttfb", "chat_first_content", "tts")
 
-# Best-effort-Korrelation (Ein-Nutzer-Gerät): zuletzt gemessene STT-Dauer / Mem0-Retrieve, je
+# Best-effort-Korrelation (Ein-Nutzer-Gerät): zuletzt gemessene STT-Dauer als
-# (ms, perf_counter-Zeitstempel). Der nächste passende Chat-Turn sammelt sie ein und leert sie.
+# (ms, perf_counter-Zeitstempel). Der nächste Chat-Turn sammelt sie ein und leert sie.
-_PARKED: dict[str, tuple[float, float] | None] = {"stt": None, "retrieve": None}
+_PARKED: dict[str, tuple[float, float] | None] = {"stt": None}
 
 
 def record_stage(stage: str, ms: float) -> None:
@@ -53,8 +53,8 @@ def record_stage(stage: str, ms: float) -> None:
 
 
 def park(kind: str, ms: float) -> None:
-    """Eine Messung, die NICHT im Chat-Request selbst passiert (STT davor, Mem0-Retrieve als
+    """Eine Messung, die NICHT im Chat-Request selbst passiert (STT läuft davor), global parken,
-    Rückruf während), global parken, damit der nächste Chat-Turn sie einsammeln kann."""
+    damit der nächste Chat-Turn sie einsammeln kann."""
     if ms is None or ms < 0 or kind not in _PARKED:
         return
     with _LOCK:
@@ -71,17 +71,6 @@ def _take_stt(max_age: float = 20.0) -> float | None:
     return None
 
 
-def _take_retrieve(since_perf: float, max_age: float = 90.0) -> float | None:
-    """Geparkten Mem0-Retrieve einsammeln, wenn er NACH dem Turn-Start kam (Rückruf während des
-    Turns) und frisch ist."""
-    with _LOCK:
-        v = _PARKED.get("retrieve")
-        if v and v[1] >= since_perf and (time.perf_counter() - v[1]) <= max_age:
-            _PARKED["retrieve"] = None
-            return round(v[0], 1)
-    return None
-
-
 class Timer:
     """Context-Manager: misst die verstrichene Zeit und verbucht sie auf `stage`.
     Funktioniert um `await`-Aufrufe herum (enter → await → exit)."""
@@ -102,8 +91,7 @@ class TurnTrace:
     """Ein Per-Turn-Trace für den Voice/Lucy-Chatpfad. In `voice.py` über die Dauer eines Chat-Turns
     gehalten; `commit()` schreibt den Datensatz in den Ringpuffer UND speist die rollenden Stats.
 
-    Balken-Stufen (zeitlich DISJUNKT, ergeben zusammen den Turn): stt · vision · hirn · gen.
+    Balken-Stufen (zeitlich DISJUNKT, ergeben zusammen den Turn): stt · vision · hirn · gen."""
-    Unter-Detail: mem0 (Teil VON hirn, wird separat ausgewiesen, aber NICHT zum Balken addiert)."""
 
     def __init__(self, session_id: str = "", kind: str = "voice") -> None:
         self.id = uuid.uuid4().hex[:8]
@@ -113,7 +101,7 @@ class TurnTrace:
         self.session_id = (session_id or "")[:24]
         self.kind = kind
         self.vision_ms: float | None = None      # Bildschirm-Beschreibung (falls Bilder)
-        self.hirn_ms: float | None = None        # Zeit bis zum ersten Inhalts-Token (Agent + Mem0 + TTFT)
+        self.hirn_ms: float | None = None        # Zeit bis zum ersten Inhalts-Token (Agent + Gedächtnis + TTFT)
         self.had_images = False
         self.error: str | None = None
 
@@ -130,7 +118,7 @@ class TurnTrace:
         record_stage("chat_ttfb", (time.perf_counter() - self._brain0) * 1000.0)  # SSE-Start (~5 ms), nur rollend
 
     def note_first_content(self) -> None:
-        """Erster Inhalts-Delta = echte Hirn-Latenz (Agent-Overhead + Mem0 + LLM-TTFT)."""
+        """Erster Inhalts-Delta = echte Hirn-Latenz (Agent-Overhead + Gedächtnis + LLM-TTFT)."""
         ms = (time.perf_counter() - self._brain0) * 1000.0
         self.hirn_ms = round(ms, 1)
         record_stage("chat_first_content", ms)
@@ -138,7 +126,6 @@ class TurnTrace:
     def commit(self) -> dict:
         total = (time.perf_counter() - self.perf0) * 1000.0
         stt = _take_stt()  # rollend bereits in /voice/stt erfasst
-        mem0 = _take_retrieve(self.perf0)  # rollend bereits in /api/memory erfasst
         # Generierung = alles nach dem ersten Inhalts-Token bis Stream-Ende.
         gen = round(total - self.hirn_ms, 1) if self.hirn_ms is not None else None
         rec = {
@@ -151,7 +138,6 @@ class TurnTrace:
             "vision_ms": self.vision_ms,
             "hirn_ms": self.hirn_ms,
             "gen_ms": gen if (gen is None or gen >= 0) else 0.0,
-            "mem0_ms": mem0,
             "total_ms": round(total, 1),
             "error": self.error,
         }

backend/steward.py

@@ -1,7 +1,7 @@
 """
 MC2-Steward — die Wächter-Loops als EIGENER Prozess (UMBAU v3, P2).
 
-Bisher hingen Re-Warm-Wächter, Health-Wächter (sentry) und Mem0-Auto-Dedupe am
+Bisher hingen Re-Warm-Wächter und Health-Wächter (sentry) am
 Lebenszyklus des Steuerpult-Webservers (app.py-Lifespan): jeder MC2-Neustart riss
 den Wächtern Timing und Flanken-Gedächtnis weg — und ein TOTES Steuerpult konnte
 sich prinzipbedingt nicht selbst melden. Hier laufen DIESELBEN Loops (unveränderte
@@ -11,14 +11,16 @@ Module) als eigener Mini-Dienst (mc2-steward.service, Restart=always):
                               In-Process-Nudge aus llamaswap.write_config)
   • sentry.sentry_loop      — Health-Flanken → Briefkasten (HTTP an MC2) + Telegram;
                               beobachtet im Steward-Modus AUCH MC2 selbst + mc2-gateway
-  • memory.auto_dedupe_loop — Gedächtnis-Dubletten (HTTP an den Mem0-Sidecar)
+
+Das dritte Loop (Gedächtnis-Dubletten gegen den Sidecar auf :8765) ist mit dessen Ablösung
+am 07.08.2026 entfallen — Hermes führt sein Gedächtnis selbst (docs/wissen/VERDIKTE.md).
 
 BEWUSST NICHT hier: reminders_loop — der teilt sich Datei UND CRUD-Pfade mit dem
 /api/reminders-Router (Zwei-Schreiber-Risiko auf mc2-reminders.json); er bleibt im
 Steuerpult. Der Briefkasten-Store gehört weiter EXKLUSIV dem MC2-Prozess — dieser
 Prozess liefert Meldungen per HTTP ab (announce.py, MC_ANNOUNCE_HTTP).
 
-Die Loop-Schalter (MC_REWARM_ENABLED / MC_SENTRY_ENABLED / MC_MEM_DEDUPE_ENABLED)
+Die Loop-Schalter (MC_REWARM_ENABLED / MC_SENTRY_ENABLED)
 stehen in der MC2-Unit auf 0 und hier auf Default 1 — reiner Konfig-Split, kein
 Verhaltens-Code im Steuerpult angefasst. Zeilen dort entfernen = Rollback.
 """
@@ -28,7 +30,6 @@ import logging
 import os
 
 from config import CONFIG_PATH
-from services import memory as memory_svc
 from services import sentry, warmer
 
 logging.basicConfig(
@@ -66,10 +67,6 @@ async def main() -> None:
                  warmer.INTERVAL, CONFIG_WATCH_S)
     if sentry.ENABLED:
         tasks.append(asyncio.create_task(sentry.sentry_loop()))
-    if memory_svc.AUTO_DEDUPE_ENABLED:
-        tasks.append(asyncio.create_task(memory_svc.auto_dedupe_loop()))
-        log.info("Mem0-Auto-Dedupe aktiv (alle %ss, Schwelle %s)",
-                 memory_svc.AUTO_DEDUPE_INTERVAL, memory_svc.AUTO_DEDUPE_THRESHOLD)
     if not tasks:
         log.warning("steward: alle Loops per Env deaktiviert — nichts zu tun, Ende.")
         return

deploy/agent-hooks/box-steckbrief-inject.sh

@@ -28,7 +28,7 @@ hint=""
 # Stabile Anti-Flail-Orientierung: WER bin ich, WO laufen die Modelle, WAS ist tabu.
 ctx="$(cat <<EOF
 [BOX-ORIENTIERUNG — du bist ein Hintergrund-Worker auf der lokalen AI-Box (Linux, Zeit UTC / lokal Europe/Berlin, locale de_DE), NICHT Lucy und kein Dev-Laptop. Du arbeitest EINE Kanban-Aufgabe ab.]
-Die Modelle / das "Hirn" laufen ausschliesslich ueber den Router llama-swap auf 127.0.0.1:8080 (startet je Modell einen llama-server) bzw. das OpenAI-kompatible Gateway von MC2 auf 127.0.0.1:9001/v1 — es gibt KEINEN anderen Modell-Server, also nicht danach suchen. Weitere Dienste: hermes-gateway :8642, mem0-Gedaechtnis :8765. Der MC2-Live-Checkout ~/mission-control-v2 ist nur zum LESEN da (Schreiben/committen TABU — Code-Arbeit immer im frischen Klon deines Task-Workspaces). Grenzen (was gehoert wohin): MC2 = Steuerpult (verwalten/klicken/zusehen, KEIN Chat-UI), Lucy = Chat & Stimme (eigenes Repo), Hermes-Quelle ist TABU (Agenten-Verhalten nur ueber Config/SOUL/Skill/Hook/MCP aendern). Feste Entscheide/Verbote + volle Grenzen-Landkarte: ~/mission-control-v2/docs/wissen/ (GRENZEN/VERDIKTE/FALLEN/STACK) + ~/wissens-vault/eigenbau-landkarte.md.${hint}
+Die Modelle / das "Hirn" laufen ausschliesslich ueber den Router llama-swap auf 127.0.0.1:8080 (startet je Modell einen llama-server) bzw. das OpenAI-kompatible Gateway von MC2 auf 127.0.0.1:9001/v1 — es gibt KEINEN anderen Modell-Server, also nicht danach suchen. Weiterer Dienst: hermes-gateway :8642 (fuehrt sein Gedaechtnis selbst — es gibt KEINEN separaten Gedaechtnis-Dienst mehr). Der MC2-Live-Checkout ~/mission-control-v2 ist nur zum LESEN da (Schreiben/committen TABU — Code-Arbeit immer im frischen Klon deines Task-Workspaces). Grenzen (was gehoert wohin): MC2 = Steuerpult (verwalten/klicken/zusehen, KEIN Chat-UI), Lucy = Chat & Stimme (eigenes Repo), Hermes-Quelle ist TABU (Agenten-Verhalten nur ueber Config/SOUL/Skill/Hook/MCP aendern). Feste Entscheide/Verbote + volle Grenzen-Landkarte: ~/mission-control-v2/docs/wissen/ (GRENZEN/VERDIKTE/FALLEN/STACK) + ~/wissens-vault/eigenbau-landkarte.md.${hint}
 TRIAGE (19.07. — Drei-Bahnen-Regel): Ordne deine Karte ZUERST einer Bahn zu und bleib darin: Denken (Konzept/Plan), Bauen (Code schreiben/aendern), Betrieb (SSH/Deploy/Dienste). Fuer Betrieb-Arbeit lade IMMER zuerst den Skill betrieb-playbook (Diagnose-Checklisten; max 3 Anlaeufe pro Hindernis, dann kanban_block mit exaktem Fehlertext — die No-Progress-Bremse erzwingt das mechanisch).
 PROTOKOLL-PFLICHT (15.07.): Beende deine Aufgabe IMMER mit dem Tool-Aufruf kanban_complete (fertig) oder kanban_block (Frage/Sackgasse). Eine Text-Zusammenfassung OHNE diesen Aufruf zaehlt als Absturz (Protokollverstoss) und blockiert die Karte — genau so ging am 14.07. eine fertige Arbeit verloren.
 REPO-WEGWEISER mission-control-v2 (NICHT raten/suchen — so liegt es): backend/app.py = Einstieg + Router-Mounting · backend/routers/*.py = REST-Endpunkte · backend/services/*.py = Logik · backend/gateway_app.py = /v1-Gateway-Prozess (:9010) · frontend/src/views/*.tsx = Ansichten · frontend/src/lib/api.ts = Typen+Fetch · frontend/src/lib/queries.ts = TanStack-Query-Hooks (Polling) · frontend/src/nav.ts = Sidebar · deploy/ = Skripte/Units/Hooks/Skills · Projekt-Regeln: AGENTS.md (Wurzel) + docs/wissen/.

deploy/autoupdate.sh

@@ -123,7 +123,7 @@ check_hermes(){
   done
   if [ "$state" = "done" ]; then
     SUMMARY+=("$name: $behind Commits eingespielt, Gehirn-Check grün.")
-    notify "Hermes-Agent aktualisiert ($behind Commits). Gehirn-Check (Mem0, Tools, Voice) grün — alles läuft."
+    notify "Hermes-Agent aktualisiert ($behind Commits). Gehirn-Check (Patches, Tools, Voice) grün — alles läuft."
     return
   fi
   # Rot/Timeout: ERST Selbstreparatur versuchen (Config-Bruch selbst ziehen, neue Version behalten) —

deploy/backup.sh

@@ -3,8 +3,10 @@
 # zurückkommt. Erzeugt EIN Tarball mc2-state-<ts>.tar.gz, behält die letzten N.
 # Läuft per systemd-Timer (täglich), manuell, oder über den UI-Snapshot-Button.
 #
-# Inhalt:  mem0 (Chroma + history.db) · ~/.hermes (config.yaml, .env, plugins/) ·
+# Inhalt:  ~/.hermes (config.yaml, .env, plugins/) · /etc/llama-swap/config.yaml ·
-#          /etc/llama-swap/config.yaml · known-good/ (Versions-Manifest, s. u.)
+#          known-good/ (Versions-Manifest, s. u.)
+# Das abgeloeste Gedaechtnis-Sidecar (/srv/models, Port 8765) faellt seit 27.08.2026 weg —
+# sein Datenverzeichnis existiert nicht mehr (Hintergrund: docs/wissen/VERDIKTE.md).
 # NICHT enthalten (bewusst): GGUF-Modelle (riesig, neu ladbar), MC2-Code (Git), venvs.
 #
 # ACHTUNG: das Tarball enthält ~/.hermes/.env (Secrets) → chmod 600, nicht in Git.
@@ -20,16 +22,14 @@ RETAIN="${MC_BACKUP_RETAIN:-14}"
 # Off-Box-Ziel (leer = deaktiviert). Default: Proxmox-Host, eigener Key mit minimalem Recht.
 OFFSITE="${MC_BACKUP_OFFSITE:-root@192.168.178.108:/var/lib/vz/mc2-backups}"
 OFFSITE_KEY="${MC_BACKUP_OFFSITE_KEY:-$HOME/.ssh/mc2_offsite}"
-MEM0_DIR="${MC_MEM0_DIR:-/srv/models/mem0}"
 LSWAP="${MC_CONFIG_PATH:-/etc/llama-swap/config.yaml}"
 HERMES="${HERMES_HOME:-$HOME/.hermes}"
 TS="$(date +%Y%m%d-%H%M%S)"
 
 STAGE="$(mktemp -d)"
 trap 'rm -rf "$STAGE"' EXIT
-mkdir -p "$STAGE/mem0" "$STAGE/hermes" "$STAGE/llama-swap"
+mkdir -p "$STAGE/hermes" "$STAGE/llama-swap"
 
-[ -d "$MEM0_DIR" ]            && cp -a "$MEM0_DIR/." "$STAGE/mem0/"          || true
 [ -f "$HERMES/config.yaml" ] && cp -a "$HERMES/config.yaml" "$STAGE/hermes/" || true
 [ -f "$HERMES/.env" ]        && cp -a "$HERMES/.env" "$STAGE/hermes/"        || true
 [ -d "$HERMES/plugins" ]     && cp -a "$HERMES/plugins" "$STAGE/hermes/plugins" || true
@@ -60,7 +60,7 @@ SRC="${MC2_SRC:-$HOME/mission-control-v2}"
 HERMES_AGENT="${HERMES_AGENT_DIR:-$HOME/.hermes/hermes-agent}"
 UV="$(command -v uv || echo "$HOME/.local/bin/uv")"
 
-# pip freeze je venv; mem0-venv ist uv-managed (kein pip-Modul) → uv als Fallback.
+# pip freeze je venv; das voice-venv ist uv-managed (kein pip-Modul) → uv als Fallback.
 freeze_venv() { # $1 = python-Pfad, $2 = Zieldatei
   if [ ! -x "$1" ]; then echo "venv fehlt: $1" > "$2"; return 0; fi
   "$1" -m pip freeze > "$2" 2>/dev/null \
@@ -68,7 +68,6 @@ freeze_venv() { # $1 = python-Pfad, $2 = Zieldatei
     || echo "pip freeze fehlgeschlagen: $1" > "$2"
 }
 freeze_venv "$SRC/backend/.venv/bin/python" "$KG/pip-backend.txt"
-freeze_venv "$HOME/.mem0/venv/bin/python"   "$KG/pip-mem0.txt"
 freeze_venv "$HOME/.voice/venv/bin/python"  "$KG/pip-voice.txt"
 
 {
@@ -79,7 +78,7 @@ freeze_venv "$HOME/.voice/venv/bin/python"  "$KG/pip-voice.txt"
   echo "llama.cpp    : $(LD_LIBRARY_PATH=/opt/llamacpp-vulkan /usr/local/bin/llama-server --version 2>&1 | grep -m1 -o 'version: .*' || echo '?')"
   echo "llama-swap   : $(/usr/local/bin/llama-swap --version 2>/dev/null | head -1 || echo '?')"
   echo "python-venvs :"
-  for P in "$SRC/backend/.venv/bin/python" "$HOME/.mem0/venv/bin/python" "$HOME/.voice/venv/bin/python"; do
+  for P in "$SRC/backend/.venv/bin/python" "$HOME/.voice/venv/bin/python"; do
     echo "  $P → $("$P" --version 2>&1 || echo 'fehlt')"
   done
 } > "$KG/versions.txt" || true
@@ -92,7 +91,7 @@ cat > "$STAGE/MANIFEST.txt" <<EOF
 mc2-state backup
 created : $TS
 host    : $(hostname)
-inhalt  : mem0 (chroma + history.db), hermes (config.yaml, .env, plugins/), llama-swap (config.yaml), known-good/ (Versions-Manifest: pip freeze, Engine, Modelle)
+inhalt  : hermes (config.yaml, .env, plugins/), llama-swap (config.yaml), known-good/ (Versions-Manifest: pip freeze, Engine, Modelle)
 restore : bash ~/mission-control-v2/deploy/restore.sh mc2-state-$TS.tar.gz
 EOF
 

deploy/deploy.sh

@@ -12,11 +12,30 @@ echo "Aktualisiere Python Abhängigkeiten..."
 backend/.venv/bin/pip install -r backend/requirements.txt
 
 # 3. Llama-Swap Konfiguration prüfen und synchronisieren
+#
+# ‼️ ACHTUNG (27.08.2026): /etc/llama-swap/config.yaml ist die LEBENDE Wahrheit — MC2
+# schreibt sie selbst (backend/services/llamaswap.py::write_config), sobald jemand über
+# die Oberfläche ein Modell hinzufügt oder eine Rolle ändert. deploy/llama-swap.config.yaml
+# ist nur ein Abzug und hinkt regelmäßig hinterher (aktuell fehlt ihm z. B. der
+# `kritiker`/Devstral-Eintrag, den STACK.md und der Modell-Katalog voraussetzen).
+# Bis hierher wurde die Live-Datei kommentarlos mit dem Abzug überschrieben — alles per
+# UI Hinzugefügte war nach jedem Deploy weg. Jetzt: erst sichern, dann kopieren, und die
+# Abweichung sichtbar machen. MC_DEPLOY_SKIP_SWAP_CONFIG=1 überspringt den Schritt ganz.
 if ! cmp -s deploy/llama-swap.config.yaml /etc/llama-swap/config.yaml; then
-  echo "Llama-Swap Konfiguration hat sich geändert, synchronisiere..."
+  if [ "${MC_DEPLOY_SKIP_SWAP_CONFIG:-0}" = "1" ]; then
-  # NOPASSWD für llama-swap Neustart ist vorausgesetzt (siehe AGENTS.md)
+    echo "Llama-Swap Konfiguration weicht ab — uebersprungen (MC_DEPLOY_SKIP_SWAP_CONFIG=1)."
-  sudo cp deploy/llama-swap.config.yaml /etc/llama-swap/config.yaml
+  else
-  sudo systemctl restart llama-swap
+    SWAP_BAK="/etc/llama-swap/config.yaml.bak-$(date +%Y%m%d-%H%M%S)"
+    echo "Llama-Swap Konfiguration hat sich geändert."
+    echo "  Abweichung (live -> Repo-Abzug):"
+    diff -u /etc/llama-swap/config.yaml deploy/llama-swap.config.yaml | head -40 || true
+    echo "  Sichere die laufende Datei nach $SWAP_BAK"
+    # NOPASSWD für llama-swap Neustart ist vorausgesetzt (siehe AGENTS.md)
+    sudo cp /etc/llama-swap/config.yaml "$SWAP_BAK"
+    sudo cp deploy/llama-swap.config.yaml /etc/llama-swap/config.yaml
+    sudo systemctl restart llama-swap
+    echo "  Rueckweg bei Verlust:  sudo cp $SWAP_BAK /etc/llama-swap/config.yaml"
+  fi
 fi
 
 # 4. Systemd Units neu laden (falls sich .service Dateien geändert haben)
@@ -35,7 +54,11 @@ for skill_dir in deploy/skills/*; do
 done
 
 # 5. Dienste neu starten
+# ‼️ mc2-steward gehoert hier dazu: er laeuft aus DEMSELBEN Checkout (backend/steward.py).
+# Ohne ihn lief der Waechter-Prozess nach jedem Deploy mit dem alten Code weiter — der
+# Neustart wurde 27.08.2026 nachgetragen. `--user restart` auf einer nicht installierten
+# Unit ist folgenlos, darum ohne Vorabpruefung.
 echo "Starte Backend neu..."
-systemctl --user restart mc2-gateway.service mission-control-2.service
+systemctl --user restart mc2-gateway.service mission-control-2.service mc2-steward.service
 
 echo "✅ Deployment erfolgreich abgeschlossen!"

deploy/hermes-postcheck.sh

@@ -1,35 +1,22 @@
 #!/usr/bin/env bash
-# Post-Update-Check nach einem Hermes-Agent-Update: läuft unser geteiltes „Gehirn"
+# Post-Update-Check nach einem Hermes-Agent-Update: laeuft unser "Gehirn" noch?
-# (Mem0 + die mc2-memory-Integration) noch? Exit 0 = alles ok, sonst 1 → der Job wird
+# Exit 0 = alles ok, sonst 1 -> der Job wird im UI rot, damit ein kaputtes Gehirn auffaellt.
-# im UI rot, damit ein kaputtes Gehirn sofort auffällt.
+#
+# WICHTIG (27.08.2026) - VIER TOTE CHECKS ENTFERNT: bis hierher prueften die ersten Bloecke
+# den abgeloesten Gedaechtnis-Sidecar (:8765), MC2s /api/memory und das zugehoerige
+# Hermes-Plugin. Alle drei fielen am 07.08. weg (docs/wissen/VERDIKTE.md) - die Checks KONNTEN nicht
+# mehr gruen werden. Folge: jedes Hermes-Update endete rot und wurde von autoupdate.sh
+# zurueckgerollt. Kein Ersatz-Check auf Hermes native Gedaechtnis, weil es dafuer keinen
+# nachgemessenen Endpunkt gibt - geraten waere eine Fassade. Der Tool-Smoke weiter unten
+# laeuft ohnehin durch den ECHTEN Agenten und faengt ein kaputtes Gehirn.
 set -uo pipefail
 
 MC_URL="${MC_URL:-http://127.0.0.1:9001}"
-MEM0_URL="${MEM0_SERVICE_URL:-http://127.0.0.1:8765}"
 HERMES="${HERMES_HOME:-$HOME/.hermes}"
 fail=0
 
 echo "=== Hermes Post-Update: Gehirn-Check ==="
 
-if curl -sf -m 5 "$MEM0_URL/health" >/dev/null 2>&1; then
-  echo "PASS · Mem0-Sidecar erreichbar"
-else
-  echo "FAIL · Mem0-Sidecar NICHT erreichbar"; fail=1
-fi
-
-if curl -sf -m 8 "$MC_URL/api/memory" >/dev/null 2>&1; then
-  echo "PASS · /api/memory antwortet"
-else
-  echo "FAIL · /api/memory antwortet nicht"; fail=1
-fi
-
-if grep -qE "^[[:space:]]*provider:[[:space:]]*'?mc2-memory'?" "$HERMES/config.yaml" 2>/dev/null \
-   && grep -qE "memory_enabled:[[:space:]]*true" "$HERMES/config.yaml" 2>/dev/null; then
-  echo "PASS · memory.provider=mc2-memory aktiv"
-else
-  echo "FAIL · memory.provider nicht mehr gesetzt (Config vom Update überschrieben?)"; fail=1
-fi
-
 # --- Hermes-Runtime-Patch-Traeger (20.07.2026): ein Update setzt den Quellbaum ---
 # --- zurueck → unsere Fixes (needs_input-wartet, Startreife-Gate, Orphan-Guard,  ---
 # --- Kontext-Vererbung, Etappen-Kette) hier RE-eintragen. Exit 10 = etwas neu     ---
@@ -49,14 +36,6 @@ else
   echo "WARN · hermes-patches/apply.py nicht gefunden ($PATCH_APPLY)"
 fi
 
-if ( cd "$HERMES/hermes-agent" && HERMES_HOME="$HERMES" ./venv/bin/python -c \
-     "import sys; sys.path.insert(0,'.'); from plugins.memory import load_memory_provider; p=load_memory_provider('mc2-memory'); assert p and p.name()=='mc2-memory'" \
-     >/dev/null 2>&1 ); then
-  echo "PASS · mc2-memory-Plugin lädt unter dem neuen Hermes"
-else
-  echo "FAIL · mc2-memory-Plugin lädt nicht (MemoryProvider-ABC geändert?)"; fail=1
-fi
-
 # --- Config-Drift-Wächter (Lehre aus v0.18, 02.07.2026): Hermes fällt bei unbekannten ---
 # --- Config-Werten STILL auf Defaults zurück (approvals.mode 'auto' -> manual -> alle  ---
 # --- Tools hingen in pending_approval). Solche Warnungen müssen den Job ROT machen.    ---

deploy/llama-swap.config.yaml

@@ -4,7 +4,7 @@ globalTTL: 0
 
 models:
   Qwen3.6-35B-A3B:
-    # parallel 2 + c 131072: 2 Slots à 65k (Slot 2 = Mem0-Lern-Extraktion, blockiert Voice-Turns
+    # parallel 2 + c 131072: 2 Slots à 65k (Slot 2 = Nebenlast/Hintergrund-Extraktion, blockiert Voice-Turns
     # nicht mehr); KV Q8_0 macht das speicherneutral zu vorher (65k f16). Bench 2026-07-02:
     # Q8_0 kostet 0 t/s, MTP n-max 3 = +26% vs. ohne Spec. (Q4_K-KV stand mal im Template,
     # lief aber NIE live — bewusst bei Q8_0 geblieben: Qualität vor ein paar GB, seit der
@@ -78,7 +78,7 @@ models:
       out: [text]
       context: 32768
   Qwen3-Reranker-0.6B:
-    # Gedächtnis-Zweitstufe (07.07., Rollen-Audit): ordnet Mem0-Suchtreffer nach echter
+    # Gedächtnis-Zweitstufe (07.07., Rollen-Audit): ordnet Gedächtnis-Suchtreffer nach echter
     # Relevanz (/v1/rerank, Mungert-GGUF — Community-Konvertierungen liefern oft Nullscores!).
     # Winzig (~0,7 GB) → in brains (verdrängungssicher); lädt in ~1-2 s, erste Anfrage wärmt.
     cmd: |

deploy/mc2-backup.service

@@ -1,5 +1,5 @@
 [Unit]
-Description=MC2 Zustands-Backup (mem0 + Hermes-Configs/Secrets + llama-swap config)
+Description=MC2 Zustands-Backup (Hermes-Configs/Secrets + llama-swap config)
 Documentation=file:%h/mission-control-v2/docs/BACKUP.md
 
 [Service]

deploy/mc2-steward.service

@@ -0,0 +1,37 @@
+# systemd-USER-Unit für den MC2-Steward — die Wächter-Loops als eigener Prozess (UMBAU v3 P2).
+# Re-Warm-Wächter und Health-Sentry überleben damit jeden Steuerpult-Neustart, und der Sentry
+# kann auch das Steuerpult SELBST + den mc2-gateway überwachen (MC_SENTRY_WATCH_MC2=1).
+# Meldungen gehen per HTTP in den MC2-Briefkasten (MC_ANNOUNCE_HTTP); ist MC2 down, greift
+# weiterhin der Telegram-Direktweg (notify.sh).
+# Sudo-frei wie alle MC2-Units: ~/.config/systemd/user/ + systemctl --user.
+#
+# ‼️ NACHGETRAGEN 27.08.2026: Diese Unit lief auf der Box, fehlte aber im Repo — sie war weder
+# versioniert noch vom Disaster-Recovery abgedeckt, obwohl backend/routers/system.py,
+# services/maintenance.py (USER_SERVICES) und deploy/stack-postcheck.sh sie voraussetzen.
+# Inhalt 1:1 von der laufenden Box übernommen (`systemctl --user cat mc2-steward`), nur die
+# Description um den entfallenen Mem0-Dedupe-Loop gekürzt. Das Warm-Set-Drop-in liegt
+# daneben in mc2-steward.service.d-warmset.conf — beim Ausrollen mitnehmen.
+#
+# Ablage: ~/.config/systemd/user/mc2-steward.service ; dann:
+#   systemctl --user daemon-reload && systemctl --user enable --now mc2-steward
+
+[Unit]
+Description=MC2 Steward (Wächter: Re-Warm, Health-Sentry)
+After=network-online.target
+Wants=network-online.target
+
+[Service]
+Type=simple
+WorkingDirectory=%h/mission-control-v2/backend
+ExecStart=%h/mission-control-v2/backend/.venv/bin/python steward.py
+Environment=PYTHONPATH=%h/mission-control-v2
+Environment=MC_LLAMA_SWAP_URL=http://127.0.0.1:8080
+Environment=MC_CONFIG_PATH=/etc/llama-swap/config.yaml
+Environment=MC_MODELS_DIR=/srv/models
+Environment=MC_ANNOUNCE_HTTP=http://127.0.0.1:9001
+Environment=MC_SENTRY_WATCH_MC2=1
+Restart=always
+RestartSec=3
+
+[Install]
+WantedBy=default.target

deploy/mc2-steward.service.d-warmset.conf

@@ -0,0 +1,11 @@
+# Drop-in für mc2-steward.service — Ablage auf der Box:
+#   ~/.config/systemd/user/mc2-steward.service.d/warmset.conf
+#
+# 26.07.2026 — Ko-Residenz ist nicht Warm-Pflicht. Die Gruppe `brains` enthaelt seit dem
+# Umbau auch Modelle MIT TTL (Coder 90 min, Kritiker 30 min); ohne diese Liste hielte der
+# Waechter sie faelschlich fuer dauerhaft faellig und arbeitete gegen die TTLs.
+# ANFUEHRUNGSZEICHEN SIND PFLICHT: systemd trennt Environment= an Leerzeichen, ohne sie
+# kommt nur das erste Modell an (live erlebt) — das Warm-Ziel waere still zu klein.
+[Service]
+Environment="MC_WARMSET=Qwen3-Embedding-0.6B Qwen3-Reranker-0.6B Qwen3.6-35B-A3B"
+Environment=MC_WARMUP_RERANK=reranker

deploy/mission-control-2.service

@@ -19,19 +19,16 @@ Environment=MC_PORT=9001
 Environment=MC_LLAMA_SWAP_URL=http://127.0.0.1:8080
 Environment=MC_CONFIG_PATH=/etc/llama-swap/config.yaml
 Environment=MC_MODELS_DIR=/srv/models
-# Geteiltes Gedächtnis = die bestehende v1-DB (Kontinuität bis/über Cutover).
-Environment=MC_MEMORY_DB=/srv/models/mission-control-memory.db
 # Gateway-Auszug (UMBAU v3 P1): /v1 roh an den eigenständigen mc2-gateway-Prozess
 # durchreichen. Diese Zeile entfernen (+ daemon-reload + restart) = Rollback, MC2
 # bedient /v1 wieder selbst.
 Environment=MC_V1_UPSTREAM=http://127.0.0.1:9010
-# Steward-Auszug (UMBAU v3 P2): Die Wächter-Loops (Re-Warm, Health-Sentry, Mem0-Dedupe)
+# Steward-Auszug (UMBAU v3 P2): Die Wächter-Loops (Re-Warm, Health-Sentry) laufen jetzt im
-# laufen jetzt im eigenen Dienst mc2-steward.service — hier deshalb AUS. Diese drei
+# eigenen Dienst mc2-steward.service — hier deshalb AUS. Diese zwei Zeilen entfernen
-# Zeilen entfernen (+ daemon-reload + restart) = Rollback (Loops wieder im Steuerpult).
+# (+ daemon-reload + restart) = Rollback (Loops wieder im Steuerpult).
 # Der reminders_loop bleibt bewusst HIER (teilt Datei+CRUD mit /api/reminders).
 Environment=MC_REWARM_ENABLED=0
 Environment=MC_SENTRY_ENABLED=0
-Environment=MC_MEM_DEDUPE_ENABLED=0
 # KEIN MC_ENGINE_UPDATE_CMD-Override mehr: Das alte /usr/local/bin/update-llamacpp zog den
 # ROCm-Build nach /opt/llamacpp (totes Rollback-Dir) statt des aktiven Vulkan-Builds → Updates
 # liefen ins Leere ("DONE", aber nichts passierte). Ohne Override nutzt das Backend den Default

deploy/restore.sh

@@ -15,11 +15,13 @@ set -euo pipefail
 
 MODELS_DIR="${MC_MODELS_DIR:-/srv/models}"
 DEST_DIR="$MODELS_DIR/mc2-backups"
-MEM0_DIR="${MC_MEM0_DIR:-/srv/models/mem0}"
 LSWAP="${MC_CONFIG_PATH:-/etc/llama-swap/config.yaml}"
 HERMES="${HERMES_HOME:-$HOME/.hermes}"
 SRC="${MC2_SRC:-$HOME/mission-control-v2}"
-SERVICES="mem0-service mission-control-2 hermes-gateway"
+# Alle User-Dienste, die von wiederhergestellter Config abhaengen. mc2-gateway (der
+# /v1-Denkpfad) und mc2-steward (Waechter) fehlten hier bis 27.08.2026 — nach einem
+# Restore liefen beide mit der ALTEN llama-swap-/Hermes-Config weiter.
+SERVICES="mission-control-2 mc2-gateway mc2-steward hermes-gateway"
 OFFSITE="${MC_BACKUP_OFFSITE:-root@192.168.178.108:/var/lib/vz/mc2-backups}"
 OFFSITE_KEY="${MC_BACKUP_OFFSITE_KEY:-$HOME/.ssh/mc2_offsite}"
 OFFSITE_SSH="ssh -i $OFFSITE_KEY -o BatchMode=yes -o ConnectTimeout=10 -o StrictHostKeyChecking=accept-new"
@@ -98,7 +100,6 @@ echo "--- Inhalt ---"; cat "$STAGE/MANIFEST.txt" 2>/dev/null || true; echo "----
 
 if [ "$DRY" = 1 ]; then
   echo "[dry-run] würde zurücksetzen:"
-  [ -d "$STAGE/mem0" ]                 && echo "  • mem0 → $MEM0_DIR (wird ersetzt)"
   [ -f "$STAGE/hermes/config.yaml" ]   && echo "  • $HERMES/config.yaml"
   [ -f "$STAGE/hermes/.env" ]          && echo "  • $HERMES/.env"
   [ -d "$STAGE/hermes/plugins" ]       && echo "  • $HERMES/plugins/"
@@ -119,7 +120,8 @@ bash "$SRC/deploy/backup.sh" || echo "  (Pre-Restore-Backup fehlgeschlagen — f
 echo "→ Dienste stoppen…"
 systemctl --user stop $SERVICES 2>/dev/null || true
 
-if [ -d "$STAGE/mem0" ]; then rm -rf "$MEM0_DIR"; mkdir -p "$MEM0_DIR"; cp -a "$STAGE/mem0/." "$MEM0_DIR/"; fi
+# Alte Snapshots (vor 27.08.2026) tragen noch ein Gedaechtnis-Verzeichnis mit — es wird
+# bewusst NICHT mehr zurueckgespielt, der zugehoerige Dienst existiert nicht mehr.
 [ -f "$STAGE/hermes/config.yaml" ]   && { mkdir -p "$HERMES"; cp -a "$STAGE/hermes/config.yaml" "$HERMES/"; }
 [ -f "$STAGE/hermes/.env" ]          && cp -a "$STAGE/hermes/.env" "$HERMES/"
 [ -d "$STAGE/hermes/plugins" ]       && { mkdir -p "$HERMES/plugins"; cp -a "$STAGE/hermes/plugins/." "$HERMES/plugins/"; }

deploy/stack-postcheck.sh

@@ -3,15 +3,14 @@
 # dass der komplette Inferenz-Stack noch FUNKTIONIERT — nicht nur "Befehl lief durch".
 # Exit 0 = alles ok, sonst 1 → der jobengine-Job wird im UI ROT (state=failed).
 #
-# Pendant zu hermes-postcheck.sh (prüft das Gehirn/Mem0); dieser prüft Router+Engine+MC2
+# Pendant zu hermes-postcheck.sh (prüft das Gehirn); dieser prüft Router+Engine+MC2
 # inkl. einer ECHTEN 1-Token-Inferenz (beweist, dass ein Modell wirklich lädt & generiert).
 set -uo pipefail
 
 SWAP_URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
 MC_URL="${MC_URL:-http://127.0.0.1:9001}"
-MEM0_URL="${MEM0_SERVICE_URL:-http://127.0.0.1:8765}"
 BRAIN="${MC_WARMUP_MODELS:-fast}"; BRAIN="${BRAIN%% *}"   # erstes Modell, falls Liste
-EMBED="${MC_WARMUP_EMBED:-embed}"; EMBED="${EMBED%% *}"   # Embedding-Modell (Mem0/Gedächtnis)
+EMBED="${MC_WARMUP_EMBED:-embed}"; EMBED="${EMBED%% *}"   # Embedding-Modell (Reranker-Stufe)
 fail=0
 
 echo "=== Stack Post-Update: Funktionsprüfung ==="
@@ -48,14 +47,14 @@ else
   echo "FAIL · Inferenz auf '$BRAIN' fehlgeschlagen (Modell lädt/generiert nicht)"; fail=1
 fi
 
-# 3b. Embedding-Modell (für Mem0/Gedächtnis) lädt und liefert einen Vektor?
+# 3b. Embedding-Modell lädt und liefert einen Vektor?
 eresp="$(curl -s -m 120 -X POST "$SWAP_URL/v1/embeddings" \
   -H 'Content-Type: application/json' \
   -d "{\"model\":\"$EMBED\",\"input\":\"ping\"}" 2>/dev/null)"
 if printf '%s' "$eresp" | grep -q '"embedding"'; then
   echo "PASS · Embedding-Modell '$EMBED' liefert Vektoren"
 else
-  echo "FAIL · Embedding-Modell '$EMBED' lädt/antwortet nicht (Mem0/Gedächtnis betroffen)"; fail=1
+  echo "FAIL · Embedding-Modell '$EMBED' lädt/antwortet nicht"; fail=1
 fi
 
 # 4. MC2 selbst gesund (Engine + Gateway erreichbar)?
@@ -85,12 +84,8 @@ if systemctl --user is-enabled --quiet mc2-steward 2>/dev/null; then
   fi
 fi
 
-# 5. Mem0-Sidecar (Gedächtnis) erreichbar?
+# (Schritt 5 „Gedächtnis-Sidecar erreichbar" entfiel am 27.08.2026: der Dienst auf :8765 ist
-if curl -sf -m 5 "$MEM0_URL/health" >/dev/null 2>&1; then
+# seit der Ablösung im August tot, der Check konnte nur noch rot werden. docs/wissen/VERDIKTE.md)
-  echo "PASS · Mem0-Sidecar erreichbar"
-else
-  echo "FAIL · Mem0-Sidecar NICHT erreichbar"; fail=1
-fi
 
 if [ "$fail" -eq 0 ]; then
   echo "=== STACK OK ✓ ==="

deploy/venv-audit.sh

@@ -1,5 +1,5 @@
 #!/usr/bin/env bash
-# Venv-Audit (monatlich, 17.07.2026): die Python-Nebendienste (Mem0, Voice) altern
+# Venv-Audit (monatlich, 17.07.2026): die Python-Nebendienste (Voice) altern
 # eingefroren — kein Auto-Update-Kanal deckt sie ab. Dieser Audit MELDET nur
 # (bewusst kein Auto-Update: Python-Deps brechen gern):
 #   je venv: veraltete Pakete zählen (pip list --outdated) + bekannte
@@ -9,7 +9,7 @@
 # idempotent je Monat). Läuft als Hermes-Cron --no-agent (stdout = Telegram).
 set -uo pipefail
 
-VENVS=("$HOME/.mem0/venv:mem0" "$HOME/.voice/venv:voice")
+VENVS=("$HOME/.voice/venv:voice")
 AUDIT_VENV="$HOME/.venv-audit"
 HERMES="$HOME/.local/bin/hermes"
 MONAT="$(date '+%Y-%m')"

deploy/voice-service.service

@@ -0,0 +1,33 @@
+# systemd-USER-Unit für den MC2 Voice-Sidecar — lokales STT + gestuftes TTS.
+#
+# ‼️ NACHGETRAGEN 27.08.2026: Diese Unit lief auf der Box, fehlte aber im Repo — weder
+# versioniert noch vom Disaster-Recovery abgedeckt, obwohl services/maintenance.py
+# (USER_SERVICES) und routers/system.py sie voraussetzen. Inhalt 1:1 von der laufenden Box
+# übernommen (`systemctl --user cat voice-service`).
+#
+# Ablage: ~/.config/systemd/user/voice-service.service ; dann:
+#   systemctl --user daemon-reload && systemctl --user enable --now voice-service
+
+[Unit]
+Description=MC2 Voice Sidecar — lokales STT (faster-whisper) + gestuftes TTS (Piper/Chatterbox)
+After=network.target
+
+[Service]
+# Eigenes Python-3.12-venv (~/.voice/venv) — torch/chatterbox/faster-whisper passen nicht ins
+# 3.14-Backend-venv. Bind 127.0.0.1: nur lokal; MC2 proxyt nach außen (routers/voice.py).
+Type=simple
+WorkingDirectory=%h/mission-control-v2/voice_service
+Environment=VOICE_PORT=8650
+Environment=VOICE_STT_MODEL=medium
+Environment=VOICE_STT_LANG=de
+Environment=VOICE_PIPER_DIR=%h/.voice/voices
+Environment=VOICE_PIPER_DEFAULT=de_DE-thorsten-medium
+Environment=VOICE_CHATTERBOX_DEVICE=cpu
+Environment=VOICE_CHATTERBOX_LANG=de
+Environment=TOKENIZERS_PARALLELISM=false
+ExecStart=%h/.voice/venv/bin/python -m uvicorn app:app --host 127.0.0.1 --port 8650
+Restart=always
+RestartSec=3
+
+[Install]
+WantedBy=default.target

deploy/warmup.sh

@@ -4,7 +4,7 @@
 # Eingehängt als  ExecStartPost=-/usr/local/bin/llama-swap-warmup.sh  in llama-swap.
 #
 # `fast` = das Agent-Hirn (Qwen3.6-35B-A3B), `embed` = das Embedding-Modell
-# (Qwen3-Embedding-0.6B, für Mem0/Gedächtnis). Die Augen (vision/VL-30B) sind seit 07.07.
+# (Qwen3-Embedding-0.6B). Die Augen (vision/VL-30B) sind seit 07.07.
 # ON-DEMAND (User-Entscheid) und gehören NICHT mehr ins Warm-Set — die Lucy-App wärmt sie
 # beim Start selbst an. Modelle werden NICHT automatisch zusammen geladen — jedes einzeln
 # anstoßen, sonst bleibt es kalt.

docs/wissen/STACK.md

@@ -66,7 +66,8 @@ Config: `/etc/llama-swap/config.yaml` (sudo zum Schreiben).
 - **v0.20.4** (git-Install `~/.hermes/hermes-agent`), Config `~/.hermes/config.yaml`, Persona `~/.hermes/SOUL.md` = **Lucy**.
 - **Bot Mode:** Unterstützt Multi-Bot-Roster (`Lucy` als Haupt-Agentin, `Coder` mit `Qwen3-Coder-Next`, `Debugger` mit `Muse-Glimmer-30B`).
 - `approvals.mode: smart`, `approvals.cron_mode: deny`.
-- MCP-Server (aus `~/mission-control-v2/mcp/`): mission-control-memory, mission-control-stack, hermes-pc-control, hermes-web-fetch, mcp_voice.
+- MCP-Server (aus `~/mission-control-v2/mcp/`): mission-control-stack, hermes-pc-control, hermes-web-fetch, mcp_voice.
+  (`mission-control-memory` ist am 27.08.2026 entfallen — Hermes führt sein Gedächtnis selbst.)
 
 ## Automatik-Fahrplan (was nachts von allein läuft)
 

frontend/dist/assets/AgentView-pp2NXhb4.js

@@ -1,4 +1,4 @@
-import{c as A,I as P,f as M,k as B,u as D,r as z,j as e,J as T,b as a,K as g,M as b,N as W,t as f,W as j,O as G,X as I,C as N,n as y,q as i}from"./index-CCbyojll.js";/**
+import{c as A,I as P,f as M,k as B,u as D,r as z,j as e,J as T,b as a,K as g,M as b,N as W,t as f,W as j,O as G,X as I,C as N,n as y,q as i}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/AuftragsbuchView-CFtqxzIs.js

@@ -1,4 +1,4 @@
-import{c as W,a1 as H,a2 as F,u as G,k as T,r as b,j as e,R as _,b as y,L as m,C as E,_ as O,D as P,a0 as z,a3 as R,a4 as V,X as D,T as C,F as K,n as $,a5 as q,q as U}from"./index-CCbyojll.js";import{S,H as Q}from"./SectionLabel-BfFwUeZU.js";import{C as M}from"./chevron-down-SPeGIim5.js";/**
+import{c as W,a1 as H,a2 as F,u as G,k as T,r as b,j as e,R as _,b as y,L as m,C as E,_ as O,D as P,a0 as z,a3 as R,a4 as V,X as D,T as C,F as K,n as $,a5 as q,q as U}from"./index-DNt66je4.js";import{S,H as Q}from"./SectionLabel-DKDWJ8hi.js";import{C as M}from"./chevron-down-BTSzJRag.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/ChronikView-BbW5EQy6.js

@@ -1,4 +1,4 @@
-import{c as d,aj as S,r as h,j as e,ak as M,L as p,a0 as z,a5 as C,al as D,am as A,b as B,an as Z,u as E,k as L,n as k,q}from"./index-CCbyojll.js";import{R as j}from"./rotate-ccw-DuKtbjZS.js";/**
+import{c as d,aj as S,r as h,j as e,ak as M,L as p,a0 as z,a5 as C,al as D,am as A,b as B,an as Z,u as E,k as L,n as k,q}from"./index-DNt66je4.js";import{R as j}from"./rotate-ccw-CGv9dXzB.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/IdeenView-J4hS7xB2.js

@@ -1,4 +1,4 @@
-import{c as $,j as e,b as S,a2 as ve,u as Se,k as De,r as d,n as z,a6 as Ke,_ as O,L as D,X as Q,a7 as xe,F as T,a3 as he,C as Ce,T as ze,a4 as Ee,a8 as pe,q as Ae,R as fe}from"./index-CCbyojll.js";import{S as Le,H as X}from"./SectionLabel-BfFwUeZU.js";import{C as ee}from"./code-xml-AZtn6xxf.js";import{L as Pe}from"./layers-Dpl2QlP2.js";import{C as U}from"./chevron-down-SPeGIim5.js";import{R as We}from"./rotate-ccw-DuKtbjZS.js";/**
+import{c as $,j as e,b as S,a2 as ve,u as Se,k as De,r as d,n as z,a6 as Ke,_ as O,L as D,X as Q,a7 as xe,F as T,a3 as he,C as Ce,T as ze,a4 as Ee,a8 as pe,q as Ae,R as fe}from"./index-DNt66je4.js";import{S as Le,H as X}from"./SectionLabel-DKDWJ8hi.js";import{C as ee}from"./code-xml-BiSOeCkP.js";import{L as Pe}from"./layers-BakyhGhx.js";import{C as U}from"./chevron-down-BTSzJRag.js";import{R as We}from"./rotate-ccw-CGv9dXzB.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/JobsBar-DG8VDiAV.js

@@ -1 +1 @@
-import{u,ah as m,k as x,j as s,y as n,ai as b,b as p,n as f,q as h}from"./index-CCbyojll.js";function y(){const d=u(),{data:t=[]}=m(),{showAlert:l,dialogElement:o}=x();async function i(e){try{await f(`/api/jobs/${e}/cancel`,{method:"POST"}),d.invalidateQueries({queryKey:h.jobs})}catch(c){l("Fehler",c.message)}}const a=t.filter(e=>e.state==="running"||e.state==="queued"),r=t.filter(e=>e.state!=="running"&&e.state!=="queued").slice(-3);return a.length===0&&r.length===0?null:s.jsxs("div",{className:"space-y-3 mc-card p-4",children:[s.jsx("div",{className:"text-[11px] font-semibold text-muted-foreground uppercase tracking-wider",children:"Aktive Downloads"}),a.map(e=>s.jsxs("div",{className:"space-y-1.5 p-3 rounded-xl bg-background/20 border border-border/40",children:[s.jsxs("div",{className:"flex justify-between items-center text-xs",children:[s.jsx("span",{className:"font-semibold truncate max-w-[250px]",children:e.label}),s.jsxs("div",{className:"flex items-center gap-3",children:[s.jsxs("span",{className:"text-muted-foreground font-mono",children:[e.progress??0,"% • ",n(e.done_bytes),"/",n(e.total_bytes),e.eta_s?` • ETA ${b(e.eta_s)}`:""]}),s.jsx("button",{onClick:()=>i(e.id),className:"text-[10px] text-red-400 hover:text-red-300 font-semibold border border-red-500/25 bg-red-500/5 px-2 py-0.5 rounded transition-all cursor-pointer",children:"Abbrechen"})]})]}),s.jsx("div",{className:"h-1.5 overflow-hidden rounded-full bg-muted",children:s.jsx("div",{className:"h-full rounded-full bg-primary transition-all duration-500",style:{width:`${e.progress??0}%`}})})]},e.id)),r.map(e=>s.jsxs("div",{className:"flex justify-between items-center text-xs text-muted-foreground px-1",children:[s.jsx("span",{className:"truncate",children:e.label}),s.jsx("span",{className:p("font-semibold text-[10px] px-1.5 py-0.5 rounded uppercase font-mono",e.state==="done"?"bg-emerald-500/10 text-emerald-400":"bg-amber-500/10 text-amber-400"),children:e.state})]},e.id)),o]})}export{y as J};
+import{u,ah as m,k as x,j as s,y as n,ai as b,b as p,n as f,q as h}from"./index-DNt66je4.js";function y(){const d=u(),{data:t=[]}=m(),{showAlert:l,dialogElement:o}=x();async function i(e){try{await f(`/api/jobs/${e}/cancel`,{method:"POST"}),d.invalidateQueries({queryKey:h.jobs})}catch(c){l("Fehler",c.message)}}const a=t.filter(e=>e.state==="running"||e.state==="queued"),r=t.filter(e=>e.state!=="running"&&e.state!=="queued").slice(-3);return a.length===0&&r.length===0?null:s.jsxs("div",{className:"space-y-3 mc-card p-4",children:[s.jsx("div",{className:"text-[11px] font-semibold text-muted-foreground uppercase tracking-wider",children:"Aktive Downloads"}),a.map(e=>s.jsxs("div",{className:"space-y-1.5 p-3 rounded-xl bg-background/20 border border-border/40",children:[s.jsxs("div",{className:"flex justify-between items-center text-xs",children:[s.jsx("span",{className:"font-semibold truncate max-w-[250px]",children:e.label}),s.jsxs("div",{className:"flex items-center gap-3",children:[s.jsxs("span",{className:"text-muted-foreground font-mono",children:[e.progress??0,"% • ",n(e.done_bytes),"/",n(e.total_bytes),e.eta_s?` • ETA ${b(e.eta_s)}`:""]}),s.jsx("button",{onClick:()=>i(e.id),className:"text-[10px] text-red-400 hover:text-red-300 font-semibold border border-red-500/25 bg-red-500/5 px-2 py-0.5 rounded transition-all cursor-pointer",children:"Abbrechen"})]})]}),s.jsx("div",{className:"h-1.5 overflow-hidden rounded-full bg-muted",children:s.jsx("div",{className:"h-full rounded-full bg-primary transition-all duration-500",style:{width:`${e.progress??0}%`}})})]},e.id)),r.map(e=>s.jsxs("div",{className:"flex justify-between items-center text-xs text-muted-foreground px-1",children:[s.jsx("span",{className:"truncate",children:e.label}),s.jsx("span",{className:p("font-semibold text-[10px] px-1.5 py-0.5 rounded uppercase font-mono",e.state==="done"?"bg-emerald-500/10 text-emerald-400":"bg-amber-500/10 text-amber-400"),children:e.state})]},e.id)),o]})}export{y as J};

frontend/dist/assets/KonsoleView-BDDotueL.js

@@ -1 +1 @@
-import{I as b,u as f,K as h,r as d,j as e,b as c,J as g,T as p,R as j,Q as N,n as v,U as w,q as x}from"./index-CCbyojll.js";function y(){const{data:s}=b(),m=f(),r=s!=null&&s.box_console_url?h(s.box_console_url):void 0,a=s==null?void 0:s.box_console_reachable,[l,o]=d.useState(!1),[i,n]=d.useState("");async function u(){o(!0),n("");try{const t=await v("/api/maintenance/restart",{method:"POST",body:JSON.stringify({service:"box-console"})});n(t.ok?"Neu gestartet — einen Moment, dann lädt das Terminal.":`Fehlgeschlagen: ${t.err||"Unbekannter Fehler"}`),w(m,x.agentStatus,x.services)}catch(t){n(`Fehlgeschlagen: ${(t==null?void 0:t.message)||t}`)}finally{o(!1)}}return e.jsxs("div",{className:"flex h-full flex-col gap-4",children:[e.jsxs("div",{className:"flex flex-wrap items-end justify-between gap-3",children:[e.jsxs("div",{children:[e.jsx("h1",{className:"bg-gradient-to-r from-foreground via-foreground to-primary bg-clip-text font-space text-2xl font-bold tracking-tight text-transparent",children:"Konsole"}),e.jsx("p",{className:"flex items-center gap-2 text-sm text-muted-foreground",children:"Direkte Shell auf der Box — wie ein SSH-Fenster, mitten im Browser."})]}),e.jsxs("div",{className:"flex items-center gap-3",children:[e.jsxs("span",{className:"flex items-center gap-1.5 text-[11px] font-medium text-muted-foreground",children:[e.jsx("span",{className:c("h-2 w-2 rounded-full",a?"bg-emerald-500 animate-pulse":"bg-amber-500")}),a?"online":"offline"]}),r&&e.jsxs("a",{href:r,target:"_blank",rel:"noopener",className:"flex h-8 items-center gap-1.5 rounded-lg border border-border/60 bg-background/20 px-3 text-xs font-semibold text-muted-foreground transition-all hover:border-primary/50 hover:text-foreground",children:[e.jsx(g,{className:"h-3.5 w-3.5"})," In neuem Tab"]})]})]}),r?e.jsxs("div",{className:"relative min-h-[58vh] flex-1 overflow-hidden rounded-2xl border border-border/60 bg-black/50 shadow-lg shadow-black/25",children:[a===!1&&e.jsxs("div",{className:"absolute inset-0 z-10 flex flex-col items-center justify-center gap-3 bg-black/70 text-center",children:[e.jsx(p,{className:"h-8 w-8 text-amber-400"}),e.jsx("div",{className:"text-sm font-semibold text-amber-300",children:"Konsole nicht erreichbar"}),e.jsxs("p",{className:"max-w-sm text-[11px] leading-normal text-muted-foreground",children:["Der Terminal-Dienst (",e.jsx("code",{className:"font-mono text-primary",children:"box-console"}),") läuft gerade nicht."]}),e.jsxs("button",{onClick:u,disabled:l,className:"flex h-9 items-center gap-1.5 rounded-lg border border-amber-500/40 bg-amber-500/10 px-4 text-[11px] font-bold uppercase tracking-wide text-amber-300 transition-all hover:bg-amber-500/20 cursor-pointer disabled:opacity-50",children:[e.jsx(j,{className:c("h-3.5 w-3.5",l&&"animate-spin")})," Dienst neu starten"]}),i&&e.jsx("p",{className:"max-w-sm text-[11px] text-muted-foreground",children:i})]}),e.jsx("iframe",{src:r,title:"Box-Konsole",className:"h-full w-full border-0",style:{minHeight:"58vh"}})]}):e.jsxs("div",{className:"flex min-h-[58vh] flex-1 items-center justify-center rounded-2xl border border-border/60 bg-background/20 text-xs text-muted-foreground",children:[e.jsx(N,{className:"mr-2 h-4 w-4"})," Lade Konsole…"]})]})}export{y as KonsoleView};
+import{I as b,u as f,K as h,r as d,j as e,b as c,J as g,T as p,R as j,Q as N,n as v,U as w,q as x}from"./index-DNt66je4.js";function y(){const{data:s}=b(),m=f(),r=s!=null&&s.box_console_url?h(s.box_console_url):void 0,a=s==null?void 0:s.box_console_reachable,[l,o]=d.useState(!1),[i,n]=d.useState("");async function u(){o(!0),n("");try{const t=await v("/api/maintenance/restart",{method:"POST",body:JSON.stringify({service:"box-console"})});n(t.ok?"Neu gestartet — einen Moment, dann lädt das Terminal.":`Fehlgeschlagen: ${t.err||"Unbekannter Fehler"}`),w(m,x.agentStatus,x.services)}catch(t){n(`Fehlgeschlagen: ${(t==null?void 0:t.message)||t}`)}finally{o(!1)}}return e.jsxs("div",{className:"flex h-full flex-col gap-4",children:[e.jsxs("div",{className:"flex flex-wrap items-end justify-between gap-3",children:[e.jsxs("div",{children:[e.jsx("h1",{className:"bg-gradient-to-r from-foreground via-foreground to-primary bg-clip-text font-space text-2xl font-bold tracking-tight text-transparent",children:"Konsole"}),e.jsx("p",{className:"flex items-center gap-2 text-sm text-muted-foreground",children:"Direkte Shell auf der Box — wie ein SSH-Fenster, mitten im Browser."})]}),e.jsxs("div",{className:"flex items-center gap-3",children:[e.jsxs("span",{className:"flex items-center gap-1.5 text-[11px] font-medium text-muted-foreground",children:[e.jsx("span",{className:c("h-2 w-2 rounded-full",a?"bg-emerald-500 animate-pulse":"bg-amber-500")}),a?"online":"offline"]}),r&&e.jsxs("a",{href:r,target:"_blank",rel:"noopener",className:"flex h-8 items-center gap-1.5 rounded-lg border border-border/60 bg-background/20 px-3 text-xs font-semibold text-muted-foreground transition-all hover:border-primary/50 hover:text-foreground",children:[e.jsx(g,{className:"h-3.5 w-3.5"})," In neuem Tab"]})]})]}),r?e.jsxs("div",{className:"relative min-h-[58vh] flex-1 overflow-hidden rounded-2xl border border-border/60 bg-black/50 shadow-lg shadow-black/25",children:[a===!1&&e.jsxs("div",{className:"absolute inset-0 z-10 flex flex-col items-center justify-center gap-3 bg-black/70 text-center",children:[e.jsx(p,{className:"h-8 w-8 text-amber-400"}),e.jsx("div",{className:"text-sm font-semibold text-amber-300",children:"Konsole nicht erreichbar"}),e.jsxs("p",{className:"max-w-sm text-[11px] leading-normal text-muted-foreground",children:["Der Terminal-Dienst (",e.jsx("code",{className:"font-mono text-primary",children:"box-console"}),") läuft gerade nicht."]}),e.jsxs("button",{onClick:u,disabled:l,className:"flex h-9 items-center gap-1.5 rounded-lg border border-amber-500/40 bg-amber-500/10 px-4 text-[11px] font-bold uppercase tracking-wide text-amber-300 transition-all hover:bg-amber-500/20 cursor-pointer disabled:opacity-50",children:[e.jsx(j,{className:c("h-3.5 w-3.5",l&&"animate-spin")})," Dienst neu starten"]}),i&&e.jsx("p",{className:"max-w-sm text-[11px] text-muted-foreground",children:i})]}),e.jsx("iframe",{src:r,title:"Box-Konsole",className:"h-full w-full border-0",style:{minHeight:"58vh"}})]}):e.jsxs("div",{className:"flex min-h-[58vh] flex-1 items-center justify-center rounded-2xl border border-border/60 bg-background/20 text-xs text-muted-foreground",children:[e.jsx(N,{className:"mr-2 h-4 w-4"})," Lade Konsole…"]})]})}export{y as KonsoleView};

frontend/dist/assets/ModelsView-DIBx0djl.js

@@ -1,4 +1,4 @@
-import{c as E,u as he,a as qe,r as j,j as e,C as Y,L as Fe,b as k,d as Re,q as V,B as re,e as Ie,E as ze,f as le,g as Be,h as Ae,i as Pe,k as Ge,l as ee,X as me,H as be,T as se,s as Oe,m as Te,n as q,o as U,p as He,S as ge,t as Qe,P as Ue,v as Ve,w as We,x as Ze,y as Je}from"./index-CCbyojll.js";import{J as Xe}from"./JobsBar-Ckecoyqy.js";import{C as Ye}from"./code-xml-AZtn6xxf.js";import{R as et}from"./rotate-ccw-DuKtbjZS.js";import{C as ue,Z as ie,L as tt,a as rt}from"./zap-CRNNnxfs.js";import{C as De}from"./chevron-down-SPeGIim5.js";import{L as st}from"./layers-Dpl2QlP2.js";/**
+import{c as E,u as he,a as qe,r as j,j as e,C as Y,L as Fe,b as k,d as Re,q as V,B as re,e as Ie,E as ze,f as le,g as Be,h as Ae,i as Pe,k as Ge,l as ee,X as me,H as be,T as se,s as Oe,m as Te,n as q,o as U,p as He,S as ge,t as Qe,P as Ue,v as Ve,w as We,x as Ze,y as Je}from"./index-DNt66je4.js";import{J as Xe}from"./JobsBar-DG8VDiAV.js";import{C as Ye}from"./code-xml-BiSOeCkP.js";import{R as et}from"./rotate-ccw-CGv9dXzB.js";import{C as ue,Z as ie,L as tt,a as rt}from"./zap-cdYTHDpR.js";import{C as De}from"./chevron-down-BTSzJRag.js";import{L as st}from"./layers-BakyhGhx.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/SectionLabel-DKDWJ8hi.js

@@ -1,4 +1,4 @@
-import{c as s,j as e}from"./index-CCbyojll.js";/**
+import{c as s,j as e}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/SkillsView-XWoP6WFO.js

@@ -1,4 +1,4 @@
-var M=r=>{throw TypeError(r)};var O=(r,e,t)=>e.has(r)||M("Cannot "+t);var a=(r,e,t)=>(O(r,e,"read from private field"),t?t.call(r):e.get(r)),y=(r,e,t)=>e.has(r)?M("Cannot add the same private member more than once"):e instanceof WeakSet?e.add(r):e.set(r,t),v=(r,e,t,n)=>(O(r,e,"write to private field"),n?n.call(r,t):e.set(r,t),t),j=(r,e,t)=>(O(r,e,"access private method"),t);import{a9 as B,aa as F,ab as E,ac as I,ad as P,u as A,r as f,ae as J,af as Q,c as T,ag as U,j as s,G as D,T as H,b as K,L,M as G,q as V,n as R}from"./index-CCbyojll.js";import{J as _}from"./JobsBar-Ckecoyqy.js";var c,g,o,h,m,w,C,q,z=(q=class extends B{constructor(e,t){super();y(this,m);y(this,c);y(this,g);y(this,o);y(this,h);v(this,c,e),this.setOptions(t),this.bindMethods(),j(this,m,w).call(this)}bindMethods(){this.mutate=this.mutate.bind(this),this.reset=this.reset.bind(this)}setOptions(e){var n;const t=this.options;this.options=a(this,c).defaultMutationOptions(e),F(this.options,t)||a(this,c).getMutationCache().notify({type:"observerOptionsUpdated",mutation:a(this,o),observer:this}),t!=null&&t.mutationKey&&this.options.mutationKey&&E(t.mutationKey)!==E(this.options.mutationKey)?this.reset():((n=a(this,o))==null?void 0:n.state.status)==="pending"&&a(this,o).setOptions(this.options)}onUnsubscribe(){var e;this.hasListeners()||(e=a(this,o))==null||e.removeObserver(this)}onMutationUpdate(e){j(this,m,w).call(this),j(this,m,C).call(this,e)}getCurrentResult(){return a(this,g)}reset(){var e;(e=a(this,o))==null||e.removeObserver(this),v(this,o,void 0),j(this,m,w).call(this),j(this,m,C).call(this)}mutate(e,t){var n;return v(this,h,t),(n=a(this,o))==null||n.removeObserver(this),v(this,o,a(this,c).getMutationCache().build(a(this,c),this.options)),a(this,o).addObserver(this),a(this,o).execute(e)}},c=new WeakMap,g=new WeakMap,o=new WeakMap,h=new WeakMap,m=new WeakSet,w=function(){var t;const e=((t=a(this,o))==null?void 0:t.state)??I();v(this,g,{...e,isPending:e.status==="pending",isSuccess:e.status==="success",isError:e.status==="error",isIdle:e.status==="idle",mutate:this.mutate,reset:this.reset})},C=function(e){P.batch(()=>{var t,n,l,x,d,p,k,i;if(a(this,h)&&this.hasListeners()){const u=a(this,g).variables,N=a(this,g).context,S={client:a(this,c),meta:this.options.meta,mutationKey:this.options.mutationKey};if((e==null?void 0:e.type)==="success"){try{(n=(t=a(this,h)).onSuccess)==null||n.call(t,e.data,u,N,S)}catch(b){Promise.reject(b)}try{(x=(l=a(this,h)).onSettled)==null||x.call(l,e.data,null,u,N,S)}catch(b){Promise.reject(b)}}else if((e==null?void 0:e.type)==="error"){try{(p=(d=a(this,h)).onError)==null||p.call(d,e.error,u,N,S)}catch(b){Promise.reject(b)}try{(i=(k=a(this,h)).onSettled)==null||i.call(k,void 0,e.error,u,N,S)}catch(b){Promise.reject(b)}}}this.listeners.forEach(u=>{u(a(this,g))})})},q);function W(r,e){const t=A(),[n]=f.useState(()=>new z(t,r));f.useEffect(()=>{n.setOptions(r)},[n,r]);const l=f.useSyncExternalStore(f.useCallback(d=>n.subscribe(P.batchCalls(d)),[n]),()=>n.getCurrentResult(),()=>n.getCurrentResult()),x=f.useCallback((d,p)=>{n.mutate(d,p).catch(J)},[n]);if(l.error&&Q(n.options.throwOnError,[l.error]))throw l.error;return{...l,mutate:x,mutateAsync:l.mutate}}/**
+var M=r=>{throw TypeError(r)};var O=(r,e,t)=>e.has(r)||M("Cannot "+t);var a=(r,e,t)=>(O(r,e,"read from private field"),t?t.call(r):e.get(r)),y=(r,e,t)=>e.has(r)?M("Cannot add the same private member more than once"):e instanceof WeakSet?e.add(r):e.set(r,t),v=(r,e,t,n)=>(O(r,e,"write to private field"),n?n.call(r,t):e.set(r,t),t),j=(r,e,t)=>(O(r,e,"access private method"),t);import{a9 as B,aa as F,ab as E,ac as I,ad as P,u as A,r as f,ae as J,af as Q,c as T,ag as U,j as s,G as D,T as H,b as K,L,M as G,q as V,n as R}from"./index-DNt66je4.js";import{J as _}from"./JobsBar-DG8VDiAV.js";var c,g,o,h,m,w,C,q,z=(q=class extends B{constructor(e,t){super();y(this,m);y(this,c);y(this,g);y(this,o);y(this,h);v(this,c,e),this.setOptions(t),this.bindMethods(),j(this,m,w).call(this)}bindMethods(){this.mutate=this.mutate.bind(this),this.reset=this.reset.bind(this)}setOptions(e){var n;const t=this.options;this.options=a(this,c).defaultMutationOptions(e),F(this.options,t)||a(this,c).getMutationCache().notify({type:"observerOptionsUpdated",mutation:a(this,o),observer:this}),t!=null&&t.mutationKey&&this.options.mutationKey&&E(t.mutationKey)!==E(this.options.mutationKey)?this.reset():((n=a(this,o))==null?void 0:n.state.status)==="pending"&&a(this,o).setOptions(this.options)}onUnsubscribe(){var e;this.hasListeners()||(e=a(this,o))==null||e.removeObserver(this)}onMutationUpdate(e){j(this,m,w).call(this),j(this,m,C).call(this,e)}getCurrentResult(){return a(this,g)}reset(){var e;(e=a(this,o))==null||e.removeObserver(this),v(this,o,void 0),j(this,m,w).call(this),j(this,m,C).call(this)}mutate(e,t){var n;return v(this,h,t),(n=a(this,o))==null||n.removeObserver(this),v(this,o,a(this,c).getMutationCache().build(a(this,c),this.options)),a(this,o).addObserver(this),a(this,o).execute(e)}},c=new WeakMap,g=new WeakMap,o=new WeakMap,h=new WeakMap,m=new WeakSet,w=function(){var t;const e=((t=a(this,o))==null?void 0:t.state)??I();v(this,g,{...e,isPending:e.status==="pending",isSuccess:e.status==="success",isError:e.status==="error",isIdle:e.status==="idle",mutate:this.mutate,reset:this.reset})},C=function(e){P.batch(()=>{var t,n,l,x,d,p,k,i;if(a(this,h)&&this.hasListeners()){const u=a(this,g).variables,N=a(this,g).context,S={client:a(this,c),meta:this.options.meta,mutationKey:this.options.mutationKey};if((e==null?void 0:e.type)==="success"){try{(n=(t=a(this,h)).onSuccess)==null||n.call(t,e.data,u,N,S)}catch(b){Promise.reject(b)}try{(x=(l=a(this,h)).onSettled)==null||x.call(l,e.data,null,u,N,S)}catch(b){Promise.reject(b)}}else if((e==null?void 0:e.type)==="error"){try{(p=(d=a(this,h)).onError)==null||p.call(d,e.error,u,N,S)}catch(b){Promise.reject(b)}try{(i=(k=a(this,h)).onSettled)==null||i.call(k,void 0,e.error,u,N,S)}catch(b){Promise.reject(b)}}}this.listeners.forEach(u=>{u(a(this,g))})})},q);function W(r,e){const t=A(),[n]=f.useState(()=>new z(t,r));f.useEffect(()=>{n.setOptions(r)},[n,r]);const l=f.useSyncExternalStore(f.useCallback(d=>n.subscribe(P.batchCalls(d)),[n]),()=>n.getCurrentResult(),()=>n.getCurrentResult()),x=f.useCallback((d,p)=>{n.mutate(d,p).catch(J)},[n]);if(l.error&&Q(n.options.throwOnError,[l.error]))throw l.error;return{...l,mutate:x,mutateAsync:l.mutate}}/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/chevron-down-BTSzJRag.js

@@ -1,4 +1,4 @@
-import{c as o}from"./index-CCbyojll.js";/**
+import{c as o}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/code-xml-BiSOeCkP.js

@@ -1,4 +1,4 @@
-import{c as e}from"./index-CCbyojll.js";/**
+import{c as e}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/folder-open-FZLk16T9.js

@@ -1,6 +0,0 @@
-import{c as a}from"./index-CCbyojll.js";/**
- * @license lucide-react v0.460.0 - ISC
- *
- * This source code is licensed under the ISC license.
- * See the LICENSE file in the root directory of this source tree.
- */const o=a("FolderOpen",[["path",{d:"m6 14 1.5-2.9A2 2 0 0 1 9.24 10H20a2 2 0 0 1 1.94 2.5l-1.54 6a2 2 0 0 1-1.95 1.5H4a2 2 0 0 1-2-2V5a2 2 0 0 1 2-2h3.9a2 2 0 0 1 1.69.9l.81 1.2a2 2 0 0 0 1.67.9H18a2 2 0 0 1 2 2v2",key:"usdka0"}]]);export{o as F};

frontend/dist/assets/layers-BakyhGhx.js

@@ -1,4 +1,4 @@
-import{c as a}from"./index-CCbyojll.js";/**
+import{c as a}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/rotate-ccw-CGv9dXzB.js

@@ -1,4 +1,4 @@
-import{c as t}from"./index-CCbyojll.js";/**
+import{c as t}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/assets/zap-cdYTHDpR.js

@@ -1,4 +1,4 @@
-import{c as a}from"./index-CCbyojll.js";/**
+import{c as a}from"./index-DNt66je4.js";/**
  * @license lucide-react v0.460.0 - ISC
  *
  * This source code is licensed under the ISC license.

frontend/dist/index.html

@@ -7,8 +7,8 @@
     <link rel="manifest" href="/manifest.webmanifest" />
     <link rel="icon" type="image/svg+xml" href="/favicon.svg" />
     <title>Mission Control 2.0</title>
-    <script type="module" crossorigin src="/assets/index-CCbyojll.js"></script>
+    <script type="module" crossorigin src="/assets/index-DNt66je4.js"></script>
-    <link rel="stylesheet" crossorigin href="/assets/index-Dv1-nhwH.css">
+    <link rel="stylesheet" crossorigin href="/assets/index-qQDuX0H0.css">
   </head>
   <body>
     <div id="root"></div>␍

frontend/src/components/dashboard/LatencyCard.tsx

@@ -2,8 +2,8 @@ import { Gauge } from "lucide-react"
 import { useVoiceTrace } from "@/lib/queries"
 import type { VoiceTurn } from "@/lib/api"
 
-// Balken-Stufen in kanonischer Reihenfolge (zeitlich disjunkt). Mem0 ist ein Unter-Detail
+// Balken-Stufen in kanonischer Reihenfolge (zeitlich disjunkt). Der Gedächtnis-Abruf läuft
-// INNERHALB von „Hirn" und wird NICHT als eigenes Segment addiert (sonst Doppelzählung).
+// Hermes-intern und ist für MC2 nicht messbar — er steckt in „Hirn".
 const SEGMENTS = [
   { key: "stt_ms", label: "STT", color: "#f59e0b" },
   { key: "vision_ms", label: "Sehen", color: "#a78bfa" },
@@ -39,7 +39,6 @@ function culprit(t: VoiceTurn): { label: string; color: string; ms: number } | n
 
 function TurnRow({ t, scale }: { t: VoiceTurn; scale: number }) {
   const title = SEGMENTS.map((s) => `${s.label} ${fmt(t[s.key] as number | null)}`).join(" · ")
-    + (t.mem0_ms != null ? ` (davon Gedächtnis ${fmt(t.mem0_ms)})` : "")
   return (
     <div className="flex items-center gap-2.5">
       <span className="w-14 shrink-0 text-right font-mono text-[10px] text-muted-foreground/60">{ago(t.ts)}</span>
@@ -103,7 +102,6 @@ export function LatencyCard() {
           {latest && !latest.error && (
             <div className="mt-0.5 font-mono text-[11px] text-muted-foreground/70">
               {SEGMENTS.filter((s) => (latest[s.key] as number | null) != null).map((s) => `${s.label} ${fmt(latest[s.key] as number)}`).join(" · ")}
-              {latest.mem0_ms != null && <span className="text-muted-foreground/50"> · davon Gedächtnis {fmt(latest.mem0_ms)}</span>}
             </div>
           )}
         </div>
@@ -128,7 +126,7 @@ export function LatencyCard() {
       )}
 
       <div className="mt-3 border-t border-border/30 pt-2 text-[10px] leading-relaxed text-muted-foreground/70">
-        „Hirn" = Zeit bis zum ersten Wort (Agent + Mem0-Suche + Modell); Tool-Runden stecken in „Antwort". Reine
+        „Hirn" = Zeit bis zum ersten Wort (Agent + Gedächtnis-Suche + Modell); Tool-Runden stecken in „Antwort". Reine
         Telegram-Turns laufen an MC2 vorbei und erscheinen hier nicht.
       </div>
     </div>

frontend/src/lib/api.ts

@@ -338,7 +338,6 @@ export interface ConnectResp {
   gateway_url: string
   mc_url: string
   tools: Record<string, ConnectTool>   // Leitung 1 — Modell (IDEs/Agenten → Gateway)
-  memory: ConnectTool                   // Leitung 2 — Gedächtnis (separater MCP-Server)
 }
 
 export interface ConnectLine {
@@ -347,20 +346,12 @@ export interface ConnectLine {
 }
 export interface ConnectHealth {
   gateway: ConnectLine
-  memory: ConnectLine
+  memory: ConnectLine          // Leitung 2 — Hermes-natives Gedächtnis (nur Status, nichts zu konfigurieren)
   desktop_gateway: ConnectLine
 }
 
-export interface Memory {
+// Graph-Ansicht des Wissens-Vaults (GET /api/wissen/graph) — trägt aus historischen Gründen
-  id: string
+// noch „Memory" im Namen; die Daten kommen aus dem Vault, nicht aus einem Gedächtnis-Dienst.
-  content: string
-  category: string
-  source: string
-  created_at: string
-  updated_at: string
-  score?: number   // Relevanz bei semantischer Suche (q gesetzt); sonst undefined
-}
-
 export interface MemoryGraphNode {
   id: string
   content: string
@@ -372,13 +363,6 @@ export interface MemoryGraph {
   edges: { source: string; target: string; weight: number }[]
 }
 
-export interface DedupeResult {
-  groups: { keep: { id: string; content: string; category: string }; remove: { id: string; content: string }[] }[]
-  duplicate_count: number
-  removed: number
-  applied: boolean
-}
-
 export interface AgentStatus {
   gateway_url: string
   box_console_url?: string
@@ -443,7 +427,8 @@ export interface TokenStats {
 }
 
 // Per-Turn-Latenz-Trace (GET /api/voice/trace). Balken-Stufen (zeitlich disjunkt):
-// stt · vision · hirn · gen. mem0 = Unter-Detail INNERHALB von hirn (nicht zum Balken addieren).
+// stt · vision · hirn · gen. Der Gedächtnis-Abruf läuft seit der Mem0-Ablösung Hermes-intern
+// (kein Rückruf an MC2) und steckt daher unsichtbar in hirn_ms.
 export interface VoiceTurn {
   id: string
   ts: number          // Epoch-Sekunden
@@ -452,9 +437,8 @@ export interface VoiceTurn {
   had_images: boolean
   stt_ms: number | null
   vision_ms: number | null
-  hirn_ms: number | null   // Zeit bis erstes Inhalts-Token (Agent + Mem0 + LLM-TTFT)
+  hirn_ms: number | null   // Zeit bis erstes Inhalts-Token (Agent + Gedächtnis + LLM-TTFT)
   gen_ms: number | null    // Generierung nach dem ersten Token bis Stream-Ende
-  mem0_ms: number | null   // Teil VON hirn (Mem0-Retrieve), best-effort
   total_ms: number
   error: string | null
 }
@@ -583,36 +567,6 @@ export interface ChronikResp {
   items: ChronikItem[]
 }
 
-// ── Eigenleben („Von allein": Skills + Vorschlags-Bilanz der Box) ────────────
-export interface EigenlebenSkill {
-  id: string
-  name: string
-  kategorie: string | null
-  aktiv: boolean | null   // null = nicht ermittelbar (Dev-Modus)
-  beschreibung: string
-  version: string
-  autor: string
-  herkunft: "selbst" | "repo" | "bundled"
-  herkunft_label: string
-  genutzt: number
-  zuletzt_genutzt: string | null
-  erstellt: string | null
-  status: string
-  geaendert: number
-}
-export interface EigenlebenEintrag {
-  art: string           // "angenommen" | "abgelehnt" | sonstiger Chronik-State
-  titel: string
-  detail: string
-  ts: number
-}
-export interface EigenlebenResp {
-  available: boolean
-  skills: EigenlebenSkill[]
-  selbst_erstellt: number
-  bilanz: { eintraege: EigenlebenEintrag[]; angenommen: number; abgelehnt: number }
-}
-
 // ── Wissens-Vault (Traum-Notizen, read-only) ─────────────────────────────────
 export interface WissenFile {
   path: string

frontend/src/lib/queries.ts

@@ -13,7 +13,6 @@ import {
   type ConnectHealth,
   type DiscoverResp,
   type DraftsResp,
-  type EigenlebenResp,
   type GroupsResp,
   type HermesBrainResp,
   type Health,
@@ -21,7 +20,6 @@ import {
   type IdeenLogResp,
   type IdeenResp,
   type Job,
-  type Memory,
   type MemoryGraph,
   type ModelsResp,
   type Reminder,
@@ -54,13 +52,11 @@ export const qk = {
   drafts: (target?: string) => ["drafts", target ?? ""] as const,
   connect: (params?: string) => ["connect", params ?? ""] as const,
   connectHealth: ["connect-health"] as const,
-  memory: (q?: string, category?: string) => ["memory", q ?? "", category ?? ""] as const,
   memoryGraph: ["memory-graph"] as const,
   voiceTrace: ["voice-trace"] as const,
   auftragsbuch: ["auftragsbuch"] as const,
   ideen: ["ideen"] as const,
   chronik: ["chronik"] as const,
-  eigenleben: ["eigenleben"] as const,
   wissen: ["wissen"] as const,
   zeitmaschine: ["zeitmaschine"] as const,
   reminders: ["reminders"] as const,
@@ -125,13 +121,6 @@ export const useChronik = (limit = 150, refetchInterval: number = TAKT.gemuetlic
 export const useWissen = () =>
   useQuery({ queryKey: qk.wissen, queryFn: () => api<WissenResp>("/api/wissen") })
 
-export const useEigenleben = (refetchInterval: number = TAKT.traege) =>
-  useQuery({
-    queryKey: qk.eigenleben,
-    queryFn: () => api<EigenlebenResp>("/api/eigenleben"),
-    refetchInterval,
-  })
-
 export const useZeitmaschine = (refetchInterval: number = TAKT.traege, enabled = true) =>
   useQuery({
     queryKey: qk.zeitmaschine,
@@ -248,18 +237,6 @@ export const useConnectHealth = () =>
     refetchInterval: 15000,
   })
 
-export const useMemory = (opts?: { q?: string; category?: string; limit?: number }) =>
-  useQuery({
-    queryKey: qk.memory(opts?.q, opts?.category),
-    queryFn: () => {
-      const p = new URLSearchParams()
-      if (opts?.q) p.set("q", opts.q)
-      if (opts?.category) p.set("category", opts.category)
-      return api<Memory[]>(`/api/memory?${p}`)
-    },
-    select: (d) => (opts?.limit ? d.slice(0, opts.limit) : d),
-  })
-
 /** Nach Mutationen die betroffenen Listen-Queries neu ziehen. */
 export function invalidate(qc: QueryClient, ...keys: (readonly unknown[])[]) {
   for (const key of keys) qc.invalidateQueries({ queryKey: key })

frontend/src/views/ConnectView.tsx

@@ -1,6 +1,6 @@
 import { useState } from "react"
 import {
-  Check, Copy, Cpu, Brain, Globe, FolderOpen, Laptop, ArrowRight,
+  Check, Copy, Cpu, Brain, Globe, Laptop, ArrowRight,
   Info, CircleCheck, CircleX, Loader2, ChevronDown, ChevronRight,
 } from "lucide-react"
 import { useConnect, useConnectHealth } from "@/lib/queries"
@@ -82,14 +82,12 @@ function defaultHost(): string {
 
 export function ConnectView() {
   const [host, setHost] = useState(localStorage.getItem("mc_host") || defaultHost())
-  const [mcpPath, setMcpPath] = useState(localStorage.getItem("mc_mcp_path") || "")
   // Legacy-Tools (roher /v1-Zugang) leben im Ausklapper — Hermes Desktop ist der Hauptweg.
   const [active, setActive] = useState("kilo")
   const [sonstigeOffen, setSonstigeOffen] = useState(false)
-  const [copied, setCopied] = useState<"desktop" | "model" | "memory" | null>(null)
+  const [copied, setCopied] = useState<"desktop" | "model" | null>(null)
 
   const params = new URLSearchParams({ host })
-  if (mcpPath) params.set("mcp_path", mcpPath)
   const { data, error: dataErr } = useConnect(params.toString())
   const { data: health, isLoading: healthLoading } = useConnectHealth()
   const error = dataErr ? String(dataErr) : ""
@@ -99,15 +97,10 @@ export function ConnectView() {
     if (v) localStorage.setItem("mc_host", v)
   }
 
-  function saveMcpPath(v: string) {
-    setMcpPath(v)
-    localStorage.setItem("mc_mcp_path", v)
-  }
-
   const desktop = data?.tools["hermes_desktop"]
   const tool = data?.tools[active]
 
-  async function copy(which: "desktop" | "model" | "memory", snippet?: string) {
+  async function copy(which: "desktop" | "model", snippet?: string) {
     if (!snippet) return
     await navigator.clipboard.writeText(snippet)
     setCopied(which)
@@ -123,7 +116,7 @@ export function ConnectView() {
         </h1>
         <p className="text-sm text-muted-foreground">
           <span className="text-foreground">Hermes Desktop</span> ist die Tür zur Box — einmal verbinden, fertig.
-          Für Spezialfälle gibt es darunter die rohen Leitungen (Gateway&nbsp;/v1 + Gedächtnis-MCP) für sonstige Tools.
+          Für Spezialfälle gibt es darunter den rohen Gateway-Zugang (&nbsp;/v1) für sonstige Tools.
         </p>
       </div>
 
@@ -165,7 +158,7 @@ export function ConnectView() {
                   <StatusBadge line={health?.memory} loading={healthLoading} />
                 </div>
                 <div className="mt-1 text-[11px] font-mono text-violet-300/80">
-                  MCP · mcp_memory.py · separat
+                  Hermes-nativ · im Agenten · nichts einzurichten
                 </div>
               </div>
             </div>
@@ -187,9 +180,9 @@ export function ConnectView() {
           </div>
         </div>
         <p className="mt-3.5 text-[11px] text-muted-foreground leading-relaxed">
-          Der Gateway liefert <span className="text-foreground">nur das LLM</span>. Das geteilte Gedächtnis läuft über einen
+          Der Gateway liefert <span className="text-foreground">nur das LLM</span>. Das Gedächtnis führt
-          <span className="text-foreground"> eigenen MCP-Server</span> und das Desktop-Gateway bietet die Agenten-Schnittstelle —
+          <span className="text-foreground"> Hermes selbst</span> (nichts einzurichten — die Kachel zeigt nur, ob es lebt), und das
-          alle drei Leitungen werden unabhängig eingerichtet. IDEs wählen die <span className="text-foreground">echten Modelle</span>
+          Desktop-Gateway bietet die Agenten-Schnittstelle. IDEs wählen die <span className="text-foreground">echten Modelle</span>
           {" "}(coder · heavy · vision); daneben gibt es die virtuellen Lanes <span className="text-foreground">chat</span> und
           {" "}<span className="text-foreground">coding</span>, die je Anfrage selbst das passende Modell wählen (Alltags-Chat, simple Tools).
         </p>
@@ -260,12 +253,12 @@ export function ConnectView() {
               className="flex w-full items-center gap-2 p-4 text-sm font-space font-bold text-foreground cursor-pointer hover:text-primary transition-colors"
             >
               {sonstigeOffen ? <ChevronDown className="h-4 w-4" /> : <ChevronRight className="h-4 w-4" />}
-              Sonstige Tools (roher /v1-Zugang + Gedächtnis-MCP)
+              Sonstige Tools (roher /v1-Zugang)
               <span className="text-[10px] font-medium text-muted-foreground normal-case">Kilo Code · Claude Code · Eigenbau</span>
             </button>
 
             {sonstigeOffen && (
-              <div className="grid gap-5 lg:grid-cols-2 p-4 pt-0">
+              <div className="grid gap-5 p-4 pt-0">
                 {/* Leitung 1 — Modell anbinden */}
                 <div className="space-y-3 rounded-2xl border border-border/60 border-t-2 border-t-primary/70 bg-card/30 p-4">
                   <div>
@@ -312,51 +305,6 @@ export function ConnectView() {
                     </>
                   )}
                 </div>
-
-                {/* Leitung 2 — Gedächtnis anbinden */}
-                <div className="space-y-3 rounded-2xl border border-border/60 border-t-2 border-t-violet-500/70 bg-card/30 p-4">
-                  <div>
-                    <div className="flex items-center gap-2 text-sm font-space font-bold text-foreground">
-                      <span className="flex h-5 w-5 items-center justify-center rounded-md bg-violet-500/15 text-violet-300 text-[11px]">2</span>
-                      Gedächtnis anbinden
-                      <span className="text-[10px] font-medium text-muted-foreground normal-case">optional</span>
-                    </div>
-                    <p className="text-[11px] text-muted-foreground mt-0.5">Ein MCP-Block — gilt zusätzlich für <em>jedes</em> Tool aus Schritt 1.</p>
-                  </div>
-
-                  <div className="flex items-start gap-2.5 p-3 rounded-xl bg-violet-500/5 border border-violet-500/20 text-[11px] text-muted-foreground leading-relaxed">
-                    <Info className="h-4 w-4 text-violet-400 shrink-0 mt-0.5" />
-                    <span>{data.memory.note}</span>
-                  </div>
-
-                  {/* Der Pfad wirkt NUR auf dieses Snippet — deshalb wohnt das Feld hier,
-                      nicht mehr prominent in der Kopfzeile („Wann brauche ich das?"). */}
-                  <div className="space-y-1.5">
-                    <label className="text-[10px] font-bold uppercase tracking-wider text-muted-foreground flex items-center gap-1.5">
-                      <FolderOpen className="h-3.5 w-3.5 text-violet-400" /> Wo liegt mcp_memory.py auf DIESEM PC?
-                    </label>
-                    <input
-                      value={mcpPath}
-                      onChange={(e) => saveMcpPath(e.target.value)}
-                      aria-label="Lokaler MCP-Scriptpfad"
-                      spellCheck={false}
-                      placeholder="z.B. F:\Coding Stuff\mission-control-2\mcp\mcp_memory.py"
-                      className="w-full h-9 rounded-lg border border-border/60 bg-background/40 px-3 font-mono text-xs outline-none focus:ring-1 focus:ring-violet-500/50 text-foreground"
-                    />
-                    <p className="text-[10px] text-muted-foreground/70">
-                      Nur nötig, wenn du das Gedächtnis in einem PC-Tool anschließt — das Script läuft lokal
-                      und spricht mit der Box. Der Pfad landet direkt im Snippet unten.
-                    </p>
-                  </div>
-
-                  <CodeWindow
-                    tool={data.memory}
-                    fileName="mcp.json"
-                    accent="violet"
-                    copied={copied === "memory"}
-                    onCopy={() => copy("memory", data.memory.snippet)}
-                  />
-                </div>
               </div>
             )}
           </div>

frontend/src/views/GuideView.tsx

@@ -345,10 +345,12 @@ description: Treibt Entwicklung mit strikter TDD-Praxis
             </div>
           </div>
           <Stack>
-            Dein Gedächtnis (Tab <strong>Gedächtnis</strong>) ist <strong>Mem0</strong>-basiert: auto-lernend &amp;
+            Dein Gedächtnis führt <strong>Hermes</strong> selbst — auto-lernend und semantisch. Der Agent lernt im
-            semantisch, <strong>graph-first</strong> dargestellt, mit 4-Typen-Taxonomie
+            Hintergrund nach jedem Turn, egal ob du per Desktop, Konsole, Telegram oder Lucy mit ihm sprichst.
-            (<Pill>Identität</Pill> · <Pill>Wissen</Pill> · <Pill>Regeln</Pill> · <Pill>Ereignisse</Pill>). Der Agent
+            <br />Deshalb hat das Steuerpult <strong>keinen eigenen Gedächtnis-Tab</strong>: bis August 2026 lag das
-            lernt im Hintergrund nach jedem Turn — egal ob du per Desktop, Konsole, Telegram oder Lucy mit ihm sprichst.
+            Gedächtnis in einem MC2-Sidecar, seit dessen Ablösung ist Hermes die einzige Quelle — angesehen und
+            gepflegt wird es dort, nicht hier. Unter <strong>Wissen</strong> findest du weiterhin die Graph-Sicht
+            auf Lucys Wissens-Vault.
             <br /><strong>Gotcha:</strong> ein gelöschter Fakt kann wieder auftauchen, solange die Original-Nachricht noch im Verlauf steht (additive Extraktion).
           </Stack>
         </Card>

hermes/plugins/mc2-memory/__init__.py

@@ -1,250 +0,0 @@
-"""
-MC2 Memory — Hermes-Memory-Provider, der ans geteilte **Mem0-Gedächtnis** hängt (über MC2 :9001,
-das den Mem0-Sidecar :8765 proxyt). Macht das Gedächtnis für Hermes **hands-off**:
-
-- `sync_turn`  → nach jedem Turn werden die Turn-Messages an `/api/memory/learn` geschickt;
-  Mem0 EXTRAHIERT dauerhafte Fakten selbst (infer=True), dedupliziert semantisch. Nicht-blockierend
-  (Hintergrund-Worker), damit der Agent nie auf die LLM-Extraktion wartet.
-- `prefetch`   → vor jedem Turn semantische Suche gegen die Nutzer-Message; relevante Fakten werden
-  als Kontext eingeblendet (automatischer Recall).
-
-**Context-only:** `get_tool_schemas()` liefert `[]` → der Agent bekommt KEINE Memory-Tools. Damit
-entfällt das Tool-Loop-Risiko, wegen dem das native Memory-Toolset abgeschaltet ist
-(`agent.disabled_toolsets: [..., memory]` bleibt). Single Source of Truth bleibt der MC2-Sidecar
-(NoThink-Fix + alleiniger Chroma-Besitzer) — dieser Provider ist nur ein dünner HTTP-Client.
-
-Aktivierung (in ~/.hermes/config.yaml):
-    memory:
-      memory_enabled: true
-      provider: mc2-memory
-"""
-
-from __future__ import annotations
-
-import logging
-import os
-import queue
-import re
-import threading
-import time
-from typing import Any, Optional
-
-import httpx
-from agent.memory_provider import MemoryProvider
-
-log = logging.getLogger(__name__)
-
-MC_URL = os.environ.get("MC_URL", "http://127.0.0.1:9001").rstrip("/")
-MC_TOKEN = os.environ.get("MC_TOKEN", "")
-RECALL_LIMIT = int(os.environ.get("MC2_MEMORY_RECALL_LIMIT", "5"))
-# 0.5 statt 0.3: nur starke Treffer einblenden → weniger Rausch-Fakten UND ein stabilerer
-# Prompt-Prefix (oft leer), damit --cache-reuse über Turns greift.
-RECALL_MIN_SCORE = float(os.environ.get("MC2_MEMORY_RECALL_MIN_SCORE", "0.5"))
-# 25 statt 12: triviale Kurz-Turns (Begrüßung/Quittung) gar nicht erst zum Lernen schicken.
-MIN_USER_LEN = int(os.environ.get("MC2_MEMORY_MIN_USER_LEN", "25"))  # zu Kurzes nicht lernen
-# Anti-Memory-Poisoning (Stufe 0 Security): aus Turns mit untrusted Bildschirm-/Web-Inhalt NICHT
-# auto-lernen. Lucys Bildschirm-Sicht prependet diesen Marker an die User-Message (voice.py); auf dem
-# Schirm sichtbarer Text könnte Injection-Anweisungen tragen, die sonst DAUERHAFT ins Gedächtnis
-# wandern und Tage später ungefragt wiederverwendet werden.
-SKIP_UNTRUSTED = os.environ.get("MC2_MEMORY_SKIP_UNTRUSTED", "1") not in ("0", "false", "False", "no")
-UNTRUSTED_MARKERS = ("[Bildschirm-Sicht",)
-# Lern-Buendelung (Phase 2, 19.07.2026): Die LLM-Extraktion lief bisher nach JEDEM Turn und
-# konkurrierte dabei mit Lucys Hirn um die Slots (gleiches Modell, --parallel 2). Jetzt werden
-# Turns gesammelt und als EIN Gespraechs-Block extrahiert: nach BATCH_TURNS Turns oder wenn
-# BATCH_IDLE_S Sekunden Ruhe war. Ein Batch = ein Extraktionslauf statt N.
-BATCH_TURNS = max(1, int(os.environ.get("MC2_MEMORY_BATCH_TURNS", "4")))
-BATCH_IDLE_S = float(os.environ.get("MC2_MEMORY_BATCH_IDLE", "180"))
-
-# Triviale Turns, die keinen dauerhaften Fakt tragen (reine Begrüßung/Quittung, Aufwärm-/Test-
-# Kommandos) → gar nicht erst zum Auto-Lernen schicken. Spart Extraktions-Läufe und verhindert
-# Müll-Fakten aus Meta-/Ablauf-Turns.
-_TRIVIAL_TURN_RE = re.compile(
-    r"^\s*(?:(?:hi|hallo|hey|moin|servus|guten\s+(?:morgen|tag|abend)|danke\w*|"
-    r"ok(?:ay)?|alles\s+klar|passt|super|top|cool|nice|ja|nein|jo|jup|jap)[\s.,!?]*)+$"
-    r"|^\s*(?:aufw(?:ä|ae)rmen|/?test)\b",
-    re.IGNORECASE,
-)
-
-
-def _is_trivial_turn(text: str) -> bool:
-    return bool(_TRIVIAL_TURN_RE.search(text or ""))
-
-
-def _headers() -> dict:
-    return {"X-MC-Token": MC_TOKEN} if MC_TOKEN else {}
-
-
-class MC2MemoryProvider(MemoryProvider):
-    def __init__(self) -> None:
-        self._session_id = ""
-        self._agent_context = "primary"
-        self._q: queue.Queue[list] = queue.Queue(maxsize=200)
-        self._worker: threading.Thread | None = None
-        self._stop = threading.Event()
-        self._recall_cache: dict[str, str] = {}
-        # Turn-Puffer der Lern-Buendelung (siehe BATCH_TURNS/BATCH_IDLE_S).
-        self._buf: list[list[dict[str, str]]] = []
-        self._buf_lock = threading.Lock()
-        self._buf_last_add = 0.0
-
-    # -- Identität / Verfügbarkeit -------------------------------------------
-    def name(self) -> str:
-        return "mc2-memory"
-
-    def is_available(self) -> bool:
-        try:
-            r = httpx.get(f"{MC_URL}/api/health", timeout=3.0)
-            return r.status_code == 200
-        except Exception:
-            return False
-
-    def initialize(self, session_id: str, **kwargs) -> None:
-        self._session_id = session_id
-        # Nur im primären Agent-Kontext lernen (cron/subagent-Systemprompts nicht einlernen).
-        self._agent_context = kwargs.get("agent_context", "primary")
-        if self._worker is None or not self._worker.is_alive():
-            self._stop.clear()
-            self._worker = threading.Thread(target=self._run, name="mc2-memory-learn", daemon=True)
-            self._worker.start()
-
-    def system_prompt_block(self) -> str:
-        return (
-            "Du hast ein dauerhaftes, geteiltes Langzeitgedächtnis (MC2/Mem0). Relevante Fakten "
-            "werden dir vor einem Turn automatisch eingeblendet; neue dauerhafte Fakten über den "
-            "Nutzer und das Projekt werden nach dem Turn automatisch gelernt — du musst dafür "
-            "nichts tun."
-        )
-
-    # -- Recall (vor dem Turn) -----------------------------------------------
-    def prefetch(self, query: str, *, session_id: str = "") -> str:
-        q = (query or "").strip()
-        if len(q) < 3:
-            return ""
-        if q in self._recall_cache:
-            return self._recall_cache[q]
-        try:
-            r = httpx.get(f"{MC_URL}/api/memory", params={"q": q}, headers=_headers(), timeout=5.0)
-            r.raise_for_status()
-            items = r.json()
-        except Exception as exc:  # nie den Turn blockieren/abbrechen
-            log.debug("mc2-memory prefetch failed: %s", exc)
-            return ""
-        facts = [
-            i for i in items
-            if i.get("score") is None or float(i.get("score", 0)) >= RECALL_MIN_SCORE
-        ][:RECALL_LIMIT]
-        out = ""
-        if facts:
-            lines = "\n".join(f"- {f.get('content', '')}" for f in facts)
-            out = f"Relevante Fakten aus dem Langzeitgedächtnis:\n{lines}"
-        # Cache klein halten
-        if len(self._recall_cache) > 64:
-            self._recall_cache.clear()
-        self._recall_cache[q] = out
-        return out
-
-    # -- Lernen (nach dem Turn) ----------------------------------------------
-    def sync_turn(self, user_content: str, assistant_content: str, *,
-                  session_id: str = "", messages: list[dict[str, Any]] | None = None) -> None:
-        if self._agent_context != "primary":
-            return
-        u = (user_content or "").strip()
-        if len(u) < MIN_USER_LEN:
-            return
-        if _is_trivial_turn(u):
-            log.debug("mc2-memory: trivialer Turn (Begrüßung/Quittung/Aufwärmen) — Auto-Lernen übersprungen")
-            return
-        if SKIP_UNTRUSTED and any(m in u for m in UNTRUSTED_MARKERS):
-            log.debug("mc2-memory: Turn mit untrusted Bildschirm-/Web-Inhalt — Auto-Lernen übersprungen")
-            return
-        msgs: list[dict[str, str]] = [{"role": "user", "content": u}]
-        a = (assistant_content or "").strip()
-        # Hermes ≥0.18 liefert optional den vollen Turn-Kontext (`messages`, inkl. Tool-Calls).
-        # Bewusst NUR die Tool-NAMEN mitlernen ("hat X per Tool Y geprüft") — Tool-ERGEBNISSE
-        # sind untrusted (Web-Inhalte!) und wären ein Poisoning-Vektor am Junk-Guard vorbei.
-        if messages:
-            tools = []
-            for m in messages:
-                for tc in (m.get("tool_calls") or []):
-                    name = ((tc.get("function") or {}).get("name") or "").strip()
-                    if name and name not in tools:
-                        tools.append(name)
-            if tools:
-                a = (a + f"\n[genutzte Tools: {', '.join(tools[:6])}]").strip()
-        if a:
-            msgs.append({"role": "assistant", "content": a[:4000]})
-        with self._buf_lock:
-            self._buf.append(msgs)
-            self._buf_last_add = time.time()
-            full = len(self._buf) >= BATCH_TURNS
-        if full:
-            self._drain_buffer()
-        # Neue Fakten können gelandet sein → Recall-Cache invalidieren.
-        self._recall_cache.clear()
-
-    def _drain_buffer(self) -> None:
-        """Gepufferte Turns als EINEN Gespraechs-Block in die Lern-Queue geben."""
-        with self._buf_lock:
-            if not self._buf:
-                return
-            merged: list[dict[str, str]] = []
-            for turn in self._buf:
-                merged.extend(turn)
-            self._buf.clear()
-        try:
-            self._q.put_nowait(merged)
-        except queue.Full:
-            log.debug("mc2-memory learn queue full — Batch übersprungen")
-
-    def _post_learn(self, msgs: list) -> None:
-        try:
-            httpx.post(f"{MC_URL}/api/memory/learn",
-                       json={"messages": msgs, "source": "hermes"},
-                       headers=_headers(), timeout=90.0)
-        except Exception as exc:
-            log.debug("mc2-memory learn POST failed: %s", exc)
-
-    def _run(self) -> None:
-        while not self._stop.is_set():
-            try:
-                msgs = self._q.get(timeout=5.0)
-            except queue.Empty:
-                # Idle-Flush: Ruhe im Gespraech → angesammelte Turns jetzt lernen.
-                with self._buf_lock:
-                    idle = (self._buf and
-                            time.time() - self._buf_last_add >= BATCH_IDLE_S)
-                if idle:
-                    self._drain_buffer()
-                continue
-            try:
-                self._post_learn(msgs)
-            finally:
-                self._q.task_done()
-
-    def _flush(self) -> None:
-        """Offene Turns garantiert rausschreiben — bei Session-Ende/CLI-Exit, wo der
-        Prozess sofort beendet wird (daemon-Worker würde sonst mitten im POST sterben)."""
-        self._drain_buffer()
-        self._stop.set()
-        if self._worker and self._worker.is_alive():
-            self._worker.join(timeout=95.0)  # laufenden Worker-POST zu Ende lassen
-        while True:                          # vom Worker nicht mehr abgeholte Turns
-            try:
-                msgs = self._q.get_nowait()
-            except queue.Empty:
-                break
-            self._post_learn(msgs)
-
-    # -- Context-only: keine Agent-Tools → kein Tool-Loop --------------------
-    def get_tool_schemas(self) -> list[dict[str, Any]]:
-        return []
-
-    def on_session_end(self, messages: list[dict[str, Any]]) -> None:
-        self._flush()
-
-    def shutdown(self) -> None:
-        self._flush()
-
-
-def register(ctx) -> None:
-    ctx.register_memory_provider(MC2MemoryProvider())

hermes/plugins/mc2-memory/plugin.yaml

@@ -1,5 +0,0 @@
-name: mc2-memory
-version: 1.0.0
-description: "MC2 Memory — context-only Provider, der Hermes ans geteilte Mem0-Gedächtnis (MC2-Sidecar) hängt: automatisches Lernen nach jedem Turn + semantischer Recall davor. Keine Agent-Tools (kein Tool-Loop)."
-pip_dependencies:
-  - httpx

mcp/mcp_mc.py

@@ -216,7 +216,7 @@ def system_status() -> str:
 
 @mcp.tool()
 def list_services() -> str:
-    """Erreichbarkeit aller Stack-Dienste (Engine, Gateway, Hermes, Mem0, Voice)."""
+    """Erreichbarkeit aller Stack-Dienste (Engine, Gateway, Hermes, Voice)."""
     data = _get("/api/system/services")
     return "\n".join(
         f"{'✅' if s['ok'] else '❌'} {s['name']} ({s['url']})"
@@ -227,7 +227,7 @@ def list_services() -> str:
 @mcp.tool()
 def restart_service(service: str) -> str:
     """Startet einen erlaubten Dienst neu. Erlaubt: llama-swap (Engine) | mission-control-2 |
-    hermes-gateway | hermes-terminal | mem0-service | voice-service. Der Engine-Neustart
+    hermes-gateway | hermes-terminal | voice-service. Der Engine-Neustart
     (llama-swap = System-Dienst) kann das Box-Passwort verlangen, wenn kein NOPASSWD gesetzt ist."""
     res = _post("/api/system/restart", {"service": service})
     return f"Restart {service}: {'ok' if res.get('ok') else 'Fehler — ' + res.get('err', '')}"
@@ -235,7 +235,7 @@ def restart_service(service: str) -> str:
 
 @mcp.tool()
 def backup_now() -> str:
-    """Erstellt SOFORT ein Voll-Backup (mem0 + Configs + Secrets). Nutze dies vor riskanten
+    """Erstellt SOFORT ein Voll-Backup (Hermes-Configs + Secrets + llama-swap). Nutze dies vor riskanten
     Änderungen oder wenn der Nutzer ein Backup will."""
     r = _post("/api/system/backup")
     return f"Backup erstellt: {json.dumps(r, ensure_ascii=False)}"

mcp/mcp_memory.py

@@ -1,127 +0,0 @@
-#!/usr/bin/env python3
-"""
-Mission Control 2.0 — Memory MCP Server (geteiltes Gedächtnis für ALLE Tools).
-
-Stdio-MCP-Server. Läuft als Subprocess von Cline/Claude Code/OpenCode/Hermes.
-Ruft die /api/memory-Endpunkte von Mission Control via HTTP auf.
-
-Tool-Beschreibungen bewusst als GUARDS formuliert (konditional, nicht imperativ),
-damit kleine Modelle (z.B. Hermes 14B) nicht in Aufruf-Schleifen laufen.
-
-Env: MC_URL (default http://192.168.178.151:9001), MC_TOKEN (optional).
-Install (auf dem Rechner des Tools): pip install mcp httpx
-"""
-
-import os
-
-import httpx
-from mcp.server.fastmcp import FastMCP
-
-MC_URL = os.environ.get("MC_URL", "http://192.168.178.151:9001").rstrip("/")
-MC_TOKEN = os.environ.get("MC_TOKEN", "")
-
-mcp = FastMCP("mission-control-memory")
-
-
-def _h() -> dict:
-    return {"X-MC-Token": MC_TOKEN} if MC_TOKEN else {}
-
-
-def _get(path: str, **params):
-    r = httpx.get(f"{MC_URL}{path}", headers=_h(), params=params, timeout=10)
-    r.raise_for_status()
-    return r.json()
-
-
-def _post(path: str, data: dict):
-    r = httpx.post(f"{MC_URL}{path}", headers=_h(), json=data, timeout=10)
-    r.raise_for_status()
-    return r.json()
-
-
-def _put(path: str, data: dict):
-    r = httpx.put(f"{MC_URL}{path}", headers=_h(), json=data, timeout=10)
-    r.raise_for_status()
-    return r.json()
-
-
-def _delete(path: str):
-    r = httpx.delete(f"{MC_URL}{path}", headers=_h(), timeout=10)
-    r.raise_for_status()
-    return r.json()
-
-
-@mcp.tool()
-def get_memories(category: str = "") -> str:
-    """Lädt gespeicherte Fakten/Entscheidungen aus dem geteilten Gedächtnis.
-    Nutze dies EINMAL am Session-Beginn, wenn du Projekt-Kontext brauchst — nicht wiederholt.
-    category: identity | knowledge | rules | events | (leer = alle)"""
-    items = _get("/api/memory", **({"category": category} if category else {}))
-    if not items:
-        return "Keine Memories gespeichert."
-    icon = {"identity": "👤", "knowledge": "🔵", "rules": "📋", "events": "🕒"}
-    return "\n".join(
-        f"{icon.get(m['category'], '·')} [{m['category']}] {m['content']}  (ID: {m['id'][:8]})"
-        for m in items
-    )
-
-
-@mcp.tool()
-def search_memories(q: str) -> str:
-    """Sucht SEMANTISCH (nach Bedeutung, nicht nur Stichwort) in den Fakten. Nutze dies
-    VOR add_memory (Dubletten-Check) oder wenn du eine konkrete frühere Entscheidung suchst.
-    Treffer sind nach Relevanz sortiert."""
-    items = _get("/api/memory", q=q)
-    if not items:
-        return f"Keine Treffer für '{q}'."
-    def _line(m):
-        sc = f" {m['score']:.2f}" if isinstance(m.get("score"), (int, float)) else ""
-        return f"[{m['category']}{sc}] {m['content']}  (ID: {m['id'][:8]})"
-    return "\n".join(_line(m) for m in items)
-
-
-@mcp.tool()
-def add_memory(content: str, category: str = "knowledge", source: str = "agent") -> str:
-    """Speichert EINEN dauerhaften Fakt im geteilten Gedächtnis (alle Tools sehen ihn).
-    Nur aufrufen, WENN gerade etwas Dauerhaftes entstanden ist (Konvention, Architektur-
-    Entscheidung, Tech-Version, Nutzer-Präferenz) UND es noch nicht existiert (vorher
-    search_memories!). Knapp & atomar. Existiert ein passender Eintrag → update_memory.
-    category: identity (Nutzer/Vorlieben) | knowledge (Fakten/Stack) | rules (Regeln/Konventionen) | events (Ereignisse/Entscheidungen)"""
-    m = _post("/api/memory", {"content": content, "category": category, "source": source})
-    return f"Gespeichert (ID: {m['id'][:8]}): {content}"
-
-
-@mcp.tool()
-def update_memory(memory_id: str, content: str = "", category: str = "") -> str:
-    """Aktualisiert einen bestehenden Eintrag (nur gesetzte Felder)."""
-    data = {k: v for k, v in (("content", content), ("category", category)) if v}
-    if not data:
-        return "Nichts zu aktualisieren."
-    m = _put(f"/api/memory/{memory_id}", data)
-    return f"Aktualisiert: {m['content']}"
-
-
-@mcp.tool()
-def delete_memory(memory_id: str) -> str:
-    """Löscht einen veralteten/falschen Eintrag anhand seiner ID."""
-    _delete(f"/api/memory/{memory_id}")
-    return f"Eintrag {memory_id[:8]} gelöscht."
-
-
-@mcp.tool()
-def learn(text: str) -> str:
-    """Lässt das Gedächtnis AUTOMATISCH aus einem Gesprächsausschnitt lernen: reiche
-    rohe Nutzer-Aussagen/Turns durch — das Gedächtnis EXTRAHIERT die dauerhaften Fakten
-    selbst und mischt sie ein (ohne Dubletten). Nutze dies, wenn der Nutzer beiläufig etwas
-    Dauerhaftes über sich/seine Vorlieben/das Projekt erwähnt hat — du musst nicht selbst
-    den Fakt formulieren. Für einen bereits fertig formulierten Einzel-Fakt → add_memory."""
-    res = _post("/api/memory/learn", {"text": text})
-    items = res.get("results", []) if isinstance(res, dict) else []
-    learned = [r for r in items if r.get("event") in (None, "ADD", "UPDATE")]
-    if not learned:
-        return "Nichts Neues gelernt (keine dauerhaften Fakten erkannt)."
-    return "Gelernt:\n" + "\n".join(f"· {r.get('content')}" for r in learned)
-
-
-if __name__ == "__main__":
-    mcp.run()

mem0_service/app.py

@@ -1,483 +0,0 @@
-#!/usr/bin/env python3
-"""
-Mem0-Sidecar für Mission Control 2.0 — das auto-lernende, semantische Gedächtnis.
-
-WARUM ein eigener Dienst? Mem0 + chromadb laufen nur unter Python 3.12 (`~/.mem0/venv`),
-das MC2-Backend aber unter Python 3.14 (kann mem0 nicht importieren). Darum kapselt dieser
-schlanke FastAPI-Dienst die Mem0-Memory-Instanz und exponiert sie auf localhost. MC2
-(`backend/services/memory.py`) spricht ihn per HTTP an — die `/api/memory`-API-Form bleibt
-nach außen unverändert (UI + MCP-Server kompatibel).
-
-Aufbau:
-- Vektor-Store : Chroma embedded (kein Docker auf der Box) — Pfad MEM0_CHROMA_PATH.
-- Embeddings   : llama.cpp `embed`-Rolle über llama-swap (/v1/embeddings, 1024 Dim).
-- LLM-Extraktion: lokales `fast`-Hirn (Qwen3.6) über llama-swap (/v1/chat/completions).
-                  Thinking wird abgeschaltet (NoThinkLLM), sonst bricht die JSON-Extraktion ab.
-
-Läuft als systemd-User-Dienst (deploy/mem0-service.service) im `~/.mem0/venv`.
-Bind: 127.0.0.1 (nur lokal; MC2 proxyt nach außen).
-"""
-
-import logging
-import os
-import re
-from contextlib import asynccontextmanager
-
-from fastapi import FastAPI, HTTPException
-from mem0 import Memory
-from mem0.configs.llms.openai import OpenAIConfig
-from mem0.llms.openai import OpenAILLM
-from pydantic import BaseModel
-
-log = logging.getLogger("mem0_service")
-
-# --- Konfiguration (alles über Env überschreibbar; Defaults = Box-Stand) ----------
-USER_ID = os.environ.get("MEM0_USER_ID", "mission-control")  # ein geteiltes Gehirn
-EMBED_URL = os.environ.get("MEM0_EMBED_URL", "http://127.0.0.1:8080/v1")
-LLM_URL = os.environ.get("MEM0_LLM_URL", "http://127.0.0.1:8080/v1")
-EMBED_MODEL = os.environ.get("MEM0_EMBED_MODEL", "embed")
-LLM_MODEL = os.environ.get("MEM0_LLM_MODEL", "fast")
-EMBED_DIMS = int(os.environ.get("MEM0_EMBED_DIMS", "1024"))
-CHROMA_PATH = os.environ.get("MEM0_CHROMA_PATH", "/srv/models/mem0/chroma")
-HISTORY_DB = os.environ.get("MEM0_HISTORY_DB", "/srv/models/mem0/history.db")
-COLLECTION = os.environ.get("MEM0_COLLECTION", "mc2")
-API_KEY = os.environ.get("MEM0_API_KEY", "sk-local")  # llama.cpp ignoriert den Key
-LLM_MAX_TOKENS = int(os.environ.get("MEM0_LLM_MAX_TOKENS", "2048"))
-SEARCH_TOP_K = int(os.environ.get("MEM0_SEARCH_TOP_K", "50"))
-
-# --- Rerank-Zweitstufe (07.07.2026): Die Vektor-Suche findet ÄHNLICHES, der Reranker ordnet
-# nach ECHTER Relevanz (Qwen3-Reranker via llama-swap /v1/rerank). Es ändert sich NUR die
-# Reihenfolge: `score` bleibt der Vektor-Score (RECALL_MIN_SCORE im Hermes-Plugin bleibt
-# kalibriert), Konsumenten, die vorne abschneiden (RECALL_LIMIT), bekommen automatisch die
-# relevantesten Fakten. Jeder Fehler → lautlos Vektor-Reihenfolge (Gedächtnis bricht NIE).
-RERANK_ENABLED = os.environ.get("MC_RERANK_ENABLED", "1") != "0"
-RERANK_URL = os.environ.get("MC_RERANK_URL", "http://127.0.0.1:8080/v1/rerank")
-RERANK_MODEL = os.environ.get("MC_RERANK_MODEL", "Qwen3-Reranker-0.6B")
-RERANK_TIMEOUT = float(os.environ.get("MC_RERANK_TIMEOUT", "8"))
-RERANK_CANDIDATES = int(os.environ.get("MC_RERANK_CANDIDATES", "20"))  # nur die Top-N neu ordnen (Latenz)
-
-# Kategorien = fundierte Memory-Taxonomie (semantisch/prozedural/episodisch), bewusst knapp (4).
-# Mem0-OSS kann nicht nativ klassifizieren (Cloud-Feature) → wir lassen das Hirn beim Lernen
-# einordnen (classify_facts). Die Beschreibungen steuern die Treffsicherheit der Auto-Zuordnung.
-CATEGORIES = ("identity", "knowledge", "rules", "events")
-DEFAULT_CATEGORY = "knowledge"
-CATEGORY_DESCRIPTIONS = {
-    "identity": "Identität & Vorlieben des Nutzers: wer er ist (Name, Rolle), wie er angesprochen werden "
-                "will, persönliche Vorlieben und seine Arbeitsweise.",
-    "knowledge": "Wissen & Fakten: stabile Fakten über Stack, Projekte, Tools, Infrastruktur und Umgebung.",
-    "rules": "Regeln & Konventionen: verbindliche Anweisungen und Workflows — wie etwas gemacht werden "
-             "soll, Do's und Don'ts.",
-    "events": "Ereignisse & Entscheidungen: was passiert ist, getroffene Entscheidungen, zeitgebundene Vorgänge.",
-}
-
-
-class NoThinkLLM(OpenAILLM):
-    """`fast` (Qwen3.6) ist ein Thinking-Modell. Unter response_format=json_object
-    verbrennt das Reasoning Tokens und schneidet die JSON-Fakten ab (leeres Ergebnis).
-    `enable_thinking=false` (chat_template_kwargs) → deterministische, schnelle Extraktion."""
-
-    def generate_response(self, messages, response_format=None, tools=None,
-                          tool_choice="auto", **kwargs):
-        eb = dict(kwargs.pop("extra_body", {}) or {})
-        eb.setdefault("chat_template_kwargs", {"enable_thinking": False})
-        return super().generate_response(
-            messages, response_format=response_format, tools=tools,
-            tool_choice=tool_choice, extra_body=eb, **kwargs,
-        )
-
-
-def build_memory() -> Memory:
-    os.environ.setdefault("OPENAI_API_KEY", API_KEY)
-    os.environ.setdefault("TOKENIZERS_PARALLELISM", "false")
-    os.makedirs(CHROMA_PATH, exist_ok=True)
-    os.makedirs(os.path.dirname(HISTORY_DB), exist_ok=True)
-    cfg = {
-        "vector_store": {"provider": "chroma", "config": {
-            "collection_name": COLLECTION, "path": CHROMA_PATH}},
-        "embedder": {"provider": "openai", "config": {
-            "model": EMBED_MODEL, "embedding_dims": EMBED_DIMS,
-            "openai_base_url": EMBED_URL, "api_key": API_KEY}},
-        "llm": {"provider": "openai", "config": {
-            "model": LLM_MODEL, "openai_base_url": LLM_URL, "api_key": API_KEY,
-            "temperature": 0.1, "max_tokens": LLM_MAX_TOKENS}},
-        "history_db_path": HISTORY_DB,
-        # Sprache zwingend Deutsch erzwingen — mem0s englischer Extraktions-Prompt zieht sonst
-        # Richtung Englisch. Eigennamen/Fachbegriffe bleiben unangetastet.
-        "custom_instructions": (
-            "RELEVANZ (ZWINGEND, WICHTIGSTE REGEL): Extrahiere NUR dauerhaft nützliche Fakten ÜBER DEN "
-            "NUTZER (Identität, Vorlieben, Arbeitsweise), seine Projekte/Entscheidungen/Stände, stabile "
-            "Fakten über Stack/Tools/Infrastruktur sowie verbindliche Regeln und Workflows. "
-            "NIEMALS FAKTEN ÜBER DEN ASSISTENTEN SELBST (ZWINGEND): Extrahiere KEINE Aussagen über den "
-            "Assistenten/die KI (Hermes, Lucy), seine Fähigkeiten, seinen Zustand, seine Tools/MCP-Server, "
-            "seine Cronjobs, Commit-/Versionsstände oder welche Modelle er nutzt. Das Subjekt eines Fakts "
-            "ist IMMER der Nutzer oder sein Projekt — niemals 'der Assistent', 'Hermes' oder 'Lucy'. "
-            "KEINE ZEITGEBUNDENEN ZUSTÄNDE: Ignoriere transiente Momentaufnahmen (Fehler-/Job-Läufe, "
-            "Commit-Rückstand, Versions-Updates, 'gerade dabei'-/'hochgefahren'-/'aufgewärmt'-Status, "
-            "Test- und Onboarding-Fragen). IGNORIERE VOLLSTÄNDIG und gib KEINE Fakten zurück bei: "
-            "Tagesnachrichten und Welt-/Politik-/Börsen-/Promi-Ereignissen, Wetter, allgemeinem Weltwissen "
-            "ohne Bezug zum Nutzer, vom Assistenten erzeugten Zusammenfassungen oder Recherche-Ergebnissen, "
-            "Smalltalk, sowie Meta-Aussagen über den Gesprächsverlauf (z.B. 'der Nutzer fragt nach X', "
-            "'der Nutzer möchte Y prüfen', 'der Assistent tat Z'). Speichere nur, was in Wochen noch "
-            "nützlich ist; im Zweifel NICHT speichern. "
-            "SPRACHE (ZWINGEND): Formuliere ALLE Fakten auf DEUTSCH — unabhängig von der "
-            "Eingabesprache, niemals auf Englisch übersetzen. Eigennamen, Befehle, Pfade, Modell- und "
-            "Produktnamen sowie etablierte Fachbegriffe (z.B. PowerShell-Push, Deploy, Qwen3.6, Neovim, "
-            "Vulkan) bleiben unverändert. Schreibe jeden Fakt knapp und atomar — genau eine Aussage."
-        ),
-    }
-    m = Memory.from_config(cfg)
-    # LLM gegen die Thinking-freie Variante tauschen (gleiche Verbindung).
-    m.llm = NoThinkLLM(OpenAIConfig(
-        model=LLM_MODEL, openai_base_url=LLM_URL, api_key=API_KEY,
-        temperature=0.1, max_tokens=LLM_MAX_TOKENS,
-    ))
-    return m
-
-
-_mem: Memory | None = None
-
-
-def mem() -> Memory:
-    global _mem
-    if _mem is None:
-        _mem = build_memory()
-    return _mem
-
-
-@asynccontextmanager
-async def lifespan(_app: FastAPI):
-    logging.basicConfig(level=logging.INFO)
-    try:
-        mem()  # Memory beim Start aufbauen (Chroma öffnen, Modelle anpingen)
-        log.info("Mem0 bereit (chroma=%s, embed=%s, llm=%s)", CHROMA_PATH, EMBED_MODEL, LLM_MODEL)
-    except Exception:
-        log.exception("Mem0-Init fehlgeschlagen (Dienst läuft, /health meldet down)")
-    yield
-
-
-app = FastAPI(title="MC2 Mem0 Sidecar", lifespan=lifespan)
-
-
-# --- Mapping Mem0 <-> MC2-API-Form -----------------------------------------------
-def _to_item(r: dict, score=None) -> dict:
-    meta = r.get("metadata") or {}
-    out = {
-        "id": r.get("id"),
-        "content": r.get("memory", ""),
-        "category": meta.get("category") or "stable",
-        "bereich": meta.get("bereich") or "",
-        "source": meta.get("source") or "auto",
-        "created_at": r.get("created_at") or "",
-        "updated_at": r.get("updated_at") or r.get("created_at") or "",
-    }
-    if score is not None:
-        try:
-            out["score"] = round(float(score), 4)
-        except (TypeError, ValueError):
-            pass
-    return out
-
-
-class MemIn(BaseModel):
-    content: str
-    category: str = DEFAULT_CATEGORY
-    source: str = "manual"
-
-
-class MemUp(BaseModel):
-    content: str | None = None
-    category: str | None = None
-
-
-class LearnIn(BaseModel):
-    text: str | None = None
-    messages: list[dict] | None = None
-    source: str = "auto"
-    category: str = DEFAULT_CATEGORY
-    classify: bool = True   # Hirn ordnet die gelernten Fakten automatisch ein
-
-
-@app.get("/health")
-def health() -> dict:
-    try:
-        mem().get_all(filters={"user_id": USER_ID}, top_k=1)
-        return {"ok": True}
-    except Exception as exc:
-        raise HTTPException(503, f"mem0 nicht bereit: {exc}")
-
-
-def _rerank(query: str, items: list[dict]) -> list[dict]:
-    """Suchtreffer nach echter Relevanz umordnen; bei jedem Fehler unverändert zurück."""
-    if not (RERANK_ENABLED and len(items) > 1):
-        return items
-    try:
-        import httpx
-        r = httpx.post(RERANK_URL, json={
-            "model": RERANK_MODEL,
-            "query": query,
-            "documents": [i.get("content", "") for i in items],
-            "top_n": len(items),
-        }, timeout=RERANK_TIMEOUT)
-        r.raise_for_status()
-        results = r.json().get("results") or []
-        ranked = []
-        for s in sorted(results, key=lambda x: x.get("relevance_score", 0.0), reverse=True):
-            idx = s.get("index")
-            if isinstance(idx, int) and 0 <= idx < len(items):
-                item = dict(items[idx])
-                item["rerank_score"] = round(float(s.get("relevance_score", 0.0)), 4)
-                ranked.append(item)
-        # Nur übernehmen, wenn der Reranker ALLE Kandidaten bewertet hat (sonst Verlustgefahr).
-        return ranked if len(ranked) == len(items) else items
-    except Exception as exc:
-        log.debug("rerank übersprungen: %s", exc)
-        return items
-
-
-@app.get("/memory")
-def list_memory(q: str = "", category: str = "", bereich: str = "") -> list[dict]:
-    """q gesetzt → semantische Suche (mit Relevanz-Score). Sonst → alle Fakten.
-    bereich='alltag'|'projekt' filtert (Fakten OHNE Bereichs-Feld laufen immer mit,
-    damit Alt-Bestand nie verschwindet)."""
-    if q:
-        res = mem().search(q, filters={"user_id": USER_ID}, top_k=SEARCH_TOP_K)
-        items = [_to_item(r, r.get("score")) for r in res.get("results", [])]
-        # Zweitstufe: die vorderen Kandidaten nach echter Relevanz ordnen (Rest bleibt hinten dran).
-        items = _rerank(q, items[:RERANK_CANDIDATES]) + items[RERANK_CANDIDATES:]
-    else:
-        res = mem().get_all(filters={"user_id": USER_ID}, top_k=1000)
-        items = [_to_item(r) for r in res.get("results", [])]
-        items.sort(key=lambda i: i.get("created_at", ""), reverse=True)
-    if category:
-        items = [i for i in items if i["category"] == category]
-    if bereich in ("alltag", "projekt"):
-        items = [i for i in items if i.get("bereich") in (bereich, "")]
-    return items
-
-
-@app.post("/memory", status_code=201)
-def add_memory(body: MemIn) -> dict:
-    """Manueller/agentischer Einzel-Fakt → VERBATIM speichern (infer=False, keine
-    LLM-Umformung). Auto-Lernen aus Gesprächen läuft über /learn (infer=True)."""
-    content = body.content.strip()
-    if not content:
-        raise HTTPException(400, "content leer")
-    res = mem().add(
-        [{"role": "user", "content": content}],
-        user_id=USER_ID, infer=False,
-        metadata={"category": body.category, "source": body.source},
-    )
-    results = res.get("results", [])
-    if not results:
-        raise HTTPException(500, "Mem0 hat nichts gespeichert")
-    new_id = results[0]["id"]
-    full = mem().get(new_id) or {}
-    return _to_item(full) if full else _to_item({"id": new_id, "memory": content,
-            "metadata": {"category": body.category, "source": body.source}})
-
-
-@app.put("/memory/{mid}")
-def update_memory(mid: str, body: MemUp) -> dict:
-    existing = mem().get(mid)
-    if not existing:
-        raise HTTPException(404, "Eintrag nicht gefunden")
-    cur = _to_item(existing)
-    new_content = body.content.strip() if body.content is not None else cur["content"]
-    new_cat = body.category if body.category is not None else cur["category"]
-    mem().update(mid, data=new_content,
-                 metadata={"category": new_cat, "source": cur["source"]})
-    full = mem().get(mid) or {}
-    return _to_item(full)
-
-
-@app.delete("/memory/{mid}")
-def delete_memory(mid: str) -> dict:
-    if not mem().get(mid):
-        raise HTTPException(404, "Eintrag nicht gefunden")
-    mem().delete(mid)
-    return {"ok": True}
-
-
-@app.get("/graph")
-def graph(min_score: float = 0.45, top_k: int = 3) -> dict:
-    """Fakten als Graph: Knoten = Fakten, Kanten = semantische Ähnlichkeit (Kosinus
-    der gespeicherten Embeddings, je Knoten die top_k Nachbarn ≥ min_score). Für die
-    Obsidian-artige Gedächtnis-Visualisierung im UI."""
-    items = mem().get_all(filters={"user_id": USER_ID}, top_k=2000).get("results", [])
-    nodes = [_to_item(r) for r in items]
-    node_ids = [n["id"] for n in nodes]
-    idx = {nid: i for i, nid in enumerate(node_ids)}
-
-    # Embeddings direkt aus der Chroma-Collection ziehen (kein Re-Embedding).
-    col = mem().vector_store.collection
-    raw = col.get(include=["embeddings"])
-    raw_ids = raw.get("ids") or []
-    raw_embs = raw.get("embeddings")
-    edges: list[dict] = []
-    vecs = [None] * len(node_ids)
-    have = 0
-    if raw_embs is not None:
-        for rid, emb in zip(raw_ids, raw_embs):
-            if rid in idx and emb is not None:
-                vecs[idx[rid]] = emb
-                have += 1
-
-    if have >= 2:
-        import numpy as np
-        present = [i for i, v in enumerate(vecs) if v is not None]
-        M = np.array([vecs[i] for i in present], dtype=float)
-        norms = np.linalg.norm(M, axis=1, keepdims=True)
-        norms[norms == 0] = 1.0
-        Mn = M / norms
-        sim = Mn @ Mn.T
-        seen: set[tuple[int, int]] = set()
-        for a in range(len(present)):
-            order = np.argsort(-sim[a])
-            cnt = 0
-            for b in order:
-                if b == a:
-                    continue
-                s = float(sim[a][b])
-                if s < min_score:
-                    break
-                i, j = present[a], present[b]
-                key = (min(i, j), max(i, j))
-                if key not in seen:
-                    seen.add(key)
-                    edges.append({"source": node_ids[i], "target": node_ids[j],
-                                  "weight": round(s, 3)})
-                cnt += 1
-                if cnt >= top_k:
-                    break
-    return {"nodes": nodes, "edges": edges}
-
-
-def classify_facts(facts: list[tuple[str, str]]) -> dict:
-    """Ordnet jeden Fakt per LLM einer Kategorie UND einem Bereich zu →
-    {id: {"category": <slug>, "bereich": "alltag"|"projekt"}}.
-
-    Bereich (19.07.2026, Trennung der Welten): "alltag" = der Nutzer als Person
-    (Vorlieben, Leben, Arbeitsweise, Entscheidungen), "projekt" = Technik-/Code-/
-    Infrastruktur-Stände. Grundlage für einen späteren Recall-Filter, damit
-    Projekt-Schutt nicht in Alltags-Gespräche streut — OHNE zweites Gedächtnis.
-    Nutzt dasselbe (Thinking-freie) Hirn wie die Extraktion. Fehler = leeres Mapping."""
-    if not facts:
-        return {}
-    import json as _json
-    import re as _re
-    cat_lines = "\n".join(f"- {k}: {v}" for k, v in CATEGORY_DESCRIPTIONS.items())
-    system = (
-        "Du bist ein präziser Klassifikator für ein Langzeitgedächtnis. Ordne jeden Fakt GENAU EINER "
-        "Kategorie zu. Verfügbare Kategorien (nur diese Slugs verwenden):\n" + cat_lines +
-        "\nOrdne zusätzlich jeden Fakt GENAU EINEM Bereich zu: 'alltag' (der Nutzer als Person: "
-        "Vorlieben, Leben, Anrede, Arbeitsweise, grundsätzliche Entscheidungen) oder 'projekt' "
-        "(Technik: Code, Modelle, Server, Infrastruktur, Projekt- und Fehlerstände). "
-        "Antworte NUR als JSON-Objekt der Form "
-        "{\"<id>\": {\"kategorie\": \"<slug>\", \"bereich\": \"alltag|projekt\"}, …}."
-    )
-    body = "\n".join(f"{fid}: {txt}" for fid, txt in facts)
-    try:
-        resp = mem().llm.generate_response(
-            messages=[{"role": "system", "content": system},
-                      {"role": "user", "content": "Fakten:\n" + body}],
-            response_format={"type": "json_object"},
-        )
-        m = _re.search(r"\{.*\}", resp or "", _re.DOTALL)
-        data = _json.loads(m.group(0)) if m else {}
-        out: dict = {}
-        for k, v in data.items():
-            if isinstance(v, str):  # Alt-Form {"id": "slug"} weiter akzeptieren
-                if v in CATEGORIES:
-                    out[str(k)] = {"category": v, "bereich": ""}
-            elif isinstance(v, dict):
-                cat = v.get("kategorie") or v.get("category") or ""
-                ber = v.get("bereich") or ""
-                if cat in CATEGORIES or ber in ("alltag", "projekt"):
-                    out[str(k)] = {"category": cat if cat in CATEGORIES else DEFAULT_CATEGORY,
-                                   "bereich": ber if ber in ("alltag", "projekt") else ""}
-        return out
-    except Exception:
-        log.exception("Auto-Klassifikation fehlgeschlagen")
-        return {}
-
-
-# Deterministischer Guard: mem0-OSS extrahiert trotz custom_instructions hartnäckig Fakten ÜBER
-# den Assistenten selbst (Hermes/Lucy) und transiente Zustände (Commit-Rückstand, Cronjob-Läufe,
-# Onboarding-/Test-Fragen). Diese Muster werden nach der Extraktion verworfen (der Fakt wird wieder
-# gelöscht) — reine Sicherungsschicht, unabhängig vom Extraktions-LLM.
-_JUNK_FACT_PATTERNS = [
-    r"^\s*(?:der|die|das)\s+assistent",          # "Der Assistent ..." (Selbstbeschreibung)
-    r"\bassistent(?:in)?\s+(?:hermes|lucy)\b",   # "... Assistent Hermes/Lucy ..."
-    r"\bhermes[- ]agent\b",
-    r"commits?\s+hinter",                        # Versions-Rückstand (transient)
-    r"\bcronjob\b",
-    r"beim\s+letzten\s+(?:lauf|mal)",
-    r"onboarding[-\s]?frage|\btest-?frage\b",
-    r"hat\s+den\s+assistenten\s+gebeten",
-    r"auf\s+betriebstemperatur|hochgefahren",
-    r"aktualisiert\s+sein\s+ged(?:ä|ae)chtnis",  # Selbst-Meta über das Gedächtnis
-]
-_JUNK_FACT_RE = re.compile("|".join(_JUNK_FACT_PATTERNS), re.IGNORECASE)
-
-
-def _is_junk_fact(text: str) -> bool:
-    """True, wenn der extrahierte Fakt Assistenten-Meta oder ein transienter Zustand ist."""
-    return bool(_JUNK_FACT_RE.search(text or ""))
-
-
-@app.post("/learn")
-def learn(body: LearnIn) -> dict:
-    """Auto-Lernen: Gesprächs-Turns/Text durchreichen → Mem0 EXTRAHIERT Fakten selbst
-    (infer=True). Anschließend ordnet das Hirn jeden neuen Fakt automatisch einer Kategorie zu."""
-    msgs = body.messages
-    if not msgs and body.text:
-        msgs = [{"role": "user", "content": body.text}]
-    if not msgs:
-        raise HTTPException(400, "text oder messages erforderlich")
-    res = mem().add(
-        msgs, user_id=USER_ID, infer=True,
-        metadata={"category": body.category, "source": body.source},
-    )
-    results = res.get("results", [])
-
-    # Guard: frisch extrahierte Assistenten-Meta/transiente Fakten sofort wieder verwerfen.
-    kept = []
-    for r in results:
-        if r.get("event") in ("ADD", "UPDATE") and _is_junk_fact(r.get("memory", "")):
-            try:
-                mem().delete(r["id"])
-            except Exception:
-                log.debug("Junk-Fakt-Löschung fehlgeschlagen für %s", r.get("id"))
-            log.info("mem0 guard: Junk-Fakt verworfen: %s", (r.get("memory") or "")[:80])
-            continue
-        kept.append(r)
-    results = kept
-
-    cats: dict = {}
-    if body.classify:
-        to_classify = [(r["id"], r.get("memory", "")) for r in results
-                       if r.get("id") and r.get("memory") and r.get("event") in ("ADD", "UPDATE")]
-        cats = classify_facts(to_classify)
-        for r in results:
-            info = cats.get(r.get("id"))
-            if info:
-                meta = {"category": info["category"], "source": body.source}
-                if info.get("bereich"):
-                    meta["bereich"] = info["bereich"]
-                try:
-                    mem().update(r["id"], data=r.get("memory", ""), metadata=meta)
-                except Exception:
-                    log.debug("Kategorie-Update fehlgeschlagen für %s", r.get("id"))
-
-    return {"results": [
-        {"id": r.get("id"), "content": r.get("memory"), "event": r.get("event"),
-         "category": (cats.get(r.get("id")) or {}).get("category", body.category),
-         "bereich": (cats.get(r.get("id")) or {}).get("bereich", "")}
-        for r in results
-    ]}
-
-
-if __name__ == "__main__":
-    import uvicorn
-
-    uvicorn.run(app, host="127.0.0.1", port=int(os.environ.get("MEM0_PORT", "8765")))

mem0_service/migrate.py

@@ -1,62 +0,0 @@
-#!/usr/bin/env python3
-"""
-Einmalige Migration: alte SQLite-Fakten (`memories`-Tabelle aus dem v1/v2-Memory)
-→ Mem0. Läuft im ~/.mem0/venv. Idempotent über eine Marker-Datei.
-
-Jeder Alt-Eintrag wird VERBATIM übernommen (infer=False), Kategorie/Source als
-Metadaten. Beim aktuellen Box-Stand ist die DB leer → No-Op, aber für
-Reproduzierbarkeit/künftige Migrationen vorhanden.
-
-Aufruf:  ~/.mem0/venv/bin/python migrate.py [pfad/zur/mc2-memory.db]
-"""
-
-import os
-import sqlite3
-import sys
-
-from app import USER_ID, mem  # nutzt dieselbe Mem0-Instanz/Config
-
-DEFAULT_DB = os.environ.get("MC_MEMORY_DB", "/srv/models/mc2-memory.db")
-MARKER = os.environ.get("MEM0_MIGRATION_MARKER", "/srv/models/mem0/.migrated_sqlite")
-
-
-def main() -> int:
-    db_path = sys.argv[1] if len(sys.argv) > 1 else DEFAULT_DB
-    if os.path.exists(MARKER):
-        print(f"Migration bereits erledigt (Marker {MARKER}).")
-        return 0
-    if not os.path.exists(db_path):
-        print(f"Keine Alt-DB unter {db_path} — nichts zu migrieren.")
-        os.makedirs(os.path.dirname(MARKER), exist_ok=True)
-        open(MARKER, "w").close()
-        return 0
-
-    conn = sqlite3.connect(db_path)
-    conn.row_factory = sqlite3.Row
-    try:
-        rows = conn.execute(
-            "SELECT content, category, source FROM memories ORDER BY created_at"
-        ).fetchall()
-    except sqlite3.OperationalError:
-        rows = []
-    conn.close()
-
-    m = mem()
-    n = 0
-    for r in rows:
-        content = (r["content"] or "").strip()
-        if not content:
-            continue
-        m.add([{"role": "user", "content": content}], user_id=USER_ID, infer=False,
-               metadata={"category": r["category"] or "stable",
-                         "source": r["source"] or "migrated"})
-        n += 1
-
-    os.makedirs(os.path.dirname(MARKER), exist_ok=True)
-    open(MARKER, "w").close()
-    print(f"Migriert: {n} Einträge aus {db_path} → Mem0.")
-    return 0
-
-
-if __name__ == "__main__":
-    raise SystemExit(main())

mem0_service/requirements.txt

@@ -1,9 +0,0 @@
-# Mem0-Sidecar-Deps im ~/.mem0/venv (Python 3.12). BEWUSST GEPINNT — Upgrades nur
-# absichtlich, weil der Sidecar mem0-INTERNA nutzt (NoThink-LLM-Swap, Roh-Zugriff auf die
-# Chroma-Collection für den Graphen, Annahmen übers Result-Format). Ein unkontrolliertes
-# mem0/chromadb-Upgrade kann das still brechen.
-# Upgrade-Prozedur (Backup → Pin anheben → smoke_test.py): siehe docs/UPGRADE.md.
-mem0ai==2.0.8
-chromadb==1.5.9
-fastapi==0.138.1
-uvicorn[standard]==0.49.0

mem0_service/smoke_test.py

@@ -1,71 +0,0 @@
-#!/usr/bin/env python3
-"""
-Smoke-Test für den Mem0-Sidecar — VOR und NACH jedem mem0/chromadb-Upgrade laufen lassen.
-Prüft genau die Pfade, die mem0-INTERNA nutzen (LLM-Extraktion/NoThink, Auto-Einordnung,
-Embeddings/Suche, Roh-Chroma-Graph). Nutzt eine WEGWERF-Collection unter /tmp — das echte
-Gedächtnis (/srv/models/mem0) wird NICHT angefasst.
-
-Aufruf:  ~/.mem0/venv/bin/python ~/mission-control-v2/mem0_service/smoke_test.py
-Exit 0 = alles grün, sonst 1.
-"""
-
-import os
-import shutil
-import sys
-import tempfile
-import time
-
-# WICHTIG: Env vor dem Import von app setzen (app liest die Pfade beim Modul-Load).
-_TMP = tempfile.mkdtemp(prefix="mem0_smoke_")
-os.environ["MEM0_CHROMA_PATH"] = os.path.join(_TMP, "chroma")
-os.environ["MEM0_HISTORY_DB"] = os.path.join(_TMP, "history.db")
-os.environ["MEM0_COLLECTION"] = f"smoke_{int(time.time())}"
-
-sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
-import app
-
-_fails: list[str] = []
-
-
-def check(name: str, cond: bool, detail: str = "") -> None:
-    print(("PASS" if cond else "FAIL"), "—", name, ("" if cond else f":: {detail}"))
-    if not cond:
-        _fails.append(name)
-
-
-def main() -> int:
-    app.mem()  # Memory bauen (öffnet Chroma, pingt Modelle)
-
-    # 1) Verbatim add + Rücklesen
-    r = app.add_memory(app.MemIn(content="Smoke: der Himmel ist blau.", category="knowledge", source="smoke"))
-    check("verbatim add + get", bool(r.get("id")) and "blau" in r.get("content", ""), str(r)[:160])
-
-    # 2) Embeddings / semantische Suche (Bedeutung, nicht Wort)
-    res = app.list_memory(q="Welche Farbe hat der Himmel?")
-    check("semantische Suche", any("blau" in i.get("content", "") for i in res), str(res)[:160])
-
-    # 3) Auto-Lernen: LLM-Extraktion (NoThink) + Deutsch erzwungen
-    lr = app.learn(app.LearnIn(text="Ich heiße Max und programmiere am liebsten in Go.", source="smoke"))
-    items = lr.get("results", [])
-    check("Auto-Lernen extrahiert Fakten", len(items) > 0, str(lr)[:160])
-    joined = " ".join((i.get("content") or "") for i in items).lower()
-    check("Extraktion auf Deutsch", any(w in joined for w in ("heißt", "programmiert", "mag", "bevorzugt", "name", "nutzt")), joined[:160])
-
-    # 4) Auto-Einordnung in die 4 gültigen Kategorien
-    cats = {i.get("category") for i in items if i.get("category")}
-    check("Auto-Einordnung gültige Kategorie", bool(cats) and cats <= set(app.CATEGORIES), str(cats))
-
-    # 5) Graph aus den Roh-Embeddings (Chroma-Interna)
-    g = app.graph()
-    check("Graph liefert Knoten", len(g.get("nodes", [])) >= 1, str({k: len(v) for k, v in g.items()}))
-
-    print("\n" + ("ALLE TESTS GRÜN ✓" if not _fails else f"FEHLGESCHLAGEN: {_fails}"))
-    return 0 if not _fails else 1
-
-
-if __name__ == "__main__":
-    try:
-        code = main()
-    finally:
-        shutil.rmtree(_TMP, ignore_errors=True)
-    sys.exit(code)