Rollen-Ausbau: kritiker (GLM-4.7-Flash) + Gedaechtnis-Reranker (Qwen3-Reranker-0.6B)

Ergebnis des Rollen-Audits 07.07. (User: 'das beste, aber sinnvollste'):

(1) KRITIKER: fremdblick-Prosa + Chef-Gutachter-Vertretung liefen auf der
9B-Vision-GLM, obwohl es reine Text-Jobs sind. Neu: GLM-4.7-Flash
(30B-A3B, MIT, Unsloth UD-Q4_K_XL, 17,5 GB, on-demand ttl 600, Alias
'kritiker'). Gleicher Fremd-Vendor wie bisher -> die 'andere Brille'
des Kritiker-Konzepts bleibt. 4.6V-Flash bleibt scout (Bild-Jobs).

(2) RERANKER (die eine echte Rollen-Luecke): Mem0-Suche war reine
Vektor-Aehnlichkeit. Neu: Qwen3-Reranker-0.6B (q8_0, Mungert-GGUF —
Community-Konvertierungen liefern bekannt Nullscores) via llama-swap
/v1/rerank ordnet die Top-20 Kandidaten nach echter Relevanz um.
NUR die Reihenfolge aendert sich: score bleibt Vektor-Score (Hermes-
Plugin-Filter RECALL_MIN_SCORE bleibt kalibriert), rerank_score kommt
als neues Feld dazu; jeder Fehler -> lautlos Vektor-Reihenfolge.
Env: MC_RERANK_ENABLED/_URL/_MODEL/_TIMEOUT/_CANDIDATES. In brains
(verdraengungssicher, ~0,7 GB).

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

deploy/chef-gutachter-feed.sh

@@ -11,7 +11,7 @@ set -uo pipefail
 
 ENDPOINT="${CHEF_ENDPOINT:-http://127.0.0.1:8080/v1/chat/completions}"
 CHEF="${CHEF_MODEL:-gpt-oss-120b}"
-VERTRETUNG="${CHEF_FALLBACK:-GLM-4.6V-Flash}"
+VERTRETUNG="${CHEF_FALLBACK:-GLM-4.7-Flash}"
 MC="$HOME/mission-control-v2"
 VAULT="$HOME/wissens-vault"
 

deploy/fremdblick.sh

@@ -1,6 +1,7 @@
 #!/usr/bin/env bash
-# Fremdblick — Ein-Schuss-Zweitmeinung von einem ANDEREN Modell (Default: GLM-4.6V-Flash, andere
-# Modell-FAMILIE/Vendor als das Qwen-Worker-Hirn → echte „andere Brille"). Eine EINZELNE
+# Fremdblick — Ein-Schuss-Zweitmeinung von einem ANDEREN Modell (Default seit 07.07.:
+# GLM-4.7-Flash, 30B-A3B Text — klar stärkerer Kritiker als die 9B-Vision-Schwester 4.6V,
+# gleicher Fremd-Vendor wie zuvor → echte „andere Brille" bleibt). Eine EINZELNE
 # Completion — kein agentischer Subagent — umgeht Hermes' 64K-Delegations-Floor
 # (MINIMUM_CONTEXT_LENGTH) UND das 60-GB-Ladeproblem von gpt-oss (das mit dem Warm-Set kollidiert
 # und „exited prematurely" wirft). GLM lädt klein neben dem Warm-Set und antwortet zuverlässig.
@@ -37,7 +38,7 @@ if [ "$MODE" = "code" ]; then
   MAXTOK="${FREMDBLICK_MAXTOK:-1600}"
   SYS="${FREMDBLICK_SYS:-$CODE_SYS}"
 else
-  MODEL="${FREMDBLICK_MODEL:-GLM-4.6V-Flash}"
+  MODEL="${FREMDBLICK_MODEL:-GLM-4.7-Flash}"
   MAXTOK="${FREMDBLICK_MAXTOK:-2200}"
   SYS="${FREMDBLICK_SYS:-$PROSE_SYS}"
 fi

deploy/llama-swap.config.yaml

@@ -77,6 +77,30 @@ models:
       out: [text]
       tools: true
       context: 131072
+  GLM-4.7-Flash:
+    # KRITIKER (07.07., Rollen-Audit): Fremd-Vendor-Zweitmeinung für fremdblick-Prosa +
+    # Chef-Gutachter-Vertretung — reines Textmodell, 30B-A3B (MIT, Unsloth-Dynamic-Quant).
+    # Die Vision-Schwester GLM-4.6V-Flash bleibt als scout für Bild-Jobs. --jinja ist
+    # Pflicht (Chat-Template, sonst kaputte Tool-Calls).
+    cmd: |
+      llama-server -m /srv/models/GLM-4.7-Flash-GGUF/GLM-4.7-Flash-UD-Q4_K_XL.gguf --host 127.0.0.1 --port ${PORT} -c 65536 -ngl 999 -fa on --no-mmap --jinja
+    ttl: 600
+    aliases:
+    - kritiker
+    capabilities:
+      in: [text]
+      out: [text]
+      tools: true
+      context: 65536
+  Qwen3-Reranker-0.6B:
+    # Gedächtnis-Zweitstufe (07.07., Rollen-Audit): ordnet Mem0-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: |
+      llama-server -m /srv/models/Qwen3-Reranker-0.6B-GGUF/Qwen3-Reranker-0.6B-q8_0.gguf --host 127.0.0.1 --port ${PORT} --reranking --pooling rank --embedding -ngl 999 -fa on --no-mmap -c 8192
+    ttl: 0
+    aliases:
+    - reranker
 groups:
   brains:
     swap: false
@@ -86,4 +110,5 @@ groups:
     persistent: true
     members:
     - Qwen3-Embedding-0.6B
+    - Qwen3-Reranker-0.6B
     - Qwen3.6-35B-A3B