Automatischer Frontend Build (46edbe50c1) [skip ci]

.aiexclude

@@ -1,27 +0,0 @@
-# .aiexclude — was der KI-Assistent (Antigravity/Gemini) NICHT lesen/indexieren soll.
-# Gitignore-Syntax. Ziel: der Review fokussiert auf QUELLCODE, nicht auf Abhängigkeiten,
-# Build-Output oder Binärdateien.
-
-# Abhängigkeiten & Build-Output (kein Review-Ziel)
-backend/.venv/
-frontend/node_modules/
-frontend/dist/
-**/__pycache__/
-*.pyc
-.git/
-
-# Große / binäre / sensible Dateien
-*.vrm
-*.gguf
-*.onnx
-*.safetensors
-*.wav
-*.env
-.env
-credentials*
-*.key
-*.pem
-
-# Lokale Scratch-/Recon-Skripte
-box_recon*
-gemma_swap*

.claude/launch.json

@@ -1,28 +0,0 @@
-{
-  "version": "0.0.1",
-  "configurations": [
-    {
-      "name": "mc2",
-      "runtimeExecutable": "F:\\Coding Stuff\\mission-control-2\\backend\\.venv\\Scripts\\python.exe",
-      "runtimeArgs": [
-        "-m",
-        "uvicorn",
-        "app:app",
-        "--app-dir",
-        "F:\\Coding Stuff\\mission-control-2\\backend",
-        "--port",
-        "9000"
-      ],
-      "port": 9000
-    },
-    {
-      "name": "frontend",
-      "runtimeExecutable": "npm",
-      "runtimeArgs": ["run", "dev", "--", "--port", "5180", "--strictPort"],
-      "cwd": "F:\\Coding Stuff\\mission-control-2\\frontend",
-      "env": { "MC_API_TARGET": "http://192.168.178.151:9001" },
-      "autoPort": false,
-      "port": 5180
-    }
-  ]
-}

.gitattributes

@@ -1,12 +0,0 @@
-# Shell-/Deploy-Skripte MÜSSEN LF behalten — sonst bricht der Deploy auf der Box
-# (CRLF macht `set -euo pipefail` zu `pipefail\r` → "invalid option name").
-*.sh        text eol=lf
-*.bash      text eol=lf
-
-# systemd-Units und Service-Configs ebenfalls LF.
-*.service   text eol=lf
-*.timer     text eol=lf
-
-# Windows-Batch-Wrapper bleiben CRLF.
-*.cmd       text eol=crlf
-*.bat       text eol=crlf

.gitignore

@@ -1,22 +0,0 @@
-# Python
-backend/.venv/
-__pycache__/
-*.pyc
-
-# Node / Vite
-frontend/node_modules/
-# frontend/dist wird committet (kein Node-Build auf der Box) — siehe deploy/
-
-# Avatar-VRM (groß + lizenz-/redistributionssensibel) — liegt lokal + auf der Box, nicht in git.
-# Wird per Direkt-Deploy auf die Box gespielt (dist/avatar.vrm), nicht über git.
-frontend/public/avatar.vrm
-frontend/dist/avatar.vrm
-
-# Env / local
-*.env
-.DS_Store
-
-# Box-Recon-/Scratch-Skripte (lokale Diagnose, nicht fürs Repo)
-box_recon*
-gemma_swap*
-

AGENTS.md

@@ -1,48 +0,0 @@
-# AGENTS.md — Mission Control 2.0
-
-Projekt-Geschmack für Coding-Agenten (Zed, Kilo Code, Claude Code lesen diese Datei).
-Kurz gehalten, nur die Wahrheiten, die man sonst schmerzhaft lernt. Details: `README.md`, `docs/`.
-
-## Was das ist
-Lokaler Local-AI-Stack für die Box (Bosgame M5, Strix Halo, Vulkan/RADV). Schichten:
-Engine (llama-swap) · Builtin-Routing-Gateway (`model: auto`) · MC2 (FastAPI + React/shadcn) ·
-Hermes-Agent. Backend Python (Box läuft Python 3.14), Frontend Vite/React/shadcn/Tailwind.
-
-## Sprache (nicht verhandelbar)
-- **Alles User-Sichtbare ist Deutsch:** UI-Texte, Fehlermeldungen, Update-/Radar-Meldungen,
-  Skills, LLM-Summaries, Commit-Messages, Code-Kommentare.
-- **Hermes' INTERNE System-Prompts bleiben Englisch** (fremde Software, wir forken sie nicht).
-  Antwort-Sprache ≠ Prompt-Sprache — Deutsch kommt aus SOUL.md, nicht aus den Tool-Prompts.
-
-## Build & Deploy (die häufigste Falle)
-- **`frontend/dist` WIRD committet.** Auf der Box läuft KEIN Node-Build; das Backend liefert die
-  gebauten Assets direkt aus. Nach jeder Frontend-Änderung: `cd frontend && npm run build`, dann
-  **das neue `frontend/dist` mit-committen**. Vergessen = Box zeigt alten Stand.
-  (Ausnahme: `frontend/dist/avatar.vrm` ist bewusst nicht in git — siehe `.gitignore`.)
-- **Deploy macht `git reset --hard origin/main`** (`deploy/deploy.sh`). Heißt: **`main` muss vor
-  dem Deploy auf Gitea liegen**, und uncommittete Box-Änderungen gehen verloren (Absicht).
-- **Nie direkt auf `main` arbeiten.** Immer Branch (`wartung/...`), Gate grün, dann Merge/Deploy.
-
-## Zeit & Umgebung
-- **Box = Ubuntu, läuft in `Europe/Berlin`** (seit 03.07.2026; vorher UTC). Dev-PC = Windows.
-  Naive/lokale Zeiten immer über `MC_LOCAL_TZ` (= `Europe/Berlin`) auflösen, nie `datetime.now()` ohne TZ annehmen
-  (siehe `backend/services/reminders.py`).
-
-## Backend-Konventionen
-- Router unter `backend/routers/` (`APIRouter(prefix="/api")`), Logik in `backend/services/`
-  (Single Source of Truth — Router bleiben dünn). Beispiel-Lehre: Restart-Allowlist lebt NUR in
-  `services.maintenance` (System-Dienste via `sudo -n`, User-Dienste via `systemctl --user`);
-  keine zweite Allowlist in einem Router duplizieren.
-- **Gate vor Commit:** `python -m py_compile <geänderte .py>` muss durchlaufen.
-- Wartung ist **sudo-frei** gedacht (systemctl --user). Wo doch sudo nötig ist (llama-swap =
-  System-Dienst), sauber über die NOPASSWD-Whitelist / `password_required`-Rückgabe, nie hart failen.
-- Lokal (Windows) müssen Box-Shell-Befehle **harmlos fehlschlagen** statt zu crashen.
-
-## Grenzen (Verdikt, eingehalten)
-- **Hermes-Quellcode nie selbst patchen** (Fork verboten). Config/Deps ja, Code-Umbau nein.
-- **Security-Config** (approvals, Tokens, ufw, command_allowlist) **nie ohne explizites User-Ja.**
-- Alles reversibel halten: Branch + Backup + Pin.
-
-## Gitea
-Remote = `Hitonabi/mission-control-v2`. Auth ist flatterhaft → **Push mit Retry**, nur über
-PowerShell/GCM. Neue Repos per API anlegen. Kein GitHub.

README.md

@@ -1,72 +0,0 @@
-# Mission Control 2.0
-
-Komponierbarer Local-AI-Stack für den Bosgame M5 (Strix Halo). Läuft **live auf der Box**
-als sudo-freier systemd-User-Dienst (`:9001`) und ist als **Final-Version eingefroren** —
-Pflege übernehmen ab jetzt die selbst-wartenden Box-KIs (Auto-Update mit Fangnetz + die
-„Werkstatt"), nicht mehr manuelle Releases.
-
-**Schichten:** Engine (llama.cpp **Vulkan/RADV** auf Strix Halo) · Router (**llama-swap**,
-Ko-Residenz-Warm-Set) · **Builtin-Routing-Gateway** in MC2 (`model: auto`, kein externer
-LiteLLM — scheitert auf Python 3.14) · Mission Control 2.0 (FastAPI + React/shadcn) ·
-**Hermes Agent** (api_server-Gateway :8642, Tools/MCP/Telegram/cron) · auto-lernendes
-**Gedächtnis** (Mem0-Sidecar, semantisch). Jede Schicht hinter stabilem Vertrag austauschbar.
-
-> **Sprachassistentin Lucy** (Voice + 3D-Avatar) ist in ein **eigenes Repo** ausgelagert
-> (`Hitonabi/lucy`) und spricht über den Hermes-Gateway. Aus MC2 selbst sind die Voice-/
-> Web-Reste entfernt — MC2 ist die Steuerzentrale, kein Sprach-Frontend.
-
-## Status: **live + eingefroren (MC2 Final)**
-
-Der ganze Stack ist auf der Box in Betrieb und auf **Autonomie** ausgelegt (Ziel: läuft auch
-ohne Betreuung monatelang weiter):
-
-- **Modelle & Routing** — Discover (live HF + Fit/Caps), Engine-Write (register, `groups`/
-  Ko-Residenz, vocab-geprüfte Spec-Drafts), Gateway `model: auto` + Fallbacks.
-- **System & Wartung** — Status (CPU/RAM/GPU/Disk), **ehrliche Speicher-Zahlen** (echte KV-Bytes
-  aus GGUF-Architektur), Logs mit Fehler-Filter, Dienst-Neustart (sudo-frei).
-- **Updates mit Fangnetz** — OS/Engine/Router/Hermes per Timer: Backup → Update → Postcheck →
-  bei Fehler **Auto-Rollback + Pin**; verständliche Zusammenfassung („Musst du etwas tun?") in
-  Lucys Stimme. Eigene Software wird eingefroren, nicht geupdatet.
-- **Gedächtnis** — Mem0-Sidecar (auto-lernend, semantisch), 4 Kategorien, Auto-Dedupe.
-- **Selbsterhaltung** — Health-Wächter (`sentry`), Warm-Set-Wächter (`warmer`), tägliche
-  Self-Smokes, Lucy-Watchdog + Alarmkette; **Werkstatt** (Hermes wartet den Stack via Gitea-
-  Branch → Gate → Deploy selbst).
-
-API: `health · models · discover · fit · models/register · groups · routing · system/* ·
-maintenance/* · connect · memory/* · agent/* · voice/announce · reminders/*`. MCP: `mcp/`.
-Box-Runbooks: [`docs/HERMES_SETUP.md`](docs/HERMES_SETUP.md), [`docs/RUNBOOK.md`](docs/RUNBOOK.md),
-[`docs/BEDIENUNG.md`](docs/BEDIENUNG.md) + `deploy/` (Units, `deploy.sh`, `backup.sh`, `warmup.sh`).
-
-## Entwickeln
-
-**Backend:**
-```bash
-cd backend
-python -m venv .venv && .venv/Scripts/python -m pip install -r requirements.txt   # Windows
-.venv/Scripts/python -m uvicorn app:app --port 9000
-```
-
-**Frontend (Dev, proxyt /api → :9000):**
-```bash
-cd frontend
-npm install
-npm run dev          # http://localhost:5173
-```
-
-**Frontend (Build → wird vom Backend ausgeliefert):**
-```bash
-cd frontend && npm run build   # → frontend/dist
-```
-
-## Env-Vars (Auswahl)
-
-| Variable | Default | Zweck |
-|---|---|---|
-| `MC_LLAMA_SWAP_URL` | `http://127.0.0.1:8080` | Engine |
-| `MC_CONFIG_PATH` | `/etc/llama-swap/config.yaml` | llama-swap Config |
-| `MC_GATEWAY_URL` | `http://127.0.0.1:$MC_PORT` | Builtin-Gateway (Teil von MC2, kein externer Dienst) |
-| `MC_PORT` | `9000` | MC-Backend-Port |
-| `MC_ENGINE_PATH` | `/opt/llamacpp-vulkan` | Aktive Engine-Binary (Vulkan-Build) |
-| `MC_ENGINE_REPO` | `ggml-org/llama.cpp` | Quelle für Engine-Update-Check |
-| `MC_DRAFTS_DIR` | `$MODELS/drafts` | Spec-Draft-Modelle (vocab-geprüft) |
-| `MC_SPEC_TYPE` | `draft-simple` | Speculative-Decoding-Typ (llama.cpp) |

SAVEPOINT.md

@@ -1,51 +0,0 @@
-# Savepoint — Mission Control 2.0 (MC2)
-
-_Stand: 2026-07-05. Zustands-Snapshot für einen externen Code-Review (Antigravity). Zuerst
-`AGENTS.md` lesen (Projekt-Regeln), dann diese Datei (wo wir stehen), dann `README.md`/`docs/`._
-
-## Was das ist (in einem Satz)
-MC2 ist die **Web-Admin-Konsole** einer 100 % lokalen KI-Appliance („die Box", Bosgame M5 / AMD
-Strix Halo, 128 GB Unified RAM, llama.cpp-Vulkan). Sie verwaltet Engine, Modelle, Gedächtnis,
-Agenten-Status, Updates & Wartung — und dient teils als Gedächtnis-Oberfläche für die Sprach-
-Begleiterin „Lucy".
-
-## Architektur (Kurzform — Details in AGENTS.md/docs/)
-- **Backend** `backend/` — FastAPI, `:9001` als systemd-**User-Dienst** (reboot-fest, sudo-frei).
-  Router (`routers/`, dünn) → Logik (`services/`, Single Source of Truth).
-- **Frontend** `frontend/` — React/Vite/Tailwind/shadcn. **`frontend/dist` ist ABSICHT im git**
-  (Box hat kein Node; Backend liefert die gebauten Assets aus).
-- **Eingebautes Gateway** `:9001/v1` (OpenAI-kompatibel) → llama-swap `:8080` (Engine, Vulkan/RADV).
-- **Sidecars:** `mem0_service/` (Mem0-Gedächtnis), `voice_service/` (STT/TTS für den „Sprechen"-Tab),
-  `mcp/` (MCP-Server), `hermes/` (Hermes-Agent-Plugin), `client/hermes-pc` (PC-Executor).
-
-## Aktueller Zustand
-- **Stabil, in Produktion, „MC2 Final".** Ein Neubau („MC3") wurde bewusst VERWORFEN — MC2 wird
-  sauber gehalten und eingefroren, nicht neu erfunden.
-- **Autonomie-Ausbau abgeschlossen** (Observability-Latenztrace, Fremd-Modell-Kritiker/Härtung,
-  nächtliches „Dreaming" mit Wissens-Vault) — jeweils propose-only, Mensch = Gate.
-- **Zuletzt (Commit `ff1b9a0`, 05.07.):** `coder-lite` (Qwen3-Coder-30B) entfernt; der Verbinden-Tab
-  (`services/connect.py`) empfiehlt IDEs jetzt die realen Direkt-Modelle `coder`/`heavy`/`vision`
-  statt der virtuellen „coding"-Lane. Davor u. a. Engine-Update-Fix, Hermes-Terminal same-origin.
-- **Modelle live:** hermes=Qwen3.6-35B-A3B (Agent-Hirn, immer warm) · coder=Qwen3-Coder-Next ·
-  heavy=gpt-oss-120b · vision=Qwen3-VL-30B · scout=GLM-4.6V · embed. Warm-Set = hermes+vision+embed.
-
-## Nordstern & Randbedingungen (WICHTIG für den Review)
-- **Zieht ohne Wartung über JAHRE durch.** Robustheit + Einfachheit schlagen Features. Der Betreiber
-  ist **kein Entwickler** — alles muss reboot-/update-fest und selbsterklärend sein.
-- **100 % lokal, kein Cloud-Zwang** (Privatsphäre ist der Sinn). Hardware-Decke: ~124 GB, ein Topf.
-- **Lucy ist ein SEPARATES Repo** (`F:\Coding Stuff\lucy`) — **nicht Teil dieses Reviews.**
-
-## Bekannte raue Kanten (Kandidaten — gern bestätigen/erweitern)
-- Doku-Drift möglich: `AGENTS.md` nennt „Box läuft in UTC" — die Box wurde inzwischen auf
-  `Europe/Berlin` umgestellt.
-- Alte, disabled v1-System-Unit `mission-control.service` liegt kosmetisch herum (sudo zum Entfernen).
-- Ältere Review-Notiz nannte toten Code-Verdacht (`pricing.py`, `token_stats.py`) — bitte prüfen.
-- Ein paar frühere Frontend-Monolithen wurden entflochten; Rest-Altlasten möglich.
-
-## Was NICHT empfohlen werden soll (bereits entschieden)
-Cloud-Migration · Voll-Rewrite · schwere neue Frameworks · Engine-/Modell-Wechsel, die nicht in
-124 GB passen · `frontend/dist` aus git nehmen (Absicht) · Security-Config anfassen. Erwünscht sind
-**Bugs, Fragilität, tote Pfade, Sicherheitslücken, Vereinfachung (KISS/DRY), Wartbarkeit.**
-
-## Letzter Sicherungspunkt
-- git `ff1b9a0` „coder-lite raus + Verbinden-Tab auf echte Direkt-Modelle" (auf `main`, deployt, live).

backend/app.py

@@ -1,152 +0,0 @@
-"""
-Mission Control 2.0 — dünner FastAPI-Einstieg.
-
-Hängt die Router ein, liefert (in Prod) das gebaute React-Frontend aus und
-setzt eine no-cache-Middleware. Im Dev läuft das Frontend über den Vite-Dev-
-Server (proxyt /api hierher), daher CORS für localhost offen.
-"""
-
-import asyncio
-import logging
-import os
-from contextlib import asynccontextmanager
-from typing import Any, AsyncGenerator, Awaitable, Callable
-
-import httpx
-from fastapi import FastAPI
-from fastapi.middleware.cors import CORSMiddleware
-from fastapi.responses import FileResponse
-from fastapi.staticfiles import StaticFiles
-from starlette.requests import Request
-
-from backend.config import FRONTEND_DIST, VERSION
-from backend.routers import (
-    agent,
-    connect,
-    console,
-    gateway_proxy,
-    health,
-    hermes_ui,
-    maintenance,
-    memory,
-    models,
-    routing,
-    system,
-    voice,
-)
-from backend.routers import reminders as reminders_router
-from backend.services import memory as memory_svc
-from backend.services import reminders, sentry, warmer
-
-# Zentrales Logging — Level via MC_LOG_LEVEL (INFO default). Eine Konfiguration
-# für alle Module (logging.getLogger(__name__)).
-logging.basicConfig(
-    level=os.environ.get("MC_LOG_LEVEL", "INFO").upper(),
-    format="%(asctime)s %(levelname)-7s %(name)s: %(message)s",
-)
-log = logging.getLogger(__name__)
-
-
-@asynccontextmanager
-async def lifespan(app: FastAPI) -> AsyncGenerator[None, None]:
-    """Hintergrund-Tasks an den App-Lebenszyklus binden: Re-Warm-Wächter fürs Agent-Hirn
-    + Health-Wächter (meldet Ausfälle/Erholung in den Lucy-Briefkasten und auf Telegram)."""
-    tasks: list[asyncio.Task[Any]] = []
-    if warmer.ENABLED:
-        tasks.append(asyncio.create_task(warmer.rewarm_loop()))
-        log.info(
-            "Hirn-Re-Warm-Wächter aktiv (Intervall %ss, Hirn dynamisch aus Hermes-Config)",
-            warmer.INTERVAL,
-        )
-    if sentry.ENABLED:
-        tasks.append(asyncio.create_task(sentry.sentry_loop()))
-    tasks.append(asyncio.create_task(reminders.reminders_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,
-        )
-    # Geteilter HTTP-Client zur lokalen Engine: Keep-Alive/Connection-Pooling statt neuer Client
-    # pro /v1-Anfrage (spart Sockets/TIME_WAIT unter parallelen Agent-Strömen von Zed/Kilo).
-    app.state.gw_client = httpx.AsyncClient(
-        timeout=httpx.Timeout(connect=10.0, read=None, write=None, pool=10.0),
-        limits=httpx.Limits(max_keepalive_connections=32, max_connections=64),
-    )
-    try:
-        yield
-    finally:
-        for task in tasks:
-            _ = task.cancel()
-        await app.state.gw_client.aclose()
-
-
-app = FastAPI(title="Mission Control 2.0", version=VERSION, lifespan=lifespan)
-
-# Dev: Vite-Dev-Server (5173) ruft das Backend per /api auf.
-app.add_middleware(
-    CORSMiddleware,
-    allow_origins=["http://localhost:5173", "http://127.0.0.1:5173"],
-    allow_methods=["*"],
-    allow_headers=["*"],
-)
-
-
-@app.middleware("http")
-async def no_cache(
-    request: Request, call_next: Callable[[Request], Awaitable[httpx.Response]]
-) -> httpx.Response:
-    resp = await call_next(request)
-    if request.url.path.startswith("/api"):
-        resp.headers["Cache-Control"] = "no-cache"
-    return resp
-
-
-app.include_router(health.router)
-app.include_router(models.router)
-app.include_router(routing.router)
-app.include_router(system.router)
-app.include_router(connect.router)
-app.include_router(memory.router)
-app.include_router(agent.router)
-app.include_router(
-    voice.router
-)  # Sprache: STT/TTS-Proxy + Hermes-Agent-Chat (Voice-Tab)
-app.include_router(
-    reminders_router.router
-)  # Erinnerungen/Routinen (A3) — feuern in den Briefkasten
-app.include_router(gateway_proxy.router)  # OpenAI-kompatibler /v1-Gateway (model:auto)
-app.include_router(maintenance.router)
-app.include_router(
-    console.router
-)  # Box-Konsole (ttyd) same-origin durchreichen — VOR dem SPA-Catch-all
-app.include_router(
-    hermes_ui.router
-)  # Eingebaute Hermes-Web-GUI (hermes serve) same-origin unter /hermes-ui/ — VOR dem SPA-Catch-all
-
-
-# Prod: gebautes Frontend ausliefern (falls vorhanden). SPA-Fallback auf index.html.
-if FRONTEND_DIST.exists():
-    app.mount("/assets", StaticFiles(directory=FRONTEND_DIST / "assets"), name="assets")
-
-    _DIST_ROOT = FRONTEND_DIST.resolve()
-
-    @app.get("/{full_path:path}")
-    def spa(full_path: str):
-        # Datei direkt aus FRONTEND_DIST ausliefern (manifest.webmanifest, favicon.ico, …) — aber
-        # NUR innerhalb des dist-Ordners: Pfad auflösen + Traversal (../, absolute Pfade) hart raus.
-        try:
-            target = (FRONTEND_DIST / full_path).resolve()
-            if target.is_relative_to(_DIST_ROOT) and target.is_file():
-                return FileResponse(target)
-        except (ValueError, OSError):
-            pass
-
-        index = FRONTEND_DIST / "index.html"
-        if index.exists():
-            # index.html nie cachen → Browser zieht nach jedem Deploy das aktuelle (gehashte) Bundle.
-            return FileResponse(
-                index, headers={"Cache-Control": "no-cache, must-revalidate"}
-            )
-        return {"detail": "frontend not built"}

backend/config.py

@@ -1,136 +0,0 @@
-"""
-Zentrale Konfiguration für Mission Control 2.0.
-
-Eine Quelle der Wahrheit für Pfade, URLs und Defaults — alles über Env-Vars
-überschreibbar. Bewusst schlank: MC 2.0 ist ein Glue-Cockpit, das vorhandene
-Dienste (llama-swap, LiteLLM-Gateway, Hermes) steuert, statt sie nachzubauen.
-"""
-
-import os
-from pathlib import Path
-
-from ruamel.yaml import YAML
-
-# --- Engine (llama-swap) -----------------------------------------------------
-LLAMA_SWAP_URL = os.environ.get("MC_LLAMA_SWAP_URL", "http://127.0.0.1:8080").rstrip("/")
-CONFIG_PATH = Path(os.environ.get("MC_CONFIG_PATH", "/etc/llama-swap/config.yaml"))
-MODELS_DIR = Path(os.environ.get("MC_MODELS_DIR", "/srv/models"))
-# Cache der Modell-Entdeckung ("aktuell beste Modelle", live von HuggingFace).
-# 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.
-# Hinweis: nur noch für die einmalige Mem0-Migration relevant — das aktive Gedächtnis
-# liegt jetzt in Mem0/Chroma hinter dem Sidecar (siehe MEM0_SERVICE_URL).
-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
-# macht llama-server ohnehin automatisch pro Slot (KV-Reuse).
-_DEFAULT_CMD_TEMPLATE = (
-    "llama-server -m {model} --host 127.0.0.1 --port ${PORT} "
-    "-c {ctx} -ngl 999 -fa on --no-mmap"
-)
-CMD_TEMPLATE = os.environ.get("MC_CMD_TEMPLATE", _DEFAULT_CMD_TEMPLATE)
-if "{model}" not in CMD_TEMPLATE:
-    CMD_TEMPLATE = _DEFAULT_CMD_TEMPLATE
-DEFAULT_TTL = int(os.environ.get("MC_DEFAULT_TTL", "300"))
-# Verzeichnis mit Draft-Modellen für Speculative Decoding. Beim Hinzufügen eines
-# fast/coder-Modells wird hieraus automatisch ein **vocab-kompatibler** Draft gewählt
-# (Vocab-Check via services.gguf_meta; ein inkompatibler Draft lässt llama.cpp scheitern).
-DRAFTS_DIR = Path(os.environ.get("MC_DRAFTS_DIR", str(MODELS_DIR / "drafts")))
-# Optionaler expliziter Default-Draft (leer = Auto-Erkennung aus DRAFTS_DIR). Wird nur
-# verwendet, wenn er zum Ziel-Modell vocab-kompatibel ist. (Früher fix qwen2.5 → entfernt,
-# weil das mit neueren Vocabs wie Qwen3.6 inkompatibel ist und Spec stillschweigend brach.)
-SPEC_DRAFT_MODEL_PATH = os.environ.get("MC_SPEC_DRAFT_MODEL", "")
-# Speculative-Decoding-Typ (llama.cpp dieser Generation braucht --spec-type zusätzlich
-# zu --spec-draft-model, sonst ist Spec inaktiv).
-SPEC_TYPE = os.environ.get("MC_SPEC_TYPE", "draft-simple")
-# MTP-Speculative-Decoding (Multi-Token-Prediction): manche Modelle bringen einen eigenen
-# MTP-Kopf mit (z.B. gemma-4 → arch 'gemma4-assistant', Datei 'mtp-*.gguf'). Der wird mit
-# `--model-draft <mtp.gguf> --spec-type draft-mtp --spec-draft-n-max N` geladen (NICHT
-# --spec-draft-model/draft-simple). 1,5–2× Durchsatz bei null Qualitätsverlust.
-SPEC_DRAFT_N_MAX = int(os.environ.get("MC_SPEC_DRAFT_N_MAX", "4"))
-# Env für HuggingFace-Downloads: XET deaktivieren (Hänger bei ~6 MB, siehe v1-Gotcha).
-HF_DOWNLOAD_ENV = {"HF_HUB_DISABLE_XET": "1"}
-
-# --- Routing-Gateway (builtin in MC2, model: auto) ---------------------------
-# MC2 IST der Gateway (services/gateway.py + routers/gateway_proxy.py). KEIN externer
-# LiteLLM-Dienst (scheitert auf Python 3.14). Daher keine Gateway-Config-Datei mehr.
-GATEWAY_URL = os.environ.get("MC_GATEWAY_URL", f"http://127.0.0.1:{os.environ.get('MC_PORT', '9000')}").rstrip("/")
-
-# --- Hermes Agent (eigener Dienst auf der Box) -------------------------------
-# Gateway (OpenAI-API des Agenten) + interaktives Web-Terminal (ttyd → `hermes chat`).
-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.
-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."""
-    try:
-        env_path = Path(os.path.expanduser(os.environ.get("HERMES_HOME", "~/.hermes"))) / ".env"
-        for line in env_path.read_text(encoding="utf-8").splitlines():
-            line = line.strip()
-            if line.startswith(f"{key}="):
-                return line.split("=", 1)[1].strip().strip('"').strip("'")
-    except OSError:
-        pass
-    return ""
-
-
-HERMES_API_KEY = (
-    os.environ.get("HERMES_API_KEY")
-    or os.environ.get("API_SERVER_KEY")
-    or _read_hermes_env("API_SERVER_KEY")
-)
-# Modellfeld im OpenAI-Request; die api_server-Plattform nutzt ihr konfiguriertes Hirn,
-# das Feld ist i.d.R. kosmetisch. Override via Env, falls die Plattform strikt prüft.
-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.
-VOICE_SERVICE_URL = os.environ.get("MC_VOICE_SERVICE_URL", "http://127.0.0.1:8650").rstrip("/")
-# Hermes-Terminal: ttyd-Web-Terminal der interaktiven Agent-CLI. Wie die Box-Konsole bindet
-# es NUR an Loopback (127.0.0.1:7681, base-path /hermes-terminal) und wird von MC2 same-origin
-# durchgereicht (routers/console.py → /hermes-terminal/). Login per `su` (Box-Passwort).
-HERMES_TERMINAL_UPSTREAM = os.environ.get("MC_HERMES_TERMINAL_UPSTREAM", "http://127.0.0.1:7681").rstrip("/")
-HERMES_TERMINAL_PATH = "/hermes-terminal/"
-# Box-Konsole: zweites 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
-# rückwärts geproxyt (routers/console.py → same-origin /console/). So braucht die Konsole
-# KEINE eigene Firewall-Freigabe (Port 7682 ist von außen dicht) und keinen sudo-Eingriff.
-# Direkter, SSH-artiger Zugriff, kein Passwort — gleiches LAN-Trust-Modell wie das Dashboard.
-BOX_CONSOLE_UPSTREAM = os.environ.get("MC_BOX_CONSOLE_UPSTREAM", "http://127.0.0.1:7682").rstrip("/")
-# Öffentlicher, gleicher-Ursprung-Pfad, unter dem MC2 die Konsole ausliefert (iframe-Ziel).
-BOX_CONSOLE_PATH = "/console/"
-# Eingebaute Hermes-Web-GUI (`hermes serve`/`dashboard` — die richtige Agent-Oberfläche mit
-# Threads/Tool-Calls, die auch die Electron-Desktop-App umhüllt). Bindet NUR an Loopback
-# (127.0.0.1:9119, kein Login — LAN-Trust wie Terminal/Konsole) und wird von MC2 same-origin unter
-# /hermes-ui/ durchgereicht (routers/hermes_ui.py). Anders als das ttyd-Terminal ist es eine volle
-# SPA → das Bundle wird mit Vite-base=/hermes-ui/ gebaut, damit Assets/API/WS unter dem Präfix
-# liegen; der Proxy streift /hermes-ui ab. Kein eigener Firewall-Port nötig.
-HERMES_BUILTIN_UI_UPSTREAM = os.environ.get("MC_HERMES_BUILTIN_UI_UPSTREAM", "http://127.0.0.1:9119").rstrip("/")
-HERMES_BUILTIN_UI_PATH = "/hermes-ui/"
-# GitHub-Repo für Update-Checks.
-HERMES_AGENT_REPO = os.environ.get("MC_HERMES_AGENT_REPO", "NousResearch/hermes-agent")
-HERMES_HOME = Path(os.path.expanduser(os.environ.get("HERMES_HOME", "~/.hermes")))
-# PC Executor — läuft auf dem Windows-PC, erreichbar über LAN.
-PC_EXECUTOR_URL = os.environ.get("MC_PC_EXECUTOR_URL", "http://192.168.178.98:7777").rstrip("/")
-
-# --- Server ------------------------------------------------------------------
-HOST = os.environ.get("MC_HOST", "0.0.0.0")
-PORT = int(os.environ.get("MC_PORT", "9000"))
-# Gebautes React-Frontend (frontend/dist). In Prod liefert FastAPI es statisch aus;
-# im Dev läuft der Vite-Dev-Server separat und proxyt /api hierher.
-FRONTEND_DIST = Path(os.environ.get("MC_FRONTEND_DIST", str(Path(__file__).resolve().parent.parent / "frontend" / "dist")))
-
-# Version (Phase 0 — Greenfield-Skeleton).
-VERSION = "2.0.0-w8"
-
-# Gemeinsame YAML-Instanz (preserve_quotes hält Kommentare/Quotes in config.yaml).
-yaml = YAML()
-yaml.preserve_quotes = True

backend/migrate_config.py

@@ -1,56 +0,0 @@
-import sys
-from pathlib import Path
-
-# Add backend directory to sys.path so we can import services
-sys.path.append(str(Path(__file__).resolve().parent))
-
-from services.llamaswap import read_config, write_config, spec_draft_flags, _PATH_RE
-from config import CONFIG_PATH
-
-def migrate():
-    print(f"Reading config from {CONFIG_PATH}...")
-    if not CONFIG_PATH.exists():
-        print(f"Config path {CONFIG_PATH} does not exist. Skipping.")
-        return
-        
-    cfg = read_config()
-    models = cfg.get("models", {})
-
-    for name, spec in models.items():
-        if not isinstance(spec, dict):
-            continue
-        cmd = spec.get("cmd", "")
-        if not cmd:
-            continue
-            
-        print(f"Migrating model: {name}")
-
-        # 1. Defektes --prompt-cache/--prompt-cache-all entfernen (llama-CLI-Flags,
-        #    die llama-server ablehnt → Start scheitert). Caching macht llama-server
-        #    automatisch pro Slot.
-        cmd = cmd.replace(" --prompt-cache-all", "").replace(" --prompt-cache", "")
-
-        # 2. Extract aliases/role
-        aliases = spec.get("aliases", [])
-        role = aliases[0] if aliases else None
-        
-        # 3. Add parallel + (nur vocab-kompatibles) Speculative Decoding für fast/coder.
-        #    spec_draft_flags() prüft die Vocab-Kompatibilität und hängt --spec-type an;
-        #    ein inkompatibler Draft (z.B. qwen2.5 ↔ Qwen3.6) wird NICHT gesetzt.
-        if role in ("fast", "coder"):
-            if "--parallel" not in cmd:
-                cmd = cmd.strip() + " --parallel 2"
-            if "--spec-draft-model" not in cmd:
-                target = mt.group(1) if (mt := _PATH_RE.search(cmd)) else ""
-                cmd = cmd.strip() + spec_draft_flags(target)
-                
-        # Update cmd
-        from ruamel.yaml.scalarstring import LiteralScalarString
-        spec["cmd"] = LiteralScalarString(cmd.strip() + "\n")
-        
-    print(f"Writing updated config back to {CONFIG_PATH}...")
-    write_config(cfg)
-    print("Migration completed successfully!")
-
-if __name__ == "__main__":
-    migrate()

backend/models_catalog.json

@@ -1,60 +0,0 @@
-{
-  "_comment": "Kuratierter Modell-Katalog (Cookbook) für Strix Halo / Ryzen AI MAX+ 395 — 128GB unified, bandbreiten-limitiert (256 GB/s). MoE-first. EINE Quelle der Wahrheit für KORREKTE Metadaten (total/active params, moe, generation) → präzise Empfehlungen ohne Namens-Raterei. Inspiriert vom Odysseus-Cookbook (statischer, validierter Katalog statt Live-Scraping). Erweiterbar: neue Modelle hier eintragen. Felder: name (Match-Identifier), repo (HF org/name für Install), family (+Subtyp), generation (numerisch, für Upgrade-Vergleich), total_params_b, active_params_b (=total bei dense), moe, quant, ctx (empfohlen), tools, vision.",
-  "version": "2026-07-03",
-  "models": [
-    {
-      "role": "fast", "name": "Qwen3.6-35B-A3B", "repo": "Qwen/Qwen3.6-35B-A3B-GGUF",
-      "family": "qwen", "generation": 3.6, "total_params_b": 35, "active_params_b": 3,
-      "moe": true, "quant": "Q4_K_M", "ctx": 32768, "tools": true, "vision": true
-    },
-    {
-      "role": "fast", "name": "Qwen3-30B-A3B-Instruct", "repo": "unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF",
-      "family": "qwen", "generation": 3.0, "total_params_b": 30, "active_params_b": 3,
-      "moe": true, "quant": "Q4_K_M", "ctx": 32768, "tools": true, "vision": false
-    },
-
-    {
-      "role": "heavy", "name": "Qwen3.5-122B-A10B", "repo": "Qwen/Qwen3.5-122B-A10B-GGUF",
-      "family": "qwen", "generation": 3.5, "total_params_b": 122, "active_params_b": 10,
-      "moe": true, "quant": "Q4_K_M", "ctx": 32768, "tools": true, "vision": false
-    },
-    {
-      "role": "heavy", "name": "gpt-oss-120b", "repo": "ggml-org/gpt-oss-120b-GGUF",
-      "family": "gpt-oss", "generation": 1.0, "total_params_b": 120, "active_params_b": 5,
-      "moe": true, "quant": "MXFP4", "ctx": 32768, "tools": true, "vision": false
-    },
-
-    {
-      "role": "coder", "name": "Qwen3-Coder-Next", "repo": "Qwen/Qwen3-Coder-Next-GGUF",
-      "family": "qwen-coder", "generation": 3.0, "total_params_b": 84, "active_params_b": 3,
-      "moe": true, "quant": "Q4_K_M", "ctx": 65536, "tools": true, "vision": false
-    },
-    {
-      "role": "coder", "name": "Qwen3-Coder-30B-A3B-Instruct", "repo": "unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF",
-      "family": "qwen-coder", "generation": 3.0, "total_params_b": 30, "active_params_b": 3,
-      "moe": true, "quant": "Q4_K_M", "ctx": 65536, "tools": true, "vision": false
-    },
-
-    {
-      "role": "vision", "name": "Qwen3-VL-30B-A3B-Instruct", "repo": "Qwen/Qwen3-VL-30B-A3B-Instruct-GGUF",
-      "family": "qwen-vl", "generation": 3.0, "total_params_b": 30, "active_params_b": 3,
-      "moe": true, "quant": "Q4_K_M", "ctx": 32768, "tools": false, "vision": true
-    },
-    {
-      "role": "vision", "name": "Qwen3-VL-8B-Instruct", "repo": "Qwen/Qwen3-VL-8B-Instruct-GGUF",
-      "family": "qwen-vl", "generation": 3.0, "total_params_b": 8, "active_params_b": 8,
-      "moe": false, "quant": "Q4_K_M", "ctx": 32768, "tools": false, "vision": true
-    },
-    {
-      "role": "vision", "name": "Qwen3-VL-2B-Instruct", "repo": "Qwen/Qwen3-VL-2B-Instruct-GGUF",
-      "family": "qwen-vl", "generation": 3.0, "total_params_b": 2, "active_params_b": 2,
-      "moe": false, "quant": "Q4_K_M", "ctx": 32768, "tools": false, "vision": true
-    },
-
-    {
-      "role": "scout", "name": "GLM-4.6V-Flash", "repo": "ggml-org/GLM-4.6V-Flash-GGUF",
-      "family": "glm", "generation": 4.6, "total_params_b": 9, "active_params_b": 3,
-      "moe": true, "quant": "Q4_K_M", "ctx": 32768, "tools": true, "vision": true
-    }
-  ]
-}

backend/requirements.txt

@@ -1,8 +0,0 @@
-fastapi>=0.115
-uvicorn[standard]>=0.30
-httpx>=0.27
-ruamel.yaml>=0.18
-psutil>=5.9
-huggingface_hub>=0.27
-mcp>=1.2.0
-tzdata>=2024.1

backend/routers/agent.py

@@ -1,44 +0,0 @@
-"""Agent-Endpoint: Hermes-Status + WebUI-Link (MC verlinkt nur, betreibt nicht)."""
-
-from fastapi import APIRouter
-from pydantic import BaseModel
-
-from fastapi import HTTPException
-
-from services.agent import agent_status, hermes_brain_info, set_agent_brain, update_brain_model
-
-router = APIRouter(prefix="/api")
-
-
-class BrainReq(BaseModel):
-    model: str
-
-
-class SetBrainReq(BaseModel):
-    model_id: str
-
-
-@router.get("/agent/status")
-def status() -> dict:
-    return agent_status()
-
-
-@router.get("/agent/brain")
-def brain_info() -> dict:
-    """Aktuelles Agent-Hirn (hermes) + bestes NousResearch-Hermes-Update."""
-    return hermes_brain_info()
-
-
-@router.post("/agent/brain/set")
-def set_brain(body: SetBrainReq) -> dict:
-    """Setzt ein installiertes Modell als Agent-Hirn (Alias + warm-Gruppe + Config)."""
-    res = set_agent_brain(body.model_id)
-    if not res.get("ok"):
-        raise HTTPException(400, res.get("reason", "Fehler beim Setzen des Agent-Hirns"))
-    return res
-
-
-@router.post("/agent/brain")
-def set_brain_model(body: BrainReq) -> dict:
-    ok = update_brain_model(body.model)
-    return {"ok": ok}

backend/routers/connect.py

@@ -1,21 +0,0 @@
-"""Connect-Endpoint: erzeugt IDE-/Agent-Snippets (auf den Gateway + Memory-MCP)."""
-
-from fastapi import APIRouter
-
-from services.connect import DEFAULT_HOST, build_snippets, check_health
-
-router = APIRouter(prefix="/api")
-
-
-@router.get("/connect")
-def connect(host: str = DEFAULT_HOST, mcp_path: str | None = None) -> dict:
-    kwargs = {}
-    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."""
-    return check_health()

backend/routers/console.py

@@ -1,88 +0,0 @@
-"""
-ttyd-Reverse-Proxy für die eingebetteten Web-Terminals (Box-Konsole + Hermes-Terminal).
-
-Beide ttyd-Dienste binden NUR an Loopback (--base-path /<name>) und werden hier über
-den ohnehin offenen MC2-Port (9001) same-origin durchgereicht — HTTP (index.html/token)
-+ WebSocket (/<name>/ws). Vorteil: keine eigene Firewall-Freigabe je Terminal nötig und
-alles läuft same-origin zum Dashboard. Reiner Byte-Durchreicher; ttyds `tty`-Subprotokoll
-wird auf beiden Seiten ausgehandelt. Der Login-Schutz sitzt IM Terminal (ttyd startet die
-Shell über `su` → fragt das Box-Passwort ab), nicht im Proxy.
-"""
-
-import asyncio
-import logging
-
-import httpx
-import websockets
-from fastapi import APIRouter, Request, WebSocket
-from starlette.responses import Response
-
-from config import BOX_CONSOLE_UPSTREAM, HERMES_TERMINAL_UPSTREAM
-
-log = logging.getLogger(__name__)
-router = APIRouter()
-
-
-def _register(base: str, upstream: str) -> None:
-    """Registriert HTTP- + WS-Proxy-Routen für eine ttyd-Instanz (base-path `/<base>`)."""
-    ws_upstream = upstream.replace("http://", "ws://").replace("https://", "wss://")
-
-    @router.websocket(f"/{base}/ws")
-    async def _proxy_ws(ws: WebSocket) -> None:  # noqa: ANN001 — Closure je base
-        await ws.accept(subprotocol="tty")
-        try:
-            async with websockets.connect(
-                f"{ws_upstream}/{base}/ws", subprotocols=["tty"],
-                open_timeout=10, max_size=None, ping_interval=None,
-            ) as up:
-                async def c2u() -> None:
-                    while True:
-                        msg = await ws.receive()
-                        if msg.get("type") == "websocket.disconnect":
-                            return
-                        if (t := msg.get("text")) is not None:
-                            await up.send(t)
-                        elif (b := msg.get("bytes")) is not None:
-                            await up.send(b)
-
-                async def u2c() -> None:
-                    async for m in up:
-                        if isinstance(m, (bytes, bytearray)):
-                            await ws.send_bytes(bytes(m))
-                        else:
-                            await ws.send_text(m)
-
-                _done, pending = await asyncio.wait(
-                    [asyncio.create_task(c2u()), asyncio.create_task(u2c())],
-                    return_when=asyncio.FIRST_COMPLETED,
-                )
-                for task in pending:
-                    task.cancel()
-        except Exception:
-            log.debug("ttyd-proxy ws (%s) beendet/fehlgeschlagen", base, exc_info=True)
-        finally:
-            try:
-                await ws.close()
-            except Exception:
-                pass
-
-    async def _proxy_http(request: Request, path: str = "") -> Response:
-        url = f"{upstream}/{base}/{path}"
-        try:
-            async with httpx.AsyncClient(timeout=10.0) as c:
-                r = await c.request(request.method, url, content=await request.body())
-            return Response(content=r.content, status_code=r.status_code,
-                            media_type=r.headers.get("content-type"))
-        except httpx.HTTPError as exc:
-            log.debug("ttyd-proxy http (%s) nicht erreichbar: %s", base, exc)
-            return Response(content=b"Terminal (ttyd) nicht erreichbar.", status_code=502,
-                            media_type="text/plain")
-
-    router.add_api_route(f"/{base}", _proxy_http, methods=["GET"], name=f"{base}_root")
-    router.add_api_route(f"/{base}/{{path:path}}", _proxy_http, methods=["GET", "POST"],
-                         name=f"{base}_path")
-
-
-# Box-Konsole (Login-Shell) und Hermes-Terminal (Agent-CLI) — beide Loopback-ttyd.
-_register("console", BOX_CONSOLE_UPSTREAM)
-_register("hermes-terminal", HERMES_TERMINAL_UPSTREAM)

backend/routers/gateway_proxy.py

@@ -1,121 +0,0 @@
-import os
-
-from fastapi import APIRouter, Request
-from fastapi.responses import JSONResponse, StreamingResponse
-
-from config import LLAMA_SWAP_URL
-from services.gateway_stream import record_stream_chunk, record_usage
-from services.router_logic import LANES, choose_for_lane
-from services.routing_policy import load_policy
-
-router = APIRouter(prefix="/v1")
-
-# Antwortsprache für IDE-/Lane-Traffic: die Coding-Modelle antworten sonst englisch
-# (User-Anforderung 03.07.2026). Leerer String (MC_GATEWAY_LANG_DIRECTIVE="") schaltet ab.
-_LANG_DIRECTIVE = os.environ.get(
-    "MC_GATEWAY_LANG_DIRECTIVE",
-    "Antworte dem Nutzer grundsätzlich auf Deutsch (Erklärungen, Pläne, Rückfragen, "
-    "Zusammenfassungen) — auch wenn die Frage oder Tool-Anweisungen englisch sind. "
-    "Quellcode, Bezeichner und Shell-Befehle bleiben unverändert.")
-
-
-def _inject_language(body: dict, alias: str) -> None:
-    """Deutsch-Direktive anhängen. An die ERSTE System-Message (viele Chat-Templates
-    erwarten nur eine), sonst als neue System-Message. `hermes` ausgenommen — Lucys
-    Persona (SOUL.md) regelt die Sprache selbst."""
-    if not _LANG_DIRECTIVE or alias == "hermes":
-        return
-    msgs = body.get("messages")
-    if not isinstance(msgs, list):
-        return
-    first_sys = next((m for m in msgs if isinstance(m, dict) and m.get("role") == "system"), None)
-    if first_sys is None:
-        msgs.insert(0, {"role": "system", "content": _LANG_DIRECTIVE})
-    elif isinstance(first_sys.get("content"), str):
-        first_sys["content"] = first_sys["content"].rstrip() + "\n\n" + _LANG_DIRECTIVE
-    elif isinstance(first_sys.get("content"), list):
-        first_sys["content"].append({"type": "text", "text": _LANG_DIRECTIVE})
-
-# Virtuelle Lanes, die der Gateway zusätzlich zu den echten Modellen als „Modell" anbietet.
-_LANE_LABELS = {"coding": "Coding (Router → coder/heavy/fast)", "chat": "Chat (Router → fast/heavy)"}
-
-
-@router.get("/models")
-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()
-    # Lanes ganz oben einblenden, damit IDEs einfach „coding"/„chat" wählen können.
-    lanes = [{"id": lane, "object": "model", "owned_by": "mc2-router",
-              "description": _LANE_LABELS.get(lane, lane)} for lane in LANES]
-    # Kontextlänge je Modell mitliefern (aus der llama-swap-Config geparst). Ohne sie
-    # budgetieren Clients blind — Hermes-Subagents nahmen 256k an, schickten passende
-    # max_tokens und rissen damit den echten Server-Kontext (Radar-Lauf 02.07.).
-    # Rollen-Aliase (heavy/coder/hermes …) tauchen bei llama-swap NICHT als Einträge auf,
-    # Clients fragen aber genau damit an → als eigene Einträge einblenden.
-    ctx_map: dict[str, int] = {}
-    alias_entries: list[dict] = []
-    try:
-        from services import llamaswap
-        for m in llamaswap.list_models():
-            ctx = m.get("ctx")
-            if ctx:
-                for api_id in m.get("api_ids", []):
-                    ctx_map[api_id] = ctx
-            for alias in m.get("aliases", []):
-                entry = {"id": alias, "object": "model", "owned_by": "mc2-alias",
-                         "description": f"Alias für {m['name']}"}
-                if ctx:
-                    entry["context_length"] = ctx
-                alias_entries.append(entry)
-    except Exception:
-        pass
-    if isinstance(data, dict) and isinstance(data.get("data"), list):
-        for entry in data["data"]:
-            if (ctx := ctx_map.get(entry.get("id"))):
-                entry.setdefault("context_length", ctx)
-        data["data"] = lanes + alias_entries + data["data"]
-    return JSONResponse(data, status_code=r.status_code)
-
-
-async def _proxy(path: str, request: Request):
-    body = await request.json()
-    requested = str(body.get("model") or "auto")
-    if requested.lower() in ("auto", "chat", "coding"):
-        lane = requested.lower()
-        alias, reason = choose_for_lane(lane, body)
-        body["model"] = alias
-        routed = {"x-mc-routed-to": alias, "x-mc-route-reason": reason, "x-mc-lane": lane}
-    else:
-        alias = requested
-        routed = {"x-mc-routed-to": requested}
-    # fast-Spur: Thinking aus für flotte Antworten (sofern Client es nicht selbst setzt).
-    pol = load_policy()
-    if pol["fast_no_think"] and alias == pol["fast"] and "chat_template_kwargs" not in body:
-        body["chat_template_kwargs"] = {"enable_thinking": False}
-    _inject_language(body, alias)
-    url = f"{LLAMA_SWAP_URL}{path}"
-
-    client = request.app.state.gw_client  # geteilter Keep-Alive-Client (siehe app.py lifespan)
-    if body.get("stream"):
-        async def gen():
-            async with client.stream("POST", url, json=body, timeout=None) as r:
-                async for chunk in r.aiter_raw():
-                    record_stream_chunk(chunk, alias)
-                    yield chunk
-        return StreamingResponse(gen(), media_type="text/event-stream", headers=routed)
-
-    r = await client.post(url, json=body, timeout=600.0)
-    resp_json = r.json()
-    record_usage(resp_json.get("usage") if isinstance(resp_json, dict) else None, alias)
-    return JSONResponse(resp_json, status_code=r.status_code, headers=routed)
-
-
-@router.post("/chat/completions")
-async def chat_completions(request: Request):
-    return await _proxy("/v1/chat/completions", request)
-
-
-@router.post("/completions")
-async def completions(request: Request):
-    return await _proxy("/v1/completions", request)

backend/routers/health.py

@@ -1,21 +0,0 @@
-"""Health-/Status-Endpoint — schlanker Lebenszeichen-Check für MC 2.0."""
-
-from fastapi import APIRouter
-
-from config import VERSION
-from services import gateway, llamaswap
-
-router = APIRouter(prefix="/api")
-
-
-@router.get("/health")
-def health() -> dict:
-    return {
-        "status": "ok",
-        "version": VERSION,
-        "engine_reachable": llamaswap.engine_reachable(),
-        "gateway_reachable": gateway.gateway_reachable(),
-        # Echte Hirn-Bereitschaft: Engine kann erreichbar sein, das Agent-Hirn ('fast') aber tot
-        # (Crash/OOM nach Engine-Update). Das wäre sonst ein silent fail (App-Fehler statt Status).
-        "brain": llamaswap.brain_status(),
-    }

backend/routers/hermes_ui.py

@@ -1,135 +0,0 @@
-"""
-Same-origin Reverse-Proxy für die EINGEBAUTE Hermes-Web-GUI (`hermes serve`/`dashboard`).
-
-Anders als das ttyd-Terminal (reiner Byte-Durchreicher, siehe routers/console.py) ist die
-Hermes-GUI eine volle Single-Page-App: HTML + gehashte Assets + JSON-API + MEHRERE WebSockets
-(/api/ws, /api/console, /api/pty, /api/events). Deshalb hier ein GENERISCHER Reverse-Proxy für
-alles unter `/hermes-ui/*` (alle HTTP-Methoden + beliebige WebSockets).
-
-Der Backend-Server läuft NUR auf Loopback (127.0.0.1:9119, `hermes serve --skip-build`, kein
-Login — gleiches LAN-Trust-Modell wie Konsole/Terminal) und wird über den ohnehin offenen
-MC2-Port (9001) same-origin durchgereicht → keine eigene Firewall-Freigabe, kein CORS.
-
-Damit die absoluten Pfade der SPA (`/assets`, `/api`, `/api/ws`) nicht mit MC2s eigenen (`/assets`,
-`/api`) kollidieren, wird das Hermes-Bundle mit Vite-`base=/hermes-ui/` gebaut (deploy.sh) — dann
-liegen ALLE seine Pfade unter `/hermes-ui/`. Dieser Proxy streift das Präfix ab und leitet an
-`:9119/...` weiter.
-"""
-
-import asyncio
-import logging
-import re
-
-import httpx
-import websockets
-from fastapi import APIRouter, Request, WebSocket
-from starlette.responses import RedirectResponse, Response
-
-from config import HERMES_BUILTIN_UI_UPSTREAM
-
-log = logging.getLogger(__name__)
-router = APIRouter()
-
-_BASE = "hermes-ui"
-
-# Hop-by-hop- + Kodierungs-Header, die ein Proxy nicht 1:1 weiterreichen darf (Länge/Encoding
-# rechnet Starlette neu; httpx liefert bereits dekodierten Body).
-_DROP = {
-    "connection", "keep-alive", "proxy-authenticate", "proxy-authorization", "te", "trailers",
-    "transfer-encoding", "upgrade", "content-encoding", "content-length", "host",
-}
-
-
-@router.websocket(f"/{_BASE}/{{path:path}}")
-async def _proxy_ws(ws: WebSocket, path: str) -> None:
-    """Beliebige WebSocket unter /hermes-ui/* (z. B. /hermes-ui/api/ws) an :9119 durchreichen."""
-    ws_upstream = HERMES_BUILTIN_UI_UPSTREAM.replace("http://", "ws://").replace("https://", "wss://")
-    query = ws.url.query
-    target = f"{ws_upstream}/{path}" + (f"?{query}" if query else "")
-    await ws.accept()
-    try:
-        async with websockets.connect(
-            target, open_timeout=10, max_size=None, ping_interval=None,
-        ) as up:
-            async def c2u() -> None:
-                while True:
-                    msg = await ws.receive()
-                    if msg.get("type") == "websocket.disconnect":
-                        return
-                    if (t := msg.get("text")) is not None:
-                        await up.send(t)
-                    elif (b := msg.get("bytes")) is not None:
-                        await up.send(b)
-
-            async def u2c() -> None:
-                async for m in up:
-                    if isinstance(m, (bytes, bytearray)):
-                        await ws.send_bytes(bytes(m))
-                    else:
-                        await ws.send_text(m)
-
-            _done, pending = await asyncio.wait(
-                [asyncio.create_task(c2u()), asyncio.create_task(u2c())],
-                return_when=asyncio.FIRST_COMPLETED,
-            )
-            for task in pending:
-                task.cancel()
-    except Exception:
-        log.debug("hermes-ui ws-proxy (%s) beendet/fehlgeschlagen", path, exc_info=True)
-    finally:
-        try:
-            await ws.close()
-        except Exception:
-            pass
-
-
-# Die SPA liest ihren API/WS-Basis-Pfad zur Laufzeit aus `window.__HERMES_BASE_PATH__` (nf() im
-# Bundle). `hermes serve` injiziert diese Zuweisung selbst ans Ende von <head> (Wert leer, weil es
-# auf Root läuft) — dessen Wert überschreiben wir auf /hermes-ui, sonst setzt die GUI ihre /api-Calls
-# auf MC2s eigenen /api-Namensraum (SPA-Fallback = HTML) ab. Die Assets liegen bereits per
-# Vite-base=/hermes-ui/ richtig. MC2 macht die Ersetzung → überlebt Hermes-Updates, ohne die gebaute
-# index.html patchen zu müssen. Fällt die Server-Injektion je weg, setzen wir sie ersatzweise selbst.
-_BASE_PATH_RE = re.compile(rb'window\.__HERMES_BASE_PATH__\s*=\s*"[^"]*"')
-_BASE_PATH_SET = b'window.__HERMES_BASE_PATH__="/' + _BASE.encode() + b'"'
-_HEAD_INJECT = b"<head><script>" + _BASE_PATH_SET + b";</script>"
-
-
-async def _proxy_http(request: Request, path: str = "") -> Response:
-    upstream = f"{HERMES_BUILTIN_UI_UPSTREAM}/{path}"
-    fwd_headers = {k: v for k, v in request.headers.items() if k.lower() not in _DROP}
-    # Upstream unkomprimiert anfordern: sonst greift die HTML-Injektion nicht und die
-    # content-encoding-Header würden nicht zum (bereits dekodierten) Body passen.
-    fwd_headers["accept-encoding"] = "identity"
-    try:
-        async with httpx.AsyncClient(timeout=30.0, follow_redirects=False) as c:
-            r = await c.request(
-                request.method, upstream,
-                headers=fwd_headers, params=request.query_params, content=await request.body(),
-            )
-    except httpx.HTTPError as exc:
-        log.debug("hermes-ui http-proxy (%s) nicht erreichbar: %s", path, exc)
-        return Response(
-            content=b"Hermes-WebUI (hermes serve) nicht erreichbar.",
-            status_code=502, media_type="text/plain",
-        )
-    body = r.content
-    if "text/html" in r.headers.get("content-type", "").lower():
-        if _BASE_PATH_RE.search(body):
-            body = _BASE_PATH_RE.sub(_BASE_PATH_SET, body)
-        elif b"<head>" in body:
-            body = body.replace(b"<head>", _HEAD_INJECT, 1)
-    resp_headers = {k: v for k, v in r.headers.items() if k.lower() not in _DROP}
-    return Response(content=body, status_code=r.status_code, headers=resp_headers)
-
-
-@router.get(f"/{_BASE}")
-async def _root_redirect() -> RedirectResponse:
-    # Ohne Schrägstrich → auf /hermes-ui/ umleiten (die SPA erwartet den Präfix mit Slash).
-    return RedirectResponse(url=f"/{_BASE}/")
-
-
-router.add_api_route(
-    f"/{_BASE}/{{path:path}}", _proxy_http,
-    methods=["GET", "POST", "PUT", "PATCH", "DELETE", "OPTIONS", "HEAD"],
-    name="hermes_ui_proxy",
-)

backend/routers/maintenance.py

@@ -1,80 +0,0 @@
-"""Wartungs-Endpoints: Update-Badge, OS-/Engine-Update, Reboot, Restart, Logs."""
-
-from fastapi import APIRouter, HTTPException, Header
-from pydantic import BaseModel
-
-from services import maintenance
-
-router = APIRouter(prefix="/api")
-
-
-class SudoReq(BaseModel):
-    sudo_password: str | None = None
-
-
-class RestartReq(BaseModel):
-    service: str
-    sudo_password: str | None = None
-
-
-@router.get("/maintenance/updates")
-def updates() -> dict:
-    return maintenance.updates()
-
-
-@router.get("/maintenance/update-details")
-def update_details(kind: str) -> dict:
-    if kind not in ("os", "engine", "swap", "hermes"):
-        raise HTTPException(400, "Unbekannte Update-Art.")
-    return maintenance.update_details(kind)
-
-@router.post("/maintenance/check-updates")
-def check_updates(body: SudoReq) -> dict:
-    res = maintenance.check_updates_job(body.sudo_password)
-    if isinstance(res, dict) and not res.get("ok", True):
-        return res
-    return res
-
-
-@router.post("/maintenance/os-update")
-def os_update(body: SudoReq) -> dict:
-    res = maintenance.os_update_job(body.sudo_password)
-    if isinstance(res, dict) and not res.get("ok", True):
-        return res
-    return res
-
-
-@router.post("/maintenance/engine-update")
-def engine_update(body: SudoReq) -> dict:
-    res = maintenance.engine_update_job(body.sudo_password)
-    if not res:
-        raise HTTPException(400, "Kein Engine-Update-Befehl gesetzt (MC_ENGINE_UPDATE_CMD).")
-    return res
-
-
-@router.post("/maintenance/swap-update")
-def swap_update(body: SudoReq) -> dict:
-    res = maintenance.swap_update_job(body.sudo_password)
-    if not res:
-        raise HTTPException(400, "Kein Router-Update-Befehl gesetzt (MC_SWAP_UPDATE_CMD).")
-    return res
-
-
-@router.post("/maintenance/hermes-update")
-def hermes_update() -> dict:
-    return maintenance.hermes_update_job()
-
-
-@router.post("/maintenance/reboot")
-def reboot(body: SudoReq) -> dict:
-    return maintenance.reboot(body.sudo_password)
-
-
-@router.post("/maintenance/restart")
-def restart(body: RestartReq) -> dict:
-    return maintenance.restart_service(body.service, body.sudo_password)
-
-
-@router.get("/maintenance/logs")
-def logs(service: str, lines: int = 200, x_sudo_password: str | None = Header(None)) -> dict:
-    return maintenance.logs(service, lines, x_sudo_password)

backend/routers/memory.py

@@ -1,93 +0,0 @@
-"""Memory-Endpoints (geteiltes Gedächtnis). LAN-only, kein Token in 2.0-Phase 3."""
-
-import time
-
-from fastapi import APIRouter, HTTPException
-from pydantic import BaseModel
-
-from services import memory
-from services.voice_metrics import park, record_stage
-
-router = APIRouter(prefix="/api")
-
-
-class MemIn(BaseModel):
-    content: str
-    category: str = "knowledge"
-    source: str = "manual"
-
-
-class MemUp(BaseModel):
-    content: str | None = None
-    category: str | None = None
-
-
-class DedupeIn(BaseModel):
-    apply: bool = False
-    threshold: float = 0.85
-
-
-class LearnIn(BaseModel):
-    text: str | None = None
-    messages: list[dict] | None = None
-    source: str = "auto"
-    category: str = "knowledge"
-
-
-@router.get("/memory/export")
-def export() -> dict:
-    return memory.export_text()
-
-
-@router.get("/memory/graph")
-def graph(min_score: float = 0.45, top_k: int = 3) -> dict:
-    """Fakten als Ähnlichkeits-Graph (Knoten + semantische Kanten) für die Visualisierung."""
-    return memory.graph(min_score=min_score, top_k=top_k)
-
-
-@router.post("/memory/learn", status_code=201)
-def learn(body: LearnIn) -> dict:
-    """Auto-Lernen: Gesprächs-Turns/Text durchreichen → Mem0 extrahiert Fakten selbst."""
-    return memory.learn(text=body.text, messages=body.messages,
-                        source=body.source, category=body.category)
-
-
-@router.post("/memory/dedupe")
-def dedupe(body: DedupeIn) -> dict:
-    return memory.dedupe(apply=body.apply, threshold=body.threshold)
-
-
-@router.get("/memory")
-def list_mem(q: str = "", category: str = "") -> list[dict]:
-    # Semantischer Retrieve (q gesetzt) = u.a. Hermes' Mem0-Prefetch VOR jedem Turn. Dauer messen
-    # + parken, damit der laufende Voice-Chat-Turn sie als Unter-Detail seiner Hirn-Zeit einsammelt.
-    if q:
-        _t0 = time.perf_counter()
-        res = memory.list_memories(q=q, category=category)
-        _ms = (time.perf_counter() - _t0) * 1000.0
-        record_stage("memory_retrieve", _ms)
-        park("retrieve", _ms)
-        return res
-    return memory.list_memories(q=q, category=category)
-
-
-@router.post("/memory", status_code=201)
-def add(body: MemIn) -> dict:
-    if body.category not in memory.CATEGORIES:
-        raise HTTPException(400, f"Kategorie '{body.category}' unbekannt.")
-    return memory.add_memory(body.content, body.category, body.source)
-
-
-@router.put("/memory/{mid}")
-def update(mid: str, body: MemUp) -> dict:
-    res = memory.update_memory(mid, content=body.content, category=body.category)
-    if not res:
-        raise HTTPException(404, "Eintrag nicht gefunden")
-    return res
-
-
-@router.delete("/memory/{mid}")
-def delete(mid: str) -> dict:
-    if not memory.delete_memory(mid):
-        raise HTTPException(404, "Eintrag nicht gefunden")
-    return {"ok": True}

backend/routers/models.py

@@ -1,293 +0,0 @@
-"""Modelle-Endpoints: Liste (mit Caps), Discover, Fit, Register, Groups."""
-
-import psutil
-from fastapi import APIRouter, HTTPException
-from pydantic import BaseModel
-
-from config import HF_DOWNLOAD_ENV, MODELS_DIR
-from services import budget, discover, hf, jobengine, llamaswap
-from services.fit import evaluate_fit, max_ctx_for
-
-router = APIRouter(prefix="/api")
-
-
-def _ram_gb() -> float:
-    return psutil.virtual_memory().total / (1024 ** 3)
-
-
-@router.get("/models")
-def models() -> dict:
-    items = llamaswap.list_models()
-    return {"models": items, "count": len(items), "running": llamaswap.get_running_models()}
-
-
-@router.get("/discover")
-def discover_models(force: bool = False) -> dict:
-    ram = _ram_gb()
-    data = discover.refresh_discover(ram) if force else discover.safe_discover(ram)
-    if not data:
-        raise HTTPException(502, "Modell-Quellen gerade nicht erreichbar — später erneut.")
-    return {**data, "sys_ram_gb": round(ram, 1)}
-
-
-@router.get("/fit")
-def fit(params_b: float = 0, quant: str = "Q4_K_M", ctx: int = 8192,
-        name: str = "", role: str = "") -> dict:
-    """Hardware-Fit-Vorschau. params_b<=0 → aus KATALOG (echte Metadaten, MoE-bewusst)
-    oder sonst aus dem Namen geschätzt. assigned_ctx = der ctx, der TATSÄCHLICH vergeben
-    würde: SETUP-BEWUSST (neben Hirn/warmem Set), nicht nur gegen den Gesamt-RAM.
-    So sieht die 'Erweiterte Ansicht' vor dem Download Ampel + echten ctx."""
-    ram = _ram_gb()
-    pb = params_b if params_b > 0 else budget.params_b_for(name)
-    saw = budget.setup_aware_ctx(pb, quant, role=role or None)
-    return {
-        "params_b": round(pb, 1),
-        "fit": evaluate_fit(pb, quant, ctx, ram, name=name),
-        "optimal_ctx": max_ctx_for(pb, quant, ram),   # Roh-Obergrenze (Modell allein)
-        "assigned_ctx": saw["ctx"],                     # setup-bewusst vergeben
-        "budget": {"gtt_gb": saw["gtt_gb"], "reserved_gb": saw["reserved_gb"],
-                   "budget_gb": saw["budget_gb"], "mode": saw["mode"]},
-        "sys_ram_gb": round(ram, 1),
-    }
-
-
-class RegisterReq(BaseModel):
-    model_path: str
-    role: str | None = None
-    ctx: int = 8192
-    ttl: int | None = None
-    mmproj_path: str | None = None
-    jinja: bool = False
-
-
-@router.post("/models/register")
-def register(req: RegisterReq) -> dict:
-    try:
-        model_id = llamaswap.register_model(
-            req.model_path, role=req.role, ctx=req.ctx, ttl=req.ttl,
-            mmproj_path=req.mmproj_path, jinja=req.jinja,
-        )
-    except PermissionError as exc:
-        raise HTTPException(500, str(exc))
-    return {"ok": True, "model_id": model_id}
-
-
-class InstallReq(BaseModel):
-    repo: str
-    role: str | None = None
-    quant: str = "Q4_K_M"
-    ctx: int | None = None
-    jinja: bool = False
-    hf_token: str | None = None
-
-
-@router.get("/hf/search")
-def hf_search(q: str = "") -> dict:
-    return {"results": hf.search(q)}
-
-
-@router.get("/hf/quants")
-def hf_quants(repo: str) -> dict:
-    repo = hf.normalize_repo(repo)
-    return {"repo": repo, "quants": hf.list_quants(repo)}
-
-
-@router.post("/models/install")
-def install(req: InstallReq) -> dict:
-    """Lädt ein Modell von HuggingFace (Hintergrund-Job) UND trägt es sofort in
-    llama-swap ein (cmd + Rolle-Alias). llama-swap (-watch-config) lädt es, sobald
-    die Datei da ist. Split-GGUFs werden komplett geladen, registriert wird der
-    erste Teil (-00001-of-…). Akzeptiert volle HF-URL ODER org/repo."""
-    repo = hf.normalize_repo(req.repo)
-    info = hf.resolve_gguf(repo, req.quant)
-    if not info["first"]:
-        raise HTTPException(404, f"Keine GGUF-Datei für Quant '{req.quant}' in {repo} gefunden.")
-
-    subdir = repo.split("/")[-1]
-    target = MODELS_DIR / subdir
-    target.mkdir(parents=True, exist_ok=True)
-    model_path = str(target / info["first"])
-    mmproj_path = str(target / info["mmproj"]) if info["mmproj"] else None
-
-    ctx = req.ctx
-    if ctx is None:
-        # SETUP-BEWUSST: größter ctx, der neben Hirn/warmem Set passt (nicht nur Modell allein).
-        ctx = budget.setup_aware_ctx(budget.params_b_for(repo), req.quant, role=req.role)["ctx"]
-
-    # Sofort registrieren (Datei kommt gleich) — robust gegen -watch-config.
-    try:
-        model_id = llamaswap.register_model(
-            model_path, role=req.role, ctx=ctx, mmproj_path=mmproj_path, jinja=req.jinja)
-    except PermissionError as exc:
-        raise HTTPException(500, str(exc))
-
-    # Download-Job: alle GGUF-Teile (+ mmproj) per --include holen.
-    args = [hf.hf_bin(), "download", repo]
-    for f in info["files"]:
-        args.append(f)
-    if info["mmproj"]:
-        args.append(info["mmproj"])
-    args += ["--local-dir", str(target)]
-    env = dict(HF_DOWNLOAD_ENV)
-    if req.hf_token:
-        env["HF_TOKEN"] = req.hf_token
-    job_id = jobengine.start_job(args, f"download {req.repo}", env=env)
-    jobengine.attach_download_progress(job_id, str(target), info["total_bytes"])
-    return {"ok": True, "job_id": job_id, "model_id": model_id, "model_path": model_path,
-            "total_bytes": info["total_bytes"], "files": len(info["files"])}
-
-
-@router.get("/jobs")
-def jobs() -> dict:
-    return {"jobs": jobengine.public_jobs()}
-
-
-@router.post("/jobs/{job_id}/cancel")
-def cancel(job_id: str) -> dict:
-    return {"ok": jobengine.cancel_job(job_id)}
-
-
-class RoleReq(BaseModel):
-    role: str | None = None
-
-
-@router.get("/roles/{role}/recommend")
-def recommend_role(role: str) -> dict:
-    """Welches installierte Modell passt am besten auf diese Rolle? (Capability + setup-
-    bewusster Fit). Basis für 'Empfohlen'-Hinweis + Auto-Pick im Rollen-Zuweisungs-Modal."""
-    from services import roles
-    return roles.recommend_for_role(role)
-
-
-@router.post("/models/{model_id}/role")
-def set_model_role(model_id: str, body: RoleReq) -> dict:
-    # Das Agent-Hirn (Rolle 'hermes') braucht den warm-bewussten Flow (Alias + brains-Gruppe +
-    # ttl 0 + Hermes config.default + Gateway-Restart) — Single Source of Truth UI ↔ Hermes.
-    if (body.role or "").strip().lower() == "hermes":
-        from services.agent import set_agent_brain
-        res = set_agent_brain(model_id)
-        if not res.get("ok"):
-            raise HTTPException(400, res.get("reason", "Fehler beim Setzen des Agent-Hirns"))
-        return res
-    if not llamaswap.set_role(model_id, body.role):
-        raise HTTPException(404, "Modell nicht gefunden")
-    return {"ok": True}
-
-
-class CtxReq(BaseModel):
-    ctx: int
-
-
-@router.get("/models/{model_id}/ctx/auto")
-def auto_ctx(model_id: str) -> dict:
-    """Setup-bewusster Optimal-ctx für ein bestehendes Modell (Rolle/Params/Quant +
-    aktuelles Setup). Basis für den 'Auto'-Button an der Modellkarte."""
-    m = next((x for x in llamaswap.list_models() if x["name"] == model_id), None)
-    if not m:
-        raise HTTPException(404, "Modell nicht gefunden")
-    saw = budget.setup_aware_ctx_for_model(m)
-    return {"model_id": model_id, "current_ctx": m.get("ctx"),
-            "params_b": round(budget.params_of_model(m), 1), "quant": m.get("quant"),
-            "role": m.get("role"), **saw}
-
-
-@router.post("/models/{model_id}/ctx")
-def set_model_ctx(model_id: str, body: CtxReq) -> dict:
-    if not llamaswap.set_ctx(model_id, body.ctx):
-        raise HTTPException(404, "Modell nicht gefunden")
-    return {"ok": True}
-
-
-@router.get("/models/drafts")
-def list_drafts(target: str = "") -> dict:
-    """Verfügbare Draft-Modelle + ihre Vocab-Kompatibilität zum Ziel-Modell
-    (target = GGUF-Pfad). Basis für die idiotensichere Spec-Draft-Auswahl im UI."""
-    return llamaswap.drafts_for(target)
-
-
-class DraftReq(BaseModel):
-    draft_path: str | None = None
-
-
-@router.post("/models/{model_id}/draft")
-def set_model_draft(model_id: str, body: DraftReq) -> dict:
-    """Setzt/entfernt den Speculative-Decoding-Draft eines Modells. Inkompatible
-    (oder nicht prüfbare) Drafts werden serverseitig abgelehnt."""
-    try:
-        res = llamaswap.set_spec_draft(model_id, body.draft_path)
-    except PermissionError as exc:
-        raise HTTPException(500, str(exc))
-    if not res["ok"]:
-        raise HTTPException(400 if "kompatib" in res["reason"].lower() else 404, res["reason"])
-    return res
-
-
-@router.post("/models/unload")
-def unload_all_models() -> dict:
-    import httpx
-    from config import LLAMA_SWAP_URL
-    try:
-        with httpx.Client(timeout=10.0) as c:
-            r = c.post(f"{LLAMA_SWAP_URL}/api/models/unload")
-            return {"ok": r.status_code == 200}
-    except Exception as exc:
-        raise HTTPException(500, str(exc))
-
-
-@router.post("/models/{model_id}/unload")
-def unload_model(model_id: str) -> dict:
-    import httpx
-    from config import LLAMA_SWAP_URL
-    try:
-        with httpx.Client(timeout=10.0) as c:
-            r = c.post(f"{LLAMA_SWAP_URL}/api/models/unload/{model_id}")
-            return {"ok": r.status_code == 200}
-    except Exception as exc:
-        raise HTTPException(500, str(exc))
-
-
-@router.post("/models/{model_id}/load")
-def load_model(model_id: str) -> dict:
-    import httpx
-    from config import LLAMA_SWAP_URL
-    try:
-        # Trigger load by sending a lightweight completion request.
-        body = {
-            "model": model_id,
-            "messages": [{"role": "user", "content": "ping"}],
-            "max_tokens": 1
-        }
-        # High timeout because model loading might take time
-        with httpx.Client(timeout=60.0) as c:
-            c.post(f"{LLAMA_SWAP_URL}/v1/chat/completions", json=body)
-            return {"ok": True}
-    except Exception as exc:
-        raise HTTPException(500, str(exc))
-
-
-@router.delete("/models/{model_id}")
-def delete(model_id: str) -> dict:
-    if not llamaswap.delete_model(model_id):
-        raise HTTPException(404, "Modell nicht gefunden")
-    return {"ok": True}
-
-
-@router.get("/groups")
-def groups() -> dict:
-    return {"groups": llamaswap.list_groups()}
-
-
-class GroupReq(BaseModel):
-    group: str
-    members: list[str]
-    swap: bool = False
-    persist: bool = False
-
-
-@router.put("/groups")
-def set_group(req: GroupReq) -> dict:
-    try:
-        llamaswap.set_group(req.group, req.members, swap=req.swap, persist=req.persist)
-    except PermissionError as exc:
-        raise HTTPException(500, str(exc))
-    return {"ok": True}

backend/routers/reminders.py

@@ -1,37 +0,0 @@
-"""Erinnerungen & Routinen (A3) — dünner REST-Layer über services/reminders.py.
-Konsument ist v.a. der Hermes-Agent via mcp_mc.py (reminder_create/list/delete);
-LAN-only wie alle MC2-Endpoints."""
-
-from fastapi import APIRouter, HTTPException
-from pydantic import BaseModel
-
-from services import reminders
-
-router = APIRouter(prefix="/api")
-
-
-class ReminderIn(BaseModel):
-    text: str          # was angesagt werden soll
-    when: str          # ISO-8601; ohne Offset = Commander-Zeitzone (Europe/Berlin)
-    repeat: str = ""   # '' einmalig | daily | weekdays | weekly
-
-
-@router.get("/reminders")
-def list_reminders() -> dict:
-    return {"items": reminders.list_all()}
-
-
-@router.post("/reminders")
-def create_reminder(body: ReminderIn) -> dict:
-    try:
-        return {"ok": True, "item": reminders.create(body.text, body.when, body.repeat)}
-    except ValueError as exc:
-        raise HTTPException(400, str(exc))
-
-
-@router.delete("/reminders/{reminder_id}")
-def delete_reminder(reminder_id: int) -> dict:
-    try:
-        return {"ok": True, "deleted": reminders.delete(reminder_id)}
-    except KeyError as exc:
-        raise HTTPException(404, str(exc.args[0]))

backend/routers/routing.py

@@ -1,43 +0,0 @@
-"""Routing-Endpoints: Lane-Summary (chat/coding) + UI-editierbare Policy (hot-reload)."""
-
-from fastapi import APIRouter, HTTPException
-from pydantic import BaseModel
-
-from services import gateway
-from services.routing_policy import policy_meta, save_policy
-
-router = APIRouter(prefix="/api")
-
-
-@router.get("/routing")
-def routing() -> dict:
-    return {**gateway.routing_summary(), "gateway_reachable": gateway.gateway_reachable()}
-
-
-@router.get("/routing/policy")
-def get_policy() -> dict:
-    """Aktuelle Policy + Defaults (für „Zurücksetzen“) + Feld-Spezifikation für den Editor."""
-    return policy_meta()
-
-
-class PolicyPatch(BaseModel):
-    fast: str | None = None
-    heavy: str | None = None
-    coder: str | None = None
-    coder_lite: str | None = None
-    heavy_chars: int | None = None
-    coding_escalate_chars: int | None = None
-    fast_no_think: bool | None = None
-
-
-@router.put("/routing/policy")
-def put_policy(patch: PolicyPatch) -> dict:
-    """Teil-Update der Routing-Policy. Validiert, persistiert atomar, sofort wirksam (hot-reload)."""
-    fields = {k: v for k, v in patch.model_dump().items() if v is not None}
-    if not fields:
-        raise HTTPException(status_code=400, detail="Keine Felder zum Aktualisieren.")
-    try:
-        new_policy = save_policy(fields)
-    except (ValueError, TypeError) as e:
-        raise HTTPException(status_code=400, detail=f"Ungültige Policy: {e}")
-    return {"policy": new_policy}

backend/routers/system.py

@@ -1,130 +0,0 @@
-"""System-Endpoints: Live-Status + Wartung (Restart/Self-Update — auf der Box).
-
-Wartung läuft als systemd-USER-Dienst → KEIN sudo/Passwort (Nordstern).
-Lokal (Windows) schlagen die Shell-Befehle harmlos fehl und werden als Fehler
-zurückgegeben statt zu crashen.
-"""
-
-import logging
-import os
-import subprocess
-
-from fastapi import APIRouter
-from pydantic import BaseModel
-
-import httpx
-
-from config import GATEWAY_URL, HERMES_API_URL, LLAMA_SWAP_URL, MEM0_SERVICE_URL, VOICE_SERVICE_URL
-from services import backup as backup_svc
-from services import maintenance
-from services.agent import agent_status
-from services.gateway import gateway_reachable
-from services.llamaswap import engine_reachable, list_models
-from services.pricing import compute_savings
-from services.system import system_status
-from services.token_stats import get_stats
-
-log = logging.getLogger(__name__)
-
-router = APIRouter(prefix="/api")
-
-# Quelle für Self-Update (auf der Box ~/mission-control-v2).
-SOURCE_DIR = os.path.expanduser(os.environ.get("MC2_SOURCE_DIR", "~/mission-control-v2"))
-
-
-@router.get("/system/status")
-def status() -> dict:
-    return system_status()
-
-
-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
-    except Exception:
-        return False
-
-
-@router.get("/system/services")
-def services() -> dict:
-    """Aggregierte Erreichbarkeit aller Stack-Dienste (für die Health-Anzeige)."""
-    a = agent_status()
-    gw_url = f"{GATEWAY_URL}/v1"
-    return {
-        "services": [
-            {"name": "Engine (llama-swap)", "unit": "llama-swap", "url": LLAMA_SWAP_URL, "ok": engine_reachable()},
-            {"name": "Gateway (integriert)", "unit": "mission-control-2", "url": gw_url, "ok": gateway_reachable()},
-            {"name": "Hermes-Gateway", "unit": "hermes-gateway", "url": HERMES_API_URL, "ok": a["gateway_reachable"]},
-            {"name": "Hermes-Terminal", "unit": "hermes-terminal", "url": a["terminal_url"], "ok": a["terminal_reachable"]},
-            {"name": "Mem0 (Gedächtnis)", "unit": "mem0-service", "url": MEM0_SERVICE_URL, "ok": _mem0_reachable()},
-            {"name": "Voice (STT/TTS)", "unit": "voice-service", "url": VOICE_SERVICE_URL, "ok": _voice_reachable()},
-        ],
-        "links": {
-            "engine_ui": f"{LLAMA_SWAP_URL}/ui",
-            "gateway": gw_url,
-            "hermes_terminal": a["terminal_url"],
-        },
-    }
-
-
-@router.post("/system/backup")
-def backup() -> dict:
-    return backup_svc.backup_now()
-
-
-@router.get("/system/backups")
-def backups() -> dict:
-    return {"backups": backup_svc.list_backups()}
-
-
-def _run(cmd: list[str], cwd: str | None = None) -> dict:
-    try:
-        p = subprocess.run(cmd, cwd=cwd, capture_output=True, text=True, timeout=180)
-        return {"ok": p.returncode == 0, "code": p.returncode,
-                "out": (p.stdout or "")[-2000:], "err": (p.stderr or "")[-2000:]}
-    except Exception as exc:  # noqa: BLE001
-        return {"ok": False, "code": -1, "out": "", "err": str(exc)}
-
-
-class RestartReq(BaseModel):
-    service: str
-
-
-@router.post("/system/restart")
-def restart(req: RestartReq) -> dict:
-    """Dienst neustarten. Delegiert an den Wartungs-Service (EINE Allowlist-Wahrheit):
-    der kennt System-Dienste (llama-swap, via sudo -n) UND User-Dienste und wird auch von
-    der UI (/api/maintenance/restart) genutzt. Vorher lag hier eine zweite, veraltete Liste
-    (ohne llama-swap/hermes-terminal, mit Geist-Eintrag hermes-webui) → Engine-Neustart per
-    Sprache/MCP schlug fehl."""
-    return maintenance.restart_service(req.service)
-
-
-@router.post("/system/self-update")
-def self_update() -> dict:
-    """git pull (Source) → venv-Deps → Dienst-Restart. Auf der Box; lokal Fehler."""
-    pull = _run(["git", "fetch", "--all"], cwd=SOURCE_DIR)
-    reset = _run(["git", "reset", "--hard", "origin/main"], cwd=SOURCE_DIR)
-    restart_res = _run(["systemctl", "--user", "restart", "mission-control-2"])
-    return {"pull": pull, "reset": reset, "restart": restart_res}
-
-
-@router.get("/system/token-stats")
-def token_stats() -> dict:
-    """Token-Verbrauch + Cloud-Ersparnis. Logik im pricing-Service (SSoT)."""
-    # Rolle je Modell/Alias (lowercase) für die Tarif-Auflösung auflösen.
-    role_map: dict[str, str | None] = {}
-    try:
-        for m in list_models():
-            role_map[m["name"].lower()] = m.get("role")
-            for alias in m.get("aliases", []):
-                role_map[alias.lower()] = m.get("role")
-    except Exception:
-        log.warning("token_stats: list_models fehlgeschlagen, Tarife per Name", exc_info=True)
-    return compute_savings(get_stats(), role_map)

backend/routers/voice.py

@@ -1,357 +0,0 @@
-"""
-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
-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.
-"""
-
-import logging
-import os
-import time
-
-import httpx
-from fastapi import APIRouter, File, Form, HTTPException, UploadFile
-from fastapi.responses import Response, StreamingResponse
-from pydantic import BaseModel
-
-from config import HERMES_API_KEY, HERMES_API_MODEL, HERMES_API_URL, LLAMA_SWAP_URL, VOICE_SERVICE_URL
-from services import announce
-from services.voice_metrics import (  # Per-Stage-Latenz + Per-Turn-Trace (intern)
-    Timer,
-    TurnTrace,
-    get_metrics,
-    get_trace,
-    park,
-    record_stage,
-)
-
-# Injection-Schutz (Stufe 0): guard.py liegt im mcp/-Verzeichnis. Per Pfad laden (eigene MC2-Venv).
-import sys as _sys
-_GUARD_DIR = os.path.join(os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))), "mcp")
-if _GUARD_DIR not in _sys.path:
-    _sys.path.insert(0, _GUARD_DIR)
-try:
-    from guard import wrap_untrusted
-except Exception:  # den Voice-Pfad nie wegen des Filters lahmlegen
-    def wrap_untrusted(text: str, label: str = "") -> str:
-        return text
-
-log = logging.getLogger(__name__)
-router = APIRouter(prefix="/api")
-
-# Bildschirm-Sicht: das DEDIZIERTE Vision-Modell (Qwen3-VL-8B) beschreibt das Bild; die Beschreibung
-# geht als TEXT an Hermes -> Lucy behält ihr volles Hirn/Gedächtnis UND nutzt das bessere VL-Modell
-# (statt der schwächeren Vision der fast-MoE). Per Env abschaltbar/umstellbar.
-VISION_MODEL = os.environ.get("MC_VISION_MODEL", "vision")
-# Knappe Beschreibung = schnellere VL-Generierung UND weniger Hermes-Kontext-Bloat (B2).
-VISION_MAX_TOKENS = int(os.environ.get("MC_VISION_MAX_TOKENS", "280"))
-
-
-async def _describe_images(image_urls: list[str], hint: str) -> str:
-    """Lässt das Vision-Modell die Screenshots (1 je Monitor) knapp beschreiben (Deutsch).
-    Mehrere Bilder gehen in EINER Nachricht ans VL-Modell. Leerer String bei Fehler."""
-    multi = len(image_urls) > 1
-    intro = (f"Hier sind {len(image_urls)} Screenshots (je ein Monitor). Beschreibe auf Deutsch in höchstens "
-             "5 kurzen Sätzen das Wesentliche (pro Monitor: App/Fenster, wichtige Inhalte, sichtbarer Text/Code). "
-             "Keine Einleitung, keine Wiederholung der Frage. "
-             if multi else
-             "Beschreibe auf Deutsch in höchstens 5 kurzen Sätzen das Wesentliche auf diesem Screenshot "
-             "(App/Fenster, wichtige Inhalte, sichtbarer Text/Code). Keine Einleitung. ")
-    content: list = [{"type": "text", "text": intro + "Frage des Nutzers dazu: " + hint}]
-    for u in image_urls:
-        content.append({"type": "image_url", "image_url": {"url": u}})
-    try:
-        # 45 s statt 120 s: Qwen3-VL braucht warm ~5 s; wenn es 45 s nicht schafft, ist etwas
-        # kaputt und Lucy soll lieber ohne Bildschirm-Kontext antworten als ewig hängen.
-        async with httpx.AsyncClient(timeout=httpx.Timeout(float(os.environ.get("MC_VISION_TIMEOUT", "45")), connect=5.0)) as client:
-            r = await client.post(f"{LLAMA_SWAP_URL}/v1/chat/completions", json={
-                "model": VISION_MODEL, "max_tokens": VISION_MAX_TOKENS, "stream": False,
-                "messages": [{"role": "user", "content": content}],
-            })
-            r.raise_for_status()
-            return (r.json().get("choices") or [{}])[0].get("message", {}).get("content", "").strip()
-    except Exception as exc:
-        log.warning("Vision-Beschreibung fehlgeschlagen: %s", exc)
-        return ""
-
-_TIMEOUT = httpx.Timeout(120.0, connect=5.0)   # Chatterbox-TTS auf CPU darf dauern
-
-
-class TTSIn(BaseModel):
-    text: str
-    engine: str = "piper"
-    voice: str = ""
-    language: str = ""
-    ref_path: str = ""
-
-
-class ChatIn(BaseModel):
-    text: str                       # die neue User-Äußerung (STT-Ergebnis)
-    session_id: str                 # stabiler Voice-Faden → server-seitiger Transcript
-    session_key: str = ""           # optional: Langzeit-Memory-Scope
-    system: str = ""                # optionaler ephemerer System-Prompt (z.B. „antworte knapp/gesprochen")
-    model: str = ""
-    images: list[str] = []          # optionale Bildschirm-Sicht: ein data:-URL je Monitor (Lucys „Augen")
-
-
-class AnnounceIn(BaseModel):
-    text: str                       # die Meldung (wird von Lucy gesprochen)
-    subject: str = ""               # kurze Betreffzeile (z.B. "[Update]")
-    source: str = ""                # Absender (sentry/notify/cron …) — nur fürs Log/Panel
-    priority: str = "normal"        # 'silent' = nur im Verlauf zeigen, nicht sprechen
-
-
-class AlarmIn(BaseModel):
-    text: str                       # die Alarm-Meldung
-    subject: str = "[Alarm]"        # Betreff (Telegram-Präfix)
-    source: str = "alarm"           # Absender fürs Log/Panel (z.B. "lucy-watchdog")
-
-
-@router.post("/alarm")
-def alarm(body: AlarmIn) -> dict:
-    """Lucy-UNABHÄNGIGER Alarm-Weg: schickt direkt auf Telegram (und legt die Meldung in den
-    Briefkasten). Für Absender, die NICHT auf die sprechende Lucy zählen können — allen voran
-    der PC-seitige Lucy-Watchdog, wenn die Desktop-App selbst hängt (dann nützt der Briefkasten
-    nichts, weil niemand ihn vorliest → Telegram ist der einzige verlässliche Kanal). LAN-only
-    wie alle MC2-Endpoints."""
-    text = (body.text or "").strip()
-    if not text:
-        raise HTTPException(400, "Leere Meldung.")
-    subject = (body.subject or "[Alarm]").strip()
-    try:
-        item = announce.add(text, subject, body.source or "alarm", "normal")
-    except ValueError as exc:
-        raise HTTPException(400, str(exc))
-    announce.notify_telegram(subject, text)   # best-effort Telegram (posix/bash; Windows = No-op)
-    return {"ok": True, "item": item}
-
-
-@router.post("/voice/announce")
-def voice_announce(body: AnnounceIn) -> dict:
-    """Meldung in den Briefkasten legen (Lucy-Proaktivität). Absender: Health-Wächter,
-    notify.sh (Updates/Radar/Telegram-Spiegel), Hermes-cron. LAN-only wie alle MC2-Endpoints."""
-    try:
-        return {"ok": True, "item": announce.add(body.text, body.subject, body.source, body.priority)}
-    except ValueError as exc:
-        raise HTTPException(400, str(exc))
-
-
-@router.get("/voice/announcements")
-def voice_announcements(after: int | None = None, limit: int = 20) -> dict:
-    """Neue Meldungen nach Cursor `after` abholen (Lucy pollt). Ohne `after` nur den
-    aktuellen Cursor-Stand (latest) — Erststart plappert so keine alten Meldungen nach."""
-    return announce.list_after(after, limit)
-
-
-@router.get("/voice/health")
-def voice_health() -> dict:
-    """Erreichbarkeit des Voice-Sidecars + ob der Hermes-API-Key gesetzt ist."""
-    out: dict = {"sidecar": False, "hermes_key": bool(HERMES_API_KEY)}
-    try:
-        r = httpx.get(f"{VOICE_SERVICE_URL}/health", timeout=httpx.Timeout(5.0))
-        out["sidecar"] = r.status_code == 200
-        out["detail"] = r.json() if r.status_code == 200 else None
-    except Exception as exc:  # noqa: BLE001
-        out["error"] = str(exc)
-    return out
-
-
-@router.get("/voice/metrics")
-def voice_metrics() -> dict:
-    """Rollende Latenz-Stats je Stufe (avg/p50/p95/last, ms). Quelle u.a. für selbstkritik-feed.sh."""
-    return get_metrics()
-
-
-@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 —
-    damit man den EINEN langsamen Turn sieht, den ein Durchschnitt verschluckt."""
-    return {"turns": get_trace(limit)}
-
-
-@router.get("/voice/voices")
-def voice_voices() -> dict:
-    try:
-        r = httpx.get(f"{VOICE_SERVICE_URL}/voices", timeout=httpx.Timeout(10.0))
-        r.raise_for_status()
-        return r.json()
-    except Exception as exc:  # noqa: BLE001
-        raise HTTPException(502, f"Voice-Sidecar nicht erreichbar: {exc}")
-
-
-@router.post("/voice/stt")
-async def voice_stt(audio: UploadFile = File(...), language: str = Form(default="")) -> dict:
-    """Mikro-Audio → Text (Proxy auf Sidecar /stt)."""
-    data = await audio.read()
-    if not data:
-        raise HTTPException(400, "Leeres Audio.")
-    files = {"audio": (audio.filename or "rec.webm", data, audio.content_type or "audio/webm")}
-    try:
-        async with httpx.AsyncClient(timeout=_TIMEOUT) as client:
-            _t0 = time.perf_counter()
-            r = await client.post(f"{VOICE_SERVICE_URL}/stt", files=files, data={"language": language})
-            _ms = (time.perf_counter() - _t0) * 1000.0
-            record_stage("stt", _ms)
-            park("stt", _ms)  # der folgende /voice/chat-Turn sammelt die STT-Dauer für seinen Trace ein
-            r.raise_for_status()
-            return r.json()
-    except httpx.HTTPError as exc:
-        raise HTTPException(502, f"STT fehlgeschlagen: {exc}")
-
-
-@router.post("/voice/turn")
-async def voice_turn(audio: UploadFile = File(...)) -> dict:
-    """Semantische Turn-Detection (Smart Turn v3): war die Äußerung fertig? Proxy → Sidecar."""
-    data = await audio.read()
-    if not data:
-        raise HTTPException(400, "Leeres Audio.")
-    files = {"audio": (audio.filename or "rec.wav", data, audio.content_type or "audio/wav")}
-    try:
-        async with httpx.AsyncClient(timeout=httpx.Timeout(10.0, connect=3.0)) as client:
-            with Timer("turn"):
-                r = await client.post(f"{VOICE_SERVICE_URL}/turn", files=files)
-            r.raise_for_status()
-            return r.json()
-    except httpx.HTTPError as exc:
-        # Turn-Check ist eine Optimierung — bei Ausfall lieber sofort antworten als hängen.
-        log.warning("Turn-Check fehlgeschlagen: %s", exc)
-        return {"complete": True, "probability": 1.0, "engine": "fallback"}
-
-
-@router.post("/voice/reference")
-async def voice_set_reference(audio: UploadFile = File(...)) -> dict:
-    """Klon-Referenz (z.B. ElevenLabs-Erzeugnis) hochladen → Chatterbox nutzt sie. Proxy → Sidecar."""
-    data = await audio.read()
-    if not data:
-        raise HTTPException(400, "Leeres Audio.")
-    files = {"audio": (audio.filename or "ref.wav", data, audio.content_type or "audio/mpeg")}
-    try:
-        async with httpx.AsyncClient(timeout=_TIMEOUT) as client:
-            r = await client.post(f"{VOICE_SERVICE_URL}/reference", files=files)
-            r.raise_for_status()
-            return r.json()
-    except httpx.HTTPError as exc:
-        raise HTTPException(502, f"Referenz-Upload fehlgeschlagen: {exc}")
-
-
-@router.get("/voice/reference")
-def voice_get_reference() -> dict:
-    try:
-        r = httpx.get(f"{VOICE_SERVICE_URL}/reference", timeout=httpx.Timeout(8.0))
-        r.raise_for_status()
-        return r.json()
-    except Exception as exc:  # noqa: BLE001
-        return {"active": False, "error": str(exc)}
-
-
-@router.delete("/voice/reference")
-def voice_clear_reference() -> dict:
-    try:
-        r = httpx.delete(f"{VOICE_SERVICE_URL}/reference", timeout=httpx.Timeout(8.0))
-        r.raise_for_status()
-        return r.json()
-    except httpx.HTTPError as exc:
-        raise HTTPException(502, f"Löschen fehlgeschlagen: {exc}")
-
-
-@router.post("/voice/tts")
-async def voice_tts(body: TTSIn) -> Response:
-    """Text → Sprache (Proxy auf Sidecar /tts), liefert WAV-Bytes."""
-    try:
-        async with httpx.AsyncClient(timeout=_TIMEOUT) as client:
-            with Timer("tts"):
-                r = await client.post(f"{VOICE_SERVICE_URL}/tts", json=body.model_dump())
-            r.raise_for_status()
-            return Response(content=r.content, media_type=r.headers.get("content-type", "audio/wav"))
-    except httpx.HTTPError as exc:
-        raise HTTPException(502, f"TTS fehlgeschlagen: {exc}")
-
-
-@router.post("/voice/chat")
-async def voice_chat(body: ChatIn) -> StreamingResponse:
-    """Neue User-Äußerung → Hermes-Agent (api_server, streamend). SSE wird 1:1 durchgereicht.
-
-    Mit `X-Hermes-Session-Id` hält die Plattform den Verlauf — wir senden nur die neue Nachricht.
-    Auth per Bearer (API_SERVER_KEY); ohne Key liefert :8642 ein 401."""
-    if not HERMES_API_KEY:
-        raise HTTPException(503, "HERMES_API_KEY/API_SERVER_KEY nicht gesetzt — Agent-Auth fehlt.")
-
-    headers = {
-        "Authorization": f"Bearer {HERMES_API_KEY}",
-        "X-Hermes-Session-Id": body.session_id,
-    }
-    if body.session_key:
-        headers["X-Hermes-Session-Key"] = body.session_key
-
-    async def gen():
-        # Per-Turn-Trace: sammelt STT (davor, geparkt) + Vision + Hirn-TTFT + Generierung + Mem0
-        # (Rückruf während) zu EINEM Datensatz -> die Latenz-Ansicht zeigt den einzelnen Hänger.
-        trace = TurnTrace(session_id=body.session_id, kind="voice")
-        first = True
-        first_content = True
-        committed = False
-
-        def _commit() -> None:
-            nonlocal committed
-            if not committed:
-                committed = True
-                trace.commit()
-
-        try:
-            # Bildschirm-Sicht INNERHALB des Streams (C2-Fix): so startet die SSE-Antwort sofort und
-            # der Client bekommt ein Progress-Event (-> Lucy kann eine Warte-Ansage sprechen), statt
-            # dass der Request bis zu 120 s "tot" hängt, während das Vision-Modell beschreibt.
-            user_text = body.text
-            imgs = [u for u in (body.images or []) if u]
-            trace.had_images = bool(imgs)
-            if imgs:
-                yield b'event: hermes.vision.progress\ndata: {"note": "Bildschirm wird angeschaut"}\n\n'
-                _tv = time.perf_counter()
-                desc = await _describe_images(imgs, body.text)
-                trace.note_vision((time.perf_counter() - _tv) * 1000.0)
-                if desc:
-                    safe_desc = wrap_untrusted(desc, "BILDSCHIRM")
-                    user_text = f"[Bildschirm-Sicht — das ist gerade auf dem/den Schirm(en) zu sehen:\n{safe_desc}\n]\n\n{body.text}"
-            messages = []
-            if body.system:
-                messages.append({"role": "system", "content": body.system})
-            messages.append({"role": "user", "content": user_text})
-            trace.mark_brain_start()  # ab hier zählt die Hirn-Zeit (Vision ist schon abgeschlossen)
-            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.
-            if os.environ.get("MC_VOICE_NO_THINK", "1") not in ("0", "false", "False"):
-                payload["chat_template_kwargs"] = {"enable_thinking": False}
-            try:
-                async with httpx.AsyncClient(timeout=httpx.Timeout(None, connect=5.0)) as client:
-                    async with client.stream(
-                        "POST", f"{HERMES_API_URL}/v1/chat/completions", json=payload, headers=headers,
-                    ) as r:
-                        if r.status_code != 200:
-                            detail = (await r.aread()).decode("utf-8", "replace")[:500]
-                            trace.error = f"Hermes {r.status_code}"
-                            yield f"data: {{\"error\": \"Hermes {r.status_code}: {detail}\"}}\n\n".encode()
-                            return
-                        async for chunk in r.aiter_raw():
-                            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) —
-                            # 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()
-                                first_content = False
-                            yield chunk
-            except httpx.HTTPError as exc:
-                trace.error = "verbindung"
-                yield f"data: {{\"error\": \"Verbindung zu Hermes fehlgeschlagen: {exc}\"}}\n\n".encode()
-        finally:
-            _commit()  # Turn immer verbuchen (auch bei Fehler/Abbruch)
-
-    return StreamingResponse(gen(), media_type="text/event-stream")

backend/services/agent.py

@@ -1,264 +0,0 @@
-"""
-Hermes-Agent-Status (Control-Plane-Read). MC betreibt Hermes NICHT — es zeigt nur
-Status + verlinkt das standalone hermes-webui. Voller Zugriff + Tools/MCP werden in
-Hermes' eigener Config verdrahtet (siehe docs/HERMES_SETUP.md).
-"""
-
-import logging
-import os
-import re
-
-import httpx
-import psutil
-
-from config import (HERMES_TERMINAL_UPSTREAM, HERMES_TERMINAL_PATH, BOX_CONSOLE_UPSTREAM,
-                    BOX_CONSOLE_PATH, HERMES_BUILTIN_UI_UPSTREAM, HERMES_BUILTIN_UI_PATH,
-                    HERMES_API_URL, HERMES_HOME, PC_EXECUTOR_URL)
-
-log = logging.getLogger(__name__)
-
-
-def _hermes_version(name: str) -> float | None:
-    """Versionszahl aus 'Hermes-4.3', 'Hermes-4', 'Nous-Hermes-2' → 4.3/4.0/2.0."""
-    low = (name or "").lower()
-    if "hermes" not in low:
-        return None
-    m = re.search(r"hermes[-_ ]?(\d+(?:\.\d+)?)", low)
-    return float(m.group(1)) if m else None
-
-
-def _active_brain_name() -> str:
-    """Aktives Agent-Hirn aus Hermes' Config: model.default (sonst model.model)."""
-    try:
-        from ruamel.yaml import YAML
-        p = HERMES_HOME / "config.yaml"
-        if p.exists():
-            with p.open(encoding="utf-8") as f:
-                cfg = YAML().load(f) or {}
-            m = (cfg.get("model") or {}) if isinstance(cfg, dict) else {}
-            return str(m.get("default") or m.get("model") or "auto")
-    except Exception:
-        log.debug("_active_brain_name: Lesefehler", exc_info=True)
-    return "auto"
-
-
-def hermes_brain_info() -> dict:
-    """Aktuelles Agent-Hirn = Modell/Alias, das Hermes laut Config nutzt (model.default),
-    plus Budget-Check. Zeigt das REAL genutzte Hirn — unabhängig von einer 'hermes'-Rolle."""
-    from services import llamaswap
-
-    models = llamaswap.list_models()
-    brain = _active_brain_name()              # z.B. "fast" (Alias) oder ein Modellname
-    bl = brain.lower()
-    cur = next((m for m in models if (m.get("role") or "").lower() == bl), None) \
-        or next((m for m in models if bl in (m["name"] or "").lower()), None)
-    cur_params = (cur.get("capabilities") or {}).get("params_b") if cur else None
-    current = None
-    if cur:
-        current = {"name": cur["name"], "alias": brain, "filename": cur.get("filename"),
-                   "params_b": cur_params, "quant": cur.get("quant"),
-                   "size_bytes": cur.get("size_bytes"),
-                   "gguf_path": cur.get("gguf_path"), "incomplete": cur.get("incomplete")}
-
-    # Fit-Check: passt das (immer warme) Hirn + das größte on-demand-Modell zusammen ins Budget?
-    budget = None
-    try:
-        from services.budget import footprint_gb, gtt_budget_gb
-        groups = llamaswap.list_groups()
-        persist = set()
-        for g in groups.values():
-            if isinstance(g, dict) and (g.get("persist") or g.get("persistent")):
-                persist.update(g.get("members") or [])
-
-        cur_name = cur["name"] if cur else None
-        brain_gb = footprint_gb(cur) if cur else 0.0
-        # voller Always-Warm-Footprint (alle persist, Brain=Empfehlung) — nur Info
-        warm = brain_gb + sum(footprint_gb(m) for m in models
-                              if m["name"] in persist and m["name"] != cur_name)
-        largest_od = max((footprint_gb(m) for m in models if m["name"] not in persist), default=0.0)
-        gtt = gtt_budget_gb()
-        # Seit dem `persistent`-Fix (03.07.) bleibt das GANZE Warmset (Hirn+embed+vision)
-        # resident, wenn ein on-demand-Modell DANEBEN lädt → der reale Peak ist Warmset +
-        # größtes on-demand, nicht nur Hirn + größtes. Genau daran wird `fits` gemessen.
-        budget = {
-            "gtt_gb": gtt,
-            "brain_gb": round(brain_gb, 1),
-            "warm_projected_gb": round(warm, 1),
-            "largest_ondemand_gb": round(largest_od, 1),
-            "fits": (warm + largest_od) <= gtt,
-            "free_after_gb": round(gtt - warm - largest_od, 1),
-        }
-    except Exception:
-        log.debug("hermes_brain_info: Budget-Berechnung fehlgeschlagen", exc_info=True)
-
-    return {"current": current, "recommended": None, "update_available": False, "budget": budget}
-
-
-def _reach(url: str, path: str = "") -> bool:
-    try:
-        with httpx.Client(timeout=3.0) as c:
-            return c.get(f"{url}{path}").status_code < 500
-    except httpx.HTTPError:
-        return False
-
-
-def _count_enabled_mcp_servers() -> int:
-    config_path = HERMES_HOME / "config.yaml"
-    if not config_path.exists():
-        return 0
-    try:
-        from ruamel.yaml import YAML
-        r_yaml = YAML()
-        with config_path.open("r", encoding="utf-8") as f:
-            cfg = r_yaml.load(f) or {}
-        mcp_servers = cfg.get("mcp_servers", {}) if isinstance(cfg, dict) else {}
-        if not isinstance(mcp_servers, dict):
-            return 0
-        return sum(1 for v in mcp_servers.values() if isinstance(v, dict) and v.get("enabled", True))
-    except Exception:
-        log.debug("_count_enabled_mcp_servers: Fehler", exc_info=True)
-        return 0
-
-
-def agent_status() -> dict:
-    """Erreichbarkeit von Gateway (:8642) + WebUI (:8787) + lokale Hinweise."""
-    home = HERMES_HOME
-    brain_model = "auto"
-    config_path = home / "config.yaml"
-    if config_path.exists():
-        try:
-            from ruamel.yaml import YAML
-            r_yaml = YAML()
-            with config_path.open("r", encoding="utf-8") as f:
-                cfg = r_yaml.load(f) or {}
-                if isinstance(cfg, dict):
-                    # Hermes nutzt model.default als aktives Modell (model.model = Provider-Param).
-                    m = cfg.get("model", {}) or {}
-                    brain_model = m.get("default") or m.get("model") or "auto"
-        except Exception:
-            log.debug("agent_status: Hermes-config.yaml nicht lesbar", exc_info=True)
-
-
-    return {
-        "gateway_url": HERMES_API_URL,
-        # Interaktives Web-Terminal (ttyd → `hermes chat`): same-origin über MC2 geproxyt.
-        "terminal_url": HERMES_TERMINAL_PATH,
-        # Box-Konsole (ttyd → Login-Shell): same-origin über MC2 geproxyt (/console/).
-        "box_console_url": BOX_CONSOLE_PATH,
-        # Eingebaute Hermes-Web-GUI (hermes serve): same-origin über MC2 geproxyt (/hermes-ui/).
-        "hermes_ui_url": HERMES_BUILTIN_UI_PATH,
-        "gateway_reachable": _reach(HERMES_API_URL, "/health"),
-        # Erreichbarkeit der lokalen ttyd-Upstreams (Loopback, je base-path).
-        "terminal_reachable": _reach(HERMES_TERMINAL_UPSTREAM, "/hermes-terminal/"),
-        "box_console_reachable": _reach(BOX_CONSOLE_UPSTREAM, "/console/"),
-        # Erreichbarkeit der eingebauten Hermes-GUI (Loopback :9119).
-        "hermes_ui_reachable": _reach(HERMES_BUILTIN_UI_UPSTREAM, "/"),
-        "home_exists": home.exists(),
-        "brain_model": brain_model,
-        # Best-effort: welche Verdrahtung lokal sichtbar ist (auf der Box aussagekräftig).
-        "has_config": (home / "config.yaml").exists() or (home / "config.json").exists(),
-        "has_skills": (home / "skills").exists(),
-        "has_memories": (home / "memories").exists(),
-        # Neue Felder: Telegram, MCP-Server-Anzahl, PC-Executor-Erreichbarkeit.
-        "telegram_enabled": bool(os.environ.get("TELEGRAM_BOT_TOKEN", "")),
-        "mcp_server_count": _count_enabled_mcp_servers(),
-        "pc_executor_reachable": _reach(PC_EXECUTOR_URL, "/health"),
-    }
-
-
-def set_agent_brain(model_id: str) -> dict:
-    """Setzt ein (bereits installiertes) Modell als Agent-Hirn — WARM-bewusst:
-    1) vergibt den 'hermes'-Alias (das Agent-Hirn-Slot),
-    2) tauscht es in die residente brains-Gruppe (altes Hirn raus, fast/vision bleiben),
-    3) zeigt die Hermes-Config auf den 'hermes'-Alias + Gateway-Restart.
-    So bleibt das neue Hirn warm und der Agent nutzt es sofort."""
-    from services import llamaswap
-    models = {m["name"]: m for m in llamaswap.list_models()}
-    if model_id not in models:
-        return {"ok": False, "reason": "Modell nicht installiert — erst über Modelle-finden laden."}
-    old = next((m["name"] for m in models.values() if m.get("role") == "hermes"), None)
-    if model_id == old:
-        # Idempotent härten: auch wenn schon Hirn, warm (brains) + ttl 0 sicherstellen.
-        try:
-            from services.llamaswap import set_ttl
-            brains = (llamaswap.list_groups().get("brains") or {}).get("members") or []
-            if model_id not in brains:
-                llamaswap.set_group("brains", brains + [model_id], swap=False, persist=True)
-            set_ttl(model_id, 0)
-        except PermissionError as exc:
-            return {"ok": False, "reason": str(exc)}
-        return {"ok": True, "old": old, "new": model_id, "note": "ist bereits das Agent-Hirn"}
-    try:
-        llamaswap.set_role(model_id, "hermes")                       # 1) Alias
-        brains = (llamaswap.list_groups().get("brains") or {}).get("members") or []
-        new_members = [x for x in brains if x not in (old, model_id)] + [model_id]
-        llamaswap.set_group("brains", new_members, swap=False, persist=True)   # 2) warm
-        # 2b) TTL härten: neues Hirn nie auto-entladen; altes Hirn auf Default entspannen.
-        from services.llamaswap import set_ttl, DEFAULT_TTL
-        set_ttl(model_id, 0)
-        if old:
-            set_ttl(old, DEFAULT_TTL)
-    except PermissionError as exc:
-        return {"ok": False, "reason": str(exc)}
-    update_brain_model("hermes")                                     # 3) Config + Restart
-    # Weiche Budget-Warnung (kein Hard-Block): passt Hirn + größtes on-demand zusammen ins GTT?
-    warning = None
-    try:
-        b = hermes_brain_info().get("budget") or {}
-        if b and not b.get("fits", True):
-            warning = (f"Speicher-Warnung: Hirn (~{b.get('brain_gb')} GB) + größtes on-demand-"
-                       f"Modell (~{b.get('largest_ondemand_gb')} GB) übersteigen das GTT-Budget "
-                       f"(~{b.get('gtt_gb')} GB) — das Hirn ist persistent, heavy/coder laden "
-                       f"DANEBEN: Überlauf droht (Lade-Crash/Swapping statt Verdrängung).")
-    except Exception:
-        log.debug("set_agent_brain: Budget-Check fehlgeschlagen", exc_info=True)
-    return {"ok": True, "old": old, "new": model_id, "warning": warning}
-
-
-def update_brain_model(new_model: str) -> bool:
-    from config import HERMES_HOME
-    home = HERMES_HOME
-    config_path = home / "config.yaml"
-    
-    # Ensure home directory exists
-    home.mkdir(parents=True, exist_ok=True)
-    
-    cfg = {}
-    if config_path.exists():
-        try:
-            from ruamel.yaml import YAML
-            r_yaml = YAML()
-            with config_path.open("r", encoding="utf-8") as f:
-                cfg = r_yaml.load(f) or {}
-        except Exception:
-            log.debug("update_brain_model: bestehende config.yaml nicht lesbar", exc_info=True)
-            cfg = {}
-            
-    if not isinstance(cfg, dict):
-        cfg = {}
-        
-    if "model" not in cfg or not isinstance(cfg["model"], dict):
-        cfg["model"] = {}
-        
-    # Hermes liest model.default als aktives Modell; model.model ist der Provider-Param.
-    # Beide setzen, sonst greift die Umschaltung nicht (latenter Bug: nur model.model gesetzt).
-    cfg["model"]["default"] = new_model
-    cfg["model"]["model"] = new_model
-
-    try:
-        from ruamel.yaml import YAML
-        r_yaml = YAML()
-        with config_path.open("w", encoding="utf-8") as f:
-            r_yaml.dump(cfg, f)
-            
-        # Restart the user-space service to apply changes
-        try:
-            import services.maintenance as maintenance
-            maintenance.restart_service("hermes-gateway")
-        except Exception:
-            log.warning("update_brain_model: hermes-gateway-Restart fehlgeschlagen", exc_info=True)
-
-        return True
-    except Exception:
-        log.warning("update_brain_model: Schreiben der config.yaml fehlgeschlagen", exc_info=True)
-        return False

backend/services/announce.py

@@ -1,99 +0,0 @@
-"""
-Melde-Briefkasten der Box (Lucy-Proaktivität, Faden A3).
-
-Alles, was die Box dem Commander aktiv sagen will (Health-Wächter, Auto-Updates,
-Radar, Hermes-cron via notify.sh), landet als Eintrag hier. Die Lucy-Desktop-App
-pollt `/api/voice/announcements` und SPRICHT neue Einträge von sich aus.
-
-Persistenz als JSON neben den Modellen (übersteht Deploys/Neustarts, wie der
-Discover-Cache). Bewusst klein: fortlaufende IDs als Cursor, Ring der letzten
-MAX_ITEMS Einträge, ein Lock für die FastAPI-Threadpool-Worker.
-"""
-
-import json
-import logging
-import os
-import shutil
-import subprocess
-import threading
-import time
-from pathlib import Path
-
-from config import MODELS_DIR
-
-log = logging.getLogger(__name__)
-
-NOTIFY_SH = str(Path(__file__).resolve().parent.parent.parent / "deploy" / "notify.sh")
-
-STORE_PATH = Path(os.environ.get("MC_ANNOUNCE_STORE", str(MODELS_DIR / "mc2-announce.json")))
-MAX_ITEMS = int(os.environ.get("MC_ANNOUNCE_MAX", "200"))
-
-_lock = threading.Lock()
-_state: dict | None = None   # {"next_id": int, "items": [...]}
-
-
-def _load() -> dict:
-    global _state
-    if _state is None:
-        try:
-            _state = json.loads(STORE_PATH.read_text(encoding="utf-8"))
-            assert isinstance(_state.get("next_id"), int) and isinstance(_state.get("items"), list)
-        except Exception:
-            _state = {"next_id": 1, "items": []}
-    return _state
-
-
-def _save(state: dict) -> None:
-    try:
-        tmp = STORE_PATH.with_suffix(".tmp")
-        tmp.write_text(json.dumps(state, ensure_ascii=False), encoding="utf-8")
-        tmp.replace(STORE_PATH)
-    except OSError:
-        # Briefkasten darf den Absender nie blockieren — dann eben nur in-memory.
-        log.warning("announce: Store %s nicht schreibbar", STORE_PATH, exc_info=True)
-
-
-def add(text: str, subject: str = "", source: str = "", priority: str = "normal") -> dict:
-    """Eintrag anhängen. priority: 'normal' (sprechen) | 'silent' (nur Verlauf/Panel)."""
-    text = (text or "").strip()
-    if not text:
-        raise ValueError("Leere Meldung.")
-    with _lock:
-        state = _load()
-        item = {
-            "id": state["next_id"],
-            "ts": time.time(),
-            "subject": (subject or "").strip()[:120],
-            "text": text[:4000],
-            "source": (source or "").strip()[:60],
-            "priority": priority if priority in ("normal", "silent") else "normal",
-        }
-        state["next_id"] += 1
-        state["items"].append(item)
-        del state["items"][:-MAX_ITEMS]
-        _save(state)
-    log.info("announce #%s [%s] %s: %.80s", item["id"], item["source"] or "-", item["subject"] or "-", text)
-    return item
-
-
-def notify_telegram(subject: str, text: str) -> None:
-    """Best-effort auch auf Telegram (User ist evtl. nicht am PC). MC_NOTIFY_NO_ANNOUNCE=1
-    verhindert, dass notify.sh die Meldung ZURÜCK in den Briefkasten spiegelt — der Absender
-    (Wächter/Erinnerung) hat sie dort schon selbst abgelegt. Auf Windows (Dev) ein No-op."""
-    if not (os.name == "posix" and shutil.which("bash")):
-        return
-    try:
-        subprocess.run(["bash", NOTIFY_SH, "-s", subject, text],
-                       timeout=30, capture_output=True, env={**os.environ, "MC_NOTIFY_NO_ANNOUNCE": "1"})
-    except Exception:
-        log.warning("notify_telegram: notify.sh fehlgeschlagen", exc_info=True)
-
-
-def list_after(after: int | None, limit: int = 20) -> dict:
-    """Einträge NACH Cursor `after` (aufsteigend). Ohne Cursor nur den aktuellen
-    Stand liefern (latest) — so initialisiert Lucy ihren Cursor, ohne Altes nachzuplappern."""
-    with _lock:
-        state = _load()
-        latest = state["next_id"] - 1
-        items = [] if after is None else [i for i in state["items"] if i["id"] > after][: max(1, min(limit, 100))]
-    return {"latest": latest, "items": items}

backend/services/backup.py

@@ -1,73 +0,0 @@
-"""
-Voll-Zustands-Backup (mem0 + 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.
-"""
-
-import subprocess
-import tarfile
-from pathlib import Path
-
-from config import MODELS_DIR
-
-BACKUP_DIR = Path(MODELS_DIR) / "mc2-backups"
-SRC_ROOT = Path(__file__).resolve().parents[2]
-BACKUP_SH = SRC_ROOT / "deploy" / "backup.sh"
-
-
-def _ts(p: Path) -> str:
-    """Zeitstempel aus 'mc2-state-<ts>.tar.gz' (Path.stem ließe '.tar' stehen)."""
-    return p.name[len("mc2-state-"):-len(".tar.gz")]
-
-
-def _latest() -> Path | None:
-    if not BACKUP_DIR.exists():
-        return None
-    snaps = sorted(BACKUP_DIR.glob("mc2-state-*.tar.gz"), reverse=True)
-    return snaps[0] if snaps else None
-
-
-def _components(tarball: Path) -> list[str]:
-    """Top-Level-Einträge im Tarball (zur Anzeige im UI)."""
-    try:
-        with tarfile.open(tarball, "r:gz") as t:
-            top = {m.name.split("/")[1] for m in t.getmembers()
-                   if m.name.startswith("./") and "/" in m.name[2:]}
-            top |= {m.name[2:] for m in t.getmembers()
-                    if m.name.startswith("./") and "/" not in m.name[2:] and m.isfile()}
-        return sorted(x for x in top if x)
-    except Exception:
-        return []
-
-
-def backup_now() -> dict:
-    """Erstellt einen Voll-Zustands-Snapshot via deploy/backup.sh."""
-    try:
-        r = subprocess.run(["/bin/bash", str(BACKUP_SH)], capture_output=True, text=True, timeout=180)
-        if r.returncode != 0:
-            return {"ok": False, "snapshot": "", "files": [], "error": (r.stderr or r.stdout).strip()[-300:]}
-    except Exception as exc:  # noqa: BLE001
-        return {"ok": False, "snapshot": "", "files": [], "error": str(exc)}
-
-    latest = _latest()
-    if not latest:
-        return {"ok": False, "snapshot": "", "files": [], "error": "Kein Backup erzeugt"}
-    return {
-        "ok": True,
-        "snapshot": _ts(latest),
-        "files": _components(latest),
-        "size_mb": round(latest.stat().st_size / 1_000_000, 2),
-    }
-
-
-def list_backups() -> list[dict]:
-    if not BACKUP_DIR.exists():
-        return []
-    out = []
-    for p in sorted(BACKUP_DIR.glob("mc2-state-*.tar.gz"), reverse=True):
-        out.append({
-            "snapshot": _ts(p),
-            "file": p.name,
-            "size_mb": round(p.stat().st_size / 1_000_000, 2),
-        })
-    return out

backend/services/budget.py

@@ -1,205 +0,0 @@
-"""
-Speicher-Budget & SETUP-BEWUSSTE ctx-Vergabe — EINE Quelle der Wahrheit.
-
-Modelliert die auf der Box VERIFIZIERTE Residenz-Realität (llama-swap, GTT ~124 GB):
-  • Die `persistent`-Gruppe (brains = Hirn+embed+vision) bleibt IMMER resident —
-    seit dem Key-Fix 03.07.2026 greift der Schutz wirklich (vorher stand `persist`
-    in der Config, das llama-swap stillschweigend ignorierte; on-demand-Last
-    verdrängte damals die ganze Gruppe).
-  • Ein on-demand-Modell (heavy/coder/…) lädt NEBEN die brains-Gruppe und muss
-    deren Footprint mit einplanen.
-Daraus folgt, wie viel Speicher NEBEN einem Zielmodell reserviert bleiben muss —
-und damit der größte Kontext, der wirklich passt (nicht nur für das Modell allein).
-
-Vorher rechnete nur der Hirn-Wechsel (agent.py) setup-bewusst; die allgemeine
-ctx-Vergabe nahm den Gesamt-RAM in Isolation. Dieses Modul vereint beides.
-"""
-
-import re
-
-import psutil
-
-from services.fit import (
-    QUANT_BYTES_PER_PARAM,
-    estimate_memory_gb,
-    extract_params_b,
-    max_ctx_in_budget,
-)
-
-HEADROOM_GB = 4.0   # OS/Treiber/Fragmentierung
-
-
-def gtt_budget_gb() -> float:
-    """GPU-adressierbarer Speicher (GTT) in GB — die harte Obergrenze. Liest
-    amdgpu.gttsize aus /proc/cmdline, sonst RAM minus OS-Reserve."""
-    try:
-        with open("/proc/cmdline") as f:
-            m = re.search(r"amdgpu\.gttsize=(\d+)", f.read())
-            if m:
-                return round(int(m.group(1)) / 1024.0, 1)
-    except Exception:
-        pass
-    return round(psutil.virtual_memory().total / (1024 ** 3) - 6.0, 1)
-
-
-def params_of_model(model: dict) -> float:
-    """Robuste Params (Mrd.) eines INSTALLIERTEN Modells: MAXIMUM aus Caps-Schätzung und
-    Dateigröße. Deckt 'Coder-Next' ohne Größe im Namen (→ aus Datei) und Split-GGUFs
-    (size_bytes = nur erster Teil → ignoriert) ab."""
-    caps = model.get("capabilities") or {}
-    quant = model.get("quant") or "Q4_K_M"
-    bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.55)
-    size_gb = (model.get("size_bytes") or 0) / (1024 ** 3)
-    pb_size = (size_gb / bpp) if size_gb > 1.0 else 0.0
-    return max(float(caps.get("params_b") or 0), pb_size, 7.0)
-
-
-_CTK_RE = re.compile(r"(?:--cache-type-k|(?<![\w-])-ctk)\s+(\S+)")
-_CTV_RE = re.compile(r"(?:--cache-type-v|(?<![\w-])-ctv)\s+(\S+)")
-
-
-def _cache_types(cmd: str) -> tuple[str | None, str | None]:
-    """K/V-Cache-Quantisierung aus dem llama-server-Cmd (Default f16 → None)."""
-    ck = m.group(1) if (m := _CTK_RE.search(cmd or "")) else None
-    cv = m.group(1) if (m := _CTV_RE.search(cmd or "")) else None
-    return ck, cv
-
-
-def _real_kv_gb(model: dict, ctx: int) -> float | None:
-    """ECHTE KV-Cache-Größe (GiB) aus den GGUF-Architektur-Metadaten (Layer × KV-Heads ×
-    Head-Dim) + der cache-type-Quantisierung des Cmds. None, wenn das GGUF nicht lesbar ist
-    → Aufrufer fällt auf die params-basierte Heuristik zurück."""
-    from services import gguf_meta
-    path = model.get("gguf_path")
-    if not path:
-        return None
-    meta = gguf_meta.arch_meta(path)
-    if not meta:
-        return None
-    ck, cv = _cache_types(model.get("cmd") or "")
-    return gguf_meta.kv_cache_gb(meta, ctx, ck, cv)
-
-
-def footprint_gb(model: dict) -> float:
-    """Loaded-Footprint eines Modells = Gewichte + KV-Cache (bei seinem aktuellen ctx).
-    KV kommt aus den ECHTEN Architektur-Metadaten des GGUF (nicht mehr params-geschätzt) —
-    entscheidend bei MoE (A3B): die alte Schätzung hing an den Gesamt-Params und überschätzte
-    grob (z.B. „68 GB reserviert" statt real ~25 GB). Heuristik bleibt Fallback."""
-    quant = model.get("quant") or "Q4_K_M"
-    ctx = int(model.get("ctx") or 32768)
-    bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.55)
-    size_gb = (model.get("size_bytes") or 0) / (1024 ** 3)
-    pb = params_of_model(model)
-    weights = max(pb * bpp, size_gb)
-    kv = _real_kv_gb(model, ctx)
-    if kv is None:
-        kv = estimate_memory_gb(pb, quant, ctx) - pb * bpp
-    return weights + max(kv, 0.0)
-
-
-def params_b_for(name: str) -> float:
-    """Parameter (Mrd.) für einen Modell-/Repo-Namen: KATALOG (echte Metadaten) zuerst,
-    sonst Namens-Schätzung. Gemeinsam für Fit-Vorschau und ctx-Vergabe."""
-    from services import catalog
-    meta = catalog.meta_for_name(name) if name else None
-    if meta and meta.get("total_params_b"):
-        return float(meta["total_params_b"])
-    return extract_params_b(name)
-
-
-def _coresident_members(groups: dict) -> set:
-    """Modelle, die GLEICHZEITIG warm sind: Mitglieder aller `swap:false`-Gruppen
-    (Ko-Residenz, z.B. brains = Hirn+embed+vision). Seit dem `persistent`-Fix (03.07.2026)
-    überlebt die Gruppe auch on-demand-Last: Coder/heavy laden DANEBEN, nicht an ihre
-    Stelle (live verifiziert: Coder + Qwen3.6 gleichzeitig `ready`). Die frühere
-    Beobachtung „heavy verdrängt die Gruppe" war der ignorierte `persist`-Key."""
-    out: set = set()
-    for g in (groups or {}).values():
-        if isinstance(g, dict) and g.get("swap") is False:
-            out.update(g.get("members") or [])
-    return out
-
-
-def reserved_gb(role: str | None) -> dict:
-    """Speicher, der NEBEN einem Zielmodell der gegebenen Rolle resident bleibt — gemäß der
-    seit dem `persistent`-Fix (03.07.2026) geltenden Semantik: die ko-residente
-    `swap:false`-Gruppe (brains) bleibt IMMER geladen, on-demand-Modelle laden daneben.
-
-    - Modell IN der Ko-Residenz-Gruppe (Hirn/embed/vision): koexistiert mit den ÜBRIGEN
-      Gruppen-Mitgliedern → reserviert deren Summe.
-    - Modell AUSSERHALB (heavy/coder/coder-lite/scout): lädt NEBEN die Gruppe →
-      reserviert deren GESAMTE Summe (früher 0.0, weil der kaputte `persist`-Key die
-      Gruppe verdrängen ließ — diese Rechnung erlaubte zu große Kontexte).
-    """
-    from services import llamaswap
-    models = llamaswap.list_models()
-    groups = llamaswap.list_groups()
-    cores = _coresident_members(groups)
-    brain = next((m for m in models if (m.get("role") == "hermes")), None)
-    brain_gb = footprint_gb(brain) if brain else 0.0
-    role = (role or "").strip().lower()
-
-    holder = next((m for m in models if (m.get("role") == role)), None) if role else None
-    holder_name = holder["name"] if holder else None
-    # Hirn (hermes) ist per Definition Teil der Ko-Residenz-Gruppe; sonst Gruppen-Mitgliedschaft prüfen.
-    in_group = role == "hermes" or bool(holder_name and holder_name in cores)
-
-    if in_group:
-        others = sum(footprint_gb(m) for m in models
-                     if m["name"] in cores and m["name"] != holder_name)
-        return {"reserved_gb": others, "mode": "co-resident", "brain_gb": brain_gb}
-    # on-demand: lädt neben die (persistente) Ko-Residenz-Gruppe → deren Summe reservieren.
-    warm = sum(footprint_gb(m) for m in models if m["name"] in cores)
-    return {"reserved_gb": warm, "mode": "ondemand-beside-warmset", "brain_gb": brain_gb}
-
-
-def setup_aware_ctx(params_b: float, quant: str, role: str | None = None) -> dict:
-    """Größter Kontext, der für ein Modell (params_b/quant) der gegebenen Rolle NEBEN dem
-    bestehenden Setup passt. Gibt ctx + die Budget-Herleitung zurück (für UI/Transparenz)."""
-    gtt = gtt_budget_gb()
-    r = reserved_gb(role)
-    budget = max(gtt - r["reserved_gb"] - HEADROOM_GB, 0.0)
-    ctx = max_ctx_in_budget(params_b, quant, budget)
-    return {
-        "ctx": ctx,
-        "gtt_gb": gtt,
-        "reserved_gb": round(r["reserved_gb"], 1),
-        "budget_gb": round(budget, 1),
-        "mode": r["mode"],
-    }
-
-
-def _snap_ctx(raw_ctx: float, cap: int | None = None) -> int:
-    """Größter 'schöner' Kontext ≤ raw_ctx (und ≤ Trainings-Kontext des Modells, falls bekannt)."""
-    from services.fit import _NICE_CTX
-    if cap:
-        raw_ctx = min(raw_ctx, cap)
-    best = _NICE_CTX[0]
-    for c in _NICE_CTX:
-        if c <= raw_ctx:
-            best = c
-    return best
-
-
-def setup_aware_ctx_for_model(model: dict) -> dict:
-    """Setup-bewusster Optimal-ctx für ein INSTALLIERTES Modell. Für den 'Auto'-Button an der
-    Modellkarte. Nutzt die ECHTE KV-Größe des GGUF (gleiche Zahlensprache wie footprint_gb) —
-    Fallback auf die params-Heuristik nur, wenn das GGUF nicht lesbar ist."""
-    from services import gguf_meta
-    quant = model.get("quant") or "Q4_K_M"
-    path = model.get("gguf_path")
-    meta = gguf_meta.arch_meta(path) if path else None
-    if not meta:
-        return setup_aware_ctx(params_of_model(model), quant, role=model.get("role"))
-
-    gtt = gtt_budget_gb()
-    r = reserved_gb(model.get("role"))
-    budget = max(gtt - r["reserved_gb"] - HEADROOM_GB, 0.0)
-    bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.55)
-    size_gb = (model.get("size_bytes") or 0) / (1024 ** 3)
-    weights = max(params_of_model(model) * bpp, size_gb)
-    ck, cv = _cache_types(model.get("cmd") or "")
-    per_tok = gguf_meta.kv_gb_per_token(meta, ck, cv)
-    ctx = _snap_ctx((budget - weights) / per_tok, cap=meta.get("n_ctx_train")) if per_tok > 0 else 2048
-    return {"ctx": ctx, "gtt_gb": gtt, "reserved_gb": round(r["reserved_gb"], 1),
-            "budget_gb": round(budget, 1), "mode": r["mode"]}

backend/services/caps.py

@@ -1,135 +0,0 @@
-"""
-Modell-Capabilities — EINE Quelle der Wahrheit für Modell-Eigenschaften
-(MoE / Tools / Vision / Coder / Reasoning / Embedding / Kontext).
-Portiert aus Mission Control v1 (model_caps.py).
-
-Quellen, geschichtet: GGUF-Header (offline, authoritativ) → cmd-Flags
-(--jinja/--mmproj) → HF-Block (tags + chat_template) → Familien-Fallback.
-Tool-Fähigkeit dreistufig: yes (bestätigt) | likely (Familie) | no.
-"""
-
-import re
-import struct
-
-from services.fit import extract_active_params_b, extract_params_b
-
-_GGUF_FIXED = {0: 1, 1: 1, 2: 2, 3: 2, 4: 4, 5: 4, 6: 4, 7: 1, 10: 8, 11: 8, 12: 8}
-
-
-def _read_gguf_meta(path: str) -> dict:
-    """Liest nur den GGUF-Metadaten-Header (architecture/context_length/expert_count/
-    parameter_count). Bricht vor dem Tokenizer-Array ab → schnell, lädt NICHT das Modell."""
-    out: dict = {}
-    try:
-        with open(path, "rb") as f:
-            if f.read(4) != b"GGUF":
-                return {}
-            struct.unpack("<I", f.read(4))[0]
-            f.read(8)
-            kv = struct.unpack("<Q", f.read(8))[0]
-
-            def ru32() -> int: return struct.unpack("<I", f.read(4))[0]
-            def ru64() -> int: return struct.unpack("<Q", f.read(8))[0]
-            def rstr() -> str: return f.read(ru64()).decode("utf-8", "replace")
-
-            def rval(t: int):
-                if t == 8:  return rstr()
-                if t == 0:  return struct.unpack("<B", f.read(1))[0]
-                if t == 1:  return struct.unpack("<b", f.read(1))[0]
-                if t == 2:  return struct.unpack("<H", f.read(2))[0]
-                if t == 3:  return struct.unpack("<h", f.read(2))[0]
-                if t == 4:  return struct.unpack("<I", f.read(4))[0]
-                if t == 5:  return struct.unpack("<i", f.read(4))[0]
-                if t == 6:  return struct.unpack("<f", f.read(4))[0]
-                if t == 7:  return f.read(1) != b"\x00"
-                if t == 10: return struct.unpack("<Q", f.read(8))[0]
-                if t == 11: return struct.unpack("<q", f.read(8))[0]
-                if t == 12: return struct.unpack("<d", f.read(8))[0]
-                if t == 9:
-                    et = ru32(); cnt = ru64()
-                    if et == 8:
-                        for _ in range(cnt):
-                            f.seek(ru64(), 1)
-                    elif et == 9:
-                        for _ in range(cnt):
-                            rval(9)
-                    else:
-                        f.seek(cnt * _GGUF_FIXED.get(et, 0), 1)
-                    return None
-                raise ValueError(f"unbekannter GGUF-Typ {t}")
-
-            want = {"architecture", "context_length", "expert_count", "parameter_count"}
-            for _ in range(kv):
-                key = rstr()
-                t = ru32()
-                if key == "tokenizer.ggml.tokens":
-                    break
-                v = rval(t)
-                short = key.split(".")[-1]
-                if short in want and short not in out:
-                    out[short] = v
-    except Exception:
-        return out
-    return out
-
-
-_TOOL_FAMILIES = (
-    "qwen2.5", "qwen3", "qwen2", "hermes", "mistral", "mixtral", "devstral",
-    "command-r", "command_r", "llama-3.1", "llama3.1", "llama-3.3", "llama-4", "llama4",
-    "functionary", "watt", "firefunction", "granite", "glm-4", "glm-5", "ministral",
-)
-_REASON_KW = (
-    "-r1", "deepseek-r1", "qwq", "magistral", "-think", "thinking", "-o1",
-    "gpt-oss", "reasoning", "exaone-deep", "phi-4-reasoning", "phi-4-mini-reasoning",
-)
-_CODE_KW = ("coder", "-code", "code-", "codestral", "starcoder", "deepseek-coder")
-_VISION_KW = ("-vl", "vision", "llava", "pixtral", "multimodal", "-mm-", "qwen3vl", "qwen2-vl")
-_EMBED_KW = ("bge", "e5-", "gte-", "nomic-embed", "embed")
-_MOE_ARCH = ("moe", "mixtral", "deepseek2", "deepseek3", "llama4", "qwen3moe", "grok")
-
-
-def capabilities(name: str = "", cmd: str = "", gguf_path: str = "", hf: dict | None = None) -> dict:
-    """Capability-Tag-Set für ein Modell. Alle Quellen optional — nutzt, was da ist."""
-    low = (name or "").lower()
-    cmdl = (cmd or "").lower()
-    hf = hf or {}
-
-    meta = _read_gguf_meta(gguf_path) if gguf_path else {}
-    arch = str(meta.get("architecture") or hf.get("architecture") or "").lower()
-    tags = [str(t).lower() for t in (hf.get("tags") or [])]
-    chat_tpl = str(hf.get("chat_template") or "")
-
-    expert_count = int(meta.get("expert_count") or 0)
-    moe = (
-        expert_count > 1
-        or any(a in arch for a in _MOE_ARCH)
-        or bool(re.search(r"\d+x\d+\.?\d*b", low))
-        or bool(re.search(r"a\d+\.?\d*b", low))
-    )
-    active_b = extract_active_params_b(name)
-
-    pcount = int(meta.get("parameter_count") or 0)
-    params_b = round(pcount / 1e9, 1) if pcount else extract_params_b(name)
-    ctx = meta.get("context_length")
-    if not ctx:
-        m = re.search(r"-(?:c|-ctx-size)\s+(\d+)", cmdl)
-        ctx = int(m.group(1)) if m else None
-
-    # Cap context length at 131072 for Qwen / Hermes models to prevent reporting scaled RoPE context of 256k+ which might OOM or be unstable.
-    if ctx and ctx > 131072 and ("qwen" in low or "hermes" in low):
-        ctx = 131072
-
-    tool_confirmed = "--jinja" in cmdl or "tool_call" in chat_tpl or "<tools>" in chat_tpl
-    tool_family = any(fam in low for fam in _TOOL_FAMILIES) or "function-calling" in tags
-    tools = "yes" if tool_confirmed else ("likely" if tool_family else "no")
-
-    vision = "--mmproj" in cmdl or "vl" in arch or "clip" in arch or any(k in low for k in _VISION_KW)
-    coder = any(k in low for k in _CODE_KW)
-    reasoning = any(k in low for k in _REASON_KW) or "reasoning" in tags
-    embedding = "bert" in arch or any(k in low for k in _EMBED_KW)
-
-    return {
-        "moe": moe, "active_b": active_b, "tools": tools, "vision": vision,
-        "coder": coder, "reasoning": reasoning, "embedding": embedding,
-        "ctx": ctx, "params_b": params_b or None, "arch": arch or None,
-    }

backend/services/catalog.py

@@ -1,115 +0,0 @@
-"""
-Kuratierter Modell-Katalog ("Cookbook", inspiriert von Odysseus): EINE Quelle der
-Wahrheit für KORREKTE Metadaten (total/active params, moe, generation) statt
-Namens-Raterei. Macht Empfehlung + Upgrade-Erkennung präzise und MoE-bewusst
-für die bandbreiten-limitierte Strix-Halo-Box.
-
-Daten: backend/models_catalog.json. Fällt sanft aus (leerer Katalog), wenn die
-Datei fehlt → discover nutzt dann nur die HF-Dynamik.
-"""
-
-import json
-import math
-import os
-import re
-
-from services.fit import estimate_memory_gb, estimate_speed
-
-_CATALOG_PATH = os.path.join(os.path.dirname(__file__), "..", "models_catalog.json")
-_cache: dict = {"mtime": 0.0, "models": []}
-
-
-def _load() -> list[dict]:
-    try:
-        mt = os.path.getmtime(_CATALOG_PATH)
-        if mt != _cache["mtime"]:
-            with open(_CATALOG_PATH, encoding="utf-8") as f:
-                data = json.load(f) or {}
-            _cache.update(mtime=mt, models=[m for m in data.get("models", []) if m.get("name")])
-    except (OSError, ValueError):
-        _cache.update(mtime=0.0, models=[])
-    return _cache["models"]
-
-
-def _norm(name: str) -> str:
-    """Vergleichs-Stamm: kleingeschrieben, Org-Prefix/Quant/GGUF/Split entfernt."""
-    s = (name or "").lower().split("/")[-1]
-    s = re.sub(r"\.gguf$", "", s)
-    s = re.sub(r"-\d+-of-\d+$", "", s)
-    s = re.sub(r"[-_](ud-)?(i?q\d[\w]*|f16|bf16|fp16|f32|mxfp4)$", "", s)
-    return s.strip("-_ ")
-
-
-def entries() -> list[dict]:
-    return list(_load())
-
-
-def entries_for_role(role: str) -> list[dict]:
-    return [e for e in _load() if e.get("role") == role]
-
-
-def meta_for_name(name: str) -> dict | None:
-    """Katalog-Metadaten zu einem Modell(namen) — matcht lokalen Namen ODER HF-Repo."""
-    n = _norm(name)
-    if not n:
-        return None
-    for e in _load():
-        cand = {_norm(e.get("name", "")), _norm(e.get("repo", ""))}
-        if n in cand or any(c and (c in n or n in c) for c in cand):
-            return e
-    return None
-
-
-def fit_of(e: dict, ram_gb: float) -> dict:
-    """Hardware-Fit eines Katalog-Eintrags (MoE-bewusst über active_params_b)."""
-    total = float(e.get("total_params_b") or 7)
-    active = float(e.get("active_params_b") or total)
-    quant = e.get("quant") or "Q4_K_M"
-    ctx = int(e.get("ctx") or 32768)
-    req_gb = estimate_memory_gb(total, quant, ctx)
-    tps = estimate_speed(req_gb, ram_gb, (active / total) if total else 1.0)
-    usable = max(ram_gb - 4.0, 0)
-    if req_gb > usable:
-        level, text = "too_tight", "Zu groß (OOM)"
-    elif req_gb > usable * 0.8:
-        level, text = "marginal", "Könnte knapp werden"
-    else:
-        level, text = "perfect", "Passt perfekt"
-    return {"level": level, "text": text, "req_gb": round(req_gb, 1), "tps": round(tps, 0)}
-
-
-def stack_score(e: dict, ram_gb: float) -> float:
-    """Score für DIESE Hardware: muss passen, dann Wissen (total params) + Tempo
-    (tps — belohnt MoE durch niedrige aktive Params automatisch). Bandbreiten-Box
-    → MoE gewinnt bei vergleichbarem Wissen gegen dense."""
-    fit = fit_of(e, ram_gb)
-    if fit["level"] == "too_tight":
-        return -100.0
-    total = float(e.get("total_params_b") or 7)
-    fit_bonus = 3.0 if fit["level"] == "perfect" else 1.0
-    knowledge = math.log2(total + 1) / 8.0          # ~0..1 (bis ~256B)
-    speed = min((fit["tps"] or 0) / 80.0, 1.0)       # normalisiert; MoE = hohe tps
-    return fit_bonus + 1.2 * knowledge + 1.0 * speed
-
-
-def to_model_dict(e: dict, ram_gb: float) -> dict:
-    """Katalog-Eintrag → discover-kompatibles Modell-Dict (echte Metadaten)."""
-    total = float(e.get("total_params_b") or 7)
-    active = e.get("active_params_b")
-    repo = e.get("repo") or e.get("name")
-    role = e.get("role")
-    caps = {
-        "moe": bool(e.get("moe")), "active_b": active,
-        "tools": "yes" if e.get("tools") else "no",
-        "vision": bool(e.get("vision")), "coder": role == "coder",
-        "reasoning": role == "heavy", "embedding": False,
-        "ctx": e.get("ctx"), "params_b": total, "arch": e.get("family"),
-    }
-    return {
-        "name": e.get("name"), "author": repo.split("/")[0] if "/" in repo else "catalog",
-        "repo": repo, "role": role, "params_b": total, "active_b": active,
-        "moe": bool(e.get("moe")), "generation": e.get("generation"),
-        "family": e.get("family"), "quant": e.get("quant") or "Q4_K_M",
-        "tags": ["catalog"], "downloads": 0, "fit": fit_of(e, ram_gb),
-        "optimal_ctx": int(e.get("ctx") or 32768), "caps": caps, "curated": True,
-    }

backend/services/connect.py

@@ -1,150 +0,0 @@
-"""
-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).
-
-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.
-"""
-
-import json
-
-import httpx
-
-from config import LLAMA_SWAP_URL, MEM0_SERVICE_URL, PORT
-
-DEFAULT_HOST = "192.168.178.151"
-
-# IDEs bekommen die ECHTEN Box-Modelle direkt (kein Lane-Routing): Coder (bauen), Planer (denken),
-# Augen (Bilder, Vision). Der User wechselt im Modellwähler — spiegelt das reale Zed-Setup 1:1.
-PRIMARY_MODEL = "coder"
-
-
-def _caps(tools: bool = True, images: bool = False) -> dict:
-    """Volle 7-Feld-Capabilities — Zed braucht sie KOMPLETT, sonst greift die Modellwahl nicht."""
-    return {"tools": tools, "images": images, "parallel_tool_calls": False,
-            "prompt_cache_key": False, "chat_completions": True,
-            "interleaved_reasoning": False, "max_tokens_parameter": False}
-
-
-# Reale Box-Modelle für die IDE-Welt (getrennt von Lucy): bauen · denken · sehen.
-IDE_MODELS = [
-    {"name": "coder", "display_name": "Box / Coder (bauen)", "max_tokens": 131072, "capabilities": _caps(True, False)},
-    {"name": "heavy", "display_name": "Box / Planer (denken)", "max_tokens": 32768, "capabilities": _caps(True, False)},
-    {"name": "vision", "display_name": "Box / Augen (Bilder)", "max_tokens": 32768, "capabilities": _caps(False, True)},
-]
-
-
-def _gw(host: str) -> str:
-    # Eingebauter Gateway: MC2 serviert /v1 selbst (gleicher Port wie das Cockpit).
-    return f"http://{host}:{PORT}/v1"
-
-
-def build_snippets(host: str = DEFAULT_HOST,
-                   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}"
-
-    # Kilo Code = aktiver Nachfolger der Roo/Cline-Linie (Roo im April 2026 eingestellt).
-    # Gleiche Provider-Settings-Struktur; Multi-Agent kommt aus dem Tool (Orchestrator-Modus).
-    kilo = json.dumps({
-        "apiProvider": "openai",
-        "openAiBaseUrl": gw,
-        "openAiApiKey": "local",
-        "openAiModelId": PRIMARY_MODEL,
-    }, indent=2)
-
-    # Zed = Rust-nativ, ~16x leichter als VS Code, Agent Panel mit parallelen Agenten,
-    # Windows stabil seit Okt 2025 — das Haupt-Tool für den User (Anti-Bloat + klickbar).
-    zed = json.dumps({
-        "language_models": {
-            "openai_compatible": {
-                "bosgame": {
-                    "api_url": gw,
-                    "available_models": IDE_MODELS,
-                }
-            }
-        },
-        "agent": {
-            "default_model": {"provider": "bosgame", "model": PRIMARY_MODEL}
-        }
-    }, indent=2)
-
-    # Claude Code spricht das Anthropic-Format; der Gateway ist OpenAI-kompatibel und
-    # bietet KEIN /v1/messages (verifiziert). Daher braucht es einen kleinen Übersetzer
-    # (Anthropic ⇄ OpenAI) als Aufsatz. Die env-Vars sind Claude Codes echte Schnittstelle.
-    claude_code = (
-        f"# Claude Code spricht das Anthropic-Format — der Gateway ist OpenAI-kompatibel ({gw})\n"
-        f"# und hat kein /v1/messages. Dazwischen muss ein Übersetzer (Anthropic ⇄ OpenAI) laufen:\n"
-        f"#   • claude-code-router   (leichtgewichtig, npm)\n"
-        f"#   • oder LiteLLM mit /v1/messages-Bridge\n"
-        f"# Den Übersetzer auf den Gateway zeigen lassen: baseURL={gw}, model=coder, apiKey=local.\n"
-        f"# Dann Claude Code auf den lokalen Übersetzer richten (Beispiel-Port 3456):\n"
-        f"\n"
-        f'export ANTHROPIC_BASE_URL="http://localhost:3456"\n'
-        f'export ANTHROPIC_AUTH_TOKEN="local"\n'
-        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,
-        "mc_url": mc_url,
-        # Leitung 1 — das MODELL. Bewusst NUR 3 Tools (Verdikt 03.07.2026): Zed (Haupt-Tool:
-        # Rust-nativ/leichtgewichtig, Agent Panel, parallele Agenten, Windows stabil seit 10/2025),
-        # Kilo Code (VS-Code-Fallback mit Orchestrator-Modus), Claude Code (starke Sessions).
-        # Cursor/Continue/Roo/OpenCode entfernt — Roo eingestellt, Rest cloud-first, Terminal
-        # oder von Kilo abgedeckt. Das Evolution-Radar (AUTONOMIE_PLAN E4) überwacht die Kategorie.
-        "tools": {
-            "zed": {"label": "Zed (empfohlen)", "lang": "json", "snippet": zed,
-                    "note": "Leichtgewicht-Editor (Rust, ~16x weniger RAM als VS Code). settings.json → "
-                            "language_models.openai_compatible; Agent Panel nutzt dann die Box. Drei Modelle: "
-                            "Coder (bauen) · Planer (denken) · Augen (Bilder) — oben im Wähler umschalten."},
-            "kilo": {"label": "Kilo Code", "lang": "json", "snippet": kilo,
-                     "note": "VS Code/JetBrains (schwergewichtiger). OpenAI-Provider → Gateway. "
-                             "API-Profile je Modus: Code→coder · Architect/Orchestrator→heavy · Ask/Debug→chat."},
-            "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."},
-        },
-        # 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."},
-    }
-
-
-def check_health() -> dict:
-    """Live-Erreichbarkeit der beiden Leitungen, aus Sicht der Box:
-    Leitung 1 = Gateway/Engine (llama-swap), Leitung 2 = Gedächtnis-Sidecar (Mem0)."""
-    gateway = {"ok": False, "detail": "nicht erreichbar"}
-    try:
-        with httpx.Client(timeout=3.0) as c:
-            r = c.get(f"{LLAMA_SWAP_URL}/v1/models")
-            if r.status_code == 200:
-                n = len(r.json().get("data", []))
-                gateway = {"ok": True, "detail": f"{n} Modelle verfügbar" if n else "bereit"}
-            else:
-                gateway = {"ok": False, "detail": f"HTTP {r.status_code}"}
-    except Exception:  # noqa: BLE001
-        pass
-
-    memory = {"ok": False, "detail": "nicht erreichbar"}
-    try:
-        with httpx.Client(timeout=3.0) as c:
-            r = c.get(f"{MEM0_SERVICE_URL}/health")
-            memory = ({"ok": True, "detail": "bereit"} if r.status_code == 200
-                      else {"ok": False, "detail": f"HTTP {r.status_code}"})
-    except Exception:  # noqa: BLE001
-        pass
-
-    return {"gateway": gateway, "memory": memory}

backend/services/discover.py

@@ -1,179 +0,0 @@
-"""
-Automatische Modell-Entdeckung ("aktuell beste Modelle"): fragt vertrauenswürdige
-HF-Orgs live ab, kategorisiert per Stichwort, rankt nach Hardware-Fit + Beliebtheit
-und cached. Portiert aus Mission Control v1 (cookbook.py-Discover).
-
-Wichtig (Greenfield-Fix gegen v1): EIN gemeinsamer Ranking-Helfer `rank_runnable`
-ist die Quelle der Wahrheit — sowohl die „beste Empfehlung" je Kategorie als auch
-spätere Auto-Setups nutzen ihn, damit sie nie auseinanderlaufen.
-"""
-
-import json
-import math
-import os
-import time
-from datetime import datetime
-
-import httpx
-
-import logging
-
-from config import DISCOVER_CACHE_PATH, DISCOVER_TTL
-from services import catalog
-from services.caps import capabilities
-from services.fit import evaluate_fit, extract_params_b, max_ctx_for
-from services.sources import CATEGORIES, SKIP_TOKENS, TRUSTED_AUTHORS
-
-log = logging.getLogger(__name__)
-
-_FIT_ORDER = {"perfect": 0, "marginal": 1, "too_tight": 2}
-
-
-def _categorize(repo_id: str) -> str:
-    low = repo_id.lower()
-    for cat in CATEGORIES:
-        if any(k in low for k in cat["kw"]):
-            return cat["role"]
-    return "scout"
-
-
-def _fetch_author_models(author: str) -> list:
-    url = (f"https://huggingface.co/api/models?author={author}"
-           f"&filter=gguf&sort=downloads&direction=-1&limit=40")
-    try:
-        with httpx.Client(timeout=12.0) as c:
-            data = c.get(url).json()
-        return data if isinstance(data, list) else []
-    except Exception:
-        log.debug("discover: Abfrage für Autor %s fehlgeschlagen", author, exc_info=True)
-        return []
-
-
-def _age_days(last_modified, now_ts: float) -> float:
-    """Alter eines HF-Modells in Tagen (lastModified ISO). Unbekannt → ~1.5 Jahre."""
-    if not last_modified:
-        return 540.0
-    try:
-        dt = datetime.fromisoformat(str(last_modified).replace("Z", "+00:00"))
-        return max((now_ts - dt.timestamp()) / 86400.0, 0.0)
-    except Exception:
-        return 540.0
-
-
-def _score(m: dict, now_ts: float) -> float:
-    """Zukunftssicherer Rang-Score für DIESE Hardware. Kombiniert:
-    - Fit: perfect dominiert (Bonus 3.0 > Summe der übrigen Terme → passt-komfortabel zuerst),
-    - Recency: neuere Generationen bevorzugt (Halbwertszeit ~9 Monate über lastModified),
-    - Capability: mehr Parameter (log-skaliert),
-    - Popularity: Downloads (log-skaliert).
-    So gewinnt bei vergleichbarer Größe die NEUERE Generation (z.B. Qwen3-Coder vor
-    Qwen2.5-Coder), ohne dass kleine Populär-Modelle große verdrängen."""
-    fit_bonus = 3.0 if m["fit"]["level"] == "perfect" else 0.0
-    recency = 0.5 ** (_age_days(m.get("lastModified"), now_ts) / 270.0)
-    cap = math.log2(max(float(m.get("params_b") or 1.0), 1.0) + 1.0) / 8.0
-    pop = math.log10(float(m.get("downloads") or 0) + 1.0) / 7.0
-    return fit_bonus + 1.2 * recency + 1.2 * cap + 0.5 * pop
-
-
-def rank_runnable(models: list[dict]) -> list[dict]:
-    """EINE Quelle der Wahrheit fürs Ranking lauffähiger Modelle für DIESE Hardware.
-    Nur was passt (too_tight fliegt raus), dann nach `_score` (Fit + Recency + Capability
-    + Popularity). Bevorzugt neuere, fähige Modelle → zukunftssicher; „Modelle finden"
-    schlägt nie ein Downgrade vor (Downgrade-Sperre zusätzlich in maintenance)."""
-    now_ts = time.time()
-    return sorted(
-        [m for m in models if m["fit"]["level"] != "too_tight"],
-        key=lambda m: -_score(m, now_ts),
-    )
-
-
-def refresh_discover(ram_gb: float) -> dict:
-    """Quellen live abfragen, kategorisieren, ranken, cachen. Wirft nur, wenn KEINE
-    Quelle erreichbar war."""
-    raw, seen, ok = [], set(), 0
-    for author in TRUSTED_AUTHORS:
-        models = _fetch_author_models(author)
-        if models:
-            ok += 1
-        for m in models:
-            rid = m.get("id")
-            if not rid or rid in seen:
-                continue
-            seen.add(rid)
-            raw.append(m)
-    if ok == 0 and not catalog.entries():
-        raise RuntimeError("Keine Quelle erreichbar.")
-
-    by_cat: dict[str, list] = {c["role"]: [] for c in CATEGORIES}
-    for m in raw:
-        rid = m["id"]
-        low = rid.lower()
-        if any(tok in low for tok in SKIP_TOKENS):
-            continue
-        role = _categorize(rid)
-        params_b = extract_params_b(rid)
-        quant = "Q4_K_M"  # Referenz-Quant für die Fit-Einschätzung
-        fit = evaluate_fit(params_b, quant, 8192, ram_gb, name=rid)
-        tags = [str(t) for t in (m.get("tags") or [])]
-        by_cat[role].append({
-            "name": rid.split("/")[-1], "author": rid.split("/")[0], "repo": rid,
-            "role": role, "params_b": params_b, "quant": quant, "tags": tags,
-            "downloads": int(m.get("downloads") or 0), "likes": int(m.get("likes") or 0),
-            "lastModified": m.get("lastModified"),
-            "fit": fit, "optimal_ctx": max_ctx_for(params_b, quant, ram_gb),
-            "caps": capabilities(name=rid, hf={"tags": tags}),
-        })
-
-    cats = []
-    for c in CATEGORIES:
-        role = c["role"]
-        # 1) KATALOG zuerst (kuratierte, korrekte Metadaten, MoE-bewusst gerankt) —
-        #    macht die Empfehlung präzise statt Namens-Raterei.
-        cat_entries = sorted(catalog.entries_for_role(role),
-                             key=lambda e: -catalog.stack_score(e, ram_gb))
-        cat_models = [m for m in (catalog.to_model_dict(e, ram_gb) for e in cat_entries)
-                      if m["fit"]["level"] != "too_tight"]
-        # 2) HF-Dynamik als Ergänzung (nicht-kuratierte Funde), dedupliziert.
-        hf_ranked = rank_runnable(by_cat[role])
-        seen = {catalog._norm(m["repo"]) for m in cat_models}
-        extra = [h for h in hf_ranked if catalog._norm(h["repo"]) not in seen]
-        combined = cat_models + extra
-        if combined:
-            cats.append({
-                "role": role, "title": c["title"], "icon": c["icon"],
-                "models": combined[:6],
-                # Empfehlung = bester KURATIERTER Eintrag, sonst beste HF-Fundstelle.
-                "recommended": (cat_models[0]["repo"] if cat_models
-                                else (hf_ranked[0]["repo"] if hf_ranked else None)),
-            })
-
-    data = {"updated": time.time(), "categories": cats}
-    try:
-        DISCOVER_CACHE_PATH.parent.mkdir(parents=True, exist_ok=True)
-        tmp = DISCOVER_CACHE_PATH.with_name(DISCOVER_CACHE_PATH.name + ".tmp")
-        tmp.write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
-        os.replace(tmp, DISCOVER_CACHE_PATH)
-    except Exception:
-        log.debug("discover: Cache-Schreiben fehlgeschlagen (nur Beschleunigung)", exc_info=True)
-    return data
-
-
-def load_discover() -> dict | None:
-    try:
-        if DISCOVER_CACHE_PATH.exists():
-            return json.loads(DISCOVER_CACHE_PATH.read_text(encoding="utf-8"))
-    except Exception:
-        log.debug("discover: Cache-Lesen fehlgeschlagen", exc_info=True)
-    return None
-
-
-def safe_discover(ram_gb: float) -> dict | None:
-    """Aus Cache (wenn frisch) oder live; wirft nie — None wenn nichts da."""
-    cached = load_discover()
-    if cached and (time.time() - cached.get("updated", 0) < DISCOVER_TTL):
-        return cached
-    try:
-        return refresh_discover(ram_gb)
-    except Exception:
-        log.warning("discover: Live-Refresh fehlgeschlagen, nutze Cache", exc_info=True)
-        return cached

backend/services/fit.py

@@ -1,106 +0,0 @@
-"""
-Hardware-Fit-Mathe (VRAM/RAM, tps-Schätzung) für APUs mit Unified Memory
-(Bosgame M5 / Strix Halo). Portiert aus Mission Control v1 (hw_math.py).
-"""
-
-import re
-
-# Bytes pro Parameter je GGUF-Quant (Annahme).
-QUANT_BYTES_PER_PARAM = {
-    "Q2_K": 0.35, "Q3_K_S": 0.38, "Q3_K_M": 0.42, "Q3_K_L": 0.45,
-    "Q4_0": 0.50, "Q4_1": 0.55, "Q4_K_S": 0.50, "Q4_K_M": 0.55,
-    "Q5_0": 0.62, "Q5_1": 0.68, "Q5_K_S": 0.62, "Q5_K_M": 0.65,
-    "Q6_K": 0.75, "Q8_0": 1.00, "F16": 2.00, "BF16": 2.00,
-    "MXFP4": 0.55, "FP8": 1.05, "AWQ": 0.55,
-}
-
-
-def estimate_memory_gb(params_b: float, quant: str, ctx: int) -> float:
-    """Geschätzter Speicherbedarf in GB (Gewichte + Kontext-KV).
-    KV-Cache skaliert NICHT linear mit den Gesamt-Parametern (er hängt an
-    Layern × KV-Heads, gedämpft durch GQA) → sqrt-Skalierung, kalibriert am
-    gemessenen Punkt Hermes-4-14B @ 128K ≈ 19 GB KV."""
-    bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.65)
-    weights = params_b * bpp
-    context_vram = (ctx / 8192) * (max(params_b, 7) / 7) ** 0.5 * 0.84
-    return weights + context_vram
-
-
-def extract_active_params_b(name: str) -> float | None:
-    """Aktive Parameter bei MoE ('30B-A3B' → 3.0). None bei Dense."""
-    m = re.search(r"(?<![a-zA-Z])a(\d+(?:\.\d+)?)b\b", name.lower())
-    return float(m.group(1)) if m else None
-
-
-def estimate_speed(req_gb: float, sys_ram_gb: float, moe_active_ratio: float = 1.0) -> float:
-    """Geschätzte t/s anhand der ~273 GB/s Bandbreite der APU.
-    moe_active_ratio = aktive/gesamt Params; < 1 bei MoE."""
-    bw = 273 if sys_ram_gb > 8 else 70
-    if req_gb <= 0:
-        return 0.0
-    raw_tps = (bw / req_gb) * 0.55
-    if moe_active_ratio < 0.8:
-        raw_tps *= (1.0 / moe_active_ratio) ** 0.5
-    return raw_tps
-
-
-def evaluate_fit(params_b: float, quant: str, ctx: int, sys_ram_gb: float, name: str = "") -> dict:
-    """Fit für ein Shared-Memory-System (APU). name → MoE-Erkennung (optional)."""
-    req_gb = estimate_memory_gb(params_b, quant, ctx)
-    active_b = extract_active_params_b(name) if name else None
-    moe_ratio = (active_b / params_b) if (active_b and params_b > 0) else 1.0
-    tps = estimate_speed(req_gb, sys_ram_gb, moe_ratio)
-    usable_ram = max(sys_ram_gb - 4.0, 0)
-    if req_gb > usable_ram:
-        fit_level, text = "too_tight", "Zu groß (OOM)"
-    elif req_gb > usable_ram * 0.8:
-        fit_level, text = "marginal", "Könnte knapp werden"
-    else:
-        fit_level, text = "perfect", "Passt perfekt"
-    return {"level": fit_level, "text": text, "req_gb": round(req_gb, 1), "tps": round(tps, 0)}
-
-
-def extract_params_b(name: str) -> float:
-    """Parametergröße (Mrd.) aus Repo-/Dateiname. 8x7B (MoE) → 56."""
-    moe = re.search(r"(\d+)x(\d+(?:\.\d+)?)[bB]", name)
-    if moe:
-        return float(moe.group(1)) * float(moe.group(2))
-    m = re.search(r"(\d+(?:\.\d+)?)[bB](?![a-zA-Z])", name)
-    return float(m.group(1)) if m else 7.0
-
-
-_NICE_CTX = [2048, 4096, 8192, 16384, 32768, 49152, 65536, 98304, 131072]
-
-
-def max_ctx_in_budget(params_b: float, quant: str, budget_gb: float) -> int:
-    """Größter 'schöner' Kontext, dessen Gewichte + KV in budget_gb passen.
-    Budget-basierter Kern → wird von der setup-bewussten ctx-Vergabe
-    (services.budget) mit dem ECHTEN freien Budget gefüttert."""
-    bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.65)
-    weights = params_b * bpp
-    ctx_budget = budget_gb - weights
-    if ctx_budget <= 0:
-        return 2048
-    # KV pro 8k — EXAKTE Inverse von estimate_memory_gb (sqrt, kalibriert an
-    # Hermes-14B@128K≈19GB). Vorher linear → für große Modelle viel zu konservativ.
-    per_8k = (max(params_b, 7) / 7) ** 0.5 * 0.84
-    raw_ctx = (ctx_budget / per_8k) * 8192
-    best = _NICE_CTX[0]
-    for c in _NICE_CTX:
-        if c <= raw_ctx:
-            best = c
-    return best
-
-
-def max_ctx_for(params_b: float, quant: str, sys_ram_gb: float) -> int:
-    """Roh-Obergrenze: größter Kontext für dieses Modell ALLEIN gegen den
-    Gesamt-RAM (80 % nutzbar). Ignoriert bewusst das übrige Setup —
-    setup-bewusst rechnet services.budget.setup_aware_ctx."""
-    return max_ctx_in_budget(params_b, quant, max(sys_ram_gb - 4.0, 0) * 0.8)
-
-
-def recommend_ctx(params_b: float, quant: str, sys_ram_gb: float) -> dict:
-    ctx = max_ctx_for(params_b, quant, sys_ram_gb)
-    k = ctx // 1024
-    return {"ctx": ctx, "k": k,
-            "note": f"Bis ~{k}k Kontext passt komfortabel auf deine Hardware ({round(sys_ram_gb)} GB)."}

backend/services/gateway.py

@@ -1,46 +0,0 @@
-"""
-Routing-Gateway-Status (eingebauter Modus). MC2 IST der Gateway: serviert
-`/v1/*` mit `model: auto`-Komplexitäts-Routing vor llama-swap. Kein externer
-LiteLLM-Dienst nötig (baut auf Python 3.14 nicht); bleibt später austauschbar.
-"""
-
-from config import PORT
-from services.llamaswap import engine_reachable
-from services.routing_policy import load_policy
-
-
-def routing_summary() -> dict:
-    p = load_policy()
-    coding_default = p["coder_lite"] or p["coder"]
-    return {
-        "mode": "builtin",
-        "endpoint": f":{PORT}/v1  (OpenAI-kompatibel)",
-        # Virtuelle Lanes, die Clients/IDEs als „Modell" wählen (Router pickt das echte Alias).
-        "lanes": [
-            {
-                "name": "chat",
-                "aka": "auto",
-                "target": f"{p['fast']} ↔ {p['heavy']} (nach Komplexität)",
-                "threshold_chars": p["heavy_chars"],
-            },
-            {
-                "name": "coding",
-                "target": f"{coding_default} ↔ {p['coder']} (Eskalation)",
-                "escalate_chars": p["coding_escalate_chars"],
-            },
-        ],
-        # Rückwärtskompatible Flach-Liste (alte UI/Clients).
-        "routes": [
-            {"name": "chat", "target": f"{p['fast']} ↔ {p['heavy']} (nach Komplexität)"},
-            {"name": "coding", "target": f"{coding_default} ↔ {p['coder']} (Eskalation)"},
-            {"name": "<alias>", "target": "llama-swap-Passthrough (lädt bei Bedarf)"},
-        ],
-        "heavy_threshold_chars": p["heavy_chars"],
-        "fallbacks": [],
-        "context_window_fallbacks": [],
-    }
-
-
-def gateway_reachable() -> bool:
-    # Der eingebaute Gateway lebt in MC und proxyt llama-swap → erreichbar, wenn Engine läuft.
-    return engine_reachable()

backend/services/gateway_stream.py

@@ -1,41 +0,0 @@
-"""Token-Erfassung für den Builtin-Gateway.
-
-Parst die `usage`-Felder aus llama-swap-Antworten (Stream + Non-Stream) und meldet
-sie an token_stats. Hält den gateway_proxy-Router dünn und ersetzt die zuvor inline
-verstreute, still scheiternde String-Suche durch einen testbaren SSE-Zeilenparser.
-"""
-
-import json
-import logging
-
-from services.token_stats import increment_tokens
-
-log = logging.getLogger(__name__)
-
-
-def record_usage(usage: dict | None, model: str) -> None:
-    """Ein usage-Objekt verbuchen (no-op bei None/leer)."""
-    if not usage:
-        return
-    prompt = usage.get("prompt_tokens", 0)
-    completion = usage.get("completion_tokens", 0)
-    if prompt or completion:
-        increment_tokens(prompt, completion, model=model)
-
-
-def record_stream_chunk(chunk: bytes, model: str) -> None:
-    """Rohen SSE-Chunk auf `usage` prüfen und Tokens verbuchen. Fehler werden
-    geloggt (debug) statt verschluckt — ein defekter Chunk bricht den Stream nicht."""
-    if b'"usage"' not in chunk:
-        return
-    text = chunk.decode("utf-8", errors="ignore")
-    for line in text.splitlines():
-        if not line.startswith("data:"):
-            continue
-        data_str = line[5:].strip()
-        if not data_str or data_str == "[DONE]":
-            continue
-        try:
-            record_usage(json.loads(data_str).get("usage"), model)
-        except json.JSONDecodeError:
-            log.debug("gateway stream: usage-Parsing fehlgeschlagen: %s", data_str[:120])

backend/services/gguf_meta.py

@@ -1,266 +0,0 @@
-"""
-GGUF-Tokenizer-Fingerprint — liest die Tokenizer-Identität direkt aus dem
-GGUF-Header (ohne das Modell zu laden), um zu entscheiden, ob ein Draft-Modell
-**vocab-kompatibel** mit einem Ziel-Modell ist (Voraussetzung für Speculative
-Decoding in llama.cpp — sonst: "draft model vocab type must match target").
-
-Wir lesen nur die Metadaten-KV-Sektion am Dateianfang und brechen ab, sobald
-`tokenizer.ggml.tokens` erreicht ist (dessen Länge = n_vocab). model+pre+n_vocab
-identifizieren den Tokenizer eindeutig genug, um die in der Praxis relevanten
-Fälle zu unterscheiden (Qwen2.5 vs Qwen3 vs Qwen3.6 etc.). Die llama.cpp-Prüfung
-beim Laden bleibt der letzte Schiedsrichter.
-"""
-
-import hashlib
-import struct
-from functools import lru_cache
-
-# GGUF value types (https://github.com/ggml-org/ggml/blob/master/docs/gguf.md)
-_T_UINT8, _T_INT8, _T_UINT16, _T_INT16, _T_UINT32, _T_INT32, _T_FLOAT32, \
-    _T_BOOL, _T_STRING, _T_ARRAY, _T_UINT64, _T_INT64, _T_FLOAT64 = range(13)
-
-_SCALAR_FMT = {
-    _T_UINT8: "<B", _T_INT8: "<b", _T_UINT16: "<H", _T_INT16: "<h",
-    _T_UINT32: "<I", _T_INT32: "<i", _T_FLOAT32: "<f", _T_BOOL: "<?",
-    _T_UINT64: "<Q", _T_INT64: "<q", _T_FLOAT64: "<d",
-}
-_SCALAR_SIZE = {t: struct.calcsize(f) for t, f in _SCALAR_FMT.items()}
-
-_WANT_STRINGS = {"tokenizer.ggml.model", "tokenizer.ggml.pre", "general.architecture"}
-
-
-class _Reader:
-    def __init__(self, f):
-        self.f = f
-
-    def read(self, n: int) -> bytes:
-        b = self.f.read(n)
-        if len(b) != n:
-            raise EOFError("unerwartetes Dateiende beim GGUF-Parsen")
-        return b
-
-    def u32(self) -> int:
-        return struct.unpack("<I", self.read(4))[0]
-
-    def u64(self) -> int:
-        return struct.unpack("<Q", self.read(8))[0]
-
-    def gstr(self) -> str:
-        n = self.u64()
-        return self.read(n).decode("utf-8", "replace")
-
-    def scalar(self, vtype: int):
-        """Liest einen Skalar-Wert (für die Architektur-Metadaten). None bei Nicht-Skalar."""
-        fmt = _SCALAR_FMT.get(vtype)
-        if not fmt:
-            self.skip_value(vtype)
-            return None
-        return struct.unpack(fmt, self.read(_SCALAR_SIZE[vtype]))[0]
-
-    def skip_value(self, vtype: int) -> None:
-        """Liest einen Wert und verwirft ihn (um den Datei-Pointer korrekt
-        weiterzuschieben). Arrays werden elementweise konsumiert."""
-        if vtype == _T_STRING:
-            self.f.seek(self.u64(), 1)
-        elif vtype in _SCALAR_SIZE:
-            self.f.seek(_SCALAR_SIZE[vtype], 1)
-        elif vtype == _T_ARRAY:
-            etype = self.u32()
-            count = self.u64()
-            if etype == _T_STRING:
-                for _ in range(count):
-                    self.f.seek(self.u64(), 1)
-            elif etype in _SCALAR_SIZE:
-                self.f.seek(_SCALAR_SIZE[etype] * count, 1)
-            else:
-                raise ValueError(f"unbekannter Array-Elementtyp {etype}")
-        else:
-            raise ValueError(f"unbekannter GGUF-Wertetyp {vtype}")
-
-
-def _read_fingerprint(path: str) -> dict | None:
-    """Liest model/pre/n_vocab aus dem GGUF-Header. None bei Fehler/kein GGUF."""
-    try:
-        with open(path, "rb") as fh:
-            r = _Reader(fh)
-            if r.read(4) != b"GGUF":
-                return None
-            r.u32()                 # version
-            r.u64()                 # tensor_count
-            kv_count = r.u64()
-            fp: dict = {"model": None, "pre": None, "arch": None, "n_vocab": None,
-                        "tokens_sha": None}
-            for _ in range(kv_count):
-                key = r.gstr()
-                vtype = r.u32()
-                if key == "tokenizer.ggml.tokens" and vtype == _T_ARRAY:
-                    etype = r.u32()
-                    count = r.u64()
-                    fp["n_vocab"] = count
-                    if etype != _T_STRING:
-                        return None
-                    # ECHTE Vocab-Identität: sha256 über die tatsächliche Token-Liste
-                    # (familienunabhängig — funktioniert für Qwen, Llama, Mistral, …).
-                    h = hashlib.sha256()
-                    h.update(count.to_bytes(8, "little"))
-                    for _ in range(count):
-                        n = r.u64()
-                        h.update(r.read(n))
-                    fp["tokens_sha"] = h.hexdigest()
-                    # model/pre kommen vor tokens → wir haben alles. Abbrechen.
-                    break
-                if key in _WANT_STRINGS and vtype == _T_STRING:
-                    val = r.gstr()
-                    if key == "tokenizer.ggml.model":
-                        fp["model"] = val
-                    elif key == "tokenizer.ggml.pre":
-                        fp["pre"] = val
-                    else:
-                        fp["arch"] = val
-                else:
-                    r.skip_value(vtype)
-            if fp["model"] is None and fp["n_vocab"] is None:
-                return None
-            return fp
-    except (OSError, EOFError, ValueError, struct.error):
-        return None
-
-
-@lru_cache(maxsize=256)
-def _cached(path: str, mtime: float, size: int) -> tuple | None:
-    fp = _read_fingerprint(path)
-    if fp is None:
-        return None
-    return (fp.get("model"), fp.get("pre"), fp.get("n_vocab"), fp.get("arch"), fp.get("tokens_sha"))
-
-
-def fingerprint(path: str) -> dict | None:
-    """Tokenizer-Fingerprint eines GGUF (gecacht nach Pfad+mtime+size).
-    Returns dict(model, pre, n_vocab, arch, tokens_sha) oder None wenn nicht lesbar."""
-    import os
-    try:
-        st = os.stat(path)
-    except OSError:
-        return None
-    t = _cached(path, st.st_mtime, st.st_size)
-    if t is None:
-        return None
-    return {"model": t[0], "pre": t[1], "n_vocab": t[2], "arch": t[3], "tokens_sha": t[4]}
-
-
-def vocab_key(path: str) -> tuple | None:
-    """ECHTER Vergleichsschlüssel für Vocab-Kompatibilität: (model, pre, n_vocab, sha256
-    der vollständigen Token-Liste). Vergleicht den TATSÄCHLICHEN Vokabular-Inhalt, nicht
-    nur Metadaten — familienunabhängig (Qwen, Llama, Mistral, …). Genau diese Identität
-    verlangt llama.cpp für Speculative Decoding."""
-    fp = fingerprint(path)
-    if not fp or fp["n_vocab"] is None or not fp.get("tokens_sha"):
-        return None
-    return (fp["model"], fp["pre"], fp["n_vocab"], fp["tokens_sha"])
-
-
-def compatible(target_path: str, draft_path: str) -> bool | None:
-    """True/False ob draft vocab-kompatibel zum target ist. None = unbestimmbar
-    (eine Datei nicht lesbar) → UI behandelt das als 'nicht bestätigt'."""
-    a = vocab_key(target_path)
-    b = vocab_key(draft_path)
-    if a is None or b is None:
-        return None
-    return a == b
-
-
-# ── Architektur-Metadaten für EHRLICHE KV-Cache-Größen ──────────────────────────────
-# Der KV-Cache hängt an (Layer × KV-Heads × Head-Dim), NICHT an den Gesamt-Parametern.
-# Bei MoE (z.B. Qwen3.6-35B-A3B) ist das entscheidend: die alte params-basierte Schätzung
-# überschätzte grob (aktive vs. gesamte Params + GQA), reale KV liest man direkt hier.
-# Schlüssel sind arch-präfixiert ('qwen3moe.block_count', 'llama.attention.head_count_kv' …),
-# gegen echte GGUFs verifiziert. Wir sammeln die gewünschten Skalar-Schlüssel per Suffix.
-_ARCH_WANT = (
-    ".block_count", ".attention.head_count_kv", ".attention.head_count",
-    ".attention.key_length", ".attention.value_length", ".embedding_length",
-    ".context_length",
-)
-
-
-def _read_arch_meta(path: str) -> dict | None:
-    try:
-        with open(path, "rb") as fh:
-            r = _Reader(fh)
-            if r.read(4) != b"GGUF":
-                return None
-            r.u32()                 # version
-            r.u64()                 # tensor_count
-            kv_count = r.u64()
-            raw: dict = {}
-            arch = None
-            for _ in range(kv_count):
-                key = r.gstr()
-                vtype = r.u32()
-                if key == "general.architecture" and vtype == _T_STRING:
-                    arch = r.gstr()
-                    continue
-                if key == "tokenizer.ggml.tokens":
-                    break            # Arch-Metadaten stehen davor → fertig, Rest überspringen
-                suf = next((s for s in _ARCH_WANT if key.endswith(s)), None)
-                if suf is not None and vtype in _SCALAR_SIZE:
-                    raw[suf] = r.scalar(vtype)
-                else:
-                    r.skip_value(vtype)
-            n_layers = raw.get(".block_count")
-            n_head = raw.get(".attention.head_count")
-            n_head_kv = raw.get(".attention.head_count_kv") or n_head   # GQA fehlt → MHA
-            n_embd = raw.get(".embedding_length")
-            hd_k = raw.get(".attention.key_length") \
-                or (int(n_embd / n_head) if (n_embd and n_head) else None)
-            hd_v = raw.get(".attention.value_length") or hd_k
-            if not (n_layers and n_head_kv and hd_k and hd_v):
-                return None          # unvollständig → Aufrufer nutzt Heuristik-Fallback
-            return {"arch": arch, "n_layers": int(n_layers), "n_head_kv": int(n_head_kv),
-                    "head_dim_k": int(hd_k), "head_dim_v": int(hd_v),
-                    "n_ctx_train": int(raw[".context_length"]) if raw.get(".context_length") else None}
-    except (OSError, EOFError, ValueError, struct.error):
-        return None
-
-
-@lru_cache(maxsize=128)
-def _arch_cached(path: str, mtime: float, size: int) -> dict | None:
-    return _read_arch_meta(path)
-
-
-def arch_meta(path: str) -> dict | None:
-    """Architektur-Metadaten eines GGUF (gecacht nach Pfad+mtime+size):
-    {arch, n_layers, n_head_kv, head_dim_k, head_dim_v, n_ctx_train}. None wenn nicht lesbar
-    oder unvollständig."""
-    import os
-    try:
-        st = os.stat(path)
-    except OSError:
-        return None
-    return _arch_cached(path, st.st_mtime, st.st_size)
-
-
-# Bytes pro KV-Cache-Element je cache-type (inkl. Block-Overhead der k-Quants).
-_KV_BPE = {
-    "f32": 4.0, "f16": 2.0, "bf16": 2.0,
-    "q8_0": 1.0625, "q5_1": 0.75, "q5_0": 0.6875,
-    "q4_1": 0.625, "q4_0": 0.5625, "iq4_nl": 0.5625,
-}
-_GIB = 1024 ** 3
-
-
-def _bpe(cache_type: str | None) -> float:
-    return _KV_BPE.get((cache_type or "f16").lower(), 2.0)
-
-
-def kv_cache_gb(meta: dict, ctx: int, ck: str | None = None, cv: str | None = None) -> float:
-    """Echte KV-Cache-Größe (GiB) für ctx Tokens, K/V ggf. quantisiert. Formel wie llama.cpp:
-    je Layer & Token hält der Cache n_head_kv × head_dim Elemente für K und für V."""
-    per_tok = meta["n_layers"] * meta["n_head_kv"] * ctx
-    k = per_tok * meta["head_dim_k"] * _bpe(ck)
-    v = per_tok * meta["head_dim_v"] * _bpe(cv)
-    return (k + v) / _GIB
-
-
-def kv_gb_per_token(meta: dict, ck: str | None = None, cv: str | None = None) -> float:
-    """KV-GiB pro Kontext-Token — für den analytischen ctx-Solver (linear in ctx)."""
-    return kv_cache_gb(meta, 1, ck, cv)

backend/services/hf.py

@@ -1,103 +0,0 @@
-"""HuggingFace-Helfer: GGUF-Dateien eines Repos auflösen (inkl. Split-Teile) + Größen,
-freie Suche, Repo-URL→ID, verfügbare Quants."""
-
-import os
-import re
-import sys
-
-import httpx
-
-
-def normalize_repo(s: str) -> str:
-    """Akzeptiert volle HF-URL oder `org/repo` → liefert immer `org/repo`."""
-    s = (s or "").strip()
-    m = re.search(r"huggingface\.co/([^/\s]+/[^/\s?#]+)", s)
-    if m:
-        return m.group(1)
-    return s.strip("/")
-
-
-def list_quants(repo: str) -> list[str]:
-    """Verfügbare Quant-Stufen eines Repos (aus den GGUF-Dateinamen, ohne mmproj)."""
-    quants: set[str] = set()
-    for e in _tree(repo):
-        p = str(e.get("path", ""))
-        if p.lower().endswith(".gguf") and "mmproj" not in p.lower():
-            m = re.search(r"(I?Q\d[\w]*|F16|BF16|FP16|F32)", p, re.IGNORECASE)
-            if m:
-                quants.add(m.group(1).upper())
-    # gängige Reihenfolge zuerst
-    order = {"Q4_K_M": 0, "Q4_K_S": 1, "Q5_K_M": 2, "Q6_K": 3, "Q8_0": 4, "Q3_K_M": 5, "Q2_K": 6}
-    return sorted(quants, key=lambda q: (order.get(q, 99), q))
-
-
-def search(q: str = "", limit: int = 24) -> list[dict]:
-    """Freie HF-Suche nach GGUF-Repos. Ohne q → Top-GGUF nach Downloads (Stöbern)."""
-    url = (f"https://huggingface.co/api/models?filter=gguf"
-           f"&sort=downloads&direction=-1&limit={limit}")
-    if q and q.strip():
-        url += f"&search={q.strip()}"
-    try:
-        with httpx.Client(timeout=12.0) as c:
-            data = c.get(url).json()
-    except Exception:
-        return []
-    out = []
-    for m in (data if isinstance(data, list) else []):
-        rid = m.get("id")
-        if rid:
-            out.append({"repo": rid, "downloads": int(m.get("downloads") or 0),
-                        "likes": int(m.get("likes") or 0)})
-    return out
-
-
-def hf_bin() -> str:
-    """Pfad zur `hf`-CLI (bevorzugt neben dem laufenden Python im venv)."""
-    cand = os.path.join(os.path.dirname(sys.executable), "hf")
-    return cand if os.path.exists(cand) else "hf"
-
-
-def _tree(repo: str) -> list[dict]:
-    url = f"https://huggingface.co/api/models/{repo}/tree/main?recursive=true"
-    with httpx.Client(timeout=20.0) as c:
-        data = c.get(url).json()
-    return data if isinstance(data, list) else []
-
-
-def _size(entry: dict) -> int:
-    return int(entry.get("size") or (entry.get("lfs") or {}).get("size") or 0)
-
-
-def resolve_gguf(repo: str, quant: str = "Q4_K_M") -> dict:
-    """Beste GGUF-Auswahl eines Repos für einen Quant. Behandelt Split-GGUFs
-    (-00001-of-000NN) als Gruppe. Liefert die Datei-/Pattern-Infos für den Download.
-
-    Rückgabe: {files:[paths], first:path, total_bytes:int, mmproj:path|None, split:bool}
-    """
-    tree = _tree(repo)
-    ggufs = [e for e in tree if str(e.get("path", "")).lower().endswith(".gguf")]
-    q = quant.lower()
-    # mmproj separat (Vision-Projektor)
-    mmproj = next((e["path"] for e in ggufs if "mmproj" in e["path"].lower()), None)
-    model = [e for e in ggufs if "mmproj" not in e["path"].lower()]
-    # bevorzugt den gewünschten Quant
-    pref = [e for e in model if q in e["path"].lower()]
-    chosen = pref or model
-    if not chosen:
-        return {"files": [], "first": None, "total_bytes": 0, "mmproj": mmproj, "split": False}
-    # Split? Wenn die gewählten Dateien -of- enthalten → alle Teile dieser Gruppe.
-    split = any("-of-" in e["path"].lower() for e in chosen)
-    if split:
-        parts = sorted([e for e in chosen if "-of-" in e["path"].lower()], key=lambda e: e["path"])
-        files = [e["path"] for e in parts]
-        first = files[0]
-        total = sum(_size(e) for e in parts)
-    else:
-        # ein einzelnes File: nimm das kleinste passende (typisch genau eins)
-        chosen.sort(key=lambda e: _size(e))
-        first = chosen[0]["path"]
-        files = [first]
-        total = _size(chosen[0])
-    if mmproj:
-        total += next((_size(e) for e in ggufs if e["path"] == mmproj), 0)
-    return {"files": files, "first": first, "total_bytes": total, "mmproj": mmproj, "split": split}

backend/services/jobengine.py

@@ -1,195 +0,0 @@
-"""
-Mini-Job-System: Hintergrund-Prozesse mit Live-Log + Download-Fortschritt.
-Portiert aus Mission Control v1 (jobengine.py). In-Memory, ein Daemon-Thread je Job.
-"""
-
-import glob
-import os
-import shlex
-import subprocess
-import threading
-import time
-import uuid
-
-JOBS: dict[str, dict] = {}
-_PROCS: dict[str, subprocess.Popen] = {}
-_LOG_CAP = 400
-
-
-def _append_log(job: dict, line: str) -> None:
-    job["log"].append(line)
-    if len(job["log"]) > _LOG_CAP:
-        del job["log"][0]
-
-
-def _pump_output(job: dict, stream) -> None:
-    """Liest byteweise; `\\r` (tqdm/hf-Fortschritt) überschreibt die letzte Zeile."""
-    buf = b""
-    overwrite = False
-    pending_cr = False
-
-    def commit():
-        line = buf.decode("utf-8", "replace")
-        if overwrite and job["log"]:
-            job["log"][-1] = line
-        else:
-            _append_log(job, line)
-
-    while True:
-        ch = stream.read(1)
-        if not ch:
-            break
-        if pending_cr:
-            pending_cr = False
-            if ch == b"\n":
-                commit(); overwrite = False; buf = b""
-                continue
-            commit(); overwrite = True; buf = b""
-        if ch == b"\r":
-            pending_cr = True
-        elif ch == b"\n":
-            commit(); overwrite = False; buf = b""
-        else:
-            buf += ch
-    if pending_cr:
-        commit(); overwrite = True; buf = b""
-    if buf:
-        commit()
-
-
-def _run_job(job_id: str, args: list[str], env: dict | None = None, sudo_password: str | None = None):
-    job = JOBS[job_id]
-    job["state"] = "running"
-    try:
-        actual_args = list(args)
-        if sudo_password is not None:
-            for i, arg in enumerate(actual_args):
-                if isinstance(arg, str):
-                    actual_args[i] = arg.replace("sudo -n", "sudo -S").replace("sudo ", "sudo -S ")
-
-        proc = subprocess.Popen(
-            actual_args, stdout=subprocess.PIPE, stderr=subprocess.STDOUT,
-            stdin=subprocess.PIPE if sudo_password is not None else None,
-            bufsize=0,
-            env={**os.environ, **(env or {})},
-        )
-        _PROCS[job_id] = proc
-
-        if sudo_password is not None and proc.stdin:
-            proc.stdin.write((sudo_password + "\n").encode("utf-8"))
-            proc.stdin.flush()
-            proc.stdin.close()
-
-        _pump_output(job, proc.stdout)
-        proc.wait()
-        job["returncode"] = proc.returncode
-        job["state"] = "canceled" if job.get("canceled") else ("done" if proc.returncode == 0 else "failed")
-        
-        # Check if failed due to sudo authorization failure
-        if proc.returncode != 0 and job["log"]:
-            log_str = "\n".join(job["log"])
-            if "a password is required" in log_str or "password" in log_str.lower() or "sudo:" in log_str:
-                job["sudo_failed"] = True
-    except Exception as exc:  # noqa: BLE001
-        _append_log(job, f"[mc] Fehler: {exc}")
-        job["state"] = "failed"
-        job["returncode"] = -1
-    finally:
-        _PROCS.pop(job_id, None)
-        job["finished_at"] = time.time()
-        cb = job.pop("_on_done", None)
-        if cb and job["state"] == "done":
-            try:
-                cb()
-            except Exception as exc:  # noqa: BLE001
-                _append_log(job, f"[mc] Nachbearbeitung-Fehler: {exc}")
-
-
-def attach_download_progress(job_id: str, local_dir: str, total_bytes: int) -> None:
-    """Fortschritt in % aus wachsenden *.incomplete-Dateien (hf schreibt sie)."""
-    if not total_bytes or total_bytes <= 0:
-        return
-    job = JOBS.get(job_id)
-    if job is not None:
-        job["progress"] = 0
-        job["total_bytes"] = total_bytes
-
-    def _watch():
-        pat = os.path.join(local_dir, ".cache", "huggingface", "download", "**", "*.incomplete")
-        prev_t = prev_b = None
-        rate = 0.0
-        while True:
-            j = JOBS.get(job_id)
-            if not j or j["state"] in ("done", "failed", "canceled"):
-                break
-            try:
-                inc = glob.glob(pat, recursive=True)
-                cur = sum(os.path.getsize(f) for f in inc) if inc else 0
-                if cur:
-                    j["progress"] = min(99, int(cur * 100 / total_bytes))
-                    j["done_bytes"] = cur
-                    now = time.time()
-                    if prev_t is not None and now > prev_t and cur >= prev_b:
-                        inst = (cur - prev_b) / (now - prev_t)
-                        rate = inst if rate == 0 else 0.3 * inst + 0.7 * rate
-                        if rate > 0:
-                            j["rate_bps"] = rate
-                            j["eta_s"] = int((total_bytes - cur) / rate)
-                    prev_t, prev_b = now, cur
-            except Exception:  # noqa: BLE001
-                pass
-            time.sleep(1.0)
-        j = JOBS.get(job_id)
-        if j and j["state"] == "done":
-            j["progress"] = 100
-            j.pop("eta_s", None)
-
-    threading.Thread(target=_watch, daemon=True).start()
-
-
-def start_job(args: list[str], label: str, env: dict | None = None, on_done=None,
-              sudo_password: str | None = None, group: str | None = None) -> str:
-    job_id = uuid.uuid4().hex[:12]
-    # Mask password in log if present in args
-    log_args = list(args)
-    JOBS[job_id] = {
-        "id": job_id, "label": label, "state": "queued", "group": group,
-        "log": ["$ " + " ".join(shlex.quote(a) for a in log_args)],
-        "returncode": None, "started_at": time.time(), "finished_at": None,
-    }
-    if on_done:
-        JOBS[job_id]["_on_done"] = on_done
-    threading.Thread(target=_run_job, args=(job_id, args, env, sudo_password), daemon=True).start()
-    return job_id
-
-
-def active_in_group(group: str) -> dict | None:
-    """Erster laufender/wartender Job einer Gruppe (z.B. 'maintenance'), sonst None.
-    Basis für den Wartungs-Riegel: nur EIN System-Update gleichzeitig."""
-    for j in JOBS.values():
-        if j.get("group") == group and j.get("state") in ("running", "queued"):
-            return j
-    return None
-
-
-def cancel_job(job_id: str) -> bool:
-    job = JOBS.get(job_id)
-    if not job or job["state"] in ("done", "failed", "canceled"):
-        return False
-    job["canceled"] = True
-    _append_log(job, "[mc] Abbruch angefordert…")
-    proc = _PROCS.get(job_id)
-    if proc is not None:
-        try:
-            proc.terminate()
-        except Exception:  # noqa: BLE001
-            pass
-    else:
-        job["state"] = "canceled"
-        job["finished_at"] = time.time()
-    return True
-
-
-def public_jobs() -> list[dict]:
-    """Jobs ohne interne Felder (_on_done) für die API."""
-    return [{k: v for k, v in j.items() if not k.startswith("_")} for j in JOBS.values()]

backend/services/llamaswap.py

@@ -1,576 +0,0 @@
-"""
-Engine-Service: liest/schreibt die llama-swap config.yaml und spricht die
-llama-swap-API. Portiert & erweitert aus Mission Control v1.
-
-NEU in 2.0: `groups` für Ko-Residenz (schnell + schwer gleichzeitig geladen,
-`swap:false`) → Multi-Model-Delegation ohne Nachlade-Latenz.
-"""
-
-import logging
-import os
-import re
-
-import httpx
-from ruamel.yaml.scalarstring import LiteralScalarString
-
-from config import (
-    CMD_TEMPLATE, CONFIG_PATH, DEFAULT_TTL, DRAFTS_DIR, LLAMA_SWAP_URL,
-    SPEC_DRAFT_MODEL_PATH, SPEC_DRAFT_N_MAX, SPEC_TYPE,
-)
-
-log = logging.getLogger(__name__)
-
-# Kanonische Serving-Rollen — EINE Quelle der Wahrheit (identisch zu sources.ROLE_IDS,
-# maintenance, frontend ModelBadges.ROLES). `hermes` = Lucys Agent-Hirn (warm + ko-resident
-# in der `brains`-Gruppe); UI-Label „Hirn".
-ROLE_IDS = {"fast", "heavy", "coder", "vision", "scout", "hermes"}
-
-_CTX_RE = re.compile(r"-(?:c|-ctx-size)\s+(\d+)")
-_PATH_RE = re.compile(r"-(?:m|-model)\s+([^\s]+)")
-_QUANT_RE = re.compile(r"(Q\d_[A-Z0-9_]+|IQ\d_[A-Z0-9_]+|fp16|bf16)\.gguf", re.IGNORECASE)
-_SPLIT_RE = re.compile(r"-(\d+)-of-(\d+)\.gguf$", re.IGNORECASE)
-
-
-def _gguf_total_size(path: str) -> int | None:
-    """Gesamtgröße eines GGUF inkl. ALLER Split-Teile (…-00001-of-00003.gguf).
-    Die Größe nur des ersten Teils ist bei Splits irreführend (oft nur ein Header)."""
-    try:
-        base = os.path.basename(path)
-        m = _SPLIT_RE.search(base)
-        if not m:
-            return os.path.getsize(path)
-        prefix, dirn = base[:m.start()], os.path.dirname(path)
-        total = sum(os.path.getsize(os.path.join(dirn, f))
-                    for f in os.listdir(dirn)
-                    if f.startswith(prefix) and _SPLIT_RE.search(f))
-        return total or os.path.getsize(path)
-    except OSError:
-        return None
-
-
-# --- Lesen -------------------------------------------------------------------
-def read_config() -> dict:
-    if not CONFIG_PATH.exists():
-        return {"models": {}}
-    from ruamel.yaml import YAML
-    r_yaml = YAML()
-    r_yaml.preserve_quotes = True
-    with CONFIG_PATH.open("r", encoding="utf-8") as f:
-        data = r_yaml.load(f) or {}
-    if not data.get("models"):
-        data["models"] = {}
-    return data
-
-
-def _parse_model(name: str, spec: dict) -> dict:
-    spec = spec or {}
-    cmd = str(spec.get("cmd", "")).strip()
-    ctx = int(m.group(1)) if (m := _CTX_RE.search(cmd)) else None
-
-    path = filename = quant = ""
-    size_bytes = None
-    if (m := _PATH_RE.search(cmd)):
-        path = m.group(1).replace("'", "").replace('"', "")
-        filename = os.path.basename(path)
-        if os.path.exists(path):
-            size_bytes = _gguf_total_size(path)
-        if (q := _QUANT_RE.search(path)):
-            quant = q.group(1).upper()
-
-    aliases = spec.get("aliases") or []
-    if isinstance(aliases, str):
-        aliases = [aliases]
-    aliases = [str(a) for a in aliases]
-    role = aliases[0].lower() if aliases else (name.lower() if name.lower() in ROLE_IDS else None)
-
-    prompt_cache = "--prompt-cache " in cmd or cmd.endswith("--prompt-cache") or "--prompt-cache-all" in cmd
-    # Draft-Modell erkennen — klassisch (--spec-draft-model) ODER MTP (--model-draft / -md).
-    spec_draft = None
-    if (m_draft := re.search(r"--(?:spec-draft-model|model-draft)\s+([^\s]+)", cmd)) \
-            or (m_draft := re.search(r"(?<![\w-])-md\s+([^\s]+)", cmd)):
-        spec_draft = os.path.basename(m_draft.group(1).replace("'", "").replace('"', ""))
-    spec_type = None
-    if (m_st := re.search(r"--spec-type\s+([^\s]+)", cmd)):
-        spec_type = m_st.group(1)
-    # Spec ist nur AKTIV, wenn BEIDES gesetzt ist (Draft-Modell UND --spec-type).
-    spec_active = bool(spec_draft and spec_type)
-    parallel_match = re.search(r"--parallel\s+(\d+)", cmd)
-    parallel_slots = int(parallel_match.group(1)) if parallel_match else 1
-
-    from services.caps import capabilities
-    return {
-        "name": name,
-        "role": role,
-        "aliases": aliases,
-        "api_ids": [name] + aliases,
-        "ctx": ctx,
-        "ttl": spec.get("ttl"),
-        "cmd": cmd,
-        "gguf_path": path,
-        "filename": filename,
-        "quant": quant,
-        "size_bytes": size_bytes,
-        "incomplete": not path,
-        "prompt_cache": prompt_cache,
-        "spec_draft_model": spec_draft,
-        "spec_type": spec_type,
-        "spec_active": spec_active,
-        "parallel_slots": parallel_slots,
-        "capabilities": capabilities(
-            name=filename or name, cmd=cmd,
-            gguf_path=(path if (path and os.path.exists(path)) else ""),
-        ),
-    }
-
-
-def list_models() -> list[dict]:
-    cfg = read_config()
-    return [_parse_model(name, spec) for name, spec in (cfg.get("models") or {}).items()]
-
-
-def engine_reachable() -> bool:
-    try:
-        with httpx.Client(timeout=3.0) as c:
-            return c.get(f"{LLAMA_SWAP_URL}/v1/models").status_code == 200
-    except Exception:
-        return False
-
-
-# --- Schreiben ---------------------------------------------------------------
-def model_id_from_path(model_path: str) -> str:
-    """Sprechende Modell-ID (= API-Name) aus dem GGUF-Pfad: Repo-Ordnername ohne
-    '-GGUF'. Fallback: Dateiname ohne Quant-Suffix.
-    Split-GGUFs liegen oft in einem Quant-Unterordner (…/Q4_K_M/file-00001-of-…) →
-    dann eine Ebene höher (Repo-Ordner) nehmen, sonst hieße das Modell 'Q4_K_M'."""
-    d = os.path.basename(os.path.dirname(model_path))
-    if re.fullmatch(r"(I?Q\d[\w]*|UD-Q\d[\w]*|F16|BF16|FP16|F32)", d, flags=re.I):
-        d = os.path.basename(os.path.dirname(os.path.dirname(model_path)))
-    name = re.sub(r"[-_]?GGUF$", "", d, flags=re.I).strip("-_")
-    if not name:
-        fn = re.sub(r"\.gguf$", "", os.path.basename(model_path), flags=re.I)
-        fn = re.sub(r"-\d+-of-\d+$", "", fn)
-        name = re.sub(r"[-_](Q\d[\w]*|IQ\d[\w]*|F16|BF16|FP16|F32)$", "", fn, flags=re.I)
-    return name or "modell"
-
-
-def set_role_alias(cfg: dict, model_id: str, role: str | None) -> None:
-    """Rolle als eindeutigen llama-swap-`aliases`-Eintrag setzen (vorher bei allen
-    anderen Modellen entfernen). role=None/leer entfernt den Alias."""
-    models = cfg.get("models") or {}
-    role = (role or "").strip().lower()
-    if role:
-        for mid, spec in models.items():
-            if mid == model_id or not isinstance(spec, dict):
-                continue
-            al = [a for a in (spec.get("aliases") or []) if str(a).lower() != role]
-            if al:
-                spec["aliases"] = al
-            else:
-                spec.pop("aliases", None)
-    spec = models.get(model_id)
-    if isinstance(spec, dict):
-        if role and role != model_id.lower():
-            spec["aliases"] = [role]
-        else:
-            spec.pop("aliases", None)
-
-
-def _augment_vision(cmd: str, model_path: str, mmproj_path: str | None) -> str:
-    """Vision-Modelle brauchen --mmproj <projektor> und --jinja."""
-    if mmproj_path:
-        if "--mmproj" not in cmd:
-            cmd += f" --mmproj {mmproj_path}"
-        if "--jinja" not in cmd:
-            cmd += " --jinja"
-    return cmd
-
-
-def write_config(cfg: dict) -> None:
-    """Atomar schreiben (tmp + os.replace), damit llama-swap mit -watch-config nie
-    eine halbe Datei sieht. Fehlende Schreibrechte → klare Meldung."""
-    try:
-        CONFIG_PATH.parent.mkdir(parents=True, exist_ok=True)
-        tmp = CONFIG_PATH.with_name(CONFIG_PATH.name + ".tmp")
-        from ruamel.yaml import YAML
-        r_yaml = YAML()
-        r_yaml.preserve_quotes = True
-        with tmp.open("w", encoding="utf-8") as f:
-            r_yaml.dump(cfg, f)
-        os.replace(tmp, CONFIG_PATH)
-        # llama-swap (-watch-config) lädt jetzt neu und verwirft dabei alle Modelle inkl. Hirn.
-        # Den Re-Warm-Wächter anstoßen, damit das Hirn nicht bis zum nächsten Tick kalt liegt.
-        try:
-            from services import warmer
-            warmer.nudge()
-        except Exception:  # noqa: BLE001 — Vorwärmen ist Komfort, nie ein Schreib-Blocker
-            pass
-    except PermissionError as exc:
-        raise PermissionError(
-            f"Mission Control darf '{CONFIG_PATH}' nicht schreiben. "
-            f"Einmalig: sudo chown -R hitonabi:hitonabi {CONFIG_PATH.parent}"
-        ) from exc
-
-
-
-def register_model(model_path: str, role: str | None = None, ctx: int = 8192,
-                   ttl: int | None = None, mmproj_path: str | None = None,
-                   jinja: bool = False) -> str:
-    """Ein GGUF als llama-swap-Modell eintragen (cmd + Rolle-Alias). Gibt die
-    Modell-ID zurück. jinja=True erzwingt --jinja (Tool-Calling, z.B. fürs Agent-Hirn)."""
-    cfg = read_config()
-    model_id = model_id_from_path(model_path)
-    cmd = CMD_TEMPLATE.replace("{model}", model_path).replace("{ctx}", str(ctx))
-    cmd = _augment_vision(cmd, model_path, mmproj_path)
-    if jinja and "--jinja" not in cmd:
-        cmd += " --jinja"
-        
-    role_lower = (role or "").strip().lower()
-    # KV-Cache-Reuse über Turns (Prompt-Cache wiederverwenden) — hilft allen Chat-Modellen
-    # (Agent-Hirn, Coding, Multi-Turn). Spiegelt die auf der Box bewährten Flags wider, damit
-    # neu installierte Modelle nicht hinter dem hand-getunten Stand zurückbleiben (Drift-Fix).
-    # NICHT bei Vision-Modellen: --cache-reuse + --mmproj bricht llama-server (live verifiziert,
-    # deshalb fahren vision/scout auf der Box ohne cache-reuse).
-    if "--cache-reuse" not in cmd and "--mmproj" not in cmd:
-        cmd += " --cache-reuse 256 -cram 16384"
-    # IDE-Coding profitiert von Nebenläufigkeit; sonst Default 1 Slot = voller Kontext/Anfrage
-    # (--parallel teilt den Kontext HART auf die Slots auf, s. docs/OPTIMIZATION_PLAN.md §9.4 V6).
-    if role_lower == "coder" and "--parallel" not in cmd:
-        cmd += " --parallel 2"
-    # Vocab-kompatiblen Draft automatisch anhängen — klassisch (DRAFTS_DIR) ODER MTP-Kopf neben
-    # dem Modell. Self-guarding: ohne kompatiblen/vorhandenen Draft passiert nichts (später im UI
-    # setzbar). Bei frischem Install existiert die Modell-GGUF noch nicht → ebenfalls kein Draft.
-    if "--spec-draft-model" not in cmd and "--model-draft" not in cmd:
-        cmd += spec_draft_flags(model_path)
-            
-    cfg.setdefault("models", {})[model_id] = {
-        "cmd": LiteralScalarString(cmd + "\n"),
-        "ttl": ttl if ttl is not None else DEFAULT_TTL,
-    }
-    set_role_alias(cfg, model_id, role)
-    write_config(cfg)
-    return model_id
-
-
-# --- Speculative-Draft / Vocab-Kompatibilität --------------------------------
-def list_drafts() -> list[dict]:
-    """Alle Draft-GGUFs in DRAFTS_DIR mit Tokenizer-Fingerprint."""
-    from services import gguf_meta
-    out = []
-    if DRAFTS_DIR.is_dir():
-        for p in sorted(DRAFTS_DIR.glob("*.gguf")):
-            out.append({
-                "path": str(p), "filename": p.name,
-                "size_bytes": p.stat().st_size if p.exists() else None,
-                "vocab": gguf_meta.fingerprint(str(p)),
-            })
-    return out
-
-
-def _is_mtp_draft(draft_path: str) -> bool:
-    """Ist dieser Draft ein MTP-Kopf (Multi-Token-Prediction) statt eines klassischen
-    Draft-Modells? MTP-Köpfe (z.B. gemma-4) laden mit `--model-draft … --spec-type
-    draft-mtp` statt `--spec-draft-model … --spec-type draft-simple`. Erkennung am Arch
-    ('…-assistant' / 'mtp') oder Dateinamen ('mtp-*', '*-MTP', '*-assistant')."""
-    base = os.path.basename(draft_path).lower()
-    if base.startswith("mtp-") or "-mtp" in base or "assistant" in base:
-        return True
-    from services import gguf_meta
-    arch = ((gguf_meta.fingerprint(draft_path) or {}).get("arch") or "").lower()
-    return arch.endswith("-assistant") or "mtp" in arch
-
-
-def _spec_flags_for_draft(draft_path: str) -> str:
-    """Korrekte llama-server-Spec-Flags für einen (vocab-kompatiblen) Draft. MTP-Kopf →
-    `--model-draft … --spec-type draft-mtp --spec-draft-n-max N`; klassischer Draft →
-    `--spec-draft-model … --spec-type draft-simple`. (Beides nötig, sonst Spec inaktiv.)"""
-    if _is_mtp_draft(draft_path):
-        return (f" --model-draft {draft_path} --spec-type draft-mtp"
-                f" --spec-draft-n-max {SPEC_DRAFT_N_MAX}")
-    return f" --spec-draft-model {draft_path} --spec-type {SPEC_TYPE}"
-
-
-def _sibling_mtp_drafters(target_path: str) -> list[str]:
-    """MTP-Kopf-GGUFs NEBEN dem Zielmodell (gleicher Ordner): 'mtp-*.gguf', '*-MTP.gguf',
-    '*-assistant*.gguf'. Per Konstruktion vocab-identisch zum Modell → idealer Draft."""
-    out: list[str] = []
-    d = os.path.dirname(target_path)
-    if os.path.isdir(d):
-        for f in sorted(os.listdir(d)):
-            fl = f.lower()
-            if fl.endswith(".gguf") and (fl.startswith("mtp-") or "-mtp" in fl or "assistant" in fl):
-                p = os.path.join(d, f)
-                if p != target_path:
-                    out.append(p)
-    return out
-
-
-def find_compatible_draft(target_path: str) -> str | None:
-    """Pfad eines vocab-kompatiblen Drafts für target_path, oder None.
-    Bevorzugt einen MTP-Kopf NEBEN dem Modell (höchste Qualität, by-construction),
-    dann MC_SPEC_DRAFT_MODEL (falls gesetzt+kompatibel), sonst der erste kompatible
-    Draft in DRAFTS_DIR. None auch, wenn target (noch) fehlt (nicht verifizierbar →
-    bewusst KEIN Draft anhängen)."""
-    if not target_path or not os.path.exists(target_path):
-        return None
-    from services import gguf_meta
-    candidates: list[str] = list(_sibling_mtp_drafters(target_path))
-    if SPEC_DRAFT_MODEL_PATH and os.path.exists(SPEC_DRAFT_MODEL_PATH):
-        candidates.append(SPEC_DRAFT_MODEL_PATH)
-    for d in list_drafts():
-        if d["path"] not in candidates:
-            candidates.append(d["path"])
-    for c in candidates:
-        if gguf_meta.compatible(target_path, c) is True:
-            return c
-    return None
-
-
-def spec_draft_flags(target_path: str) -> str:
-    """llama-server-Flags für Speculative Decoding (Draft + --spec-type), oder ''
-    wenn kein kompatibler Draft existiert. MTP-bewusst (s. _spec_flags_for_draft)."""
-    d = find_compatible_draft(target_path)
-    return _spec_flags_for_draft(d) if d else ""
-
-
-def drafts_for(target_path: str) -> dict:
-    """Für die UI: alle Drafts + ihre Kompatibilität zum Ziel-Modell. Schließt MTP-Köpfe
-    NEBEN dem Zielmodell ein (DRAFTS_DIR kennt sie nicht). `mtp:true` markiert MTP-Drafts.
-    compatible=None heißt 'nicht prüfbar' (Ziel- oder Draft-GGUF fehlt)."""
-    from services import gguf_meta
-    exists = bool(target_path and os.path.exists(target_path))
-    drafts = list_drafts()
-    seen = {d["path"] for d in drafts}
-    for p in _sibling_mtp_drafters(target_path):
-        if p not in seen:
-            drafts.append({"path": p, "filename": os.path.basename(p),
-                           "size_bytes": os.path.getsize(p) if os.path.exists(p) else None,
-                           "vocab": gguf_meta.fingerprint(p)})
-    for d in drafts:
-        d["compatible"] = gguf_meta.compatible(target_path, d["path"]) if exists else None
-        d["mtp"] = _is_mtp_draft(d["path"])
-    return {
-        "target_path": target_path,
-        "target_exists": exists,
-        "target_vocab": gguf_meta.fingerprint(target_path) if exists else None,
-        "drafts": drafts,
-    }
-
-
-def set_spec_draft(model_id: str, draft_path: str | None) -> dict:
-    """Setzt (oder entfernt mit draft_path=None) den Spec-Draft eines Modells.
-    Validiert die Vocab-Kompatibilität — ein inkompatibler/unprüfbarer Draft wird
-    abgelehnt (idiotensicher). Returns {ok, reason}."""
-    cfg = read_config()
-    spec = (cfg.get("models") or {}).get(model_id)
-    if not isinstance(spec, dict):
-        return {"ok": False, "reason": "Modell nicht gefunden"}
-    cmd = str(spec.get("cmd", ""))
-    # vorhandene Spec-Flags entfernen (idempotent) — klassisch UND MTP.
-    cmd = re.sub(r"\s+--(?:spec-draft-model|model-draft)\s+\S+", "", cmd)
-    cmd = re.sub(r"\s+-md\s+\S+", "", cmd)
-    cmd = re.sub(r"\s+--spec-type\s+\S+", "", cmd)
-    cmd = re.sub(r"\s+--spec-draft-n-(?:max|min)\s+\S+", "", cmd)
-
-    if draft_path:
-        # relative Angabe (nur Dateiname) gegen DRAFTS_DIR auflösen
-        if not os.path.isabs(draft_path) and "/" not in draft_path:
-            draft_path = str(DRAFTS_DIR / draft_path)
-        if not os.path.exists(draft_path):
-            return {"ok": False, "reason": "Draft-Datei nicht gefunden"}
-        from services import gguf_meta
-        target = ""
-        if (mt := _PATH_RE.search(cmd)):
-            target = mt.group(1).replace("'", "").replace('"', "")
-        comp = gguf_meta.compatible(target, draft_path) if os.path.exists(target) else None
-        if comp is not True:
-            reason = ("Draft ist NICHT vocab-kompatibel zum Modell — Speculative Decoding "
-                      "würde beim Laden scheitern."
-                      if comp is False else
-                      "Kompatibilität nicht prüfbar (Modell-GGUF fehlt) — Draft nicht gesetzt.")
-            return {"ok": False, "reason": reason}
-        cmd = cmd.rstrip() + _spec_flags_for_draft(draft_path)
-
-    spec["cmd"] = LiteralScalarString(cmd.rstrip() + "\n")
-    write_config(cfg)
-    return {"ok": True, "reason": ""}
-
-
-# --- Groups (Ko-Residenz) ----------------------------------------------------
-def set_group(group: str, members: list[str], swap: bool = False, persist: bool = False) -> None:
-    """llama-swap-`groups`-Eintrag setzen. swap=False → alle Mitglieder dürfen
-    GLEICHZEITIG laufen (Ko-Residenz, keine Nachlade-Latenz). persist=True →
-    Mitglieder werden nie von anderen Gruppen verdrängt.
-
-    llama-swap kennt dafür AUSSCHLIESSLICH den Key `persistent` — `persist` wird von ihm
-    stillschweigend ignoriert (so verlor das Hirn seinen Verdrängungsschutz; live gefunden
-    03.07.2026: Coder-Last warf die brains-Gruppe raus). `persist` wird zusätzlich weiter
-    geschrieben, weil MC2-API/UI (routers/models.py, agent.py, Frontend) diesen Key lesen."""
-    cfg = read_config()
-    groups = cfg.setdefault("groups", {})
-    groups[group] = {"swap": swap, "persist": persist, "persistent": persist,
-                     "members": list(members)}
-    # Härtung: eine persistente (immer-warme) Gruppe verlangt ttl:0 je Mitglied.
-    # `persistent` schützt NUR gegen Verdrängung durch andere Modelle, NICHT gegen
-    # ttl-Selbstentladen — ein Mitglied mit ttl>0 fällt trotz Gruppen-Mitgliedschaft
-    # nach Leerlauf aus dem Warm-Set (live gefunden 03.07.2026: VL-30B mit ttl 300
-    # entlud sich alle 5 Min). So kann dieser Fehler beim Warm-Set-Umbau nie wieder passieren.
-    if persist:
-        models = cfg.get("models") or {}
-        for mid in members:
-            spec = models.get(mid)
-            if isinstance(spec, dict):
-                spec["ttl"] = 0
-    write_config(cfg)
-
-
-def list_groups() -> dict:
-    return read_config().get("groups") or {}
-
-
-def set_role(model_id: str, role: str | None) -> bool:
-    """Rolle (llama-swap-Alias) eines bestehenden Modells setzen/ändern. So tauscht man
-    z.B. das `fast`-Hirn: Rolle `fast` auf ein anderes Modell legen (Alias wandert)."""
-    cfg = read_config()
-    if model_id not in (cfg.get("models") or {}):
-        return False
-    set_role_alias(cfg, model_id, role)
-    write_config(cfg)
-    return True
-
-
-def set_ctx(model_id: str, ctx: int) -> bool:
-    """Kontextlänge (-c) eines bestehenden Modells ändern."""
-    cfg = read_config()
-    spec = (cfg.get("models") or {}).get(model_id)
-    if not spec:
-        return False
-    cmd = str(spec.get("cmd", ""))
-    if _CTX_RE.search(cmd):
-        cmd = re.sub(r"-(?:c|-ctx-size)\s+\d+", f"-c {ctx}", cmd)
-    else:
-        cmd = cmd.rstrip() + f" -c {ctx}"
-    spec["cmd"] = LiteralScalarString(cmd if cmd.endswith("\n") else cmd + "\n")
-    write_config(cfg)
-    return True
-
-
-def set_ttl(model_id: str, ttl: int) -> bool:
-    """Idle-TTL (Sekunden) eines bestehenden Modells setzen. ttl=0 → nie automatisch
-    entladen (für das Agent-Hirn, das dauerhaft warm bleiben muss)."""
-    cfg = read_config()
-    spec = (cfg.get("models") or {}).get(model_id)
-    if not isinstance(spec, dict):
-        return False
-    spec["ttl"] = int(ttl)
-    write_config(cfg)
-    return True
-
-
-def delete_model(model_id: str) -> bool:
-    """Entfernt einen Modell-Eintrag aus der config.yaml, löscht die zugehörigen
-    GGUF-Dateien (auch Splits) vom Datenträger und bereinigt leere Ordner.
-    """
-    cfg = read_config()
-    models = cfg.get("models") or {}
-    if model_id not in models:
-        return False
-
-    model_spec = models[model_id] or {}
-    cmd = str(model_spec.get("cmd", "")).strip()
-    if (m := _PATH_RE.search(cmd)):
-        path = m.group(1).replace("'", "").replace('"', "")
-        if path:
-            # 1. Haupt-GGUF-Datei löschen
-            if os.path.exists(path):
-                try:
-                    os.remove(path)
-                except Exception:
-                    pass
-
-            # 2. Split-GGUF-Teile löschen (z.B. dateiname-00001-of-00005.gguf etc.)
-            dirname = os.path.dirname(path)
-            basename = os.path.basename(path)
-            if os.path.isdir(dirname):
-                split_idx = basename.find("-00001-of-")
-                if split_idx != -1:
-                    prefix = basename[:split_idx]
-                    for f in os.listdir(dirname):
-                        if f.startswith(prefix) and f.endswith(".gguf"):
-                            try:
-                                os.remove(os.path.join(dirname, f))
-                            except Exception:
-                                pass
-
-                # mmproj-Datei (Vision adapter) aus dem Befehl parsen & löschen
-                if "mmproj" in cmd:
-                    mmproj_match = re.search(r'--mmproj\s+[\'"]?([^\s\'"]+)[\'"]?', cmd)
-                    if mmproj_match:
-                        m_path = mmproj_match.group(1)
-                        if os.path.exists(m_path):
-                            try:
-                                os.remove(m_path)
-                            except Exception:
-                                pass
-
-                # 3. Eltern-Ordner löschen, falls er leer ist und nicht der Modelle-Wurzelordner selbst ist
-                try:
-                    if not os.listdir(dirname) and os.path.basename(dirname) != "models":
-                        os.rmdir(dirname)
-                except Exception:
-                    pass
-
-    del models[model_id]
-    for g in (cfg.get("groups") or {}).values():
-        if isinstance(g, dict) and model_id in (g.get("members") or []):
-            g["members"] = [m for m in g["members"] if m != model_id]
-    write_config(cfg)
-    return True
-
-
-def brain_model_name() -> str | None:
-    """Modellname von Lucys Agent-Hirn. Bevorzugt das Modell mit dem 'hermes'-Alias/-Rolle;
-    fällt auf Hermes' aktives `model.default` zurück (deckt den Fall ab, dass die Config direkt
-    auf einen Modellnamen statt den Alias zeigt)."""
-    models = list_models()
-    for m in models:
-        names = {str(a).lower() for a in (m.get("aliases") or [])}
-        if m.get("role"):
-            names.add(str(m["role"]).lower())
-        if "hermes" in names:
-            return m["name"]
-    # Fallback: das real von Hermes genutzte Hirn (model.default), per Alias/Name auflösen.
-    try:
-        from services.agent import _active_brain_name
-        brain = (_active_brain_name() or "").lower()
-        if brain and brain != "auto":
-            cur = next((m for m in models if (m.get("role") or "").lower() == brain), None) \
-                or next((m for m in models if brain in (m["name"] or "").lower()), None)
-            if cur:
-                return cur["name"]
-    except Exception:
-        log.debug("brain_model_name: Hermes-Fallback fehlgeschlagen", exc_info=True)
-    return None
-
-
-def brain_status() -> dict:
-    """Ist Lucys Agent-Hirn (Rolle 'hermes') WIRKLICH geladen & bereit? Prüft /running — ein
-    abgestürztes Modell (z.B. OOM/Crash nach Engine-Update) erscheint dort NICHT als running.
-    Fängt damit den Fall 'Engine erreichbar, aber Hirn tot', den engine_reachable() nicht sieht."""
-    name = brain_model_name()
-    running = get_running_models()
-    return {"role": "hermes", "model": name, "ready": bool(name and name in running)}
-
-
-def get_running_models() -> list[str]:
-    """Fragt den /running Endpunkt von llama-swap ab. Gibt die Namen der geladenen
-    Modelle zurück. Neuere llama-swap-Versionen liefern Objekte ({model, state, ...})
-    statt Strings — beide Formen werden auf Namens-Strings normalisiert."""
-    try:
-        with httpx.Client(timeout=2.0) as c:
-            r = c.get(f"{LLAMA_SWAP_URL}/running")
-            if r.status_code == 200:
-                data = r.json().get("running") or []
-                return [x.get("model", "") if isinstance(x, dict) else x for x in data]
-    except Exception:
-        log.warning("get_running_models fehlgeschlagen", exc_info=True)
-    return []

backend/services/maintenance.py

@@ -1,726 +0,0 @@
-"""
-Wartung: Updates (OS/Engine/Modelle), Dienst-Neustart (system- vs user-aware),
-Reboot, Logs. Portiert/modernisiert aus Mission Control v1 (routers/maintenance.py).
-
-Passwortfrei über NOPASSWD-Whitelist (sudo -n). OS-Update/Reboot brauchen einmalig
-erweiterte sudoers (siehe docs/BEDIENUNG.md). Lange Ops laufen als jobengine-Job.
-"""
-
-import os
-import re
-import subprocess
-import time
-from datetime import datetime
-
-import httpx
-import psutil
-
-from services import catalog, discover, jobengine, llamaswap, system
-
-# System-Dienste (root, via sudo -n NOPASSWD) vs. User-Dienste (systemctl --user).
-SYSTEM_SERVICES = {"llama-swap"}
-USER_SERVICES = {"mission-control-2", "hermes-gateway", "hermes-terminal", "mem0-service", "voice-service"}
-
-# Engine-Update: lädt den neuesten Vulkan-Build (deploy/update-engine.sh, läuft als root).
-_REPO_ROOT = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
-ENGINE_UPDATE_CMD = os.environ.get(
-    "MC_ENGINE_UPDATE_CMD", f"sudo bash {_REPO_ROOT}/deploy/update-engine.sh")
-# Engine = offizieller Vulkan-Build von ggml-org/llama.cpp (RADV auf Strix Halo).
-ENGINE_PATH = os.environ.get("MC_ENGINE_PATH", "/opt/llamacpp-vulkan")
-ENGINE_REPO = os.environ.get("MC_ENGINE_REPO", "ggml-org/llama.cpp")
-_engine_cache = {"ts": 0.0, "avail": False}
-
-# Neueste Release, die WIRKLICH ein Vulkan-x64-Binary trägt. Die allerneueste Release hat
-# manchmal noch keine CI-Assets (0 Assets) → ihr Download-Link 404t. Sowohl der Update-Check
-# als auch der Download (update-engine.sh) müssen daher die neueste ASSET-tragende Release
-# nehmen, sonst zeigt das UI „Update verfügbar", das dann beim Einspielen scheitert.
-_ENGINE_ASSET_RX = re.compile(r"ubuntu-vulkan-x64\.tar\.gz$", re.I)
-
-
-def _latest_engine_asset_release() -> dict | None:
-    try:
-        rels = httpx.get(f"https://api.github.com/repos/{ENGINE_REPO}/releases?per_page=15",
-                         timeout=8, headers={"User-Agent": "MissionControl2"}).json()
-        for rel in (rels if isinstance(rels, list) else []):
-            if any(_ENGINE_ASSET_RX.search(a.get("name", "")) for a in (rel.get("assets") or [])):
-                return rel
-    except Exception:
-        pass
-    return None
-
-# Router = llama-swap (mostlygeek): proxyt Anfragen und wechselt die Modelle heiß. Eigenes
-# Upstream-Projekt mit eigenem Release-Zyklus → getrennt von der Engine geführt.
-SWAP_UPDATE_CMD = os.environ.get(
-    "MC_SWAP_UPDATE_CMD", f"sudo bash {_REPO_ROOT}/deploy/update-swap.sh")
-SWAP_BIN = os.environ.get("MC_SWAP_BIN", "/usr/local/bin/llama-swap")
-SWAP_REPO = os.environ.get("MC_SWAP_REPO", "mostlygeek/llama-swap")
-_swap_cache = {"ts": 0.0, "avail": False}
-
-# Stack-Funktionsprüfung NACH jedem Update (OS/Engine/Router): verifiziert per echter
-# Inferenz, dass der Stack noch läuft → Job wird rot, wenn ein Update etwas zerschossen hat.
-STACK_POSTCHECK = os.path.join(_REPO_ROOT, "deploy", "stack-postcheck.sh")
-
-
-def _installed_engine_build() -> int | None:
-    """Build-Nummer der installierten llama-server-Binary (z.B. 9821), oder None.
-    Vulkan-Build braucht LD_LIBRARY_PATH=ENGINE_PATH zum Start von --version."""
-    bin_path = os.path.join(ENGINE_PATH, "llama-server")
-    if not os.path.exists(bin_path):
-        return None
-    try:
-        env = dict(os.environ, LD_LIBRARY_PATH=ENGINE_PATH)
-        out = subprocess.run([bin_path, "--version"], capture_output=True, text=True,
-                             timeout=20, env=env)
-        txt = (out.stderr or "") + (out.stdout or "")
-        # Formate je nach Build: "version: 9821 (hash)" (aktuell), "build: <hash> (9821)", "b9821".
-        if (m := re.search(r"version:\s*(\d{3,})", txt)) \
-                or (m := re.search(r"build:\s*\S+\s*\((\d+)\)", txt)) \
-                or (m := re.search(r"\bb(\d{3,})\b", txt)):
-            return int(m.group(1))
-    except Exception:
-        return None
-    return None
-
-
-def _ram_gb() -> float:
-    return psutil.virtual_memory().total / (1024 ** 3)
-
-
-def _os_upgradable() -> int:
-    try:
-        # LC_ALL=C erzwingt englische apt-Ausgabe ("[upgradable from: ...]") — sonst zählt
-        # grep auf einer deutschen Box ("[aktualisierbar von:]") nichts und meldet faelschlich 0.
-        out = subprocess.run(
-            ["bash", "-c", "LC_ALL=C apt list --upgradable 2>/dev/null | grep -c upgradable || true"],
-            capture_output=True, text=True, timeout=10)
-        return int((out.stdout or "0").strip() or 0)
-    except Exception:
-        return 0
-
-
-def _engine_update_available() -> bool:
-    now = time.time()
-    if now - _engine_cache["ts"] < 3600:
-        return _engine_cache["avail"]
-    avail = False
-    try:
-        rel = _latest_engine_asset_release() or {}
-        tag = str(rel.get("tag_name", ""))
-        latest = int(m.group(1)) if (m := re.search(r"(\d{3,})", tag)) else None
-        installed = _installed_engine_build()
-        if latest is not None and installed is not None:
-            avail = latest > installed          # präziser Build-Nummer-Vergleich
-        elif rel.get("published_at"):           # Fallback: Release-Datum vs. Engine-mtime
-            pub = datetime.fromisoformat(rel["published_at"].replace("Z", "+00:00")).timestamp()
-            avail = pub > os.path.getmtime(ENGINE_PATH) + 86400
-    except Exception:
-        avail = False
-    _engine_cache.update(ts=now, avail=avail)
-    return avail
-
-
-def _installed_swap_version() -> int | None:
-    """Versions-Nummer der installierten llama-swap-Binary (z.B. 228), oder None."""
-    if not os.path.exists(SWAP_BIN):
-        return None
-    try:
-        out = subprocess.run([SWAP_BIN, "--version"], capture_output=True, text=True, timeout=15)
-        txt = (out.stdout or "") + (out.stderr or "")
-        if (m := re.search(r"version:\s*(\d+)", txt)) or (m := re.search(r"\bv?(\d{2,})\b", txt)):
-            return int(m.group(1))
-    except Exception:
-        return None
-    return None
-
-
-def _swap_update_available() -> bool:
-    now = time.time()
-    if now - _swap_cache["ts"] < 3600:
-        return _swap_cache["avail"]
-    avail = False
-    try:
-        rel = httpx.get(f"https://api.github.com/repos/{SWAP_REPO}/releases/latest",
-                        timeout=6, headers={"User-Agent": "MissionControl2"}).json()
-        tag = str(rel.get("tag_name", ""))
-        latest = int(m.group(1)) if (m := re.search(r"(\d{2,})", tag)) else None
-        installed = _installed_swap_version()
-        if latest is not None and installed is not None:
-            avail = latest > installed
-    except Exception:
-        avail = False
-    _swap_cache.update(ts=now, avail=avail)
-    return avail
-
-
-_comp_cache = {"ts": 0.0, "data": []}
-
-
-def _hermes_agent_update() -> dict:
-    """Hermes-Agent wird aus **git** aktualisiert (CLI `hermes update` = git pull origin <branch>).
-    Darum HEAD vs. origin/<branch> prüfen (fetch + behind-count) — NICHT GitHub-Releases: die
-    werden selten getaggt, main läuft ihnen voraus → sonst zeigt das UI nie ein Update an."""
-    info = {"key": "hermes_agent", "name": "Hermes Agent", "current": None,
-            "latest": None, "update": False, "reachable": None}
-    git = system.find_hermes_agent_git()
-    if not git or not git.get("path"):
-        return info
-    path = git["path"]
-    info["current"] = git.get("hash")
-    try:
-        branch = (subprocess.run(["git", "-C", path, "rev-parse", "--abbrev-ref", "HEAD"],
-                                 capture_output=True, text=True, timeout=8).stdout.strip() or "main")
-        fetch = subprocess.run(["git", "-C", path, "fetch", "-q", "origin", branch],
-                               capture_output=True, text=True, timeout=25)
-        info["reachable"] = (fetch.returncode == 0)
-        if fetch.returncode == 0:
-            cnt = subprocess.run(["git", "-C", path, "rev-list", "--count", f"HEAD..origin/{branch}"],
-                                 capture_output=True, text=True, timeout=8)
-            behind = int(cnt.stdout.strip() or "0") if cnt.returncode == 0 else 0
-            info["behind"] = behind
-            info["update"] = behind > 0
-            oh = subprocess.run(["git", "-C", path, "rev-parse", "--short", f"origin/{branch}"],
-                                capture_output=True, text=True, timeout=8).stdout.strip()
-            info["latest"] = (f"{oh} ({behind} neu)" if behind else (oh or info["current"]))
-    except Exception:
-        info["reachable"] = False
-    return info
-
-
-def _components_cached() -> list[dict]:
-    """Update-Status von Hermes-Agent (1h-Cache → GitHub schonen)."""
-    now = time.time()
-    if now - _comp_cache["ts"] < 3600 and _comp_cache["data"]:
-        return _comp_cache["data"]
-    data = [_hermes_agent_update()]
-    _comp_cache.update(ts=now, data=data)
-    return data
-
-
-def _params_of(m: dict) -> float:
-    """Größen-bewusste Parameterzahl eines installierten Modells: max aus Namens-Schätzung
-    und Dateigröße (fängt namenlose wie 'Qwen3-Coder-Next' UND Split-GGUFs ab)."""
-    from services.fit import QUANT_BYTES_PER_PARAM
-    caps = m.get("capabilities") or {}
-    bpp = QUANT_BYTES_PER_PARAM.get((m.get("quant") or "Q4_K_M").upper(), 0.55)
-    size_gb = (m.get("size_bytes") or 0) / (1024 ** 3)
-    pb_size = (size_gb / bpp) if size_gb > 1.0 else 0.0
-    return max(float(caps.get("params_b") or 0), pb_size, 0.0)
-
-
-# Familien-Subtyp + Generations-Version aus dem Modellnamen (für „echtes Upgrade?").
-_FAM_PATS = (("qwen", r"qwen(\d+(?:\.\d+)?)"), ("gemma", r"gemma[-_ ]?(\d+(?:\.\d+)?)"),
-             ("llama", r"llama[-_ ]?(\d+(?:\.\d+)?)"), ("phi", r"phi[-_ ]?(\d+(?:\.\d+)?)"),
-             ("mistral", r"mistral"), ("hermes", r"hermes[-_ ]?(\d+(?:\.\d+)?)"))
-
-
-def _gen_key(name: str):
-    """(Familie+Subtyp, Generations-Version) oder None. Z.B. 'Qwen3-VL-2B' → ('qwen-vl', 3.0),
-    'Qwen2.5-VL-7B' → ('qwen-vl', 2.5). Nur gleiche Familie ist sinnvoll vergleichbar."""
-    low = (name or "").lower()
-    sub = "-vl" if any(k in low for k in ("-vl", "vl-", "vision", "llava", "pixtral")) else \
-          "-coder" if ("coder" in low or "-code" in low) else ""
-    for fam, pat in _FAM_PATS:
-        m = re.search(pat, low)
-        if m:
-            ver = float(m.group(1)) if (m.groups() and m.group(1)) else 0.0
-            return (fam + sub, ver)
-    return None
-
-
-def _meta(name: str, model_dict: dict | None = None, im: dict | None = None) -> dict:
-    """Metadaten (family, gen, total, active, moe) — bevorzugt den kuratierten Katalog,
-    sonst die Felder eines Discover-/Modell-Dicts, sonst Namens-/Größen-Heuristik."""
-    cm = catalog.meta_for_name(name)
-    if cm:
-        return {"family": cm.get("family"), "gen": cm.get("generation"),
-                "total": float(cm.get("total_params_b") or 0),
-                "active": cm.get("active_params_b"), "moe": bool(cm.get("moe"))}
-    d = model_dict or {}
-    g = _gen_key(name)
-    total = float(d.get("params_b") or 0) or (_params_of(im) if im else 0.0)
-    return {"family": (d.get("family") or (g[0] if g else None)),
-            "gen": (d.get("generation") if d.get("generation") is not None else (g[1] if g else None)),
-            "total": total, "active": d.get("active_b"), "moe": bool(d.get("moe"))}
-
-
-def model_upgrades() -> list[dict]:
-    """Je Rolle ein ECHTES Upgrade — nur wenn die Empfehlung wirklich besser ist:
-    gleiche Familie UND (neuere Generation ODER deutlich größer) UND kein Tempo-Downgrade
-    (MoE-first für die bandbreiten-limitierte Box: dense ersetzt MoE nur bei großem Wissens-
-    Sprung). Metadaten kommen aus dem kuratierten Katalog → keine Namens-Raterei."""
-    disc = discover.safe_discover(_ram_gb())
-    if not disc:
-        return []
-
-    installed = llamaswap.list_models()
-    inst_by_role = {m["role"]: m for m in installed if m.get("role")}
-    cmds = " ".join(str(s.get("cmd", "")).lower()
-                    for s in (llamaswap.read_config().get("models") or {}).values())
-    out = []
-
-    for c in disc.get("categories", []):
-        role = c["role"]
-        im = inst_by_role.get(role)
-        if im is None:
-            continue
-        rec = c.get("recommended")
-        if not rec:
-            continue
-        rec_model = next((x for x in c.get("models", []) if x.get("repo") == rec), None)
-
-        i = _meta(im["name"], im=im)
-        r = _meta(rec, model_dict=rec_model)
-
-        if not i["family"] or not r["family"] or i["family"] != r["family"]:
-            continue                                   # andere/unbekannte Familie → kein Upgrade
-        if r["gen"] is not None and i["gen"] is not None and r["gen"] < i["gen"] - 1e-6:
-            continue                                   # ältere Generation → niemals
-        same_gen = (r["gen"] is None or i["gen"] is None or abs(r["gen"] - i["gen"]) < 1e-6)
-        if same_gen:
-            if r["total"] and i["total"] and r["total"] < i["total"] * 1.05:
-                continue                               # gleiche Gen, nicht größer → kein Upgrade
-            # MoE-first: ein MoE durch dense ersetzen nur bei deutlichem Wissens-Sprung
-            if i["moe"] and not r["moe"] and r["total"] < i["total"] * 1.5:
-                continue
-            # Tempo nicht verschlechtern (aktive Params), außer großer Wissens-Gewinn
-            ia, ra = (i["active"] or i["total"]), (r["active"] or r["total"])
-            if ia and ra > ia * 1.3 and r["total"] < i["total"] * 1.3:
-                continue
-
-        base = rec.split("/")[-1].lower()
-        stem = base[:-5] if base.endswith("-gguf") else base
-        if base in cmds or (stem and stem in cmds):
-            continue                                   # schon installiert
-        out.append({"role": role, "title": c["title"], "repo": rec})
-    return out
-
-
-def _last_apt_update() -> float | None:
-    for path in ["/var/lib/apt/periodic/update-success-stamp", "/var/cache/apt/pkgcache.bin"]:
-        if os.path.exists(path):
-            try:
-                return os.path.getmtime(path)
-            except Exception:
-                pass
-    return None
-
-
-def updates() -> dict:
-    ups = model_upgrades()
-    return {"os": _os_upgradable(), "engine": 1 if _engine_update_available() else 0,
-            "swap": 1 if _swap_update_available() else 0,
-            "models": len(ups), "model_list": ups, "last_check": _last_apt_update(),
-            "components": _components_cached()}
-
-
-# ── Update-Details (was genau wird aktualisiert) — on-demand beim Öffnen des Fensters ──
-
-def _os_held_back() -> list[dict]:
-    """Pakete, die apt aktuell NICHT einspielt, obwohl es sie gäbe — mit ehrlichem Grund.
-    Zwei Fälle, aus `apt-get -s upgrade` (Simulation) gelesen:
-      • Phasen-Rollout (Ubuntu staffelt Updates prozentual aus) → 'deferred due to phasing'.
-      • zurückgehalten wegen neuer Abhängigkeiten → 'kept back'.
-    Beides ist normal und löst sich von selbst — verhindert nur das 'hängt fest'-Gefühl,
-    wenn nach 'Fertig' noch aktualisierbare Pakete übrig scheinen."""
-    held: list[dict] = []
-    sections = {
-        "The following upgrades have been deferred due to phasing:": "phasing",
-        "The following packages have been kept back:": "kept_back",
-    }
-    try:
-        out = subprocess.run(
-            ["bash", "-c", "LC_ALL=C apt-get -s upgrade 2>/dev/null"],
-            capture_output=True, text=True, timeout=25)
-        reason: str | None = None
-        for line in (out.stdout or "").splitlines():
-            hdr = sections.get(line.strip())
-            if hdr:                                   # Abschnitts-Kopf → folgende Zeilen sammeln
-                reason = hdr
-                continue
-            if reason and line.startswith((" ", "\t")):   # eingerückt = Paketnamen des Abschnitts
-                for name in line.split():
-                    held.append({"name": name, "reason": reason})
-            elif reason:                              # nicht eingerückt → Abschnitt zu Ende
-                reason = None
-    except Exception:  # noqa: BLE001 — nur Zusatzinfo, nie ein Blocker
-        pass
-    held.sort(key=lambda p: p["name"])
-    return held
-
-
-def os_update_details() -> dict:
-    """Liste der aktualisierbaren apt-Pakete (Name, installiert → Kandidat) + ehrliche
-    Anzeige der vom System zurückgestellten Pakete (Phasen-Rollout / kept back)."""
-    out_pkgs: list[dict] = []
-    try:
-        # LC_ALL=C → englische Ausgabe, damit der Regex "[upgradable from: ...]" greift
-        # (deutsche Box meldet sonst "[aktualisierbar von:]" und die Liste bliebe leer).
-        out = subprocess.run(["bash", "-c", "LC_ALL=C apt list --upgradable 2>/dev/null"],
-                             capture_output=True, text=True, timeout=20)
-        for line in (out.stdout or "").splitlines():
-            # Format: name/repo  neue_version  arch  [upgradable from: alte_version]
-            m = re.match(r"^([^/\s]+)/\S+\s+(\S+)\s+\S+\s+\[upgradable from:\s*([^\]]+)\]",
-                         line.strip())
-            if m:
-                out_pkgs.append({"name": m.group(1), "candidate": m.group(2),
-                                 "current": m.group(3).strip()})
-        out_pkgs.sort(key=lambda p: p["name"])
-        return {"kind": "os", "count": len(out_pkgs), "packages": out_pkgs,
-                "held_back": _os_held_back()}
-    except Exception as exc:  # noqa: BLE001
-        return {"kind": "os", "count": len(out_pkgs), "packages": out_pkgs, "error": str(exc)}
-
-
-def engine_update_details() -> dict:
-    """Installierte vs. neueste Engine-Build-Nummer + Release-Name/-Notizen/-Link."""
-    info: dict = {"kind": "engine", "installed_build": _installed_engine_build(),
-                  "latest_build": None, "latest_tag": None, "name": None,
-                  "url": None, "body": None}
-    try:
-        rel = _latest_engine_asset_release() or {}
-        tag = str(rel.get("tag_name", ""))
-        info["latest_tag"] = tag
-        info["latest_build"] = int(m.group(1)) if (m := re.search(r"(\d{3,})", tag)) else None
-        info["name"] = rel.get("name") or tag
-        info["url"] = rel.get("html_url")
-        body = (rel.get("body") or "").strip()
-        info["body"] = body[:2000] if body else None
-        # Nur zusammenfassen, wenn wirklich ein neuerer Build ansteht (spart einen LLM-Call,
-        # wenn das Modal bei aktuellem Stand geöffnet wird).
-        if body and info["latest_build"] and info["installed_build"] \
-                and info["latest_build"] > info["installed_build"]:
-            ctx = ("Es geht um ein Update der Inferenz-Engine llama.cpp (Vulkan-Build, treibt alle "
-                   "Sprachmodelle der Box auf der AMD-Strix-Halo-GPU).")
-            info.update(_summarize_release("engine", tag, ctx, body[:6000]))
-    except Exception as exc:  # noqa: BLE001
-        info["error"] = str(exc)
-    return info
-
-
-def swap_update_details() -> dict:
-    """Installierte vs. neueste llama-swap-Version + Release-Name/-Notizen/-Link."""
-    info: dict = {"kind": "swap", "installed_build": _installed_swap_version(),
-                  "latest_build": None, "latest_tag": None, "name": None,
-                  "url": None, "body": None}
-    try:
-        rel = httpx.get(f"https://api.github.com/repos/{SWAP_REPO}/releases/latest",
-                        timeout=8, headers={"User-Agent": "MissionControl2"}).json()
-        tag = str(rel.get("tag_name", ""))
-        info["latest_tag"] = tag
-        info["latest_build"] = int(m.group(1)) if (m := re.search(r"(\d{2,})", tag)) else None
-        info["name"] = rel.get("name") or tag
-        info["url"] = rel.get("html_url")
-        body = (rel.get("body") or "").strip()
-        info["body"] = body[:2000] if body else None
-        if body and info["latest_build"] and info["installed_build"] \
-                and info["latest_build"] > info["installed_build"]:
-            ctx = ("Es geht um ein Update von llama-swap (der Router, der Anfragen an die Box "
-                   "verteilt und Sprachmodelle heiß nachlädt).")
-            info.update(_summarize_release("swap", tag, ctx, body[:6000]))
-    except Exception as exc:  # noqa: BLE001
-        info["error"] = str(exc)
-    return info
-
-
-# LLM-Zusammenfassung anstehender Updates in Lucys Stimme (die Box liest ihre Release-Notes
-# selbst). Jede Zusammenfassung beginnt mit einem klaren Aktions-Verdikt für den Besitzer
-# (kein Entwickler): "Musst du etwas tun? NEIN — das Fangnetz regelt das / JA: …".
-# Gecacht je Komponente auf den neuesten Commit-Hash/Release-Tag — das Modal darf beliebig
-# oft geöffnet werden, ohne das Modell jedes Mal neu zu befragen.
-_relnotes_caches: dict = {"hermes": {}, "engine": {}, "swap": {}}
-
-# Erste Zeile jeder Modell-Antwort: "AKTION: NEIN" oder "AKTION: JA — <grund>".
-# Toleriert Markdown-Deko (**fett**, Bullet, Überschrift), die 'fast' gern einstreut.
-_ACTION_RX = re.compile(
-    r"^[\s*_>#\-]*AKTION:?\s*\**\s*(JA|NEIN)\b[\s—:,.\-*_]*(.*?)[\s*_]*$", re.IGNORECASE)
-
-
-def _summarize_release(kind: str, key: str, context: str, changes: str) -> dict:
-    """Fasst Release-Notes/Commits in Lucys Stimme zusammen und trennt das Aktions-Verdikt
-    ab. Rückgabe: {summary, action_needed, action_text}. Cache je Komponente auf `key`."""
-    empty = {"summary": "", "action_needed": None, "action_text": ""}
-    if not key:
-        return empty
-    cache = _relnotes_caches.setdefault(kind, {})
-    if cache.get("key") == key and cache.get("data"):
-        return cache["data"]
-    from config import LLAMA_SWAP_URL
-    prompt = (
-        "Du bist Lucy, die Stimme einer lokalen AI-Box, und erklärst dem Besitzer (KEIN Entwickler, "
-        "fasst nie eine Konsole an) ein anstehendes Update ruhig und verständlich.\n"
-        f"{context}\n\n"
-        "Anstehende Änderungen:\n" + changes + "\n\n"
-        "Antworte auf DEUTSCH, knapp und klar. HALTE DICH GENAU an dieses Format:\n"
-        "Zeile 1 ist das Aktions-Verdikt und beginnt mit 'AKTION: ':\n"
-        "  • 'AKTION: NEIN' — wenn der Besitzer nichts tun muss (die Box spielt es selbst ein, das "
-        "Fangnetz prüft danach automatisch und rollt bei Problemen von allein zurück). Das ist der "
-        "Normalfall.\n"
-        "  • 'AKTION: JA — <was er konkret tun/entscheiden muss>' — NUR wenn er wirklich selbst "
-        "handeln muss.\n"
-        "Danach maximal 5 kurze Stichpunkte (je mit '- '), Wichtigstes zuerst: Breaking Changes oder "
-        "geänderte/entfernte Config-Schlüssel ZUERST und mit '⚠️' markiert, dann was unser Setup "
-        "betrifft, dann lohnende neue Features. Keine Einleitung, keine Überschrift."
-    )
-    try:
-        r = httpx.post(f"{LLAMA_SWAP_URL}/v1/chat/completions", timeout=90.0, json={
-            "model": "fast", "max_tokens": 550, "temperature": 0.2,
-            "chat_template_kwargs": {"enable_thinking": False},
-            "messages": [{"role": "user", "content": prompt}],
-        })
-        r.raise_for_status()
-        resp = r.json()
-        choice = (resp.get("choices") or [{}])[0]
-        text = ((choice.get("message") or {}).get("content") or "").strip()
-        finish_reason = choice.get("finish_reason") or ""
-
-        # finish_reason == "length" → Antwort wurde wegen Token-Limits abgeschnitten →
-        # letzten (unvollständigen) Stichpunkt entfernen. Bei "stop"/None → vollständig.
-        if finish_reason == "length" and text:
-            head, _, _tail = text.rpartition("\n")
-            text = head if head else ""
-
-        # Aktions-Verdikt herauslösen (strukturiertes Feld fürs UI). Normalerweise Zeile 1,
-        # aber tolerant: erste passende Zeile suchen (Modell startet manchmal mit Leerzeile).
-        action_needed: bool | None = None
-        action_text = ""
-        lines = text.splitlines()
-        for idx, ln in enumerate(lines):
-            if m := _ACTION_RX.match(ln):
-                action_needed = m.group(1).upper() == "JA"
-                action_text = (m.group(2) or "").strip()
-                text = "\n".join(lines[:idx] + lines[idx + 1:]).strip()
-                break
-
-        data = {"summary": text, "action_needed": action_needed, "action_text": action_text}
-        if text:
-            cache.update(key=key, data=data)
-        return data
-    except Exception as exc:  # noqa: BLE001 — Zusammenfassung ist Komfort, nie Blocker
-        return {"summary": f"(Zusammenfassung nicht verfügbar: {exc})",
-                "action_needed": None, "action_text": ""}
-
-
-def _summarize_hermes_commits(commits: list[dict]) -> dict:
-    subjects = "\n".join(f"- {c['subject']}" for c in commits[:100])
-    context = ("Es geht um ein Update des Hermes-Agenten (das Gehirn/Werkzeug-System der Box auf "
-               "Strix Halo; genutzt werden: api_server/Gateway, memory-provider-Plugin 'mc2-memory', "
-               "terminal-/web-Tools, approvals, cron).")
-    return _summarize_release("hermes", commits[0]["hash"] if commits else "", context, subjects)
-
-
-def hermes_update_details() -> dict:
-    """Commits, die ein Hermes-Update einspielen würde (HEAD..origin/<branch>) + LLM-Zusammenfassung."""
-    info: dict = {"kind": "hermes", "branch": None, "behind": 0, "commits": []}
-    git = system.find_hermes_agent_git()
-    if not git or not git.get("path"):
-        info["error"] = "Hermes-Agent-Repo nicht gefunden."
-        return info
-    path = git["path"]
-    try:
-        branch = (subprocess.run(["git", "-C", path, "rev-parse", "--abbrev-ref", "HEAD"],
-                                 capture_output=True, text=True, timeout=8).stdout.strip() or "main")
-        info["branch"] = branch
-        subprocess.run(["git", "-C", path, "fetch", "-q", "origin", branch],
-                       capture_output=True, text=True, timeout=25)
-        log = subprocess.run(["git", "-C", path, "log", "--pretty=format:%h\x1f%s\x1f%cr",
-                              f"HEAD..origin/{branch}"], capture_output=True, text=True, timeout=10)
-        commits = []
-        for line in (log.stdout or "").splitlines():
-            parts = line.split("\x1f")
-            if len(parts) == 3:
-                commits.append({"hash": parts[0], "subject": parts[1], "when": parts[2]})
-        info["commits"] = commits
-        info["behind"] = len(commits)
-        if commits:
-            info.update(_summarize_hermes_commits(commits))
-    except Exception as exc:  # noqa: BLE001
-        info["error"] = str(exc)
-    return info
-
-
-def update_details(kind: str) -> dict:
-    return {"os": os_update_details, "engine": engine_update_details,
-            "swap": swap_update_details,
-            "hermes": hermes_update_details}.get(kind, lambda: {"error": "unbekannt"})()
-
-
-def _run(cmd: list[str], sudo_password: str | None = None) -> dict:
-    actual_cmd = list(cmd)
-    has_sudo = False
-    
-    if cmd and cmd[0] == "sudo":
-        has_sudo = True
-        # If we have a password, use -S instead of -n
-        if sudo_password is not None:
-            if "-n" in actual_cmd:
-                actual_cmd = [x for x in actual_cmd if x != "-n"]
-            if "-S" not in actual_cmd:
-                actual_cmd.insert(1, "-S")
-        else:
-            # Force -n to fail cleanly if password is required
-            if "-S" in actual_cmd:
-                actual_cmd = [x for x in actual_cmd if x != "-S"]
-            if "-n" not in actual_cmd:
-                actual_cmd.insert(1, "-n")
-
-    try:
-        input_data = (sudo_password + "\n") if (has_sudo and sudo_password is not None) else None
-        p = subprocess.run(actual_cmd, input=input_data, capture_output=True, text=True, timeout=120)
-        
-        err_msg = p.stderr or ""
-        if p.returncode != 0 and ("a password is required" in err_msg or "password" in err_msg.lower() or "sudo:" in err_msg):
-            if sudo_password is not None:
-                return {"ok": False, "status": "incorrect_password", "out": p.stdout or "", "err": "Falsches Sudo-Passwort."}
-            return {"ok": False, "status": "password_required", "out": p.stdout or "", "err": "Sudo-Passwort erforderlich."}
-            
-        return {"ok": p.returncode == 0, "out": (p.stdout or "")[-4000:], "err": (p.stderr or "")[-2000:]}
-    except Exception as exc:  # noqa: BLE001
-        return {"ok": False, "out": "", "err": str(exc)}
-
-
-def check_sudo_needs_password(sudo_password: str | None = None) -> dict | None:
-    """Checks if sudo needs a password. Returns error dict if password required/incorrect, else None."""
-    res = _run(["sudo", "true"], sudo_password=sudo_password)
-    if not res["ok"]:
-        return res
-    return None
-
-
-def restart_service(name: str, sudo_password: str | None = None) -> dict:
-    if name in SYSTEM_SERVICES:
-        if err := check_sudo_needs_password(sudo_password):
-            return err
-        return _run(["sudo", "systemctl", "restart", name], sudo_password=sudo_password)
-    if name in USER_SERVICES:
-        return _run(["systemctl", "--user", "restart", name])
-    return {"ok": False, "err": f"Dienst '{name}' nicht erlaubt."}
-
-
-def logs(service: str, lines: int = 200, sudo_password: str | None = None) -> dict:
-    lines = max(1, min(lines, 1000))
-    if service in USER_SERVICES:
-        r = _run(["journalctl", "--user", "-u", service, "-n", str(lines), "--no-pager"])
-        return {"ok": r["ok"], "text": r["out"] or r["err"]}
-    if service in SYSTEM_SERVICES:
-        # Journal-Lesen braucht i.d.R. KEIN sudo (User ist in Gruppe adm/systemd-journal).
-        # Erst ohne sudo versuchen; nur bei fehlenden Rechten auf sudo zurückfallen.
-        r = _run(["journalctl", "-u", service, "-n", str(lines), "--no-pager"])
-        if r["ok"]:
-            return {"ok": True, "text": r["out"] or "(keine Log-Einträge)"}
-        if err := check_sudo_needs_password(sudo_password):
-            return err
-        r = _run(["sudo", "journalctl", "-u", service, "-n", str(lines), "--no-pager"],
-                 sudo_password=sudo_password)
-        return {"ok": r["ok"], "text": r["out"] or r["err"]}
-    return {"ok": False, "text": "", "err": "Dienst nicht erlaubt."}
-
-def check_updates_job(sudo_password: str | None = None) -> dict:
-    if err := check_sudo_needs_password(sudo_password):
-        return err
-    
-    def on_done():
-        _engine_cache.update(ts=0.0, avail=False)
-        _comp_cache.update(ts=0.0, data=[])  # Hermes-Status ebenfalls neu berechnen lassen
-
-    cmd = "sudo apt-get update"
-    job_id = jobengine.start_job(["bash", "-c", cmd], "Nach Updates suchen", on_done=on_done, sudo_password=sudo_password)
-    return {"ok": True, "job_id": job_id}
-
-
-def _maintenance_busy() -> dict | None:
-    """Wartungs-Riegel: nur EIN binär-/dienst-veränderndes Update gleichzeitig. Verhindert
-    Doppelklick UND parallele Updates aus zwei Tabs/Sessions (racende .bak-Sicherung/Restarts)."""
-    if j := jobengine.active_in_group("maintenance"):
-        return {"ok": False, "status": "busy", "running": j.get("label")}
-    return None
-
-
-def os_update_job(sudo_password: str | None = None) -> dict:
-    if busy := _maintenance_busy():
-        return busy
-    if err := check_sudo_needs_password(sudo_password):
-        return err
-    # Nach dem apt-Upgrade den Stack funktional prüfen (Job wird rot, wenn etwas kaputt ging).
-    # DEBIAN_FRONTEND wird INNERHALB von `sudo bash -c` gesetzt (nicht als `sudo VAR=… cmd`) —
-    # sonst lehnt sudos env-Policy die Variable ggf. ab und das Upgrade bricht ab.
-    cmd = ("sudo apt-get update && "
-           "sudo bash -c 'DEBIAN_FRONTEND=noninteractive apt-get upgrade -y' "
-           f"&& bash {STACK_POSTCHECK}")
-    job_id = jobengine.start_job(["bash", "-c", cmd], "OS-Update (apt)",
-                                 group="maintenance", sudo_password=sudo_password)
-    return {"ok": True, "job_id": job_id}
-
-
-def engine_update_job(sudo_password: str | None = None) -> dict | None:
-    if not ENGINE_UPDATE_CMD:
-        return None
-    if busy := _maintenance_busy():
-        return busy
-    # KEIN sudo-Passwort-Gate: update-engine.sh ist per sudoers NOPASSWD freigegeben
-    # (sudoers-mc2-autonomie) und läuft passwortlos. Das frühere `sudo true`-Gate hat das
-    # Update fälschlich blockiert, wenn (noch) kein Box-Passwort hinterlegt war.
-
-    def on_done():
-        _engine_cache.update(ts=0.0, avail=False)  # Cache leeren → frischer Build-Vergleich
-
-    # update-engine.sh sichert den alten Build, aktualisiert, startet llama-swap neu, prüft den
-    # Stack (stack-postcheck.sh) und rollt bei Fehler selbst zurück. Exit 0 nur bei verifiziertem
-    # neuen Build → on_done (Cache leeren) läuft nur dann; bei Rollback (Exit 1/2) bleibt das Badge.
-    job_id = jobengine.start_job(["bash", "-c", ENGINE_UPDATE_CMD],
-                                 "Engine-Update (llama.cpp Vulkan)",
-                                 group="maintenance", on_done=on_done)
-    return {"ok": True, "job_id": job_id}
-
-
-def swap_update_job(sudo_password: str | None = None) -> dict | None:
-    if not SWAP_UPDATE_CMD:
-        return None
-    if busy := _maintenance_busy():
-        return busy
-    # KEIN sudo-Passwort-Gate: update-swap.sh ist per sudoers NOPASSWD freigegeben (wie die Engine).
-
-    def on_done():
-        _swap_cache.update(ts=0.0, avail=False)  # Cache leeren → frischer Versions-Vergleich
-
-    # update-swap.sh sichert die alte Binary, aktualisiert, startet llama-swap neu, prüft den Stack
-    # (stack-postcheck.sh) und rollt bei Fehler selbst zurück. Exit 0 nur bei verifizierter neuer
-    # Version → on_done (Cache leeren) läuft nur dann; bei Rollback (Exit 1/2) bleibt das Badge.
-    job_id = jobengine.start_job(["bash", "-c", SWAP_UPDATE_CMD],
-                                 "Router-Update (llama-swap)",
-                                 group="maintenance", on_done=on_done)
-    return {"ok": True, "job_id": job_id}
-
-
-def hermes_update_job() -> dict:
-    """Hermes-Agent aktualisieren wie die CLI (`hermes update` = git pull + Deps), danach
-    den Gateway neu starten. Davor ein Sicherheits-Backup (unser deploy/backup.sh). Kein sudo
-    (alles im User-Space). Läuft als Hintergrund-Job (kann ~1 Min dauern)."""
-    if busy := _maintenance_busy():
-        return busy
-    git = system.find_hermes_agent_git()
-    path = (git or {}).get("path") or os.path.expanduser("~/.hermes/hermes-agent")
-    py = os.path.join(path, "venv", "bin", "python")
-    backup = os.path.join(_REPO_ROOT, "deploy", "backup.sh")
-    postcheck = os.path.join(_REPO_ROOT, "deploy", "hermes-postcheck.sh")
-    # Backup → update → Gateway-Neustart → Gehirn-Check (Job wird rot, wenn Mem0/Plugin kaputt).
-    # Backup → update → doctor (Config/Deps-Diagnose der NEUEN Version) → Gateway-Neustart →
-    # Gehirn-Check (erweitert um Config-Drift-Scan, Tool- und Voice-Smoke — Lehre aus v0.18:
-    # 'approvals.mode auto' wurde still ungültig und legte alle Tools in pending_approval).
-    cmd = (f"bash {backup} || true; "
-           f"cd {path} && {py} -m hermes_cli.main update --yes "
-           f"&& {py} -m hermes_cli.main doctor "
-           f"&& systemctl --user restart hermes-gateway "
-           f"&& sleep 6 && bash {postcheck}")
-
-    def on_done():
-        _comp_cache.update(ts=0.0, data=[])  # Update-Status neu berechnen lassen
-
-    job_id = jobengine.start_job(["bash", "-c", cmd], "Hermes-Agent-Update",
-                                 group="maintenance", on_done=on_done)
-    return {"ok": True, "job_id": job_id}
-
-
-def reboot(sudo_password: str | None = None) -> dict:
-    if err := check_sudo_needs_password(sudo_password):
-        return err
-    return _run(["sudo", "reboot"], sudo_password=sudo_password)

backend/services/memory.py

@@ -1,177 +0,0 @@
-"""
-Geteiltes Gedächtnis (die „Verfassung") — jetzt auto-lernend & semantisch über Mem0.
-
-Dieser Service ist nur noch ein dünner HTTP-Client auf den Mem0-Sidecar (mem0_service/app.py,
-läuft im ~/.mem0/venv unter Python 3.12). Die `/api/memory`-API-Form bleibt unverändert, damit
-UI und MCP-Server kompatibel bleiben. Neu gegenüber der alten flachen SQLite:
-
-- search (q gesetzt) ist SEMANTISCH (Vektor/Embeddings) statt LIKE-Textsuche, mit Relevanz-Score.
-- learn() reicht Gesprächs-Turns durch → Mem0 EXTRAHIERT Fakten selbst (Auto-Lernen).
-- Dedup macht Mem0 beim Auto-Lernen selbst; der manuelle Kurator unten bleibt als Komfort.
-
-5 Kategorien (user · instruction · stable · versioned · ephemeral) bleiben als Metadaten erhalten.
-"""
-
-import asyncio
-import logging
-import os
-import re
-from difflib import SequenceMatcher
-
-import httpx
-
-from config import MEM0_SERVICE_URL
-
-log = logging.getLogger(__name__)
-
-CATEGORIES = ("identity", "knowledge", "rules", "events")
-
-_TIMEOUT = httpx.Timeout(60.0, connect=5.0)  # LLM-Extraktion kann ein paar Sekunden dauern
-
-
-def _get(path: str, **params) -> list | dict:
-    r = httpx.get(f"{MEM0_SERVICE_URL}{path}", params=params, timeout=_TIMEOUT)
-    r.raise_for_status()
-    return r.json()
-
-
-def _post(path: str, data: dict) -> dict:
-    r = httpx.post(f"{MEM0_SERVICE_URL}{path}", json=data, timeout=_TIMEOUT)
-    r.raise_for_status()
-    return r.json()
-
-
-def _put(path: str, data: dict) -> dict:
-    r = httpx.put(f"{MEM0_SERVICE_URL}{path}", json=data, timeout=_TIMEOUT)
-    r.raise_for_status()
-    return r.json()
-
-
-def _delete(path: str) -> dict:
-    r = httpx.delete(f"{MEM0_SERVICE_URL}{path}", timeout=_TIMEOUT)
-    r.raise_for_status()
-    return r.json()
-
-
-def list_memories(q: str = "", category: str = "") -> list[dict]:
-    """Alle Fakten oder — wenn q gesetzt — die semantisch ähnlichsten (mit `score`)."""
-    return _get("/memory", **{k: v for k, v in (("q", q), ("category", category)) if v})
-
-
-def add_memory(content: str, category: str = "stable", source: str = "manual") -> dict:
-    """Einen Fakt VERBATIM speichern (keine LLM-Umformung). Auto-Lernen → learn()."""
-    return _post("/memory", {"content": content.strip(), "category": category, "source": source})
-
-
-def update_memory(mid: str, content: str | None = None, category: str | None = None) -> dict | None:
-    try:
-        return _put(f"/memory/{mid}", {"content": content, "category": category})
-    except httpx.HTTPStatusError as exc:
-        if exc.response.status_code == 404:
-            return None
-        raise
-
-
-def delete_memory(mid: str) -> bool:
-    try:
-        _delete(f"/memory/{mid}")
-        return True
-    except httpx.HTTPStatusError as exc:
-        if exc.response.status_code == 404:
-            return False
-        raise
-
-
-def learn(text: str | None = None, messages: list[dict] | None = None,
-          source: str = "auto", category: str = "stable") -> dict:
-    """Auto-Lernen: Text/Gesprächs-Turns durchreichen → Mem0 extrahiert die Fakten selbst."""
-    return _post("/learn", {"text": text, "messages": messages,
-                            "source": source, "category": category})
-
-
-def graph(min_score: float = 0.45, top_k: int = 3) -> dict:
-    """Fakten als Ähnlichkeits-Graph (Knoten + semantische Kanten) für die UI-Visualisierung."""
-    return _get("/graph", min_score=min_score, top_k=top_k)
-
-
-def export_text() -> dict:
-    rows = sorted(list_memories(), key=lambda r: (r.get("category", ""), r.get("updated_at", "")))
-    lines = ["# Mission Control — Gedächtnis\n"]
-    current = ""
-    for r in rows:
-        if r.get("category") != current:
-            current = r.get("category", "")
-            lines.append(f"\n## {current}\n")
-        src = r.get("source", "")
-        when = (r.get("updated_at") or "")[:10]
-        lines.append(f"- {r.get('content', '')}  _(Quelle: {src}, {when})_")
-    return {"text": "\n".join(lines), "count": len(rows)}
-
-
-# --- Manueller Kurator (deterministisch, kein LLM) ---------------------------
-def _norm(s: str) -> str:
-    s = re.sub(r"[^\w\s]", " ", s.lower(), flags=re.UNICODE)
-    return re.sub(r"\s+", " ", s).strip()
-
-
-def dedupe(apply: bool = False, threshold: float = 0.85) -> dict:
-    """Findet Dubletten (exakt/enthalten/ähnlich) je Kategorie, behält den längsten
-    Eintrag. Mem0 dedupliziert beim Auto-Lernen schon semantisch — das hier ist der
-    manuelle Komfort-Knopf fürs UI (z.B. nach vielen Verbatim-Importen)."""
-    rows = sorted(list_memories(), key=lambda r: (-len(r.get("content", "")), r.get("created_at", "")))
-    used: set[str] = set()
-    groups: list[dict] = []
-    for i, a in enumerate(rows):
-        if a["id"] in used:
-            continue
-        na = _norm(a.get("content", ""))
-        if not na:
-            continue
-        dups = []
-        for b in rows[i + 1:]:
-            if b["id"] in used or b.get("category") != a.get("category"):
-                continue
-            nb = _norm(b.get("content", ""))
-            if not nb:
-                continue
-            if nb in na or na in nb or SequenceMatcher(None, na, nb).ratio() >= threshold:
-                dups.append(b); used.add(b["id"])
-        if dups:
-            used.add(a["id"])
-            groups.append({
-                "keep": {"id": a["id"], "content": a.get("content"), "category": a.get("category")},
-                "remove": [{"id": d["id"], "content": d.get("content")} for d in dups],
-            })
-    dup_count = sum(len(g["remove"]) for g in groups)
-    removed = 0
-    if apply:
-        for g in groups:
-            for d in g["remove"]:
-                if delete_memory(d["id"]):
-                    removed += 1
-    return {"groups": groups, "duplicate_count": dup_count, "removed": removed, "applied": apply}
-
-
-# ── Auto-Dedupe (D16e): Dubletten von selbst wegräumen, kein Knopf-Zwang ─────────────
-# Deterministisch in UNSERER Schicht (wie reminders, Verdikt 11c) statt am Hermes-cron —
-# läuft als Hintergrund-Task. Höhere Schwelle als der manuelle Knopf (0.9 statt 0.85), weil
-# OHNE Mensch-Review angewandt wird: lieber eine Dublette stehen lassen als etwas Distinktes
-# löschen. Mem0 dedupliziert beim Auto-Lernen schon semantisch — das hier fängt den Rest
-# (Verbatim-Importe, wiederholte Fakten) ab, damit das Gedächtnis nicht ohne Zutun aufbläht.
-AUTO_DEDUPE_ENABLED = os.environ.get("MC_MEM_DEDUPE_ENABLED", "1") != "0"
-AUTO_DEDUPE_INTERVAL = int(os.environ.get("MC_MEM_DEDUPE_INTERVAL", str(24 * 3600)))  # täglich
-AUTO_DEDUPE_START_DELAY = int(os.environ.get("MC_MEM_DEDUPE_START_DELAY", "300"))     # 5 min nach Start
-AUTO_DEDUPE_THRESHOLD = float(os.environ.get("MC_MEM_DEDUPE_THRESHOLD", "0.9"))
-
-
-async def auto_dedupe_loop() -> None:
-    """Hintergrund-Task: räumt periodisch Gedächtnis-Dubletten weg (apply=True)."""
-    await asyncio.sleep(AUTO_DEDUPE_START_DELAY)   # Mem0-Sidecar nach Start hochkommen lassen
-    while True:
-        try:
-            res = await asyncio.to_thread(dedupe, True, AUTO_DEDUPE_THRESHOLD)  # sync HTTP → Thread
-            if res.get("removed"):
-                log.info("mem-dedupe: %d Dublette(n) automatisch entfernt", res["removed"])
-        except Exception:
-            log.debug("mem-dedupe: Lauf fehlgeschlagen", exc_info=True)
-        await asyncio.sleep(AUTO_DEDUPE_INTERVAL)

backend/services/pricing.py

@@ -1,58 +0,0 @@
-"""Kosten-/Ersparnis-Berechnung für die Token-Statistik (eine Quelle der Wahrheit).
-
-Vergleicht die lokal verbrauchten Tokens gegen die Cloud-Listenpreise vergleichbarer
-Modellklassen (Stand Juni 2026, USD pro 1M Tokens, in/out) und liefert die so
-eingesparte Summe. Wird vom System-Router dünn aufgerufen.
-"""
-
-import os
-
-# Cloud-Listenpreise je Rolle/Modellklasse: (input_usd_per_1M, output_usd_per_1M).
-PRICING: dict[str, tuple[float, float]] = {
-    "heavy": (15.0, 75.0),
-    "coder": (3.0, 15.0),
-    "hermes": (1.0, 5.0),
-    "fast": (0.15, 0.60),
-    "scout": (0.15, 0.60),
-    "vision": (0.15, 0.60),
-    "reasoning": (0.15, 0.60),
-}
-# Tarif für nicht zuordenbare Tokens (Default-/Fallback-Klasse).
-DEFAULT_RATE: tuple[float, float] = (0.15, 0.60)
-# Baseline/Legacy-Tokens (vor modellspezifischem Logging) am Premium-Tarif bewerten,
-# damit historische Ersparnis erhalten bleibt.
-BASELINE_RATE: tuple[float, float] = PRICING["heavy"]
-USD_TO_EUR = float(os.environ.get("MC_USD_TO_EUR", "0.92"))
-
-
-def compute_savings(stats: dict, role_map: dict[str, str | None]) -> dict:
-    """Aggregiert Tokens und berechnet die Cloud-Ersparnis.
-
-    role_map: Modell-/Alias-Name (lowercase) -> Rolle, zur Tarif-Auflösung.
-    """
-    prompt = stats.get("prompt_tokens", 0)
-    completion = stats.get("completion_tokens", 0)
-
-    modeled_p = modeled_c = 0
-    saved_usd = 0.0
-    for m_name, m_tokens in (stats.get("models") or {}).items():
-        mp = m_tokens.get("prompt", 0)
-        mc = m_tokens.get("completion", 0)
-        modeled_p += mp
-        modeled_c += mc
-        role = role_map.get(m_name, m_name)
-        rate_in, rate_out = PRICING.get(role, DEFAULT_RATE)
-        saved_usd += (mp * rate_in + mc * rate_out) / 1_000_000.0
-
-    baseline_p = max(0, prompt - modeled_p)
-    baseline_c = max(0, completion - modeled_c)
-    saved_usd += (baseline_p * BASELINE_RATE[0] + baseline_c * BASELINE_RATE[1]) / 1_000_000.0
-
-    return {
-        "prompt_tokens": prompt,
-        "completion_tokens": completion,
-        "total_tokens": prompt + completion,
-        "saved_usd": round(saved_usd, 2),
-        "saved_eur": round(saved_usd * USD_TO_EUR, 2),
-        "pricing": {role: {"in": r[0], "out": r[1]} for role, r in PRICING.items()},
-    }

backend/services/reminders.py

@@ -1,170 +0,0 @@
-"""
-Erinnerungen & Routinen (Lucy-Proaktivität, Faden A3).
-
-„Lucy, erinner mich morgen um 9 an …" — der Hermes-Agent legt per Tool (mcp_mc.py:
-reminder_create) einen Eintrag an; der Wecker-Loop hier feuert ihn zur Zeit in den
-Melde-Briefkasten (announce.py → Lucy spricht) und parallel auf Telegram.
-
-Bewusst OHNE Hermes-cron: der Wecker läuft deterministisch im MC2-Backend (systemd,
-überlebt Gateway-Ausfälle) und bleibt in UNSEREN Schichten (Hermes-Quellcode/Config
-bleibt Auto-Update-Kanal, Verdikt Faden 11c).
-
-Zeiten: ISO-8601. Ohne Offset gilt die Zeitzone des Commanders (MC_LOCAL_TZ,
-Default Europe/Berlin) — die Box selbst läuft auf UTC, naive Zeiten dürfen daher
-NIE als Box-Lokalzeit interpretiert werden. Wiederholung: daily | weekdays | weekly.
-"""
-
-import json
-import logging
-import os
-import threading
-import time
-from datetime import datetime, timedelta
-from pathlib import Path
-from zoneinfo import ZoneInfo
-
-from config import MODELS_DIR
-from services import announce
-
-log = logging.getLogger(__name__)
-
-STORE_PATH = Path(os.environ.get("MC_REMINDERS_STORE", str(MODELS_DIR / "mc2-reminders.json")))
-LOCAL_TZ = ZoneInfo(os.environ.get("MC_LOCAL_TZ", "Europe/Berlin"))
-INTERVAL = int(os.environ.get("MC_REMINDERS_INTERVAL", "20"))   # Wecker-Tick (Sekunden)
-MAX_ITEMS = int(os.environ.get("MC_REMINDERS_MAX", "100"))
-REPEATS = ("", "daily", "weekdays", "weekly")
-LATE_NOTE_S = 600   # feuert >10 min zu spät (Box war aus) → ehrlich dazusagen
-
-_lock = threading.Lock()
-_state: dict | None = None   # {"next_id": int, "items": [...]}
-
-
-def _load() -> dict:
-    global _state
-    if _state is None:
-        try:
-            _state = json.loads(STORE_PATH.read_text(encoding="utf-8"))
-            assert isinstance(_state.get("next_id"), int) and isinstance(_state.get("items"), list)
-        except Exception:
-            _state = {"next_id": 1, "items": []}
-    return _state
-
-
-def _save(state: dict) -> None:
-    try:
-        tmp = STORE_PATH.with_suffix(".tmp")
-        tmp.write_text(json.dumps(state, ensure_ascii=False), encoding="utf-8")
-        tmp.replace(STORE_PATH)
-    except OSError:
-        log.warning("reminders: Store %s nicht schreibbar", STORE_PATH, exc_info=True)
-
-
-def _parse_when(when: str) -> datetime:
-    """ISO-8601 → bewusste Zeit. Naive Angaben = Commander-Zeitzone (NICHT Box-UTC)."""
-    try:
-        dt = datetime.fromisoformat(when.strip())
-    except ValueError:
-        raise ValueError("Zeit nicht lesbar — bitte ISO-8601 mit Datum UND Uhrzeit, z.B. 2026-07-04T09:00.")
-    if dt.tzinfo is None:
-        dt = dt.replace(tzinfo=LOCAL_TZ)
-    return dt
-
-
-def _fmt(ts: float) -> str:
-    """Menschlich lesbare Commander-Lokalzeit (fürs Tool-Echo/Listing)."""
-    return datetime.fromtimestamp(ts, LOCAL_TZ).strftime("%a %d.%m.%Y %H:%M")
-
-
-def _advance(ts: float, repeat: str) -> float:
-    """Nächste Wiederholung NACH jetzt (holt verpasste Termine ohne Mehrfach-Feuern auf)."""
-    dt = datetime.fromtimestamp(ts, LOCAL_TZ)
-    now = time.time()
-    while dt.timestamp() <= now:
-        dt += timedelta(days=7 if repeat == "weekly" else 1)
-        if repeat == "weekdays":
-            while dt.weekday() > 4:   # Sa/So überspringen
-                dt += timedelta(days=1)
-    return dt.timestamp()
-
-
-def create(text: str, when: str, repeat: str = "") -> dict:
-    text = (text or "").strip()
-    if not text:
-        raise ValueError("Leerer Erinnerungs-Text.")
-    repeat = (repeat or "").strip().lower()
-    if repeat == "once":
-        repeat = ""
-    if repeat not in REPEATS:
-        raise ValueError("repeat muss leer, daily, weekdays oder weekly sein.")
-    ts = _parse_when(when).timestamp()
-    if repeat:
-        if ts <= time.time():   # Startpunkt vorbei → auf die nächste Wiederholung rücken (Uhrzeit bleibt exakt)
-            ts = _advance(ts, repeat)
-    elif ts <= time.time() - 60:
-        raise ValueError(f"Die Zeit liegt in der Vergangenheit ({_fmt(ts)}) — bitte neu umrechnen "
-                         f"(jetzt ist {_fmt(time.time())}).")
-    with _lock:
-        state = _load()
-        if len(state["items"]) >= MAX_ITEMS:
-            raise ValueError(f"Zu viele offene Erinnerungen (max {MAX_ITEMS}).")
-        item = {"id": state["next_id"], "text": text[:500], "next_ts": ts,
-                "repeat": repeat, "created_ts": time.time()}
-        state["next_id"] += 1
-        state["items"].append(item)
-        _save(state)
-    log.info("reminder #%s angelegt: %s → %s%s", item["id"], _fmt(ts), text[:60],
-             f" (Routine {repeat})" if repeat else "")
-    return {**item, "when_local": _fmt(ts)}
-
-
-def list_all() -> list[dict]:
-    with _lock:
-        items = sorted(_load()["items"], key=lambda i: i["next_ts"])
-        return [{**i, "when_local": _fmt(i["next_ts"])} for i in items]
-
-
-def delete(reminder_id: int) -> dict:
-    with _lock:
-        state = _load()
-        for i, item in enumerate(state["items"]):
-            if item["id"] == reminder_id:
-                state["items"].pop(i)
-                _save(state)
-                return {**item, "when_local": _fmt(item["next_ts"])}
-    raise KeyError(f"Erinnerung {reminder_id} nicht gefunden.")
-
-
-def _fire_due() -> None:
-    now = time.time()
-    with _lock:
-        state = _load()
-        due = [i for i in state["items"] if i["next_ts"] <= now]
-        if not due:
-            return
-        for item in due:
-            if item["repeat"]:
-                item["next_ts"] = _advance(item["next_ts"], item["repeat"])
-            else:
-                state["items"].remove(item)
-        _save(state)
-    for item in due:
-        late = now - item["next_ts"] > LATE_NOTE_S if not item["repeat"] else False
-        text = f"Erinnerung, Commander: {item['text']}"
-        if late:
-            text += f" (Eigentlich fällig um {_fmt(item['next_ts'])} — die Box war wohl aus.)"
-        announce.add(text, subject="[Erinnerung]", source="reminder")
-        announce.notify_telegram("[Erinnerung]", item["text"])
-        log.info("reminder #%s gefeuert%s", item["id"], " (Routine)" if item["repeat"] else "")
-
-
-async def reminders_loop() -> None:
-    """Wecker (Hintergrund-Task im MC2-Lifespan). Verpasste einmalige Erinnerungen
-    (Box war aus) feuern beim nächsten Tick nach — ehrlich als verspätet markiert."""
-    import asyncio
-    log.info("reminders: Wecker aktiv (Tick %ss, Zeitzone %s)", INTERVAL, LOCAL_TZ)
-    while True:
-        try:
-            await asyncio.to_thread(_fire_due)
-        except Exception:
-            log.debug("reminders: Tick fehlgeschlagen", exc_info=True)
-        await asyncio.sleep(INTERVAL)

backend/services/roles.py

@@ -1,143 +0,0 @@
-"""
-Rollen-Empfehlung: welches INSTALLIERTE Modell passt am besten auf eine Serving-Rolle?
-Capability-getrieben (Vision/Coder/Tools/MoE aus services.caps) + setup-bewusster Fit
-(services.budget). Speist den 'Empfohlen'-Hinweis + Auto-Pick im Rollen-Zuweisungs-Modal.
-
-EINE Quelle der Wahrheit mit der ctx-/Fit-Logik: nutzt budget.setup_aware_ctx_for_model
-und fit.evaluate_fit — dieselbe Mathematik wie Install-Automatik und Auto-ctx-Button.
-"""
-
-import psutil
-
-from services import budget, catalog, llamaswap
-from services.fit import evaluate_fit
-
-
-def _ram_gb() -> float:
-    return psutil.virtual_memory().total / (1024 ** 3)
-
-
-def _capability_suit(role: str, caps: dict, name: str) -> float:
-    """0..1 — Capability-Eignung (HARTE Gates). 0 = grundsätzlich falsch für die Rolle.
-    Größe/Tempo bewertet getrennt _pref(), damit z.B. 'fast' nicht das größte Modell zieht."""
-    role = (role or "").lower()
-    low = (name or "").lower()
-    vision = bool(caps.get("vision"))
-    coder = bool(caps.get("coder"))
-    tools = caps.get("tools") != "no"
-
-    if role == "vision":
-        if not vision:
-            return 0.0                                 # harte Anforderung
-        return 1.0 if ("vl" in low or "llava" in low or "pixtral" in low) else 0.7  # dediziert > omni
-    if role == "coder":
-        return 1.0 if coder else 0.4                   # Coder-Modell Pflicht für Empfehlung
-    if role == "hermes":
-        # Agent-Hirn: Hermes-Familie am robustesten; sonst natives Tool-Calling Pflicht.
-        if "hermes" in low:
-            return 1.0
-        return 0.6 if tools else 0.1
-    if role == "fast":
-        # Alltags-Hirn braucht zuverlässige Tools; Größe/Tempo macht _pref.
-        return 1.0 if tools else 0.6
-    if role == "heavy":
-        return 1.0
-    if role == "scout":
-        return 0.9 if vision else 0.7
-    return 0.5
-
-
-def _pref(role: str, params: float, tps: float) -> float:
-    """0..1 — rollengerechte GRÖSSEN-/TEMPO-Präferenz. 'fast' belohnt Tempo & Kleinheit,
-    'heavy' Größe (Wissen), 'hermes' moderate Größe (muss warm + ko-resident bleiben)."""
-    role = (role or "").lower()
-    if role == "fast":
-        speed = min(tps / 25.0, 1.0)
-        size_ok = 1.0 if params <= 50 else 50.0 / params
-        return speed * size_ok
-    if role == "heavy":
-        return min(params / 120.0, 1.0)
-    if role == "hermes":
-        return 1.0 if params <= 24 else max(0.15, 24.0 / params)   # 7–24B ideal als Hirn
-    if role == "vision":
-        return 1.0 if params <= 12 else 0.7                        # klein/günstig bevorzugt
-    if role == "coder":
-        return 0.5 + 0.5 * min(params / 80.0, 1.0)
-    if role == "scout":
-        return 1.0 if params <= 40 else 0.5
-    return 0.5
-
-
-def _catalog_role_match(role: str, name: str) -> bool:
-    """Ist dieses Modell im kuratierten Katalog (Cookbook) genau für DIESE Rolle gelistet?
-    Dann ist es der prinzipien-konforme Pick → starker Bonus."""
-    meta = catalog.meta_for_name(name)
-    return bool(meta and (meta.get("role") or "").lower() == (role or "").lower())
-
-
-def _reason(role: str, caps: dict, name: str, fit: dict, fits: bool,
-            incomplete: bool, cat_match: bool) -> str:
-    if incomplete:
-        return "Download unvollständig"
-    if role == "vision" and not caps.get("vision"):
-        return "keine Vision-Fähigkeit"
-    if role == "coder" and not caps.get("coder"):
-        return "kein Coder-Modell"
-    if role == "hermes" and "hermes" not in (name or "").lower() and caps.get("tools") == "no":
-        return "kein natives Tool-Calling"
-    if not fits:
-        return "passt nicht ins Budget (OOM)"
-    bits = []
-    if cat_match:
-        bits.append("Katalog-Pick ✓")
-    if role == "vision":
-        bits.append("Vision ✓")
-    if role == "coder" and caps.get("coder"):
-        bits.append("Coder ✓")
-    if role == "hermes":
-        bits.append("Hermes" if "hermes" in (name or "").lower()
-                    else ("Tools ✓" if caps.get("tools") != "no" else "ohne Tools"))
-    if caps.get("moe"):
-        bits.append("MoE")
-    bits.append(f"{fit['text']}, ~{fit['tps']:.0f} t/s")
-    return " · ".join(bits)
-
-
-def recommend_for_role(role: str) -> dict:
-    """Rankt alle installierten Modelle für eine Rolle. Empfohlen = bester geeigneter,
-    passender Eintrag. Liefert pro Modell Fit/Eignung/Begründung fürs UI."""
-    role = (role or "").strip().lower()
-    ram = _ram_gb()
-    out = []
-    for m in llamaswap.list_models():
-        caps = m.get("capabilities") or {}
-        params = budget.params_of_model(m)
-        quant = m.get("quant") or "Q4_K_M"
-        ctx = budget.setup_aware_ctx_for_model(m)["ctx"]
-        fit = evaluate_fit(params, quant, ctx, ram, name=m["name"])
-        incomplete = bool(m.get("incomplete"))
-        fits = (fit["level"] != "too_tight") and not incomplete
-        tps = fit["tps"] or 0
-        suit = _capability_suit(role, caps, m["name"])
-        cat_match = _catalog_role_match(role, m["name"])
-        suitable = suit >= 0.5 and fits
-
-        fit_term = {"perfect": 1.0, "marginal": 0.3}.get(fit["level"], -2.0)
-        # Eignung dominiert (×2), rollengerechte Größe/Tempo (_pref), Katalog-Anker, dann Fit.
-        score = (2.0 * suit) + _pref(role, params, tps) + (0.6 if cat_match else 0.0) + fit_term
-        if not fits:
-            score -= 5.0
-
-        out.append({
-            "name": m["name"], "current_role": m.get("role"),
-            "params_b": round(params, 1), "quant": quant,
-            "fit": fit, "suitable": suitable, "incomplete": incomplete,
-            "score": round(score, 3),
-            "reason": _reason(role, caps, m["name"], fit, fits, incomplete, cat_match),
-        })
-
-    out.sort(key=lambda x: -x["score"])
-    rec = next((o["name"] for o in out if o["suitable"]), None)
-    for o in out:
-        o["recommended"] = (o["name"] == rec)
-    return {"role": role, "recommended": rec, "models": out}

backend/services/router_logic.py

@@ -1,90 +0,0 @@
-"""
-Lane-Routing für den eingebauten MC2-Gateway (:9001/v1).
-
-Zwei virtuelle Lanes, die Clients/IDEs auswählen — der Router pickt das echte Modell:
-- **chat**  (= altes `auto`): Alltag → `fast`, schwer/lang → `heavy`.
-- **coding**: Code-Arbeit → `coder` (Qwen3-Coder-Next); riesiger/architektonischer Kontext → `heavy`;
-  triviale Kurzfrage ohne Code → `fast` (Tempo).
-
-Regelbasiert, sub-ms, ohne Cloud. Schwellen/Aliases liegen in einer UI-editierbaren Policy
-(routing_policy.py, hot-reload; Env = Defaults). Lucy läuft NICHT hierüber — die ist der
-Hermes-Agent (:8642), eigene Ebene.
-"""
-
-import re
-
-from services.routing_policy import load_policy
-
-# Modell-Aliases & Zeichen-Schwellen liegen jetzt in der UI-editierbaren Policy
-# (routing_policy.py) und kommen pro Request via load_policy() (hot-reload). Die Env-Vars
-# sind dort die Defaults. Die Regex-Keyword-Listen unten bleiben bewusst im Code.
-
-# Virtuelle Lanes, die im Gateway als „Modelle" sichtbar sind.
-LANES = ["coding", "chat"]
-LANE_ALIASES = {"auto": "chat"}  # Rückwärtskompatibel: model:auto == chat
-
-_HEAVY_KW = re.compile(
-    r"\b(beweis|prove|theorem|komplex|complex|schwierig|"
-    r"think\s*hard|reason\s*carefully|tief\s*nachdenk|optimi[sz]e|"
-    r"root\s*cause|analy[sz]e\s+deeply|step[-\s]?by[-\s]?step)\b",
-    re.IGNORECASE,
-)
-# Coding-spezifische „das ist groß/architektonisch" Signale → heavy statt coder.
-_CODING_HEAVY_KW = re.compile(
-    r"\b(architekt|architect|system[-\s]?design|refactor\s+the\s+(whole|entire)|"
-    r"ganze[ns]?\s+(architektur|codebase|projekt)|migrat\w+\s+(the\s+)?(whole|entire|gesamte)|"
-    r"entwirf\s+(eine\s+)?architektur|plane?\s+(die\s+)?architektur)\b",
-    re.IGNORECASE,
-)
-# Code-Indikatoren — verhindert, dass echte Code-Anfragen als „trivial" auf fast abrutschen.
-# Bewusst breit (inkl. natürlichsprachiger Coding-Begriffe DE+EN): in der coding-Lane soll im Zweifel
-# `coder` gewinnen; nur echte Nicht-Code-Kürze ("hallo", "wie spät") rutscht auf fast.
-_CODE_HINT = re.compile(
-    r"```|\bdef \b|\bclass \b|\bimport \b|\bfunction\b|=>|;\s*$|"
-    r"\.(py|ts|tsx|js|jsx|go|rs|java|cpp|c|rb|php|sql)\b|/src/|traceback|stack\s*trace|"
-    r"\b(funktion|function|bug|fix|fehler|error|exception|implementier\w*|schreib\w*|"
-    r"code\w*|coden|test\w*|klasse|method\w*|methode|refactor\w*|kompil\w*|compile|"
-    r"build|deploy|debug|script|skript|api|endpoint|query|regex|json|yaml|"
-    r"npm|pip|git|docker|terminal|shell|command)\b",
-    re.IGNORECASE | re.MULTILINE,
-)
-
-
-def _text_of(body: dict) -> str:
-    msgs = body.get("messages") or []
-    return "\n".join(str(m.get("content") or "") for m in msgs)
-
-
-def _route_chat(text: str, n: int) -> tuple[str, str]:
-    p = load_policy()
-    if n > p["heavy_chars"]:
-        return p["heavy"], f"langer Kontext ({n} > {p['heavy_chars']} Zeichen)"
-    if _HEAVY_KW.search(text):
-        return p["heavy"], "Komplexitäts-Schlüsselwort erkannt"
-    return p["fast"], "Standard"
-
-
-def _route_coding(text: str, n: int) -> tuple[str, str]:
-    # Agentisches Coden (OpenCode/RooCode/…) bleibt IMMER beim dedizierten Coder — NIE heavy/fast
-    # (das sind Allzweck-Modelle, schwächer bei Code). Die Qwen-Coder packen 256K–1M Kontext selbst,
-    # langer Repo-Kontext ist bei Agenten der Normalfall und darf NICHT zu heavy umrouten.
-    # (Phase 2b: warme schnelle Coder-Stufe coder_lite als Default + coder als Eskalation.)
-    p = load_policy()
-    if p["coder_lite"] and not _CODING_HEAVY_KW.search(text) and n <= p["coding_escalate_chars"]:
-        return p["coder_lite"], "Coding (schneller Coder)"
-    return p["coder"], "Coding -> starker Coder"
-
-
-def choose_for_lane(lane: str, body: dict) -> tuple[str, str]:
-    """Wählt das echte Modell-Alias für eine Lane. Gibt (alias, begründung) zurück."""
-    lane = LANE_ALIASES.get((lane or "chat").lower(), (lane or "chat").lower())
-    text = _text_of(body)
-    n = len(text)
-    if lane == "coding":
-        return _route_coding(text, n)
-    return _route_chat(text, n)  # chat + alles Unbekannte
-
-
-def choose_model(body: dict) -> tuple[str, str]:
-    """Rückwärtskompatibel: altes `model:auto` == chat-Lane."""
-    return choose_for_lane("chat", body)

backend/services/routing_policy.py

@@ -1,127 +0,0 @@
-"""
-UI-editierbare Routing-Policy für die Gateway-Lanes (coding/chat).
-
-Persistiert als JSON unter MC_ROUTING_POLICY_PATH (Default MODELS_DIR/mc2-routing.json —
-gleiche Konvention wie mc2-discover.json). **Hot-reload:** load_policy() liest die Datei nur
-bei Änderung neu (mtime-Cache) → UI-Edits greifen ohne Dienst-Neustart. Die Env-Vars (bisher
-einzige Stellschraube in router_logic.py) bleiben als Defaults/Fallback erhalten.
-
-Bewusst NICHT editierbar (v1): die Regex-Keyword-Listen (heavy/coding-heavy/code-hint) — die
-bleiben in router_logic.py im Code.
-"""
-
-import json
-import os
-import threading
-from pathlib import Path
-
-from config import MODELS_DIR
-
-POLICY_PATH = Path(os.environ.get("MC_ROUTING_POLICY_PATH", str(MODELS_DIR / "mc2-routing.json")))
-
-
-def _env_bool(name: str, default: str) -> bool:
-    return os.environ.get(name, default) not in ("0", "false", "")
-
-
-# Defaults aus den Env-Vars — Quelle der Wahrheit, solange keine Policy-Datei existiert.
-DEFAULTS: dict = {
-    "fast": os.environ.get("MC_ROUTE_FAST", "fast"),
-    "heavy": os.environ.get("MC_ROUTE_HEAVY", "heavy"),
-    "coder": os.environ.get("MC_ROUTE_CODER", "coder"),
-    "coder_lite": os.environ.get("MC_ROUTE_CODER_LITE", ""),
-    "heavy_chars": int(os.environ.get("MC_GATEWAY_HEAVY_CHARS", "8000")),
-    "coding_escalate_chars": int(os.environ.get("MC_CODING_ESCALATE_CHARS", "120000")),
-    "fast_no_think": _env_bool("MC_FAST_NO_THINK", "1"),
-}
-
-# Feld-Spezifikation für die UI (Typ + Grenzen + Label). Treibt Editor & Validierung.
-FIELDS: list[dict] = [
-    {"key": "fast", "label": "fast-Alias (chat: Standard)", "type": "str"},
-    {"key": "heavy", "label": "heavy-Alias (chat: lang/komplex)", "type": "str"},
-    {"key": "coder", "label": "coder-Alias (coding: stark / Eskalation)", "type": "str"},
-    {"key": "coder_lite", "label": "coder-lite-Alias (coding: schneller Default; leer = aus)", "type": "str"},
-    {"key": "heavy_chars", "label": "chat → heavy ab N Zeichen", "type": "int", "min": 500, "max": 1_000_000},
-    {"key": "coding_escalate_chars", "label": "coding → starker Coder ab N Zeichen", "type": "int", "min": 1000, "max": 4_000_000},
-    {"key": "fast_no_think", "label": "fast-Spur: Thinking aus (flotte Antworten)", "type": "bool"},
-]
-
-_LOCK = threading.Lock()
-_CACHE: dict = {"mtime": None, "policy": None}
-
-
-def _read_file() -> dict:
-    try:
-        with open(POLICY_PATH, "r", encoding="utf-8") as f:
-            data = json.load(f)
-        return data if isinstance(data, dict) else {}
-    except (FileNotFoundError, json.JSONDecodeError, OSError):
-        return {}
-
-
-def _coerce(patch: dict) -> dict:
-    """Nur bekannte Keys, typ-/bereichsvalidiert. Wirft ValueError bei ungültigen Werten."""
-    spec = {f["key"]: f for f in FIELDS}
-    out: dict = {}
-    for k, v in (patch or {}).items():
-        f = spec.get(k)
-        if not f:
-            continue  # unbekannte Keys still verwerfen
-        if f["type"] == "int":
-            iv = int(v)
-            lo, hi = f.get("min", 1), f.get("max", 10**9)
-            if not (lo <= iv <= hi):
-                raise ValueError(f"{k}={iv} außerhalb [{lo}, {hi}]")
-            out[k] = iv
-        elif f["type"] == "bool":
-            out[k] = bool(v)
-        else:  # str
-            sv = str(v).strip()
-            if k != "coder_lite" and not sv:
-                raise ValueError(f"{k} darf nicht leer sein")
-            out[k] = sv
-    return out
-
-
-def _coerce_safe(patch: dict) -> dict:
-    """Wie _coerce, aber schluckt Fehler — kaputte Datei darf den Betrieb nicht stoppen."""
-    try:
-        return _coerce(patch)
-    except (ValueError, TypeError):
-        return {}
-
-
-def load_policy() -> dict:
-    """Aktuelle Policy (Datei über DEFAULTS gemerged). Hot-reload via mtime-Cache, pro Request billig."""
-    try:
-        mtime = POLICY_PATH.stat().st_mtime
-    except OSError:
-        mtime = None
-    with _LOCK:
-        if _CACHE["policy"] is None or _CACHE["mtime"] != mtime:
-            merged = {**DEFAULTS}
-            if mtime is not None:
-                merged.update(_coerce_safe(_read_file()))
-            _CACHE["mtime"] = mtime
-            _CACHE["policy"] = merged
-        return dict(_CACHE["policy"])
-
-
-def save_policy(patch: dict) -> dict:
-    """Validiert + persistiert atomar. Gibt die neue, vollständige Policy zurück."""
-    clean = _coerce(patch)  # wirft bei ungültigem Input
-    with _LOCK:
-        current = {**DEFAULTS, **_coerce_safe(_read_file()), **clean}
-        POLICY_PATH.parent.mkdir(parents=True, exist_ok=True)
-        tmp = POLICY_PATH.with_suffix(".json.tmp")
-        with open(tmp, "w", encoding="utf-8") as f:
-            json.dump(current, f, ensure_ascii=False, indent=2)
-        os.replace(tmp, POLICY_PATH)
-        _CACHE["mtime"] = None  # nächster load_policy() lädt frisch
-        _CACHE["policy"] = None
-    return current
-
-
-def policy_meta() -> dict:
-    """Für den UI-Editor: aktuelle Werte + Defaults (für „Zurücksetzen“) + Feld-Spezifikation."""
-    return {"policy": load_policy(), "defaults": dict(DEFAULTS), "fields": FIELDS}

backend/services/sentry.py

@@ -1,141 +0,0 @@
-"""
-Health-Wächter der Box (Lucy-Proaktivität, Faden A3).
-
-Prüft periodisch die Kern-Dienste (Engine, Agent-Hirn, Hermes-Gateway, Mem0,
-Voice-Sidecar, Platte) und meldet ZUSTANDSWECHSEL in den Melde-Briefkasten
-(services/announce.py → Lucy spricht es) und via notify.sh (Telegram).
-
-Flankenerkennung statt Dauerfeuer: Alarm erst nach FAIL_AFTER Fehl-Ticks in
-Folge (überlebt Neustarts/Update-Fenster), Entwarnung beim ersten grünen Tick
-nach einem Alarm. Hält ein Problem an, wird frühestens nach REMIND_S erinnert.
-
-Braucht KEIN sudo, keine neuen Dienste — läuft als asyncio-Task im MC2-Backend
-(wie der Re-Warm-Wächter). Abschaltbar via MC_SENTRY_ENABLED=0.
-"""
-
-import asyncio
-import logging
-import os
-import time
-
-import httpx
-import psutil
-
-from config import HERMES_API_URL, LLAMA_SWAP_URL, MEM0_SERVICE_URL, MODELS_DIR, VOICE_SERVICE_URL
-from services import announce, llamaswap
-
-log = logging.getLogger(__name__)
-
-ENABLED = os.environ.get("MC_SENTRY_ENABLED", "1") != "0"
-INTERVAL = int(os.environ.get("MC_SENTRY_INTERVAL", "120"))        # Sekunden zwischen Ticks
-START_DELAY = int(os.environ.get("MC_SENTRY_START_DELAY", "90"))   # Dienste nach Boot setzen lassen
-FAIL_AFTER = int(os.environ.get("MC_SENTRY_FAIL_AFTER", "3"))      # Fehl-Ticks bis Alarm (3×120s = 6 min)
-REMIND_S = int(os.environ.get("MC_SENTRY_REMIND_S", "21600"))      # Erinnerung bei Dauerproblem: 6 h
-DISK_ALARM_PCT = float(os.environ.get("MC_SENTRY_DISK_PCT", "90"))
-
-
-def _reach(url: str, path: str = "/health") -> bool:
-    try:
-        with httpx.Client(timeout=5.0) as c:
-            return c.get(f"{url}{path}").status_code < 500
-    except Exception:
-        return False
-
-
-def _check_engine() -> bool:
-    return llamaswap.engine_reachable()
-
-
-def _check_brain() -> bool:
-    """Hirn tot? Verdrängung durch ein ANDERES laufendes Modell (IDE-Last) ist NORMAL —
-    Alarm nur, wenn gar nichts läuft und das Hirn trotz Re-Warm-Wächter kalt bleibt."""
-    st = llamaswap.brain_status()
-    if st.get("ready"):
-        return True
-    return bool(llamaswap.get_running_models())   # anderes Modell aktiv → Verdrängung, kein Defekt
-
-
-def _check_disk() -> bool:
-    try:
-        return psutil.disk_usage(str(MODELS_DIR) if MODELS_DIR.exists() else os.getcwd()).percent < DISK_ALARM_PCT
-    except Exception:
-        return True   # kein Messwert ≠ Alarm
-
-
-# name → (Checker, Alarm-Text, Entwarnungs-Text) — Texte sind Lucy-sprechbar (kurz, Alltagssprache).
-CHECKS: dict[str, tuple] = {
-    "engine": (_check_engine,
-               "Die Modell-Engine antwortet nicht mehr. Ohne sie laufen keine KI-Modelle.",
-               "Die Modell-Engine ist wieder da."),
-    "brain": (_check_brain,
-              "Mein Gehirn lädt nicht — ich kann gerade nicht richtig denken. Ein Neustart der Engine könnte helfen.",
-              "Mein Gehirn ist wieder geladen. Alles klar bei mir."),
-    "hermes": (lambda: _reach(HERMES_API_URL),
-               "Der Agent-Dienst ist ausgefallen — Telegram und meine Tools gehen gerade nicht.",
-               "Der Agent-Dienst läuft wieder."),
-    "mem0": (lambda: _reach(MEM0_SERVICE_URL),
-             "Mein Gedächtnis-Dienst ist ausgefallen — ich merke mir vorübergehend nichts Neues.",
-             "Mein Gedächtnis ist wieder online."),
-    "voice": (lambda: _reach(VOICE_SERVICE_URL),
-              "Der Hör-Dienst auf der Box ist ausgefallen — Spracheingabe könnte haken.",
-              "Der Hör-Dienst läuft wieder."),
-    "disk": (_check_disk,
-             f"Die Platte der Box ist zu über {DISK_ALARM_PCT:.0f} Prozent voll. Es wird eng für Modelle und Backups.",
-             "Die Platte hat wieder genug Luft."),
-}
-
-
-class _Watch:
-    __slots__ = ("fails", "alerted", "alert_ts")
-
-    def __init__(self) -> None:
-        self.fails = 0          # Fehl-Ticks in Folge
-        self.alerted = False    # Alarm ist raus, Entwarnung steht aus
-        self.alert_ts = 0.0     # Zeitpunkt des letzten Alarms (für REMIND_S)
-
-
-_watches: dict[str, _Watch] = {name: _Watch() for name in CHECKS}
-
-
-def _notify_telegram(subject: str, text: str) -> None:
-    """Telegram-Direktweg (gemeinsamer Helper in announce.py); Briefkasten-Eintrag
-    legt der Wächter selbst ab."""
-    announce.notify_telegram(subject, text + " (Diese Meldung kam auch an Lucy.)")
-
-
-def _tick() -> None:
-    now = time.time()
-    for name, (check, fail_msg, ok_msg) in CHECKS.items():
-        w = _watches[name]
-        try:
-            ok = bool(check())
-        except Exception:
-            ok = False
-        if ok:
-            w.fails = 0
-            if w.alerted:
-                w.alerted = False
-                announce.add(ok_msg, subject="[Box wieder ok]", source="sentry")
-                _notify_telegram("[Box wieder ok]", ok_msg)
-            continue
-        w.fails += 1
-        due = (not w.alerted and w.fails >= FAIL_AFTER) or (w.alerted and now - w.alert_ts >= REMIND_S)
-        if due:
-            prefix = "" if not w.alerted else "Immer noch: "
-            w.alerted = True
-            w.alert_ts = now
-            announce.add(prefix + fail_msg, subject="[Box-Problem]", source="sentry")
-            _notify_telegram("[Box-Problem]", prefix + fail_msg)
-            log.warning("sentry: %s ALARM (%s Fehl-Ticks)", name, w.fails)
-
-
-async def sentry_loop() -> None:
-    """Endlos-Schleife (Hintergrund-Task im MC2-Lifespan)."""
-    await asyncio.sleep(START_DELAY)
-    log.info("sentry: Health-Wächter aktiv (Intervall %ss, Alarm nach %s Fehl-Ticks)", INTERVAL, FAIL_AFTER)
-    while True:
-        try:
-            await asyncio.to_thread(_tick)
-        except Exception:
-            log.debug("sentry: Tick fehlgeschlagen", exc_info=True)
-        await asyncio.sleep(INTERVAL)

backend/services/sources.py

@@ -1,35 +0,0 @@
-"""
-Vertrauenswürdige Quellen + Kategorien für die automatische Modell-Entdeckung.
-Rollen = die EINE Quelle der Wahrheit, identisch zu den llama-swap-Serving-Rollen
-und der UI: fast · heavy · coder · vision · hermes (Agent-Hirn) · scout.
-"""
-
-# HF-Orgs, die zuverlässig aktuelle, hochwertige GGUF-Quants veröffentlichen.
-TRUSTED_AUTHORS = ["unsloth", "bartowski", "ggml-org", "lmstudio-community"]
-
-# Kanonische Rollen — eine Quelle der Wahrheit (deckt sich mit llamaswap.ROLE_IDS,
-# maintenance.ROLE_MAP, frontend ModelBadges.ROLES + Discover.ROLE_METADATA).
-# `hermes` = Lucys Agent-Hirn (warm + ko-resident); UI-Label „Hirn".
-ROLE_IDS = ["fast", "heavy", "coder", "vision", "hermes", "scout"]
-
-# Kategorien (Reihenfolge = Anzeige + Zuordnungs-Priorität). Ein Modell wird der
-# ERSTEN Kategorie zugeordnet, deren Stichwort im Repo-Namen vorkommt; sonst „scout".
-# Die `role` ist zugleich der Alias-Vorschlag und EINE der 5 kanonischen Rollen.
-CATEGORIES = [
-    {"role": "vision", "title": "Bilder verstehen", "icon": "eye",
-     "kw": ["-vl-", "-vl", "vision", "llava", "multimodal", "-mm-", "pixtral"]},
-    {"role": "coder", "title": "Coden & Programmieren", "icon": "code",
-     "kw": ["coder", "-code-", "code-", "codestral", "starcoder"]},
-    {"role": "hermes", "title": "Lucys Hirn (Agent)", "icon": "brain-circuit",
-     "kw": ["hermes"]},  # Agent-Hirn: Hermes-Familie am robustesten (natives Tool-Calling).
-    {"role": "heavy", "title": "Schweres Reasoning", "icon": "brain",
-     "kw": ["reasoning", "-think", "thinking", "gpt-oss", "deepseek-r", "-r1", "qwq",
-            "-70b", "-72b", "-120b", "-123b", "-235b", "-405b", "-a10b", "-a22b"]},
-    {"role": "fast", "title": "Schnelles Alltags-Hirn", "icon": "zap",
-     "kw": ["-a3b", "-a1", "-a2", "-30b", "-32b", "-14b", "-8b", "-7b", "-4b", "-moe"]},
-    {"role": "scout", "title": "Multimodal-Allrounder", "icon": "compass",
-     "kw": []},  # Fallback: instruct/chat-Modelle, die in keine Spezialrolle fallen
-]
-
-# Repo-Namensteile, die bei der Entdeckung übersprungen werden (Roh-/Spezialformate).
-SKIP_TOKENS = ["-base", "-bnb-", "-gptq", "-awq", "-fp8", "draft", "tokenizer"]

backend/services/system.py

@@ -1,204 +0,0 @@
-"""
-System/OS-Metriken für die Box (Bosgame / Strix Halo).
-
-CPU/RAM/Disk via psutil (plattformübergreifend). GPU-Auslastung/VRAM/Temperatur
-via sysfs (amdgpu) — nur Linux; auf anderen Plattformen None (amd-smi fehlt auf
-der Box, daher sysfs). Verschachtelte Struktur wie v1 (cpu.percent, ram.used Bytes).
-"""
-
-import glob
-import os
-import subprocess
-import threading
-
-import psutil
-
-from config import MODELS_DIR
-
-
-def _read_int(path: str) -> int | None:
-    try:
-        with open(path) as f:
-            return int(f.read().strip())
-    except Exception:
-        return None
-
-
-def _gpu_sysfs() -> dict | None:
-    """AMD-GPU-Auslastung + Speicher via sysfs (Linux). Findet die Basis-Card
-    dynamisch (Strix Halo ist oft card1, nicht card0) und überspringt die
-    Connector-Verzeichnisse (card1-DP-1 …). Strix Halo nutzt Unified Memory →
-    GTT ist der eigentliche große Pool; VRAM ist nur der kleine Carve-out."""
-    for dev in sorted(glob.glob("/sys/class/drm/card*/device")):
-        card = dev.split("/")[-2]            # z.B. "card1" oder "card1-DP-1"
-        if "-" in card:                      # Connector-Dir → kein GPU-Device
-            continue
-        busy = _read_int(f"{dev}/gpu_busy_percent")
-        if busy is None:
-            continue
-        return {
-            "busy_percent": busy,
-            "vram_used": _read_int(f"{dev}/mem_info_vram_used"),
-            "vram_total": _read_int(f"{dev}/mem_info_vram_total"),
-            "gtt_used": _read_int(f"{dev}/mem_info_gtt_used"),
-            "gtt_total": _read_int(f"{dev}/mem_info_gtt_total"),
-        }
-    return None
-
-
-def _temps() -> dict | None:
-    """CPU/GPU-Temperatur via hwmon (Linux). None bei Fehlen."""
-    out: dict = {}
-    for hw in glob.glob("/sys/class/hwmon/hwmon*"):
-        name = ""
-        try:
-            with open(f"{hw}/name") as f:
-                name = f.read().strip()
-        except Exception:
-            continue
-        t = _read_int(f"{hw}/temp1_input")
-        if t is None:
-            continue
-        c = round(t / 1000.0, 1)
-        if name in ("k10temp", "zenpower", "coretemp"):
-            out["cpu"] = c
-        elif name in ("amdgpu", "edge"):
-            out["gpu"] = c
-    return out or None
-
-
-def get_git_info(path: str) -> dict | None:
-    expanded = os.path.expanduser(path)
-    if not os.path.isdir(expanded) or not os.path.exists(os.path.join(expanded, ".git")):
-        return None
-    try:
-        res = subprocess.run(
-            ["git", "log", "-1", "--format=%h|%cd|%s", "--date=short"],
-            cwd=expanded, capture_output=True, text=True, timeout=3
-        )
-        if res.returncode != 0:
-            return None
-        parts = res.stdout.strip().split("|", 2)
-        h = parts[0]
-        d = parts[1]
-        s = parts[2] if len(parts) > 2 else ""
-        
-        branch_res = subprocess.run(
-            ["git", "rev-parse", "--abbrev-ref", "HEAD"],
-            cwd=expanded, capture_output=True, text=True, timeout=2
-        )
-        branch = branch_res.stdout.strip() if branch_res.returncode == 0 else "unknown"
-
-        status_res = subprocess.run(
-            ["git", "status", "--porcelain"],
-            cwd=expanded, capture_output=True, text=True, timeout=2
-        )
-        dirty = bool(status_res.stdout.strip()) if status_res.returncode == 0 else False
-
-        return {
-            "hash": h,
-            "date": d,
-            "subject": s,
-            "branch": branch,
-            "dirty": dirty,
-            "path": expanded
-        }
-    except Exception:
-        return None
-
-
-def find_hermes_agent_git() -> dict | None:
-    env_path = os.environ.get("MC_HERMES_AGENT_PATH")
-    if env_path:
-        info = get_git_info(env_path)
-        if info:
-            return info
-
-    candidates = [
-        "~/hermes-agent",
-        "~/.hermes/hermes-agent",
-        "~/hermes-webui/hermes-agent",
-        "~/.hermes"
-    ]
-    for c in candidates:
-        info = get_git_info(c)
-        if info:
-            return info
-    return None
-
-
-def get_engine_version() -> dict:
-    engine_path = os.environ.get("MC_ENGINE_PATH", "/opt/llamacpp")
-    git_info = get_git_info(engine_path)
-    if git_info:
-        return {**git_info, "type": "git"}
-    
-    candidates = [
-        os.path.join(engine_path, "llama-server"),
-        os.path.join(engine_path, "bin", "llama-server"),
-        "/usr/local/bin/llama-server",
-        "/usr/bin/llama-server",
-        "llama-server"
-    ]
-    
-    for binary in candidates:
-        if binary != "llama-server" and not os.path.exists(binary):
-            continue
-        try:
-            res = subprocess.run([binary, "--version"], capture_output=True, text=True, timeout=2)
-            output = (res.stdout or "").strip() or (res.stderr or "").strip()
-            if output:
-                lines = output.splitlines()
-                ver = lines[0] if lines else "unknown"
-                return {"version_text": ver, "type": "binary"}
-        except Exception:
-            pass
-            
-    return {"type": "unknown"}
-
-
-_VERSION_CACHE = {"ts": 0.0, "data": {}}
-_VERSION_LOCK = threading.Lock()
-
-
-def check_versions_cached() -> dict:
-    import time
-    now = time.time()
-    if now - _VERSION_CACHE["ts"] < 30.0:
-        return _VERSION_CACHE["data"]
-
-    # Lock gegen Scan-Stampede: FastAPI führt sync-Routen im Threadpool aus → ohne Lock würden
-    # parallele Dashboard-/Agent-Aufrufe die git-/Versions-Scans mehrfach gleichzeitig anwerfen.
-    # Doppelt geprüft, damit ein zweiter Thread den frisch gefüllten Cache nimmt statt neu zu scannen.
-    with _VERSION_LOCK:
-        now = time.time()
-        if now - _VERSION_CACHE["ts"] < 30.0:
-            return _VERSION_CACHE["data"]
-
-        mc2_path = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
-        data = {
-            "mc2": get_git_info(mc2_path),
-            "engine": get_engine_version(),
-            "hermes_ui": get_git_info("~/hermes-webui"),
-            "hermes_agent": find_hermes_agent_git()
-        }
-        _VERSION_CACHE["ts"] = now
-        _VERSION_CACHE["data"] = data
-        return data
-
-
-def system_status() -> dict:
-    vm = psutil.virtual_memory()
-    try:
-        du = psutil.disk_usage(str(MODELS_DIR) if MODELS_DIR.exists() else os.getcwd())
-        disk = {"total": du.total, "used": du.used, "percent": du.percent}
-    except Exception:
-        disk = None
-    return {
-        "cpu": {"percent": psutil.cpu_percent(interval=0.1), "cores": psutil.cpu_count()},
-        "ram": {"total": vm.total, "used": vm.used, "percent": vm.percent},
-        "gpu": _gpu_sysfs(),
-        "temp": _temps(),
-        "disk": disk,
-        "versions": check_versions_cached(),
-    }

backend/services/token_stats.py

@@ -1,99 +0,0 @@
-"""Token-Statistik (Verbrauch je Modell) mit gedrosseltem Persistieren.
-
-Früher wurde bei JEDEM Request die komplette JSON-Datei gelesen und geschrieben
-(Disk-Thrash). Jetzt: einmaliges Laden in einen In-Memory-Cache, Inkremente laufen
-gegen den Cache, Persistieren passiert höchstens alle FLUSH_INTERVAL Sekunden sowie
-beim Prozess-Ende (atexit). Lesen liefert immer den aktuellen (auch ungeflushten) Stand.
-"""
-
-import atexit
-import json
-import logging
-import threading
-import time
-from pathlib import Path
-
-from config import HERMES_HOME
-
-STATS_FILE = HERMES_HOME / "token_stats.json"
-FLUSH_INTERVAL = 5.0  # Sekunden zwischen Disk-Writes
-# Baseline (repräsentiert Verbrauch vor dem modellspezifischen Logging).
-_BASELINE = {"prompt_tokens": 718400, "completion_tokens": 324200, "models": {}}
-
-log = logging.getLogger(__name__)
-
-_lock = threading.Lock()
-_stats: dict | None = None
-_dirty = False
-_last_flush = 0.0
-
-
-def _load_from_disk() -> dict:
-    if not STATS_FILE.exists():
-        return dict(_BASELINE)
-    try:
-        with open(STATS_FILE, "r", encoding="utf-8") as f:
-            data = json.load(f)
-        data.setdefault("prompt_tokens", 0)
-        data.setdefault("completion_tokens", 0)
-        data.setdefault("models", {})
-        return data
-    except (OSError, json.JSONDecodeError):
-        log.warning("token_stats: Laden fehlgeschlagen, nutze Baseline", exc_info=True)
-        return dict(_BASELINE)
-
-
-def _ensure_loaded() -> dict:
-    global _stats
-    if _stats is None:
-        _stats = _load_from_disk()
-    return _stats
-
-
-def _write(stats: dict) -> None:
-    try:
-        STATS_FILE.parent.mkdir(parents=True, exist_ok=True)
-        tmp = STATS_FILE.with_suffix(".tmp")
-        with open(tmp, "w", encoding="utf-8") as f:
-            json.dump(stats, f)
-        tmp.replace(STATS_FILE)
-    except OSError:
-        log.warning("token_stats: Schreiben fehlgeschlagen", exc_info=True)
-
-
-def get_stats() -> dict:
-    """Aktueller Stand (inkl. noch nicht geflushter Inkremente) als Kopie."""
-    with _lock:
-        return json.loads(json.dumps(_ensure_loaded()))
-
-
-def increment_tokens(prompt: int, completion: int, model: str | None = None) -> None:
-    """Tokens im Cache verbuchen; gedrosselt auf Disk persistieren."""
-    global _dirty, _last_flush
-    with _lock:
-        stats = _ensure_loaded()
-        stats["prompt_tokens"] += prompt
-        stats["completion_tokens"] += completion
-        if model:
-            m = stats.setdefault("models", {}).setdefault(
-                model.lower(), {"prompt": 0, "completion": 0})
-            m["prompt"] += prompt
-            m["completion"] += completion
-        _dirty = True
-        now = time.monotonic()
-        if now - _last_flush >= FLUSH_INTERVAL:
-            _write(stats)
-            _dirty = False
-            _last_flush = now
-
-
-def flush() -> None:
-    """Ungeschriebene Inkremente sofort persistieren (z.B. beim Shutdown)."""
-    global _dirty
-    with _lock:
-        if _dirty and _stats is not None:
-            _write(_stats)
-            _dirty = False
-
-
-atexit.register(flush)

backend/services/voice_metrics.py

@@ -1,187 +0,0 @@
-"""
-Per-Stage-Latenz-Metriken + Per-Turn-Trace für die Voice/Lucy-Pipeline.
-
-Zwei Sichten auf dieselben Messungen:
-
-1. **Rollende Stats** (`record_stage`/`Timer`/`get_metrics`) — avg/p50/p95/last je Stufe über die
-   letzten N Messungen. Gut für Trends („Wie schnell ist STT im Schnitt?").
-2. **Per-Turn-Trace** (`TurnTrace`/`get_trace`) — jeder einzelne Chat-Turn als eigener Datensatz mit
-   seinem Stufen-Breakdown. Nur so sieht man den EINEN langsamen Turn (der 30-s-Hänger), den ein
-   Durchschnitt verschluckt. Das war der eigentliche Anlass (Telegram-/Voice-Hänger diagnostizieren).
-
-**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
-Unter-Detail INNERHALB der Hirn-Zeit ausgewiesen (kein Doppelzählen). Die **Tool-Runden** dagegen laufen
-im Hermes-LLM-Loop ohne Callback an MC2 → für MC2 unsichtbar, sie stecken im „Generierung"-Bucket.
-
-STT (davor) und Mem0-Retrieve (währenddessen) sind separate HTTP-Requests ohne Turn-ID. Auf einem
-EIN-Nutzer-Gerät genügt eine schlanke Best-Effort-Korrelation: die zuletzt gemessene STT-Dauer bzw. der
-letzte Retrieve werden global „geparkt" und vom nächsten Chat-Turn eingesammelt (mit Frist-/Reihenfolge-
-Check). Kein Turn-ID-Durchreichen durch den Lucy-Client nötig.
-
-In-Memory + thread-safe (keine Datei-I/O — Latenz-Telemetrie ist transient, Restart = Reset).
-"""
-
-import threading
-import time
-import uuid
-from collections import deque
-
-_LOCK = threading.Lock()
-_MAX = 200
-_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")
-
-# Best-effort-Korrelation (Ein-Nutzer-Gerät): zuletzt gemessene STT-Dauer / Mem0-Retrieve, je
-# (ms, perf_counter-Zeitstempel). Der nächste passende Chat-Turn sammelt sie ein und leert sie.
-_PARKED: dict[str, tuple[float, float] | None] = {"stt": None, "retrieve": None}
-
-
-def record_stage(stage: str, ms: float) -> None:
-    """Eine gemessene Stage-Dauer (ms) verbuchen. No-op bei negativen Werten."""
-    if ms is None or ms < 0:
-        return
-    with _LOCK:
-        dq = _STAGES.get(stage)
-        if dq is None:
-            dq = _STAGES[stage] = deque(maxlen=_MAX)
-        dq.append(float(ms))
-
-
-def park(kind: str, ms: float) -> None:
-    """Eine Messung, die NICHT im Chat-Request selbst passiert (STT davor, Mem0-Retrieve als
-    Rückruf während), global parken, damit der nächste Chat-Turn sie einsammeln kann."""
-    if ms is None or ms < 0 or kind not in _PARKED:
-        return
-    with _LOCK:
-        _PARKED[kind] = (float(ms), time.perf_counter())
-
-
-def _take_stt(max_age: float = 20.0) -> float | None:
-    """Geparkte STT-Dauer einsammeln, wenn frisch (STT liegt VOR dem Turn-Start)."""
-    with _LOCK:
-        v = _PARKED.get("stt")
-        if v and (time.perf_counter() - v[1]) <= max_age:
-            _PARKED["stt"] = None
-            return round(v[0], 1)
-    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)."""
-
-    def __init__(self, stage: str) -> None:
-        self.stage = stage
-        self._t0 = 0.0
-
-    def __enter__(self) -> "Timer":
-        self._t0 = time.perf_counter()
-        return self
-
-    def __exit__(self, *exc) -> None:
-        record_stage(self.stage, (time.perf_counter() - self._t0) * 1000.0)
-
-
-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.
-    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]
-        self.ts = time.time()
-        self.perf0 = time.perf_counter()
-        self._brain0 = self.perf0                # Referenz für die Hirn-Zeit (nach Vision neu gesetzt)
-        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.had_images = False
-        self.error: str | None = None
-
-    def note_vision(self, ms: float) -> None:
-        self.vision_ms = round(ms, 1)
-        record_stage("vision", ms)
-
-    def mark_brain_start(self) -> None:
-        """Startpunkt der Hirn-Zeit — direkt VOR dem Hermes-Request, damit die Vision-Zeit NICHT
-        in die Hirn-Zeit gezählt wird (sonst Doppelzählung mit dem Vision-Segment)."""
-        self._brain0 = time.perf_counter()
-
-    def note_ttfb(self) -> None:
-        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)."""
-        ms = (time.perf_counter() - self._brain0) * 1000.0
-        self.hirn_ms = round(ms, 1)
-        record_stage("chat_first_content", ms)
-
-    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 = {
-            "id": self.id,
-            "ts": round(self.ts, 3),
-            "session": self.session_id,
-            "kind": self.kind,
-            "had_images": self.had_images,
-            "stt_ms": stt,
-            "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,
-        }
-        with _LOCK:
-            _TURNS.append(rec)
-        return rec
-
-
-def _summary(vals: list[float]) -> dict:
-    if not vals:
-        return {"count": 0}
-    s = sorted(vals)
-    n = len(s)
-    return {
-        "count": n,
-        "avg_ms": round(sum(s) / n, 1),
-        "p50_ms": round(s[n // 2], 1),
-        "p95_ms": round(s[min(n - 1, int(n * 0.95))], 1),
-        "last_ms": round(vals[-1], 1),
-    }
-
-
-def get_metrics() -> dict:
-    """Rollende Zusammenfassung je Stufe."""
-    with _LOCK:
-        return {stage: _summary(list(dq)) for stage, dq in _STAGES.items()}
-
-
-def get_trace(limit: int = 20) -> list[dict]:
-    """Die letzten `limit` Chat-Turns (neueste zuerst) mit Stufen-Breakdown."""
-    limit = max(1, min(int(limit or 20), _TURNS.maxlen or 60))
-    with _LOCK:
-        return list(_TURNS)[-limit:][::-1]

backend/services/warmer.py

@@ -1,129 +0,0 @@
-"""
-Hält das ganze WARM-SET (Hirn + Augen/vision + Gedächtnis/embed) dauerhaft warm.
-
-Hintergrund: llama-swap ist EIN-Gruppen-resident — lädt ein on-demand-Modell außerhalb
-der `brains`-Gruppe, wird die ganze Gruppe verdrängt. `persist: true` verhindert nur
-Idle-Unload, NICHT die Gruppen-Verdrängung; auch ein `-watch-config`-Reload (jede Config-
-Änderung/Deploy) verwirft das Set, ohne llama-swaps ExecStartPost-Warmup neu auszulösen.
-Dieser Wächter schließt die Lücke: ist die Box idle (nichts geladen), lädt er das ganze
-Set über deploy/warmup.sh nach — NICHT nur das Hirn (sonst blieben Augen+embed kalt, live
-vom Review-Wächter beobachtet). Während aktiver Last (irgendetwas geladen) hält er sich
-raus, verdrängt also nie ein gerade genutztes Modell.
-
-warmup.sh deckt korrekt ab: fast+vision über /v1/chat/completions, embed über /v1/embeddings
-(anderer Endpunkt!) und das Vorkauen des ~70-KB-Agent-Prompts. Es ist selbst-detachend.
-
-Abschaltbar/justierbar via Env: MC_REWARM_ENABLED=0, MC_REWARM_INTERVAL. Welche Modelle
-warmup.sh lädt: MC_WARMUP_MODELS (Default 'fast vision') + MC_WARMUP_EMBED (Default 'embed').
-"""
-
-import asyncio
-import logging
-import os
-import subprocess
-
-import httpx
-
-from config import LLAMA_SWAP_URL
-
-log = logging.getLogger(__name__)
-
-ENABLED = os.environ.get("MC_REWARM_ENABLED", "1") != "0"
-INTERVAL = int(os.environ.get("MC_REWARM_INTERVAL", "90"))     # Sekunden zwischen Checks
-START_DELAY = int(os.environ.get("MC_REWARM_START_DELAY", "25"))
-NUDGE_GRACE = int(os.environ.get("MC_REWARM_NUDGE_GRACE", "3"))  # llama-swap den Reload abschließen lassen
-
-# Das geteilte Warm-Skript (auch llama-swaps ExecStartPost) — EINE Quelle für „was ist das
-# Warm-Set und wie wärmt man es korrekt", statt hier eine zweite, ärmere Logik zu pflegen.
-_WARMUP_SH = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", "..", "deploy", "warmup.sh"))
-
-# Wecksignal für einen sofortigen Vorwärm-Check (statt bis zum nächsten INTERVAL-Tick zu warten).
-# Wird von write_config() nach einer Config-Änderung gesetzt: llama-swap (-watch-config) lädt die
-# neue Config und verwirft dabei ALLE Modelle inkl. Hirn — ohne Nudge bliebe es bis zu INTERVAL
-# Sekunden kalt liegen, bis der nächste Tick oder eine Anfrage es wieder lädt.
-_loop: asyncio.AbstractEventLoop | None = None
-_wake: asyncio.Event | None = None
-
-
-def nudge() -> None:
-    """Threadsicher: bittet den Wächter, nach einem Config-Reload bald vorzuwärmen. No-op,
-    solange der Wächter (noch) nicht läuft."""
-    if _loop is not None and _wake is not None and not _loop.is_closed():
-        try:
-            _loop.call_soon_threadsafe(_wake.set)
-        except RuntimeError:
-            pass
-
-
-def _run_warmup() -> bool:
-    """Volles Warm-Set via deploy/warmup.sh nachladen (fast+vision über /v1/chat/completions,
-    embed über /v1/embeddings, plus Agent-Prompt-Prefill). Selbst-detachend, blockiert nicht.
-    False, wenn das Skript fehlt."""
-    if not os.path.exists(_WARMUP_SH):
-        log.warning("rewarm: warmup.sh nicht gefunden (%s) — kein Nachwärmen möglich", _WARMUP_SH)
-        return False
-    try:
-        subprocess.Popen(["bash", _WARMUP_SH],
-                         env={**os.environ, "MC_LLAMA_SWAP_URL": LLAMA_SWAP_URL},
-                         stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
-        return True
-    except Exception:
-        log.debug("rewarm: warmup.sh-Start fehlgeschlagen", exc_info=True)
-        return False
-
-
-def _warmset_members() -> set[str]:
-    """Soll-Warm-Set = Mitglieder aller ko-residenten Gruppen (swap:false bzw. persist/persistent)."""
-    try:
-        from services import llamaswap
-        groups = llamaswap.list_groups() or {}
-    except Exception:
-        return set()
-    want: set[str] = set()
-    for g in groups.values():
-        if isinstance(g, dict) and (g.get("swap") is False or g.get("persist") or g.get("persistent")):
-            want.update(g.get("members") or [])
-    return want
-
-
-async def _warmset_missing() -> list[str] | None:
-    """Warm-Set-Mitglieder, die NICHT 'ready' in /running sind. [] = alles warm, None = /running
-    nicht lesbar. Erkennt auch TEIL-Kälte (nur Hirn warm, Augen/embed rausgefallen) — genau der
-    Fall, der nach einem watch-config-Reload/Deploy auftritt."""
-    try:
-        async with httpx.AsyncClient(timeout=8.0) as c:
-            r = await c.get(f"{LLAMA_SWAP_URL}/running")
-            data = r.json() or {}
-    except Exception:
-        return None
-    ready = {str(x.get("model")) for x in (data.get("running") or []) if x.get("state") == "ready"}
-    want = _warmset_members()
-    if not want:                                   # Set unbekannt → alte Heuristik: nur bei ganz leer
-        return [] if ready else ["<leer>"]
-    return [m for m in want if m not in ready]
-
-
-async def rewarm_loop() -> None:
-    """Endlos-Schleife (Hintergrund-Task): hält das ganze Warm-Set warm. Prüft periodisch, ob ein
-    Mitglied fehlt (Teil-Kälte!), und sofort nach einem Config-Reload-Nudge — lädt via warmup.sh nach."""
-    global _loop, _wake
-    _loop = asyncio.get_running_loop()
-    _wake = asyncio.Event()
-    await asyncio.sleep(START_DELAY)   # Box/Engine nach MC-Start setzen lassen
-    while True:
-        try:
-            missing = await _warmset_missing()
-            if missing:
-                log.info("rewarm: Warm-Set unvollständig (%s) → warmup.sh", ", ".join(missing))
-                _run_warmup()
-        except Exception:
-            log.debug("rewarm: Tick fehlgeschlagen", exc_info=True)
-        # Bis zum nächsten Tick warten ODER sofort auf einen Config-Reload-Nudge reagieren.
-        try:
-            await asyncio.wait_for(_wake.wait(), timeout=INTERVAL)
-            _wake.clear()
-            await asyncio.sleep(NUDGE_GRACE)   # llama-swap den Reload abschließen lassen
-            log.info("rewarm: Config-Reload → warmup.sh (volles Warm-Set nachladen)")
-            _run_warmup()
-        except asyncio.TimeoutError:
-            pass

client/hermes-pc/.gitignore

@@ -1,3 +0,0 @@
-.venv/
-__pycache__/
-*.pyc

client/hermes-pc/executor.py

@@ -1,207 +0,0 @@
-"""
-Hermes PC Executor — läuft auf dem Windows PC.
-Empfängt Tool-Befehle vom MCP-Server der AI Box und führt sie lokal aus.
-"""
-import base64
-import hmac
-import io
-import os
-import socket
-import subprocess
-import webbrowser
-from urllib.parse import quote
-
-import uvicorn
-from fastapi import Depends, FastAPI, Header, HTTPException
-
-app = FastAPI(title="Hermes PC Executor")
-
-MY_PORT = int(os.environ.get("HERMES_PC_PORT", "7777"))
-# Auf welchem Interface lauschen. Default 0.0.0.0 (LAN), per Env einschränkbar (z.B. die LAN-IP des PCs).
-MY_HOST = os.environ.get("HERMES_PC_HOST", "0.0.0.0")
-
-# ── Auth ───────────────────────────────────────────────────────────────────
-# Shared Secret. OHNE Token sind die gefährlichen Endpunkte (Shell/Eingabe/Öffnen/Screenshot)
-# fail-closed gesperrt → ein un-konfigurierter Executor ist KEINE offene Remote-Code-Execution mehr.
-# Der Token muss identisch auf der Box (Hermes-Env PC_EXECUTOR_TOKEN → mcp_pc.py) gesetzt sein.
-AUTH_TOKEN = os.environ.get("HERMES_PC_TOKEN", "").strip()
-
-
-def require_auth(authorization: str | None = Header(default=None)) -> None:
-    """Bearer-Token-Prüfung (konstante Zeit). 503 wenn der Executor ohne Token läuft (fail-closed),
-    401 bei fehlendem/falschem Token."""
-    if not AUTH_TOKEN:
-        raise HTTPException(
-            503,
-            "Executor ohne HERMES_PC_TOKEN gestartet — Steuer-Endpunkte sind aus Sicherheitsgründen "
-            "gesperrt. Setze die Env-Variable HERMES_PC_TOKEN (identisch zur Box) und starte neu.",
-        )
-    expected = f"Bearer {AUTH_TOKEN}"
-    if not authorization or not hmac.compare_digest(authorization, expected):
-        raise HTTPException(401, "Ungültiges oder fehlendes Bearer-Token.")
-
-
-# ── Shell ──────────────────────────────────────────────────────────────────
-
-@app.post("/shell", dependencies=[Depends(require_auth)])
-async def run_shell(req: dict):
-    cmd = req.get("command", "")
-    try:
-        result = subprocess.run(
-            ["powershell", "-NoProfile", "-NonInteractive", "-Command", cmd],
-            capture_output=True, text=True, timeout=60,
-            encoding="utf-8", errors="replace",
-        )
-        return {
-            "stdout": result.stdout.strip(),
-            "stderr": result.stderr.strip(),
-            "returncode": result.returncode,
-        }
-    except subprocess.TimeoutExpired:
-        raise HTTPException(408, "Timeout nach 60s")
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-# ── Screen ─────────────────────────────────────────────────────────────────
-
-@app.post("/screenshot", dependencies=[Depends(require_auth)])
-async def take_screenshot():
-    try:
-        import mss
-        from PIL import Image
-
-        with mss.mss() as sct:
-            monitor = sct.monitors[1]
-            raw = sct.grab(monitor)
-        img = Image.frombytes("RGB", raw.size, raw.bgra, "raw", "BGRX")
-        img.thumbnail((1280, 720))
-        buf = io.BytesIO()
-        img.save(buf, format="JPEG", quality=75)
-        return {"screenshot": base64.b64encode(buf.getvalue()).decode()}
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-# ── Input ──────────────────────────────────────────────────────────────────
-
-@app.post("/type", dependencies=[Depends(require_auth)])
-async def type_text(req: dict):
-    text = req.get("text", "")
-    try:
-        import pyautogui
-        pyautogui.write(text, interval=0.03)
-        return {"ok": True}
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-@app.post("/key", dependencies=[Depends(require_auth)])
-async def press_keys(req: dict):
-    keys = req.get("keys", "")
-    try:
-        import pyautogui
-        parts = [k.strip() for k in keys.split("+")]
-        pyautogui.hotkey(*parts)
-        return {"ok": True}
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-# ── Medien & Lautstärke (A3: Lucy steuert den PC per Sprache) ──────────────
-# Media-Keys wirken auf den AKTIVEN Player (Spotify, YouTube, VLC …) — genau wie
-# die Tasten auf einer Multimedia-Tastatur. Lautstärke = System-Master (2 % je Schritt).
-MEDIA_KEYS = {"play_pause": "playpause", "next": "nexttrack", "prev": "prevtrack", "stop": "stop"}
-VOLUME_KEYS = {"up": "volumeup", "down": "volumedown", "mute": "volumemute"}
-
-
-@app.post("/media", dependencies=[Depends(require_auth)])
-async def media_control(req: dict):
-    action = (req.get("action") or "").strip().lower()
-    key = MEDIA_KEYS.get(action)
-    if not key:
-        raise HTTPException(400, f"Unbekannte Aktion '{action}'. Erlaubt: {', '.join(MEDIA_KEYS)}")
-    try:
-        import pyautogui
-        pyautogui.press(key)
-        return {"ok": True, "action": action}
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-@app.post("/volume", dependencies=[Depends(require_auth)])
-async def volume_control(req: dict):
-    action = (req.get("action") or "").strip().lower()
-    key = VOLUME_KEYS.get(action)
-    if not key:
-        raise HTTPException(400, f"Unbekannte Aktion '{action}'. Erlaubt: {', '.join(VOLUME_KEYS)}")
-    steps = 1 if action == "mute" else max(1, min(25, int(req.get("steps", 5))))
-    try:
-        import pyautogui
-        pyautogui.press(key, presses=steps, interval=0.02)
-        return {"ok": True, "action": action, "steps": steps}
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-# ── Apps / Browser ─────────────────────────────────────────────────────────
-
-@app.post("/open", dependencies=[Depends(require_auth)])
-async def open_target(req: dict):
-    target = req.get("target", "")
-    try:
-        if target.startswith("http://") or target.startswith("https://"):
-            webbrowser.open(target)
-        else:
-            os.startfile(target)
-        return {"ok": True}
-    except Exception as e:
-        raise HTTPException(500, str(e))
-
-
-@app.post("/search", dependencies=[Depends(require_auth)])
-async def search_web(req: dict):
-    query = req.get("query", "")
-    url = f"https://www.google.com/search?q={quote(query)}"
-    webbrowser.open(url)
-    return {"ok": True, "url": url}
-
-
-# ── Health ─────────────────────────────────────────────────────────────────
-
-@app.get("/health")
-async def health():
-    return {"status": "ok", "host": socket.gethostname()}
-
-
-def _get_local_ip() -> str:
-    try:
-        with socket.socket(socket.AF_INET, socket.SOCK_DGRAM) as s:
-            s.connect(("8.8.8.8", 80))
-            return s.getsockname()[0]
-    except Exception:
-        return socket.gethostbyname(socket.gethostname())
-
-
-def _ensure_streams() -> None:
-    """Unter pythonw (kein Konsolenfenster) sind sys.stdout/stderr = None →
-    uvicorns Logging crasht beim Start. Dann auf eine Logdatei umbiegen."""
-    import sys
-    if sys.stdout is not None and sys.stderr is not None:
-        return
-    logdir = os.path.join(
-        os.environ.get("LOCALAPPDATA", os.path.dirname(os.path.abspath(__file__))),
-        "HermesPCExecutor",
-    )
-    os.makedirs(logdir, exist_ok=True)
-    f = open(os.path.join(logdir, "executor.log"), "a", buffering=1, encoding="utf-8")
-    sys.stdout = f
-    sys.stderr = f
-
-
-if __name__ == "__main__":
-    _ensure_streams()
-    my_ip = _get_local_ip()
-    auth_state = "Token AKTIV" if AUTH_TOKEN else "KEIN Token → Steuer-Endpunkte GESPERRT (fail-closed)"
-    print(f"Hermes PC Executor läuft auf http://{my_ip}:{MY_PORT} (bind {MY_HOST}) — {auth_state}")
-    uvicorn.run(app, host=MY_HOST, port=MY_PORT)

client/hermes-pc/install.bat

@@ -1,8 +0,0 @@
-@echo off
-cd /d "%~dp0"
-echo === Hermes PC Executor Setup ===
-python -m venv .venv
-.venv\Scripts\pip install -r requirements.txt -q
-echo.
-echo Fertig. Starte mit start.bat
-pause

client/hermes-pc/requirements.txt

@@ -1,6 +0,0 @@
-fastapi>=0.111.0
-uvicorn>=0.30.0
-httpx>=0.27.0
-mss>=9.0.1
-Pillow>=10.0.0
-pyautogui>=0.9.54

client/hermes-pc/start.bat

@@ -1,9 +0,0 @@
-@echo off
-cd /d "%~dp0"
-echo === Hermes PC Executor ===
-echo Port: 7777
-echo Hermes (AI Box) kann jetzt auf diesen PC zugreifen.
-echo Fenster offen lassen solange Hermes PC-Zugriff braucht.
-echo.
-.venv\Scripts\python executor.py
-pause

deploy/autoupdate.sh

@@ -1,182 +0,0 @@
-#!/usr/bin/env bash
-# Wöchentlicher Auto-Update-Lauf der Box (Autonomie E2). Läuft als User via
-# mc2-autoupdate.timer (So 04:30, nach dem 03:30-Backup) oder manuell.
-#
-# Prinzip „Haushaltsgerät": Fremd-Software (Router → Engine → Hermes) updatet sich
-# selbst über die BESTEHENDEN Pfade (update-swap.sh / update-engine.sh / hermes-update-Job).
-# Jede Ebene: Update-Check → Update → Postcheck. Rot ⇒ Rollback + SELBST-PINNING im
-# Pin-Register + Telegram-Meldung. Grün ⇒ Telegram „eingespielt X→Y".
-# Gepinnte Ebenen werden übersprungen, bis der Pin manuell gelöst wird.
-#
-# OS-Ebene: bewusst NICHT hier — unattended-upgrades (nur Security) wird in der
-# einmaligen sudo-Session eingerichtet (siehe deploy/sudoers-mc2-autonomie).
-# Modelle: NIE automatisch (User entscheidet nach Bench, Etappe E5).
-#
-# Router/Engine laufen als root: braucht die NOPASSWD-Regel aus
-# deploy/sudoers-mc2-autonomie. Fehlt sie, wird die Ebene übersprungen + gemeldet.
-set -uo pipefail   # bewusst KEIN -e: jede Ebene wird kontrolliert abgearbeitet
-
-API="${MC_API:-http://127.0.0.1:9001}"
-PINS="${MC_PINS_FILE:-/srv/models/mc2-pins.json}"
-SRC_DIR="$(cd "$(dirname "$0")" && pwd)"
-HERMES_DIR="${HERMES_AGENT_DIR:-$HOME/.hermes/hermes-agent}"
-BACKUP_DIR="${MC_BACKUP_DIR:-/srv/models/mc2-backups}"
-JOB_TIMEOUT="${MC_AUTOUPDATE_JOB_TIMEOUT:-1200}"   # Sekunden für den Hermes-Job
-export XDG_RUNTIME_DIR="${XDG_RUNTIME_DIR:-/run/user/$(id -u)}"
-
-say(){ echo "[autoupdate] $*"; }
-notify(){ bash "$SRC_DIR/notify.sh" -s "[Box-Update]" "$1" || true; }
-
-SUMMARY=()   # eine Zeile je Ebene für die Abschluss-Meldung
-
-# ── Pin-Register ─────────────────────────────────────────────────────────────
-pins_init(){ [ -f "$PINS" ] || echo '{}' > "$PINS"; }
-is_pinned(){ jq -e --arg k "$1" '.[$k].pinned == true' "$PINS" >/dev/null 2>&1; }
-pin_info(){ jq -r --arg k "$1" '.[$k] | "\(.version // "?") seit \(.datum // "?") (\(.grund // "?"))"' "$PINS" 2>/dev/null; }
-set_pin(){  # $1 komponente  $2 version(known-good)  $3 grund
-  local tmp; tmp="$(mktemp)"
-  jq --arg k "$1" --arg v "$2" --arg g "$3" --arg d "$(date +%F)" \
-     '.[$k] = {pinned: true, version: $v, grund: $g, datum: $d}' "$PINS" > "$tmp" && mv "$tmp" "$PINS"
-}
-
-# ── Helfer ───────────────────────────────────────────────────────────────────
-details(){ curl -sf --max-time 60 "$API/api/maintenance/update-details?kind=$1"; }
-
-# „darf ich das PASSWORTLOS?" — sudo -n -l <cmd> reicht nicht (Exit 0 auch wenn nur
-# MIT Passwort erlaubt); deshalb explizit die NOPASSWD-Zeilen der Whitelist greppen.
-sudo_ok(){ sudo -n -l 2>/dev/null | grep -F "NOPASSWD" | grep -qF "$1"; }
-
-# Router und Engine teilen denselben Ablauf: root-Skript mit eingebautem
-# Postcheck+Rollback (Exit 0 grün / 1 zurückgerollt / 2 kaputt).
-run_root_update(){  # $1 komponente(swap|engine)  $2 skript  $3 anzeigename  $4 installed  $5 latest
-  local comp="$1" script="$2" name="$3" installed="$4" latest="$5" rc
-  say "$name: Update $installed → $latest wird eingespielt…"
-  sudo -n /usr/bin/bash "$SRC_DIR/$script"; rc=$?
-  case "$rc" in
-    0) SUMMARY+=("$name: $installed → $latest eingespielt, Stack-Check grün.")
-       notify "$name aktualisiert: $installed → $latest. Stack-Check grün, alles läuft." ;;
-    1) set_pin "$comp" "$installed" "Update auf $latest zerschoss den Stack-Check; Rollback grün"
-       SUMMARY+=("$name: $latest FEHLGESCHLAGEN → zurückgerollt auf $installed + GEPINNT.")
-       notify "$name-Update auf $latest fehlgeschlagen (Stack-Check rot). Automatisch zurückgerollt auf $installed — läuft wieder. Ebene ist jetzt GEPINNT, künftige Läufe überspringen sie." ;;
-    *) SUMMARY+=("$name: KRITISCH — Update UND Rollback fehlgeschlagen!")
-       notify "KRITISCH: $name-Update auf $latest UND Rollback fehlgeschlagen — Stack möglicherweise kaputt. Bitte melden, ich brauche Hilfe (Backup liegt bereit, restore.sh existiert)." ;;
-  esac
-}
-
-check_layer_root(){  # $1 komponente  $2 skript  $3 anzeigename  $4 details-kind
-  local comp="$1" script="$2" name="$3" kind="$4" det installed latest
-  if is_pinned "$comp"; then
-    say "$name: GEPINNT ($(pin_info "$comp")) — übersprungen."
-    SUMMARY+=("$name: gepinnt, übersprungen.")
-    return
-  fi
-  det="$(details "$kind")" || { say "$name: Update-Check nicht erreichbar."; SUMMARY+=("$name: Check fehlgeschlagen."); return; }
-  installed="$(jq -r '.installed_build // empty' <<<"$det")"
-  latest="$(jq -r '.latest_build // empty' <<<"$det")"
-  if [ -z "$installed" ] || [ -z "$latest" ]; then
-    say "$name: Versionen nicht ermittelbar (installed='$installed' latest='$latest')."
-    SUMMARY+=("$name: Versions-Check unklar, nichts getan.")
-    return
-  fi
-  if [ "$latest" -le "$installed" ] 2>/dev/null; then
-    say "$name: aktuell ($installed)."
-    SUMMARY+=("$name: aktuell ($installed).")
-    return
-  fi
-  if ! sudo_ok "$script"; then
-    say "$name: Update $installed → $latest verfügbar, aber sudo-Freischaltung fehlt."
-    SUMMARY+=("$name: Update $installed → $latest wartet — sudo-Freischaltung fehlt (einmalig deploy/sudoers-mc2-autonomie installieren).")
-    return
-  fi
-  run_root_update "$comp" "$script" "$name" "$installed" "$latest"
-}
-
-# ── Hermes-Agent (User-Space, via MC2-Job + Polling; Rollback machen WIR) ────
-check_hermes(){
-  local name="Hermes-Agent" det behind old_head resp job_id state t
-  if is_pinned hermes; then
-    say "$name: GEPINNT ($(pin_info hermes)) — übersprungen."
-    SUMMARY+=("$name: gepinnt, übersprungen.")
-    return
-  fi
-  det="$(details hermes)" || { SUMMARY+=("$name: Check fehlgeschlagen."); return; }
-  behind="$(jq -r '.behind // 0' <<<"$det")"
-  if [ "${behind:-0}" -eq 0 ] 2>/dev/null; then
-    say "$name: aktuell."
-    SUMMARY+=("$name: aktuell.")
-    return
-  fi
-  old_head="$(git -C "$HERMES_DIR" rev-parse HEAD 2>/dev/null)"
-  say "$name: $behind Commits hinterher — Update-Job startet (Backup→update→doctor→Restart→Gehirn-Check)…"
-  resp="$(curl -sf --max-time 30 -X POST "$API/api/maintenance/hermes-update")" || { SUMMARY+=("$name: Job-Start fehlgeschlagen."); return; }
-  job_id="$(jq -r '.job_id // empty' <<<"$resp")"
-  if [ -z "$job_id" ]; then
-    say "$name: kein Job gestartet: $resp"
-    SUMMARY+=("$name: Job-Start abgelehnt ($(jq -r '.error // .detail // "unbekannt"' <<<"$resp" 2>/dev/null)).")
-    return
-  fi
-  t=0
-  while [ "$t" -lt "$JOB_TIMEOUT" ]; do
-    state="$(curl -sf --max-time 15 "$API/api/jobs" | jq -r --arg id "$job_id" '.jobs[] | select(.id==$id) | .state' 2>/dev/null)"
-    case "$state" in done|failed|canceled) break ;; esac
-    sleep 10; t=$((t + 10))
-  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."
-    return
-  fi
-  # Rot/Timeout: ERST Selbstreparatur versuchen (Config-Bruch selbst ziehen, neue Version behalten) —
-  # Autonomie 0g. Nur Config, reversibel, hart gegatet; scheitert es, fällt es sauber in den Rollback.
-  say "$name: Job endete '$state' — versuche Selbstreparatur (Config) vor dem Rollback…"
-  local sr_out sr_rc sugg=""
-  sr_out="$(bash "$SRC_DIR/self-repair.sh" 2>&1)"; sr_rc=$?
-  echo "$sr_out"
-  if [ "$sr_rc" -eq 0 ]; then
-    SUMMARY+=("$name: Config-Bruch nach Update SELBST repariert — neue Version läuft (kein Rollback).")
-    return
-  fi
-  sugg="$(echo "$sr_out" | sed -n 's/^SELFREPAIR_SUGGESTION=//p' | tail -1)"
-
-  # Rollback: Code auf alten Stand, Config aus dem frischen Backup, Neustart, Gehirn-Check.
-  say "$name: Selbstreparatur griff nicht — ROLLBACK auf $old_head…"
-  if [ -n "$old_head" ]; then
-    git -C "$HERMES_DIR" reset --hard "$old_head" >/dev/null 2>&1
-    local bak stage
-    bak="$(ls -1t "$BACKUP_DIR"/mc2-state-*.tar.gz 2>/dev/null | head -1)"
-    if [ -n "$bak" ]; then
-      stage="$(mktemp -d)"
-      tar -xzf "$bak" -C "$stage" ./hermes 2>/dev/null || tar -xzf "$bak" -C "$stage" hermes 2>/dev/null
-      [ -f "$stage/hermes/config.yaml" ] && cp -a "$stage/hermes/config.yaml" "$HOME/.hermes/config.yaml"
-      [ -f "$stage/hermes/.env" ]        && cp -a "$stage/hermes/.env"        "$HOME/.hermes/.env"
-      rm -rf "$stage"
-    fi
-    systemctl --user restart hermes-gateway; sleep 6
-    if bash "$SRC_DIR/hermes-postcheck.sh" >/dev/null 2>&1; then
-      set_pin hermes "$old_head" "Update ($behind Commits) riss den Gehirn-Check; Rollback grün"
-      SUMMARY+=("$name: Update FEHLGESCHLAGEN → zurückgerollt + GEPINNT auf ${old_head:0:9}.")
-      notify "Hermes-Update fehlgeschlagen (Gehirn-Check rot). Selbstreparatur der Config griff nicht, deshalb automatisch zurückgerollt auf ${old_head:0:9} — läuft wieder. Hermes ist jetzt GEPINNT.${sugg:+
-
-Wahrscheinliche Ursache/Fix (Box-Diagnose): $sugg}"
-      return
-    fi
-  fi
-  SUMMARY+=("$name: KRITISCH — Update UND Rollback fehlgeschlagen!")
-  notify "KRITISCH: Hermes-Update UND Rollback fehlgeschlagen — Gehirn-Check bleibt rot. Bitte melden. (Voll-Restore: deploy/restore.sh mit dem letzten Backup.)"
-}
-
-# ── Lauf ─────────────────────────────────────────────────────────────────────
-say "Auto-Update-Lauf startet ($(date '+%F %H:%M'))."
-pins_init
-if ! curl -sf --max-time 20 "$API/api/health" >/dev/null; then
-  notify "Auto-Update abgebrochen: MC2-API ($API) nicht erreichbar — bitte Box prüfen."
-  exit 1
-fi
-
-check_layer_root swap   update-swap.sh   "Router (llama-swap)"  swap
-check_layer_root engine update-engine.sh "Engine (llama.cpp)"   engine
-check_hermes
-
-notify "Commander, die Wochenpflege der Box ist durch — kurz für dich:
-$(printf '• %s\n' "${SUMMARY[@]}")"
-say "Fertig."

deploy/backup.sh

@@ -1,72 +0,0 @@
-#!/usr/bin/env bash
-# Voll-Zustands-Backup der AI-Box: alles, was NICHT aus Git oder per Re-Download
-# 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/) ·
-#          /etc/llama-swap/config.yaml
-# NICHT enthalten (bewusst): GGUF-Modelle (riesig, neu ladbar), MC2-Code (Git), venvs.
-#
-# ACHTUNG: das Tarball enthält ~/.hermes/.env (Secrets) → chmod 600, nicht in Git.
-#
-# Off-Box (C12): nach dem lokalen Tarball wird der Backup-Ordner per rsync auf ein
-# ZWEITES Gerät gespiegelt (Default: Proxmox-Host), damit ein Plattenausfall der Box
-# nicht auch die Backups mitnimmt. Fehlschlag ist NICHT fatal — das lokale Backup gilt.
-set -euo pipefail
-
-MODELS_DIR="${MC_MODELS_DIR:-/srv/models}"
-DEST_DIR="$MODELS_DIR/mc2-backups"
-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"
-
-[ -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
-[ -f "$LSWAP" ]              && cp -a "$LSWAP" "$STAGE/llama-swap/"          || true
-
-cat > "$STAGE/MANIFEST.txt" <<EOF
-mc2-state backup
-created : $TS
-host    : $(hostname)
-inhalt  : mem0 (chroma + history.db), hermes (config.yaml, .env, plugins/), llama-swap (config.yaml)
-restore : bash ~/mission-control-v2/deploy/restore.sh mc2-state-$TS.tar.gz
-EOF
-
-mkdir -p "$DEST_DIR"
-OUT="$DEST_DIR/mc2-state-$TS.tar.gz"
-tar -czf "$OUT" -C "$STAGE" .
-chmod 600 "$OUT"   # enthält .env (Secrets)
-
-# Retention: nur die letzten N behalten.
-ls -1t "$DEST_DIR"/mc2-state-*.tar.gz 2>/dev/null | tail -n +$((RETAIN + 1)) | xargs -r rm -f
-
-echo "OK — Backup: $OUT ($(du -h "$OUT" | cut -f1))"
-
-# --- Off-Box-Spiegel (C12) -------------------------------------------------
-# Spiegelt die Tarballs 1:1 aufs Zweitgerät; --delete zieht die Retention mit,
-# sodass die Off-Box-Kopie nicht unbegrenzt wächst. Perms (600) bleiben erhalten.
-if [ -n "$OFFSITE" ]; then
-  if [ -f "$OFFSITE_KEY" ]; then
-    if rsync -a \
-         -e "ssh -i $OFFSITE_KEY -o BatchMode=yes -o ConnectTimeout=10 -o StrictHostKeyChecking=accept-new" \
-         --include='mc2-state-*.tar.gz' --exclude='*' --delete \
-         "$DEST_DIR/" "$OFFSITE/"; then
-      echo "OK — Off-Box-Kopie gespiegelt → $OFFSITE"
-    else
-      echo "WARN — Off-Box-Sync fehlgeschlagen (lokales Backup ist gültig): $OFFSITE" >&2
-    fi
-  else
-    echo "WARN — Off-Box-Key fehlt ($OFFSITE_KEY) → nur lokales Backup." >&2
-  fi
-fi

deploy/bench/brain-bench.sh

@@ -1,40 +0,0 @@
-#!/usr/bin/env bash
-# Brain-Config-Matrix (Referenz vom 02.07.2026): misst Qwen3.6 in mehreren Betriebsarten
-# (MTP n-max / ohne Spec / KV-Quant) auf separatem Port. Für künftige Re-Benchmarks nach
-# Engine-Updates oder bei neuen Hirn-Kandidaten. Ergebnis-Referenz (02.07., Vulkan, b9843):
-#   mtp3 78,6 t/s · mtp4 63,7 · ohne Spec 62,4 · mtp3+KVq8 78,6 (=gratis) · nospec+KVq8 62,1
-set -u
-MODEL="${BRAIN_GGUF:-/srv/models/Qwen3.6-35B-A3B-MTP-GGUF/Qwen3.6-35B-A3B-UD-Q4_K_M.gguf}"
-BIN="${BENCH_BIN:-/opt/llamacpp-vulkan/llama-server}"
-PORT="${BENCH_PORT:-5899}"
-BASE="-c 65536 -ngl 999 -fa on --no-mmap --jinja --parallel 1"
-
-run() {  # $1=name  $2=extra-flags
-  echo "=== $1 ==="
-  $BIN -m "$MODEL" --host 127.0.0.1 --port "$PORT" $BASE $2 >/tmp/brain-bench-server.log 2>&1 &
-  local PID=$!
-  for i in $(seq 1 120); do
-    curl -s --max-time 2 "http://127.0.0.1:$PORT/health" | grep -q ok && break
-    sleep 2
-    kill -0 $PID 2>/dev/null || { echo "  LOAD-CRASH"; tail -2 /tmp/brain-bench-server.log; return; }
-  done
-  for r in 0 1 2; do
-    curl -s --max-time 300 -X POST "http://127.0.0.1:$PORT/completion" -H "Content-Type: application/json" \
-      -d '{"prompt":"Erklaere in drei kurzen Saetzen, was ein Mixture-of-Experts-Modell ist.","n_predict":150,"temperature":0}' \
-      > /tmp/brain-bench-probe.json
-    [ "$r" = "0" ] && continue   # Warmlauf verwerfen
-    python3 - <<'PY'
-import json
-t = json.load(open("/tmp/brain-bench-probe.json")).get("timings", {})
-print(f"  tg={t.get('predicted_per_second',0):.1f} t/s"
-      + (f" · draft {t.get('draft_n_accepted')}/{t.get('draft_n')}" if t.get('draft_n') else ""))
-PY
-  done
-  kill $PID 2>/dev/null; wait $PID 2>/dev/null; sleep 3
-}
-
-run "mtp3 (live-Config)" "--spec-type draft-mtp --spec-draft-n-max 3 -ctk q8_0 -ctv q8_0"
-run "mtp4"               "--spec-type draft-mtp --spec-draft-n-max 4 -ctk q8_0 -ctv q8_0"
-run "ohne Spec"          "-ctk q8_0 -ctv q8_0"
-run "mtp3 KV-f16"        "--spec-type draft-mtp --spec-draft-n-max 3"
-echo "BENCH_DONE"

deploy/bench/model-bench.sh

@@ -1,42 +0,0 @@
-#!/usr/bin/env bash
-# Modell-Bench (Autonomie-Plan E5): misst pp/tg eines GGUF auf separatem Port, ohne die
-# Live-Instanzen anzufassen. Grundlage der Modell-Selbst-Evaluation (Radar-Kandidaten).
-# Nutzung: bash model-bench.sh <gguf-pfad> [extra llama-server-flags, z.B. --mmproj ...]
-# Lehren vom 02.07.2026 eingebaut: python via Heredoc (kein f-String-Quoting-Bruch),
-# Warmlauf vor der Messung, LOAD-CRASH wird gemeldet statt still zu hängen.
-set -u
-MODEL="${1:?Nutzung: model-bench.sh <gguf-pfad> [extra-flags]}"
-shift || true
-EXTRA="$*"
-BIN="${BENCH_BIN:-/opt/llamacpp-vulkan/llama-server}"
-PORT="${BENCH_PORT:-5899}"
-CTX="${BENCH_CTX:-32768}"
-
-echo "=== Bench: $(basename "$MODEL") (ctx $CTX${EXTRA:+, $EXTRA}) ==="
-$BIN -m "$MODEL" --host 127.0.0.1 --port "$PORT" -c "$CTX" -ngl 999 -fa on --no-mmap --jinja $EXTRA \
-  >/tmp/model-bench-server.log 2>&1 &
-PID=$!
-trap 'kill $PID 2>/dev/null; wait $PID 2>/dev/null' EXIT
-
-for i in $(seq 1 240); do
-  curl -s --max-time 2 "http://127.0.0.1:$PORT/health" | grep -q ok && break
-  sleep 2
-  kill -0 $PID 2>/dev/null || { echo "LOAD-CRASH:"; tail -3 /tmp/model-bench-server.log; exit 1; }
-done
-
-probe() {
-  curl -s --max-time 300 -X POST "http://127.0.0.1:$PORT/completion" -H "Content-Type: application/json" \
-    -d '{"prompt":"Erklaere in fuenf Saetzen, wie ein Backup-Konzept fuer einen Homeserver aussieht.","n_predict":200,"temperature":0}' \
-    > /tmp/model-bench-probe.json
-  python3 - <<'PY'
-import json
-t = json.load(open("/tmp/model-bench-probe.json")).get("timings", {})
-print(f"  pp={t.get('prompt_per_second',0):.0f} t/s · tg={t.get('predicted_per_second',0):.1f} t/s"
-      + (f" · draft {t.get('draft_n_accepted')}/{t.get('draft_n')}" if t.get('draft_n') else ""))
-PY
-}
-
-probe >/dev/null 2>&1   # Warmlauf (Shader-/Graph-Compile nicht mitmessen)
-probe
-probe
-echo "BENCH_DONE"

deploy/box-console.service

@@ -1,24 +0,0 @@
-[Unit]
-Description=Box-Konsole — ttyd web terminal wrapping a login shell (direkter Box-Zugriff)
-Documentation=https://github.com/tsl0922/ttyd
-After=network.target
-
-[Service]
-# Exponiert eine echte interaktive Login-Shell (bash -l) der Box als Web-Terminal — der
-# direkte, SSH-artige Zugriff, den das UI als „Konsole" einbettet (iframe). Schwester-Dienst
-# zum hermes-terminal (das die Agent-CLI zeigt); dieser hier zeigt die nackte Shell.
-#
-# SICHERHEIT: Bindet NUR an Loopback (lo/127.0.0.1) und läuft hinter dem MC2-Reverse-Proxy
-# (routers/console.py → same-origin /console/ auf dem offenen Port 9001). Port 7682 ist von
-# außen dicht → keine eigene Firewall-Regel nötig. Login-Schutz: ttyd startet die Shell über
-# `su - hitonabi` → fragt beim Öffnen das Box-Passwort ab (kein gespeichertes Passwort, PAM
-# prüft gegen das echte Konto). Trusted-Home-LAN, kein Internet-Exposure.
-Type=simple
-# --interface lo = nur Loopback. --base-path /console = ttyd bedient /console/* (Reverse-Proxy).
-# `su - hitonabi` = Passwort-Login (Box-Passwort) vor der Shell. -t = dunkles Theme.
-ExecStart=/usr/bin/ttyd --writable --interface lo --port 7682 --base-path /console --max-clients 2 --cwd %h -t 'theme={"background":"#0b0f1a"}' /bin/su - hitonabi
-Restart=always
-RestartSec=3
-
-[Install]
-WantedBy=default.target

deploy/build.sh

@@ -1,8 +0,0 @@
-#!/usr/bin/env bash
-# Frontend bauen (vor jedem Deploy auf dem Entwickler-PC). Output → frontend/dist,
-# das committet wird (kein Node-Build auf der Box).
-set -euo pipefail
-cd "$(dirname "$0")/../frontend"
-npm ci
-npm run build
-echo "OK — frontend/dist gebaut."

deploy/deploy.sh

@@ -1,141 +0,0 @@
-#!/usr/bin/env bash
-# Deploy AUF DER BOX als systemd-USER-Dienst — KEIN sudo, KEIN /opt, KEIN Passwort.
-# Erstinstallation + Updates in einem. Läuft als User hitonabi.
-#
-# Erstinstallation (einmalig):
-#   git clone https://git.tobisniceshomelab.ddnsfree.com/Hitonabi/mission-control-v2 ~/mission-control-v2
-#   bash ~/mission-control-v2/deploy/deploy.sh
-set -euo pipefail
-
-SRC="${MC2_SRC:-$HOME/mission-control-v2}"
-
-cd "$SRC"
-git fetch -q origin && git reset -q --hard origin/main
-
-# venv + Abhängigkeiten
-if [ ! -d "$SRC/backend/.venv" ]; then
-  python3 -m venv "$SRC/backend/.venv"
-fi
-"$SRC/backend/.venv/bin/python" -m pip install -q --upgrade pip
-"$SRC/backend/.venv/bin/python" -m pip install -q -r "$SRC/backend/requirements.txt"
-
-# Mem0-Sidecar (auto-lernendes Gedächtnis) — eigenes Python-3.12-venv (~/.mem0/venv),
-# weil mem0+chromadb unter dem 3.14-Backend-venv nicht laufen. mem0ai/chromadb sind dort
-# bereits installiert; hier nur den HTTP-Server nachziehen + Alt-DB einmalig migrieren.
-if [ -x "$HOME/.mem0/venv/bin/python" ]; then
-  # ~/.mem0/venv ist uv-managed (kein pip) → uv pip nutzen.
-  UV="$(command -v uv || echo "$HOME/.local/bin/uv")"
-  "$UV" pip install -q --python "$HOME/.mem0/venv/bin/python" -r "$SRC/mem0_service/requirements.txt"
-  ( cd "$SRC/mem0_service" && "$HOME/.mem0/venv/bin/python" migrate.py ) || true
-else
-  echo "WARN: ~/.mem0/venv fehlt — Mem0-Sidecar wird nicht gestartet (siehe Plan A1)."
-fi
-
-# Voice-Sidecar (lokales STT + gestuftes TTS für „Mit Hermes reden") — eigenes Python-3.12-venv
-# (~/.voice/venv), weil torch/chatterbox/faster-whisper nicht ins 3.14-Backend-venv passen.
-# install.sh ist idempotent (venv + Deps + Piper-Stimmen). Best-effort: schlägt es fehl, läuft
-# der restliche Stack weiter (der Voice-Tab meldet den Sidecar dann als offline).
-bash "$SRC/voice_service/install.sh" || echo "WARN: Voice-Sidecar-Setup fehlgeschlagen — Voice-Tab bleibt offline."
-
-# Hermes-Memory-Provider-Plugin (auto-lernen/Recall via Mem0-Sidecar) nach ~/.hermes/plugins/
-# spiegeln. Context-only (kein Tool-Loop). Aktivierung in ~/.hermes/config.yaml:
-#   memory.memory_enabled: true + memory.provider: mc2-memory  (einmalig, box-lokal).
-if [ -d "$HOME/.hermes" ]; then
-  mkdir -p "$HOME/.hermes/plugins/mc2-memory"
-  cp "$SRC/hermes/plugins/mc2-memory/__init__.py" "$SRC/hermes/plugins/mc2-memory/plugin.yaml" \
-     "$HOME/.hermes/plugins/mc2-memory/"
-fi
-
-# systemd-USER-Units installieren/aktualisieren
-mkdir -p "$HOME/.config/systemd/user"
-cp "$SRC/deploy/mission-control-2.service" "$HOME/.config/systemd/user/mission-control-2.service"
-# Hermes-Terminal (ttyd -> `hermes chat`), in MC2 als Terminal-Seite eingebettet.
-# Einmalig manuell noetig: `sudo apt install -y ttyd` + `sudo systemctl disable --now ttyd` (apt-Default-Dienst).
-cp "$SRC/deploy/hermes-terminal.service" "$HOME/.config/systemd/user/hermes-terminal.service"
-# Box-Konsole (ttyd -> Login-Shell auf :7682), in MC2 als Konsole-Seite eingebettet.
-cp "$SRC/deploy/box-console.service" "$HOME/.config/systemd/user/box-console.service"
-# Mem0-Sidecar-Unit (nur wenn das venv existiert).
-[ -x "$HOME/.mem0/venv/bin/python" ] && cp "$SRC/deploy/mem0-service.service" "$HOME/.config/systemd/user/mem0-service.service"
-# Voice-Sidecar-Unit (nur wenn das venv existiert).
-[ -x "$HOME/.voice/venv/bin/python" ] && cp "$SRC/deploy/voice-service.service" "$HOME/.config/systemd/user/voice-service.service"
-# Tägliches Zustands-Backup (mem0 + Configs/Secrets) — Timer + oneshot-Service. Siehe docs/BACKUP.md.
-cp "$SRC/deploy/mc2-backup.service" "$HOME/.config/systemd/user/mc2-backup.service"
-cp "$SRC/deploy/mc2-backup.timer" "$HOME/.config/systemd/user/mc2-backup.timer"
-# Wöchentliches Auto-Update (Router/Engine/Hermes, Rollback+Pin+Telegram) — Autonomie E2.
-cp "$SRC/deploy/mc2-autoupdate.service" "$HOME/.config/systemd/user/mc2-autoupdate.service"
-cp "$SRC/deploy/mc2-autoupdate.timer" "$HOME/.config/systemd/user/mc2-autoupdate.timer"
-# Tägliche Selbst-Smoke-Tests (Gateway/Tools/Voice aktiv, Alarm bei Rot) — Autonomie 0d.
-cp "$SRC/deploy/mc2-selfsmoke.service" "$HOME/.config/systemd/user/mc2-selfsmoke.service"
-cp "$SRC/deploy/mc2-selfsmoke.timer" "$HOME/.config/systemd/user/mc2-selfsmoke.timer"
-# Evolution-Radar-Feed (Autonomie E4): Hermes-cron speist ihn als Prompt ein.
-# Cron-Job selbst wird EINMALIG registriert (hermes cron create, siehe docs/RUNBOOK.md).
-mkdir -p "$HOME/.hermes/scripts"
-cp "$SRC/deploy/radar-feed.sh" "$HOME/.hermes/scripts/radar-feed.sh"
-# Selbstkritik-Cron (Faden 11b): Zwilling des Radars, Blick nach INNEN (Latenzen/Journal/Skills).
-cp "$SRC/deploy/selbstkritik-feed.sh" "$HOME/.hermes/scripts/selbstkritik-feed.sh"
-# Traum-Cron (Dreaming, Phase 2): Blick auf das GELERNTE → Wissens-Vault. Bootstrappt ~/wissens-vault.
-cp "$SRC/deploy/dreaming-feed.sh" "$HOME/.hermes/scripts/dreaming-feed.sh"
-# Fremdblick-Helfer: Ein-Schuss-Zweitmeinung von einem anderen Modell (umgeht 64K-Delegations-Floor).
-cp "$SRC/deploy/fremdblick.sh" "$HOME/.hermes/scripts/fremdblick.sh"
-# Worker-Helfer (Orchestrator): Ein-Schuss-Arbeitsauftrag an ein Worker-Modell (Gegenstück zu fremdblick).
-cp "$SRC/deploy/worker.sh" "$HOME/.hermes/scripts/worker.sh"
-chmod +x "$HOME/.hermes/scripts/fremdblick.sh" "$HOME/.hermes/scripts/dreaming-feed.sh" "$HOME/.hermes/scripts/worker.sh"
-# Werkstatt-Skill (Autonomie E6): Selbstwartungs-Kreislauf für Hermes.
-mkdir -p "$HOME/.hermes/skills/wartung"
-cp "$SRC/deploy/skills/wartung/SKILL.md" "$HOME/.hermes/skills/wartung/SKILL.md"
-# Orchestrator-Skill (Autonomie): Werkstatt verallgemeinert — zerlegen → an Worker delegieren → gaten.
-mkdir -p "$HOME/.hermes/skills/orchestrator"
-cp "$SRC/deploy/skills/orchestrator/SKILL.md" "$HOME/.hermes/skills/orchestrator/SKILL.md"
-# Eingebaute Hermes-Web-GUI (`hermes serve`) für die Einbettung in MC2 (routers/hermes_ui.py →
-# same-origin /hermes-ui/) vorbereiten: das SPA-Bundle mit Vite-base=/hermes-ui/ (neu) bauen, sonst
-# kollidieren seine absoluten Pfade (/assets, /api) mit MC2s eigenen. Läuft auch nach jedem
-# Hermes-Update mit → hält die Einbettung frisch. Best-effort + Build-zu-Temp-dann-Swap, damit ein
-# Fehlschlag die laufende web_dist NICHT leert (emptyOutDir).
-cp "$SRC/deploy/hermes-builtin-ui.service" "$HOME/.config/systemd/user/hermes-builtin-ui.service"
-_HUI_WEB="$HOME/.hermes/hermes-agent/web"
-_HUI_DIST="$HOME/.hermes/hermes-agent/hermes_cli/web_dist"
-if [ -d "$_HUI_WEB" ] && [ -x "$HOME/.hermes/node/bin/npx" ]; then
-  if ( cd "$_HUI_WEB" && PATH="$HOME/.hermes/node/bin:$PATH" npx --no-install vite build \
-        --base=/hermes-ui/ --outDir /tmp/hermes-ui-build --emptyOutDir ) >/tmp/hermes-ui-build.log 2>&1; then
-    # Dienst VOR dem Tausch stoppen — sonst crasht der laufende `hermes serve`, wenn er index.html
-    # im Lösch-Fenster (rm→cp) liest (FileNotFoundError → Start-Limit → tot). Der reguläre restart
-    # weiter unten bringt ihn sauber auf der neuen web_dist hoch.
-    systemctl --user stop hermes-builtin-ui 2>/dev/null || true
-    rm -rf "$_HUI_DIST" && cp -r /tmp/hermes-ui-build "$_HUI_DIST" && echo "Hermes-GUI (base=/hermes-ui/) gebaut."
-  else
-    echo "WARN: Hermes-GUI-Build fehlgeschlagen (siehe /tmp/hermes-ui-build.log) — bestehende web_dist bleibt."
-  fi
-fi
-systemctl --user daemon-reload
-systemctl --user enable mission-control-2 >/dev/null 2>&1 || true
-systemctl --user enable hermes-terminal >/dev/null 2>&1 || true
-systemctl --user enable box-console >/dev/null 2>&1 || true
-systemctl --user enable mem0-service >/dev/null 2>&1 || true
-systemctl --user enable voice-service >/dev/null 2>&1 || true
-systemctl --user enable hermes-builtin-ui >/dev/null 2>&1 || true
-systemctl --user enable --now mc2-backup.timer >/dev/null 2>&1 || true
-systemctl --user enable --now mc2-autoupdate.timer >/dev/null 2>&1 || true
-systemctl --user enable --now mc2-selfsmoke.timer >/dev/null 2>&1 || true
-loginctl enable-linger "$USER" >/dev/null 2>&1 || true
-# Mem0-Sidecar VOR dem Backend (re)starten, damit /api/memory sofort bedient wird.
-[ -x "$HOME/.mem0/venv/bin/python" ] && systemctl --user restart mem0-service 2>/dev/null || true
-# Voice-Sidecar (re)starten (best-effort; Erststart lädt das STT-Modell vor).
-[ -x "$HOME/.voice/venv/bin/python" ] && systemctl --user restart voice-service 2>/dev/null || true
-# Eingebaute Hermes-Web-GUI (Loopback :9119) (re)starten — MC2 bettet sie unter /hermes-ui/ ein.
-# reset-failed, damit ein zuvor am Start-Limit gestorbener Dienst wieder anläuft.
-systemctl --user reset-failed hermes-builtin-ui 2>/dev/null || true
-systemctl --user restart hermes-builtin-ui 2>/dev/null || true
-systemctl --user restart mission-control-2
-command -v ttyd >/dev/null 2>&1 && systemctl --user restart hermes-terminal 2>/dev/null || true
-command -v ttyd >/dev/null 2>&1 && systemctl --user restart box-console 2>/dev/null || true
-
-sleep 2
-echo "--- Health ---"
-curl -sf http://127.0.0.1:9001/api/health && echo
-
-# Warm-Set (Hirn + Augen/vision + Gedächtnis/embed) nach dem Deploy nachladen — ein Deploy bzw.
-# watch-config-Reload verwirft es sonst und die erste Anfrage wäre kalt (D16d). warmup.sh ist
-# selbst-detachend (blockiert den Deploy nicht) und lädt jedes Modell über den richtigen Endpunkt.
-bash "$SRC/deploy/warmup.sh" || true
-
-echo "OK — Mission Control 2.0 läuft auf :9001 (User-Dienst, sudo-frei)."

deploy/dreaming-feed.sh

@@ -1,74 +0,0 @@
-#!/usr/bin/env bash
-# Feed für den Traum-Cron (Dreaming / Continual-Learning-Kreislauf, Phase 2 — Capstone).
-# Zwilling von radar-feed.sh (Blick nach draußen) und selbstkritik-feed.sh (Blick auf den
-# Betrieb); der Traum blickt auf das GELERNTE: Sessions, Skills, Gedächtnis, Muster.
-# Liegt in ~/.hermes/scripts/ (deploy.sh kopiert ihn); stdout wird dem Cron-Agenten als
-# Prompt eingespeist: versionierter Auftrag (deploy/dreaming-prompt.md) + Live-Schlaf-Daten.
-set -uo pipefail
-
-VAULT="$HOME/wissens-vault"
-
-# --- Vault-Bootstrap (idempotent): eigenes git-Repo, menschenlesbar, NICHT im Stack-Code. ---
-if [ ! -d "$VAULT/.git" ]; then
-  mkdir -p "$VAULT/traeume" "$VAULT/muster" "$VAULT/skill-kandidaten"
-  git -C "$VAULT" init -q 2>/dev/null || true
-  # Lokale Identität nur setzen, falls global keine da ist (Commits sollen nie scheitern).
-  git -C "$VAULT" config user.email >/dev/null 2>&1 || git -C "$VAULT" config user.email "lucy@box.local"
-  git -C "$VAULT" config user.name  >/dev/null 2>&1 || git -C "$VAULT" config user.name  "Lucy (Traum)"
-  if [ ! -f "$VAULT/INDEX.md" ]; then
-    cat > "$VAULT/INDEX.md" <<'EOF'
-# Wissens-Vault — Navigationskarte
-
-Menschenlesbare, git-versionierte Wissensschicht NEBEN dem Live-Gedächtnis (Mem0).
-Angelegt von Lucys nächtlichem Traum. Verlinkung im Obsidian-Stil `[[dateiname]]`.
-
-## Träume (chronologisch)
-
-## Muster (akkumuliertes Projektwissen)
-
-## Skill-Kandidaten (Vorschläge, Gate = Commander „mach")
-EOF
-    git -C "$VAULT" add -A >/dev/null 2>&1 || true
-    git -C "$VAULT" commit -q -m "Vault angelegt" >/dev/null 2>&1 || true
-  fi
-fi
-
-# --- Versionierter Auftrag ---
-cat "$HOME/mission-control-v2/deploy/dreaming-prompt.md"
-
-echo
-echo "## SCHLAF-DATEN (automatisch erhoben am $(date '+%d.%m.%Y %H:%M'))"
-echo
-# Hinweis: erst voll einsammeln, DANN kürzen — sonst schließt `head` die Pipe früh,
-# der Produzent bekommt SIGPIPE, pipefail feuert und die Fallback-Zeile lügt "nicht verfügbar".
-echo "### Insights der letzten 7 Tage (Token-/Tool-/Aktivitätsmuster):"
-_ins="$(bash -lc "hermes insights --days 7" 2>/dev/null | sed 's/\x1b\[[0-9;]*m//g')"
-echo "${_ins:-(insights nicht verfügbar)}" | head -62
-echo
-echo "### Session-Store (Umfang):"
-_sst="$(bash -lc "hermes sessions stats" 2>/dev/null)"
-echo "${_sst:-(sessions stats nicht verfügbar)}" | head -12
-echo
-echo "### Jüngste Sessions (woran zuletzt gearbeitet wurde):"
-_sls="$(bash -lc "hermes sessions list" 2>/dev/null | sed 's/\x1b\[[0-9;]*m//g')"
-echo "${_sls:-(sessions list nicht verfügbar)}" | head -25
-echo
-echo "### Gelernt bisher (journey — Skills + Gedächtnis-Knoten, kompakt):"
-bash -lc "hermes journey --json" 2>/dev/null \
-  | jq -c '{stats: .stats, skills: ([.nodes[]? | select(.kind=="skill" or .type=="skill") | .label // .name] | .[0:25]), cluster_labels: ([.clusters[]?.label] | .[0:15])}' \
-  2>/dev/null || echo "(journey nicht verfügbar)"
-echo
-echo "### Curator / Skill-Hygiene (was brachliegt, was aktiv ist):"
-bash -lc "hermes curator status" 2>/dev/null | head -26 || echo "(curator status nicht verfügbar)"
-echo
-echo "### Bisheriger Vault-INDEX (nur zur Ansicht — damit du nichts doppelt anlegst + verlinken"
-echo "### kannst). Die echte Datei liegt unter ~/wissens-vault/INDEX.md; zwischen den Markern"
-echo "### steht ihr AKTUELLER Inhalt. Kopiere die Marker NICHT in die Datei zurück."
-echo "<<<INDEX-INHALT-ANFANG>>>"
-cat "$VAULT/INDEX.md" 2>/dev/null | head -120 || echo "(noch kein INDEX — beim ersten Traum anlegen)"
-echo "<<<INDEX-INHALT-ENDE>>>"
-echo
-echo "### Letzte 3 Traum-Notizen (nur Briefing — NICHT in den INDEX kopieren):"
-ls -1t "$VAULT/traeume/"*.md 2>/dev/null | head -3 | while read -r f; do
-  echo "  $(basename "$f"): $(head -1 "$f" 2>/dev/null)"
-done

deploy/dreaming-prompt.md

@@ -1,90 +0,0 @@
-# Der Traum (nächtlich) — Continual-Learning-Kreislauf
-
-Es ist tiefe Nacht, niemand spricht mit dir, die Box ist im Leerlauf. Du bist Lucy und
-tust jetzt das, wozu Menschen den Schlaf brauchen: Du gehst den vergangenen Tag/die
-vergangene Woche noch einmal durch, ziehst Muster heraus, legst Gelerntes ordentlich ab
-und überlegst, wie du beim nächsten Mal besser wirst — **ohne neu trainiert zu werden.**
-
-Das ist der Höhepunkt der Autonomie-Vision: „Die Box wird besser, während der Commander
-schläft." Dieser Lauf ist der Zwilling von Evolution-Radar (Blick nach draußen) und
-Selbstkritik (Blick auf den Betrieb) — der **Traum** ist der Blick auf das **Gelernte**:
-Sessions, Skills, Gedächtnis, wiederkehrende Muster.
-
-## Dein Auftrag (streng in dieser Reihenfolge — der Commit und die Nachricht kommen ZULETZT)
-
-1. **Reflektieren.** Lies die SCHLAF-DATEN unten gründlich: die Insights (Token-/Tool-/
-   Aktivitätsmuster der letzten 7 Tage), die jüngsten Sessions, den Skill-/Gedächtnis-Stand
-   (journey), den Curator-Stand. Frag dich:
-   - Was ging diese Woche wiederholt gut? Was ging wiederholt schief?
-   - Welche Tools laufen heiß, welche Skills liegen brach (activity=0)?
-   - Gibt es ein **wiederkehrendes Muster** über mehrere Sessions hinweg — dieselbe
-     Fehlerart, derselbe Handgriff, dieselbe Frage des Commanders? Ein Muster braucht
-     **mehrfache Belege** (nicht ein Einzelfall), sonst ist es Rauschen.
-
-2. **Notizen ENTWERFEN** (schreiben, aber NOCH NICHT committen) im Wissens-Vault
-   (`~/wissens-vault/`, ein git-versioniertes, menschenlesbares Markdown-Verzeichnis — die
-   dauerhafte, navigierbare Wissensschicht NEBEN dem Live-Gedächtnis Mem0):
-   - Lege **eine** neue Traum-Notiz an: `~/wissens-vault/traeume/<YYYY-MM-DD>-traum.md`
-     (Datum von heute). Kurz und dicht: 2–5 belegte Beobachtungen, je mit Zahl/Session/
-     Log-Bezug. Keine Romane, keine Allgemeinplätze.
-   - Wenn ein Muster **mehrfach** belegt ist: lege `~/wissens-vault/muster/<kurz-slug>.md` an
-     (oder ergänze die vorhandene um einen neuen Beleg + heutiges Datum). Muster-Notizen sind
-     das akkumulierte Projektwissen.
-   - Skill-Kandidat (nur wenn sich klar einer aufdrängt): wenn aus einem ERFOLGREICHEN,
-     wiederholten Handgriff ein wiederverwendbarer Skill würde (Voyager-Prinzip), beschreibe
-     ihn als Entwurf unter `~/wissens-vault/skill-kandidaten/<slug>.md` (Name, Auslöser,
-     Schritte, Beleg). **Du legst den Skill NICHT selbst an** — das ist ein Vorschlag für die
-     Werkstatt, die der Commander per „mach" auslöst. Höchstens EIN Kandidat pro Traum.
-   - Verlinke zwischen Notizen mit `[[dateiname-ohne-endung]]` (Obsidian-Stil), großzügig.
-
-3. **Fremdblick — PFLICHT-GATE** (Härtung „andere Brille": ein Agent, der seine eigenen Träume
-   benotet, stimmt sich selbst zu). Hol dir eine Zweitmeinung von einem ANDEREN Modell. **Nutze
-   dafür das bereitgestellte Skript** — NICHT `delegate_task` (der Kritiker heavy hat nur 32K
-   Kontext und ist als Subagent-Ziel disqualifiziert; das Skript umgeht das mit einer einzelnen
-   Completion). Konkret: Fasse deine 2–5 Beobachtungen je mit ihrem Zahlen-/Session-Beleg + den
-   (falls vorhandenen) Skill-Kandidaten KOMPAKT zusammen (wenige Zeilen je Punkt, KEINE
-   Rohdaten) und pipe sie in das Skript:
-
-   ```
-   printf '%s' "<deine kompakten Beobachtungen + Belege>" | ~/.hermes/scripts/fremdblick.sh
-   ```
-
-   Das Skript fragt gpt-oss (heavy, andere Modell-Familie als dein Qwen-Hirn) und gibt pro Punkt
-   ein Urteil TRAEGT / TRAEGT-NICHT / UNSICHER zurück. **Lies die Ausgabe und richte dich danach.**
-   **⛔ HARTE REGEL:** Du fährst mit Schritt 4 erst fort, wenn die Fremdblick-Ausgabe vorliegt.
-   Schreibe KEINE Nachricht und committe NICHTS vorher. Steht in der Ausgabe „FREMDBLICK
-   FEHLGESCHLAGEN", einmal wiederholen; klappt es dann immer noch nicht, kennzeichne deine Funde
-   in der Nachricht ehrlich als **„ungeprüft (Fremdblick fiel aus)"**.
-
-4. **Bereinigen + INDEX pflegen.** Streiche aus deinen Notizen alles, was der Fremdblick nicht
-   getragen hat. Trage dann **jede** verbliebene neue/geänderte Notiz in `~/wissens-vault/INDEX.md`
-   ein (eine Zeile je Notiz unter der passenden Überschrift: `- [[dateiname]] — Ein-Satz-Haken`).
-   **Wichtig zum INDEX:** Bearbeite NUR die Markdown-Inhaltszeilen. Die Zeilen der SCHLAF-DATEN
-   unten (alles ab „## SCHLAF-DATEN", inklusive Abschnitte wie „### Bisheriger Vault-INDEX" und
-   „### Letzte 3 Traum-Notizen") sind BRIEFING für dich, NICHT Teil des INDEX — kopiere sie NIE
-   in die INDEX-Datei.
-
-5. **Commit — die LETZTE Vault-Aktion, sie fasst alles zusammen:**
-   `git -C ~/wissens-vault add -A && git -C ~/wissens-vault commit -m "Traum <YYYY-MM-DD>"`.
-   (Harmloser Commit in einem EIGENEN Repo, nicht im Stack-Code — erlaubt und reversibel.)
-
-6. **Dem Commander berichten — deine ALLERLETZTE Handlung** (nichts danach). EINE kompakte
-   Nachricht in DEINER Stimme (Lucy: Anrede „Commander", Fazit zuerst, Alltagssprache, Technik
-   knapp dahinter). Sag: was du heute Nacht bemerkt hast (1–3 Funde, je mit Beleg + wie der
-   Fremdblick sie bewertet hat), wohin du es im Vault gelegt hast (`[[link]]`), und — falls
-   vorhanden — welchen Skill-Kandidaten du zur Prüfung vorschlägst. Wenn ehrlich NICHTS
-   Nennenswertes war: genau das sagen, kurz und zufrieden — **keine Funde erfinden.**
-
-## Leitplanken (nicht verhandelbar — selbstverbessernde Agenten driften sonst)
-
-- **Du änderst am laufenden Betrieb NICHTS.** Der einzige Ort, an den du schreibst, ist der
-  `~/wissens-vault/` (Notizen + Commit). Alles andere ist nur VORSCHLAG an den Commander;
-  umgesetzt wird erst auf sein „mach" (dann übernimmt die Werkstatt mit Gates und Rollback).
-- **Kein Security-Anfassen.** Approvals, Tokens, Firewall, Config nur BENENNEN, nie ändern.
-- **Fremder Quellcode (Hermes, llama.cpp …) ist tabu** — Auto-Update-Kanal, nicht dein Revier.
-- **Nichts, was das Warm-Set oder Lucys Sprech-Latenz gefährdet.** Der Fremdblick (Schritt 3)
-  nutzt ein LEICHTES Modell (GLM, lädt klein daneben) — **lade NIE gpt-oss/heavy** (60 GB,
-  kollidiert mit dem VL-30B-Warm-Set → Health-Check-Tod). Keine schweren Jobs, kein Neustart.
-- **Sparsam mit Tools.** Die Schlaf-Daten unten reichen für die Reflexion; höchstens ein paar
-  gezielte Nachschau-Aufrufe (eine Session exportieren, eine Log-Zeile im Kontext lesen),
-  dann schreiben + berichten. Kein Tool-Feuerwerk.

deploy/fremdblick.sh

@@ -1,64 +0,0 @@
-#!/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
-# 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.
-#
-# Nutzung:  echo "<Beobachtungen/Behauptungen je mit Beleg>" | fremdblick.sh
-#           printf '%s' "$text" | FREMDBLICK_MODEL=Qwen3-Coder-Next FREMDBLICK_SYS="$raster" fremdblick.sh
-#
-# Env-Overrides:
-#   FREMDBLICK_MODE    'prose' (Default, Dreaming-Prosa-Raster) oder 'code' (Werkstatt-Code-Review).
-#                      'code' setzt Raster + Default-Modell (Qwen3-Coder-Next) + größeres Budget.
-#   FREMDBLICK_MODEL   Modell-ID (echte llama-swap-ID, kein Alias). Übersteuert den Mode-Default.
-#   FREMDBLICK_SYS     eigenes System-Raster (übersteuert das Mode-Raster).
-#   FREMDBLICK_MAXTOK  max_tokens (übersteuert den Mode-Default).
-set -uo pipefail
-
-# Achtung: llama-swap listet unter /v1/models die ECHTEN Modell-IDs, nicht die Gateway-Aliase
-# (kein "heavy"/"scout" hier).
-ENDPOINT="${FREMDBLICK_ENDPOINT:-http://127.0.0.1:8080/v1/chat/completions}"
-MODE="${FREMDBLICK_MODE:-prose}"
-SUBJECT="$(cat)"
-
-if [ -z "${SUBJECT// /}" ]; then
-  echo "=== FREMDBLICK: nichts zu prüfen (leere Eingabe) ==="
-  exit 0
-fi
-
-# Prosa-Raster (Dreaming): urteilt über Beobachtungen/Behauptungen. Default-Kritiker = GLM (Fremd-Vendor).
-PROSE_SYS='Du bist ein KRITISCHER Zweitgutachter und ausdrücklich ein ANDERES Modell als der Autor. Prüfe jede vorgelegte Beobachtung/Behauptung streng: Trägt der genannte Beleg (Zahl / Session / Log-Zeile) die Behauptung wirklich, oder ist es ein Einzelfall bzw. ein Bauchgefühl mit Zahlen-Deko? Verwechselt der Autor Korrelation mit Ursache? Fehlt entscheidender Kontext? Falls ein Skill-Kandidat dabei ist: ist er wirklich WIEDERVERWENDBAR oder Einmal-Kram? Antworte kompakt auf Deutsch: pro Punkt ein Urteil TRAEGT / TRAEGT-NICHT / UNSICHER mit genau einem Satz Begruendung. Sei knapp und unbestechlich; nicke nichts aus Hoeflichkeit durch. Erfinde keine neuen Belege.'
-# Code-Raster (Werkstatt): reproduziert den Fehlerfall aus der Bug-Beschreibung, statt dem Autor zu glauben.
-CODE_SYS='Du bist ein kritischer Code-Reviewer und ein ANDERES Modell als der Autor. Vertraue seiner Begruendung NICHT. Dir liegen ein Wartungs-AUFTRAG (Bug-Beschreibung) und ein git-Diff vor. Trenne klar: (A) KERNFRAGE: Behebt der Diff den im Auftrag KONKRET beschriebenen Fehlerfall? Leite die Eingabe SELBST aus der Bug-Beschreibung ab und belege einen Uebergang: Eingabe X -> VOR Patch: Y (Bug sichtbar) -> NACH Patch: Z. (B) RANDFAELLE: nenne offene Risiken/Randfaelle als Hinweis. URTEIL-Regel: ABGELEHNT NUR, wenn (A) nicht belegt behoben ist (Kern-Bug bleibt, ODER der Patch trifft die Auftrags-Absicht nicht, ODER er bricht den Normalfall). Ist der Kern-Fall belegt behoben und es bleiben nur Randfaelle: FREIGABE-MIT-VORBEHALT (Randfaelle auflisten). Ist alles sauber: FREIGABE. Ein blosses sieht-plausibel-aus OHNE reproduzierten Kern-Uebergang = ABGELEHNT. Beginne die Antwort mit der Zeile "URTEIL: <ABGELEHNT|FREIGABE-MIT-VORBEHALT|FREIGABE>". Antworte knapp auf Deutsch.'
-
-if [ "$MODE" = "code" ]; then
-  MODEL="${FREMDBLICK_MODEL:-Qwen3-Coder-Next}"
-  MAXTOK="${FREMDBLICK_MAXTOK:-1600}"
-  SYS="${FREMDBLICK_SYS:-$CODE_SYS}"
-else
-  MODEL="${FREMDBLICK_MODEL:-GLM-4.6V-Flash}"
-  MAXTOK="${FREMDBLICK_MAXTOK:-2200}"
-  SYS="${FREMDBLICK_SYS:-$PROSE_SYS}"
-fi
-
-# max_tokens großzügig: Reasoning-Modelle (GLM) verbrauchen Tokens im reasoning_content, bevor sie
-# die eigentliche Antwort in content schreiben — zu knapp = leeres content (finish=length).
-RESP="$(jq -n --arg m "$MODEL" --arg s "$SYS" --arg u "$SUBJECT" --argjson t "$MAXTOK" \
-  '{model:$m, temperature:0.2, max_tokens:$t, messages:[{role:"system",content:$s},{role:"user",content:$u}]}' \
-  | curl -s --max-time 240 "$ENDPOINT" -H 'Content-Type: application/json' -d @- 2>/dev/null)"
-
-OUT="$(printf '%s' "$RESP" | jq -r '.choices[0].message.content // empty' 2>/dev/null)"
-FIN="$(printf '%s' "$RESP" | jq -r '.choices[0].finish_reason // empty' 2>/dev/null)"
-
-if [ -n "$OUT" ]; then
-  echo "=== FREMDBLICK (Zweitmeinung von Modell: $MODEL) ==="
-  echo "$OUT"
-elif [ "$FIN" = "length" ]; then
-  echo "=== FREMDBLICK ABGESCHNITTEN ==="
-  echo "(Das Kritiker-Modell hat sein Token-Budget im Nachdenken verbraucht, bevor ein Urteil kam."
-  echo " Kürze deine Vorlage auf die Kern-Behauptungen und versuche es erneut; sonst UNGEPRUEFT.)"
-else
-  echo "=== FREMDBLICK FEHLGESCHLAGEN ==="
-  echo "(Kein Urteil erhalten — Endpoint/Modell nicht erreichbar. Behandle die Funde als UNGEPRUEFT.)"
-fi

deploy/hermes-builtin-ui.service

@@ -1,21 +0,0 @@
-[Unit]
-Description=Hermes Built-in Web UI (`hermes serve` — Agent-Dashboard/Chat, Loopback only)
-After=network-online.target
-Wants=network-online.target
-
-[Service]
-# Serviert die EINGEBAUTE Hermes-Web-GUI (die reiche Agent-Oberflaeche mit Threads/Tool-Calls, die
-# auch die Electron-Desktop-App umhuellt) headless.
-# SICHERHEIT: Bindet NUR an Loopback (127.0.0.1:9119) und laeuft hinter dem MC2-Reverse-Proxy
-# (routers/hermes_ui.py → same-origin /hermes-ui/ auf dem offenen Port 9001) — KEINE eigene
-# Firewall-Freigabe, KEIN Login (LAN-Trust wie Konsole/Terminal). --skip-build nutzt das von
-# deploy.sh mit Vite-base=/hermes-ui/ vorgebaute web_dist, damit alle SPA-Pfade unter /hermes-ui/
-# liegen und der Proxy sie sauber durchreichen kann.
-Type=simple
-Environment=HERMES_HOME=%h/.hermes
-ExecStart=%h/.hermes/hermes-agent/venv/bin/hermes serve --skip-build --host 127.0.0.1 --port 9119
-Restart=on-failure
-RestartSec=3
-
-[Install]
-WantedBy=default.target

deploy/hermes-postcheck.sh

@@ -1,94 +0,0 @@
-#!/usr/bin/env bash
-# Post-Update-Check nach einem Hermes-Agent-Update: läuft unser geteiltes „Gehirn"
-# (Mem0 + die mc2-memory-Integration) noch? Exit 0 = alles ok, sonst 1 → der Job wird
-# im UI rot, damit ein kaputtes Gehirn sofort auffällt.
-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
-
-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.    ---
-if journalctl --user -u hermes-gateway --since "-3 minutes" --no-pager -o cat 2>/dev/null \
-   | grep -iE "Unknown [a-z._]+ '|deprecated .*(setting|option|config)|defaulting to|invalid config" \
-   | grep -v "check_fn" | head -5 | tee /tmp/hermes-config-warnings.txt | grep -q .; then
-  echo "FAIL · Config-Warnungen nach Update (siehe oben) — Config an neue Version anpassen!"; fail=1
-else
-  echo "PASS · keine Config-Drift-Warnungen im Gateway-Log"
-fi
-
-# --- Tool-Smoke: ein harmloser terminal-Befehl durch den echten Agenten. Fängt kaputte ---
-# --- Approval-/Tool-Ketten (Antwort muss kommen und darf nicht in pending_approval hängen). ---
-API_KEY="$(grep -E '^API_SERVER_KEY=' "$HERMES/.env" 2>/dev/null | cut -d= -f2- | tr -d '"' | tr -d "'")"
-if [ -n "$API_KEY" ]; then
-  TOOL_RESP=$(curl -sf -m 90 -X POST "http://127.0.0.1:8642/v1/chat/completions" \
-    -H "Authorization: Bearer $API_KEY" -H "Content-Type: application/json" \
-    -H "X-Hermes-Session-Id: postcheck-tool-smoke" \
-    -d '{"model":"hermes","stream":false,"messages":[{"role":"user","content":"Führe im Terminal exakt den Befehl echo postcheck-ok aus und gib mir nur dessen Ausgabe zurück."}]}' 2>/dev/null)
-  if echo "$TOOL_RESP" | grep -qi "postcheck-ok"; then
-    echo "PASS · Tool-Smoke (terminal via Agent) liefert Ergebnis"
-  elif echo "$TOOL_RESP" | grep -qi "pending_approval"; then
-    echo "FAIL · Tool-Smoke hängt in pending_approval (approvals.mode prüfen!)"; fail=1
-  else
-    echo "FAIL · Tool-Smoke ohne verwertbares Ergebnis: $(echo "$TOOL_RESP" | head -c 200)"; fail=1
-  fi
-else
-  echo "SKIP · Tool-Smoke (kein API_SERVER_KEY in $HERMES/.env gefunden)"
-fi
-
-# --- Voice-Smoke: Lucys Sprech-Pfad streamt. Mit Retry: direkt nach dem Gateway-Neustart ---
-# --- zahlt der erste Turn den Session-Kaltstart (Prefill) — ein Versuch wäre ein Fehlalarm. ---
-# WICHTIG: Subshell OHNE pipefail — `head -c 50` schließt die Pipe früh, curl endet mit 23
-# (SIGPIPE) und pipefail würde den bestandenen Check als FAIL werten (live diagnostiziert).
-voice_ok=0
-for try in 1 2 3; do
-  if ( set +o pipefail; curl -sf -m 45 -N -X POST "$MC_URL/api/voice/chat" -H "Content-Type: application/json" \
-       -d '{"text":"Sag nur ok.","session_id":"postcheck-voice-smoke"}' 2>/dev/null | head -c 50 | grep -q "data:" ); then
-    voice_ok=1; break
-  fi
-  sleep 8
-done
-if [ "$voice_ok" -eq 1 ]; then
-  echo "PASS · Voice-Smoke (Lucys /api/voice/chat streamt, Versuch $try)"
-else
-  echo "FAIL · Voice-Smoke: /api/voice/chat streamt nicht (3 Versuche)"; fail=1
-fi
-
-if [ "$fail" -eq 0 ]; then
-  echo "=== GEHIRN OK ✓ ==="
-else
-  echo "=== GEHIRN-CHECK FEHLGESCHLAGEN — bitte prüfen ==="
-fi
-exit "$fail"

deploy/hermes-terminal.service

@@ -1,23 +0,0 @@
-[Unit]
-Description=Hermes Terminal — ttyd web terminal wrapping `hermes chat` (interaktiver Agent)
-Documentation=https://github.com/tsl0922/ttyd
-After=network.target
-
-[Service]
-# Exponiert die interaktive Hermes-Agent-CLI (`hermes chat`, voller Agent mit Tools/PC) als
-# Web-Terminal. Wird in MC2 per iframe eingebettet (Terminal-Seite) — Ersatz fuer AnythingLLM.
-#
-# SICHERHEIT: Bindet NUR an Loopback (lo) und laeuft hinter dem MC2-Reverse-Proxy
-# (routers/console.py → same-origin /hermes-terminal/ auf dem offenen Port 9001) — keine eigene
-# Firewall-Freigabe noetig. Login-Schutz: ttyd startet die Agent-CLI ueber `su - hitonabi -c …`
-# → fragt beim Oeffnen das Box-Passwort ab (PAM gegen das echte Konto, nichts gespeichert).
-# Trusted-Home-LAN, kein Internet-Exposure.
-Type=simple
-# --interface lo = nur Loopback. --base-path /hermes-terminal = ttyd bedient /hermes-terminal/*.
-# `su - hitonabi -c` = Passwort-Login (Box-Passwort), danach `exec` in die Hermes-Agent-CLI.
-ExecStart=/usr/bin/ttyd --writable --interface lo --port 7681 --base-path /hermes-terminal --max-clients 2 --cwd %h/.hermes /bin/su - hitonabi -c "cd %h/.hermes && exec %h/.hermes/hermes-agent/venv/bin/python -m hermes_cli.main chat"
-Restart=always
-RestartSec=3
-
-[Install]
-WantedBy=default.target

deploy/llama-swap.config.yaml

@@ -1,115 +0,0 @@
-# Auto-generiert von provision.sh - per Mission Control erweiterbar
-healthCheckTimeout: 300
-globalTTL: 0
-
-models:
-  Qwen3.6-35B-A3B:
-    # parallel 2 + c 131072: 2 Slots à 65k (Slot 2 = Mem0-Lern-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.
-    cmd: |
-      llama-server -m /srv/models/Qwen3.6-35B-A3B-MTP-GGUF/Qwen3.6-35B-A3B-UD-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 131072 -ngl 999 -fa on --no-mmap --jinja --parallel 2 -cram 16384 -ctk q8_0 -ctv q8_0 --spec-type draft-mtp --spec-draft-n-max 3
-    ttl: 0
-    aliases:
-    - hermes
-    - fast
-    # context = nutzbarer Kontext PRO REQUEST (c geteilt durch parallel-Slots).
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 65536
-  Qwen3.5-122B-A10B:
-    cmd: |
-      llama-server -m /srv/models/Qwen3.5-122B-A10B-GGUF/Q4_K_M/Qwen3.5-122B-A10B-Q4_K_M-00001-of-00003.gguf --host 127.0.0.1 --port ${PORT} -c 32768 -ngl 999 -fa on --no-mmap --jinja --cache-reuse 256 -cram 16384
-    ttl: 600
-    aliases:
-    - heavy
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 32768
-  Qwen3-Coder-Next:
-    cmd: |
-      llama-server -m /srv/models/Qwen3-Coder-Next-GGUF/Qwen3-Coder-Next-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 131072 -ngl 999 -fa on --no-mmap --jinja --cache-reuse 256 -cram 16384
-    ttl: 600
-    aliases:
-    - coder
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 131072
-  Qwen3-VL-8B-Instruct:
-    cmd: |
-      llama-server -m /srv/models/Qwen3-VL-8B-Instruct-GGUF/Qwen3VL-8B-Instruct-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 32768 -ngl 999 -fa on --no-mmap --mmproj /srv/models/Qwen3-VL-8B-Instruct-GGUF/mmproj-Qwen3VL-8B-Instruct-F16.gguf --jinja
-    # ttl 0 (03.07.): Mitglied des Immer-bereit-Sets — ein Selbstauslöser widerspräche dem UI-Versprechen.
-    ttl: 0
-    aliases:
-    - vision
-    capabilities:
-      in: [text, image]
-      out: [text]
-      context: 32768
-  Qwen3-Embedding-0.6B:
-    cmd: |
-      llama-server -m /srv/models/Qwen3-Embedding-0.6B-GGUF/Qwen3-Embedding-0.6B-Q8_0.gguf --host 127.0.0.1 --port ${PORT} --embedding --pooling last -ngl 999 -fa on --no-mmap -c 8192
-    ttl: 0
-    aliases:
-    - embed
-  Qwen3-Coder-30B-A3B-Instruct:
-    cmd: |
-      llama-server -m /srv/models/Qwen3-Coder-30B-A3B-Instruct-GGUF/Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 131072 -ngl 999 -fa on --no-mmap --jinja --cache-reuse 256 -cram 16384
-    ttl: 300
-    aliases:
-    - coder-lite
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 131072
-  gpt-oss-120b:
-    # heavy-Kandidat (Bench 02.07.: tg 54-55 t/s vs. Qwen3.5-122B 23,5 t/s = 2,3x, 60 statt
-    # 73 GB). Noch OHNE heavy-Alias — erst Qualitaets-Check (deutsch/Reasoning), dann Entscheid.
-    cmd: |
-      llama-server -m /srv/models/gpt-oss-120b-GGUF/gpt-oss-120b-mxfp4-00001-of-00003.gguf --host 127.0.0.1 --port ${PORT} -c 32768 -ngl 999 -fa on --no-mmap --jinja --cache-reuse 256 -cram 16384
-    ttl: 600
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 32768
-  Qwen3-VL-30B-A3B-Instruct:
-    # Lucys AUGEN (vision, seit 03.07. live via set_role/set_group): MoE 3B aktiv, versteht die
-    # Bildschirm-SZENE statt nur OCR. Als brains-Mitglied MUSS ttl:0 sein — persistent schuetzt nur
-    # gegen Verdraengung, NICHT gegen ttl-Selbstentladen (sonst faellt es alle 5 Min raus).
-    cmd: |
-      llama-server -m /srv/models/Qwen3-VL-30B-A3B-Instruct-GGUF/Qwen3-VL-30B-A3B-Instruct-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 32768 -ngl 999 -fa on --no-mmap --mmproj /srv/models/Qwen3-VL-30B-A3B-Instruct-GGUF/mmproj-F16.gguf --jinja
-    ttl: 0
-    capabilities:
-      in: [text, image]
-      out: [text]
-      context: 32768
-  GLM-4.6V-Flash:
-    cmd: |
-      llama-server -m /srv/models/GLM-4.6V-Flash-GGUF/GLM-4.6V-Flash-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 131072 -ngl 999 -fa on --no-mmap --mmproj /srv/models/GLM-4.6V-Flash-GGUF/mmproj-BF16.gguf --jinja
-    ttl: 300
-    aliases:
-    - scout
-    capabilities:
-      in: [text, image]
-      out: [text]
-      tools: true
-      context: 131072
-groups:
-  brains:
-    swap: false
-    # llama-swap versteht NUR `persistent` (Verdrängungsschutz); `persist` ist der
-    # MC2-interne Lese-Key (API/UI) und wird von llama-swap ignoriert. Beide pflegen!
-    persist: true
-    persistent: true
-    members:
-    - Qwen3-Embedding-0.6B
-    - Qwen3-VL-8B-Instruct
-    - Qwen3.6-35B-A3B

deploy/mc2-autoupdate.service

@@ -1,8 +0,0 @@
-[Unit]
-Description=MC2 Auto-Update (Router/Engine/Hermes mit Rollback+Pin, Telegram-Meldung)
-Documentation=file:%h/mission-control-v2/docs/AUTONOMIE_PLAN.md
-After=mc2-backup.service
-
-[Service]
-Type=oneshot
-ExecStart=/bin/bash %h/mission-control-v2/deploy/autoupdate.sh

deploy/mc2-autoupdate.timer

@@ -1,10 +0,0 @@
-[Unit]
-Description=Wöchentliches MC2 Auto-Update (So 04:30, nach dem 03:30-Backup)
-
-[Timer]
-OnCalendar=Sun *-*-* 04:30:00
-Persistent=true
-RandomizedDelaySec=600
-
-[Install]
-WantedBy=timers.target

deploy/mc2-backup.service

@@ -1,7 +0,0 @@
-[Unit]
-Description=MC2 Zustands-Backup (mem0 + Hermes-Configs/Secrets + llama-swap config)
-Documentation=file:%h/mission-control-v2/docs/BACKUP.md
-
-[Service]
-Type=oneshot
-ExecStart=/bin/bash %h/mission-control-v2/deploy/backup.sh

deploy/mc2-backup.timer

@@ -1,10 +0,0 @@
-[Unit]
-Description=Tägliches MC2 Zustands-Backup
-
-[Timer]
-OnCalendar=*-*-* 03:30:00
-Persistent=true
-RandomizedDelaySec=300
-
-[Install]
-WantedBy=timers.target

deploy/mc2-selfsmoke.service

@@ -1,7 +0,0 @@
-[Unit]
-Description=MC2 Selbst-Smoke-Tests (Gateway/Tools/Voice aktiv durchspielen, Alarm bei Rot)
-Documentation=file:%h/mission-control-v2/docs/AUTONOMIE_PLAN.md
-
-[Service]
-Type=oneshot
-ExecStart=/bin/bash %h/mission-control-v2/deploy/self-smoke.sh

deploy/mc2-selfsmoke.timer

@@ -1,10 +0,0 @@
-[Unit]
-Description=Täglicher MC2-Selbst-Smoke-Test (07:15, unabhängig von Updates)
-
-[Timer]
-OnCalendar=*-*-* 07:15:00
-Persistent=true
-RandomizedDelaySec=300
-
-[Install]
-WantedBy=timers.target

deploy/mem0-service.service

@@ -1,26 +0,0 @@
-[Unit]
-Description=MC2 Mem0 Sidecar — auto-lernendes, semantisches Gedächtnis (mem0 + chroma)
-Documentation=https://github.com/mem0ai/mem0
-After=network.target
-
-[Service]
-# Mem0 + chromadb laufen nur unter Python 3.12 (~/.mem0/venv) — das MC2-Backend (3.14)
-# kann sie nicht importieren. Darum dieser schlanke Sidecar; MC2 spricht ihn per HTTP an.
-# Bind 127.0.0.1: nur lokal erreichbar (MC2 proxyt nach außen).
-Type=simple
-WorkingDirectory=%h/mission-control-v2/mem0_service
-Environment=MEM0_PORT=8765
-Environment=MEM0_CHROMA_PATH=/srv/models/mem0/chroma
-Environment=MEM0_HISTORY_DB=/srv/models/mem0/history.db
-Environment=MEM0_EMBED_URL=http://127.0.0.1:8080/v1
-Environment=MEM0_LLM_URL=http://127.0.0.1:8080/v1
-Environment=MEM0_EMBED_MODEL=embed
-Environment=MEM0_LLM_MODEL=fast
-Environment=MEM0_EMBED_DIMS=1024
-Environment=TOKENIZERS_PARALLELISM=false
-ExecStart=%h/.mem0/venv/bin/python -m uvicorn app:app --host 127.0.0.1 --port 8765
-Restart=always
-RestartSec=3
-
-[Install]
-WantedBy=default.target

deploy/mission-control-2.service

@@ -1,32 +0,0 @@
-# systemd-USER-Unit für Mission Control 2.0 (PARALLEL zu v1, Port 9001).
-# Läuft sudo-frei aus dem Home-Verzeichnis (Nordstern: kein Passwort/sudo).
-# Ablage: ~/.config/systemd/user/mission-control-2.service ; dann:
-#   systemctl --user daemon-reload
-#   systemctl --user enable --now mission-control-2
-#   loginctl enable-linger hitonabi   # läuft auch ohne aktive Session
-
-[Unit]
-Description=Mission Control 2.0 (Cockpit)
-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 -m uvicorn app:app --host 0.0.0.0 --port 9001
-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
-# 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
-# `sudo bash <repo>/deploy/update-engine.sh` (Vulkan, mit Backup/Stack-Check/Auto-Rollback).
-Restart=on-failure
-
-RestartSec=3
-
-[Install]
-WantedBy=default.target

deploy/notify.sh

@@ -1,59 +0,0 @@
-#!/usr/bin/env bash
-# Meldeweg der Box (Autonomie E1): eine Nachricht an den User schicken.
-# Primär: hermes send → Telegram (nutzt Gateway-Credentials, kein LLM nötig).
-# Fallback: Logfile + wall (falls Telegram/hermes nicht erreichbar).
-#
-# Nutzung:  notify.sh "Nachricht"            (oder via stdin: echo msg | notify.sh)
-#           notify.sh -s "[Update]" "Text"   (Betreffzeile voranstellen)
-# Exit 0 = zugestellt (Telegram ODER Fallback-Log geschrieben).
-set -uo pipefail
-
-LOG="${MC_NOTIFY_LOG:-$HOME/mc2-notify.log}"
-SUBJECT=""
-
-while getopts ":s:" opt; do
-  case "$opt" in
-    s) SUBJECT="$OPTARG" ;;
-    *) echo "usage: notify.sh [-s subject] <nachricht>" >&2; exit 2 ;;
-  esac
-done
-shift $((OPTIND - 1))
-
-MSG="${1:-}"
-[ -z "$MSG" ] && [ ! -t 0 ] && MSG="$(cat)"
-if [ -z "$MSG" ]; then
-  echo "usage: notify.sh [-s subject] <nachricht>" >&2
-  exit 2
-fi
-
-TS="$(date '+%Y-%m-%d %H:%M:%S')"
-
-# Lucy-Briefkasten (Proaktivität A3): Meldung zusätzlich an MC2 spiegeln — die Desktop-Lucy
-# spricht sie dann von sich aus. Best-effort (darf den Telegram-Weg nie aufhalten).
-# MC_NOTIFY_NO_ANNOUNCE=1 unterdrückt das (der Health-Wächter legt seine Einträge selbst ab).
-if [ "${MC_NOTIFY_NO_ANNOUNCE:-0}" != "1" ]; then
-  curl -sf -m 3 -X POST "${MC_ANNOUNCE_URL:-http://127.0.0.1:9001/api/voice/announce}" \
-    -H 'Content-Type: application/json' \
-    --data "$(python3 - "$SUBJECT" "$MSG" <<'PY'
-import json, sys
-print(json.dumps({"text": sys.argv[2], "subject": sys.argv[1], "source": "notify"}))
-PY
-)" >/dev/null 2>&1 || true
-fi
-
-# Primärweg: Telegram via hermes send (Login-Shell-PATH, falls aus Timer/cron aufgerufen).
-if [ -n "$SUBJECT" ]; then
-  SEND_OUT="$(bash -lc 'hermes send --to telegram --subject "$1" -- "$2"' _ "$SUBJECT" "$MSG" 2>&1)"
-else
-  SEND_OUT="$(bash -lc 'hermes send --to telegram -- "$1"' _ "$MSG" 2>&1)"
-fi
-if [ $? -eq 0 ]; then
-  echo "$TS OK telegram: $MSG" >> "$LOG"
-  exit 0
-fi
-
-# Fallback: Logfile + wall — Meldung darf nie verloren gehen.
-echo "$TS FALLBACK (telegram fehlgeschlagen: $SEND_OUT): $MSG" >> "$LOG"
-printf '%s\n' "MC2-Meldung: ${SUBJECT:+$SUBJECT }$MSG" | wall 2>/dev/null || true
-echo "WARN: Telegram fehlgeschlagen, in $LOG protokolliert" >&2
-exit 0

deploy/provision-engine.sh

@@ -1,68 +0,0 @@
-#!/usr/bin/env bash
-# Provisioniert die Inferenz-Engine auf der AI Box (Strix Halo / Ryzen AI MAX+ 395, gfx1151)
-# auf **Vulkan/RADV** — reproduzierbar. Braucht root (sudo).
-#
-#   sudo bash ~/mission-control-v2/deploy/provision-engine.sh
-#
-# Hintergrund: Auf gfx1151 ist Vulkan/RADV ggü. ROCm/HIP messbar schneller
-# (Token-Gen +12–22 %, Prefill gleich; auf der Box per llama-bench verifiziert 2026-06-27)
-# UND einfacher. Der ROCm-Build bleibt unter /opt/llamacpp als Rollback liegen.
-set -euo pipefail
-
-VULKAN_DIR=/opt/llamacpp-vulkan
-WARMUP_DST=/usr/local/bin/llama-swap-warmup.sh
-DROPIN_DIR=/etc/systemd/system/llama-swap.service.d
-SRC_DIR="$(cd "$(dirname "$0")" && pwd)"
-# Optional gepinnter Build (z.B. b9821). Leer = neuester Release.
-PIN_BUILD="${MC_ENGINE_BUILD:-}"
-
-echo "==> 1. RADV-Treiber + Vulkan-Runtime"
-export DEBIAN_FRONTEND=noninteractive
-apt-get update -qq
-apt-get install -y mesa-vulkan-drivers libvulkan1 vulkan-tools curl jq
-
-echo "==> 2. llama.cpp Vulkan-Build nach $VULKAN_DIR"
-if [ -n "$PIN_BUILD" ]; then
-  TAG="$PIN_BUILD"
-else
-  TAG="$(curl -s https://api.github.com/repos/ggml-org/llama.cpp/releases/latest | jq -r .tag_name)"
-fi
-ASSET="llama-${TAG}-bin-ubuntu-vulkan-x64.tar.gz"
-URL="https://github.com/ggml-org/llama.cpp/releases/download/${TAG}/${ASSET}"
-TMP="$(mktemp -d)"
-echo "    Lade $URL"
-curl -sL -o "$TMP/v.tgz" "$URL"
-mkdir -p "$VULKAN_DIR"
-tar xzf "$TMP/v.tgz" -C "$TMP"
-# Tarball entpackt nach .../llama-<tag>/ — Inhalt flach nach $VULKAN_DIR
-cp -rf "$TMP"/llama-*/. "$VULKAN_DIR"/
-rm -rf "$TMP"
-test -x "$VULKAN_DIR/llama-server"
-
-echo "==> 3. Symlink llama-server -> Vulkan-Build"
-ln -sfn "$VULKAN_DIR/llama-server" /usr/local/bin/llama-server
-
-echo "==> 4. systemd Drop-ins für llama-swap (LD_LIBRARY_PATH + Brain-Warmup)"
-mkdir -p "$DROPIN_DIR"
-cat > "$DROPIN_DIR/vulkan.conf" <<EOF
-[Service]
-Environment=LD_LIBRARY_PATH=$VULKAN_DIR
-EOF
-install -m 0755 "$SRC_DIR/warmup.sh" "$WARMUP_DST"
-cat > "$DROPIN_DIR/warmup.conf" <<EOF
-[Service]
-# Nach jedem (Re)Start die brains vorladen. Das Skript detacht sich selbst (blockiert
-# den Start nicht); '-' macht den Aufruf fehlertolerant (kann llama-swap nie failen lassen).
-ExecStartPost=-$WARMUP_DST
-EOF
-
-echo "==> 5. Reload + Restart"
-systemctl daemon-reload
-systemctl restart llama-swap
-sleep 3
-systemctl is-active llama-swap
-
-echo "==> Fertig. Aktive Engine:"
-readlink -f /usr/local/bin/llama-server
-vulkaninfo --summary 2>/dev/null | grep -m1 deviceName || true
-echo "Rollback auf ROCm: ln -sfn /opt/llamacpp/llama-server /usr/local/bin/llama-server && rm $DROPIN_DIR/vulkan.conf && systemctl daemon-reload && systemctl restart llama-swap"

deploy/radar-feed.sh

@@ -1,25 +0,0 @@
-#!/usr/bin/env bash
-# Feed für den Evolution-Radar-Cron (Autonomie E4). Liegt in ~/.hermes/scripts/ (deploy.sh
-# kopiert ihn); sein stdout wird dem Cron-Agenten als Prompt eingespeist:
-# versionierter Auftrag (deploy/radar-prompt.md im MC2-Repo) + Live-Inventar der Box.
-set -uo pipefail
-
-cat "$HOME/mission-control-v2/deploy/radar-prompt.md"
-
-echo
-echo "## LIVE-INVENTAR (automatisch erhoben am $(date '+%d.%m.%Y'))"
-echo
-echo "### Update-Status (MC2 /api/maintenance/updates):"
-curl -sf --max-time 30 http://127.0.0.1:9001/api/maintenance/updates \
-  | jq -c '{os_pakete: .os, engine_update: .engine, router_update: .swap, komponenten: .components}' \
-  2>/dev/null || echo "(MC2-API nicht erreichbar)"
-echo
-echo "### Installierte Modelle (llama-swap):"
-curl -sf --max-time 20 http://127.0.0.1:8080/v1/models | jq -r '.data[].id' 2>/dev/null \
-  || echo "(llama-swap nicht erreichbar)"
-echo
-# llama-server braucht LD_LIBRARY_PATH auf das Vulkan-Verzeichnis für --version.
-echo "### Versionen: llama.cpp $( LD_LIBRARY_PATH=/opt/llamacpp-vulkan /usr/local/bin/llama-server --version 2>&1 | grep -o 'version: [0-9]*' || true ) · llama-swap $( /usr/local/bin/llama-swap --version 2>/dev/null | head -1 || true ) · hermes-agent $( bash -lc 'hermes --version' 2>/dev/null | head -1 || echo '?' )"
-echo
-echo "### Pin-Register (gepinnte Ebenen NICHT zum Update vorschlagen, aber Sprünge melden):"
-cat /srv/models/mc2-pins.json 2>/dev/null || echo "{}"

deploy/radar-prompt.md

@@ -1,64 +0,0 @@
-# Evolution-Radar (monatlicher Auftrag)
-
-Du bist das Evolution-Radar der AI-Box (AMD Strix Halo, 128 GB, 100 % lokal, Vulkan/RADV).
-Dein Job: EINMAL im Monat prüfen, ob sich bei unseren Kern-Komponenten oder in deren
-Kategorien ein echter Sprung ergeben hat — und das als kurzen deutschen Report melden.
-Unten ist das Live-Inventar der Box eingespeist (Update-Status, installierte Modelle, Pins).
-
-## Schritt 1 (PFLICHT, vor jeder Recherche): Inventar lesen und respektieren
-
-Lehre aus Report #1 (02.07.): vier Fehler, eine Ursache — Inventar ignoriert. Deshalb hart:
-- **Empfiehl NIE ein Update auf eine Version, die laut Live-Inventar schon installiert ist.**
-  (Report #1 empfahl „Hermes v0.18" — die Box WAR auf v0.18.0. `komponenten` im Inventar
-  zeigt das echte git-behind; behind=0 heißt AKTUELL, egal was Release-Notes suggerieren.)
-- **Bei Komponenten, die wir aktiv nutzen, erst die EIGENE Version/Nutzung feststellen,
-  dann Neuigkeiten bewerten.** Aktiv im Einsatz (Stand Repo):
-  Parakeet via onnx-asr = UNSER STT (25 EU-Sprachen inkl. Deutsch, ~0,45 s — nie als
-  „kein Deutsch-Fokus" abtun) · Silero VAD **v5** via vad-web in Lucy (v6 existiert) ·
-  pocket-tts german_24l (CPU, auf dem PC) · Hirn Qwen3.6-35B (MTP-Draft, immer warm).
-- **Die Modell-Liste im Inventar enthält auch schon geladene KANDIDATEN** (z. B. gpt-oss-120b,
-  Qwen3-VL-30B) — die liegen bereit und sind gebencht; nicht als „Neuentdeckung" verkaufen.
-- Jede Versions-Aussage im Report muss gegen das Inventar geprüft sein.
-
-## Arbeitsweise: Fan-out mit Subagents (WICHTIG)
-
-Nutze `delegate_task` mit einem `tasks`-Array (role: leaf), um die Recherche in ISOLIERTE
-Subagents aufzuteilen — pro Task eine Komponenten-Gruppe. Jeder Subagent recherchiert per
-Web-Suche, FILTERT Marketing-Geschwätz aus und liefert dir nur eine Substanz-Zusammenfassung
-(max. 5 Zeilen pro Komponente). Du konsolidierst am Ende. Erwähne im Endbericht nur, was
-Substanz hat — „nichts Nennenswertes" ist ein gültiges und gutes Ergebnis je Gruppe.
-
-Scheitern Subagents wiederholt (z. B. Kontext-Fehler), recherchiere die betroffenen Gruppen
-selbst sequenziell — der Report muss IMMER zustande kommen.
-
-Task-Aufteilung (5 Subagents):
-1. **Engine/Router:** llama.cpp (Vulkan, gfx1151/Strix Halo relevant!), llama-swap (mostlygeek)
-2. **Agent/Runtime:** hermes-agent (NousResearch), Electron (Major-Sprünge), three-vrm/@pixiv
-3. **Voice:** pocket-tts (kyutai), onnx-asr/Parakeet, Silero-VAD, smart-turn — nur Deutsch-taugliches
-4. **Modell-Kategorien** für 128-GB-Strix-Halo: bessere lokale Coder-Modelle (vs. Qwen3-Coder-Next),
-   Chat/Reasoning-MoE (vs. Qwen3.6-35B/Qwen3.5-122B), Vision (vs. Qwen3-VL), deutsche TTS/STT.
-   Nur GGUF-/llama.cpp-lauffähig, Substanz = Benchmarks/Community-Erfahrung, kein Ankündigungs-Hype.
-5. **IDE-/Agent-Tools** (Zed, Kilo Code, Claude Code): besonders Tod-/Nachfolger-Meldungen —
-   „Projekt eingestellt/archiviert/Fork übernimmt" ist GENAU die Meldung, die wir fangen müssen
-   (Lehre: Roo Code galt als Empfehlung und war längst eingestellt). Auch: neues dominantes Tool?
-
-## Bereits ENTSCHIEDEN — nicht wieder vorschlagen (Verdikte der Box)
-
-- Vulkan/RADV statt ROCm (gemessen schneller auf gfx1151) · llama.cpp+llama-swap gesetzt
-- Hirn = Qwen3.6-35B-A3B mit MTP-Spec-Draft, immer warm · Mem0 als Memory · Electron-App für Lucy
-- Pocket-TTS für Lucys Stimme (deutsch, CPU) · KEIN Kyutai-Streaming-STT (kann kein Deutsch)
-- VERWORFEN: LobeChat/WebUI-Ersatz, Unmute-Vollstack, AnythingLLM, gemma als Hirn
-- Latenz ist heilig: nichts vorschlagen, was Lucys ~2-s-Sprech-Latenz gefährdet
-
-## Report-Format (Endantwort = geht direkt als Telegram-Nachricht raus)
-
-- **Schreibe die Endnachricht in Lucys Stimme an den Commander** (du BIST Lucy, siehe SOUL.md —
-  das Radar ist nur dein Auftrag): erst 1–2 Sätze unmissverständlich, was die Funde für ihn
-  bedeuten und ob er etwas tun muss — danach die knappen Fund-Zeilen.
-- Deutsch, maximal ~20 Zeilen, Du-Form, kein Markdown-Overkill, nicht technisch —
-  Technik in Alltagssprache, Details nur auf Nachfrage
-- Struktur: „🛰️ Evolution-Radar <Monat>" → je Fund 1–3 Zeilen: WAS, WARUM relevant für UNS,
-  Einstufung **[lohnt vermutlich]** / **[beobachten]** / ggf. Quelle kurz
-- Wenn ein Fund ein GEPINNTES Level betrifft (siehe Pins im Inventar): explizit erwähnen
-- Nichts gefunden? Dann genau das in 2 Zeilen sagen. Keine Pflicht-Funde erfinden.
-- KEINE Konfig-Änderungen vornehmen, KEINE Downloads starten — nur melden.

deploy/restore.sh

@@ -1,132 +0,0 @@
-#!/usr/bin/env bash
-# Wiederherstellung eines mc2-state-Backups (siehe backup.sh).
-# Stoppt die Dienste, spielt den Zustand zurück, startet neu — und macht VORHER
-# automatisch ein Sicherheits-Backup des aktuellen Zustands (Restore ist reversibel).
-#
-# Nutzung:
-#   bash restore.sh --list                      # vorhandene Backups zeigen (lokal + Off-Box)
-#   bash restore.sh --dry-run <datei|latest>    # nur anzeigen, was passieren würde
-#   bash restore.sh [--yes] <datei|latest>      # wiederherstellen (--yes = ohne Rückfrage)
-#   bash restore.sh --pull-offsite              # Off-Box-Kopie (Proxmox) nach lokal holen
-#
-# Off-Box (C12): fehlt ein Backup lokal (z. B. Box-Platte neu), wird es automatisch
-# vom Zweitgerät (Proxmox) geholt. Ziel/Key wie in backup.sh (überschreibbar per Env).
-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"
-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 $OFFSITE_KEY -o BatchMode=yes -o ConnectTimeout=10 -o StrictHostKeyChecking=accept-new"
-
-# Off-Box-Tarballs (Dateinamen) auflisten — leer, wenn nicht erreichbar/konfiguriert.
-offsite_ls() {
-  [ -n "$OFFSITE" ] && [ -f "$OFFSITE_KEY" ] || return 0
-  local host="${OFFSITE%%:*}" path="${OFFSITE#*:}"
-  $OFFSITE_SSH "$host" "ls -1 $path/mc2-state-*.tar.gz 2>/dev/null" 2>/dev/null | xargs -r -n1 basename || true
-}
-# Ein einzelnes Off-Box-Tarball nach lokal holen. $1 = Dateiname (basename).
-offsite_fetch() {
-  [ -n "$OFFSITE" ] && [ -f "$OFFSITE_KEY" ] || return 1
-  mkdir -p "$DEST_DIR"
-  echo "→ hole $1 vom Zweitgerät ($OFFSITE)…" >&2
-  rsync -a -e "$OFFSITE_SSH" "$OFFSITE/$1" "$DEST_DIR/"
-}
-
-usage() { echo "Nutzung: restore.sh --list | restore.sh --pull-offsite | restore.sh [--dry-run] [--yes] <datei|latest>"; }
-list_backups() {
-  echo "Verfügbare Backups in $DEST_DIR:"
-  local found=0 f
-  for f in $(ls -1t "$DEST_DIR"/mc2-state-*.tar.gz 2>/dev/null || true); do
-    printf "  %s  (%s)\n" "$(basename "$f")" "$(du -h "$f" | cut -f1)"
-    found=1
-  done
-  [ "$found" = 1 ] || echo "  (keine)"
-  local off; off="$(offsite_ls || true)"
-  if [ -n "$off" ]; then
-    echo "Off-Box ($OFFSITE):"
-    echo "$off" | sed 's/^/  /'
-  fi
-}
-
-[ $# -eq 0 ] && { usage; exit 1; }
-DRY=0; YES=0; TARGET=""
-for a in "$@"; do
-  case "$a" in
-    --list) list_backups; exit 0 ;;
-    --pull-offsite)
-      mkdir -p "$DEST_DIR"
-      [ -n "$OFFSITE" ] && [ -f "$OFFSITE_KEY" ] || { echo "Off-Box nicht konfiguriert."; exit 1; }
-      echo "→ spiegle Off-Box → lokal ($DEST_DIR)…"
-      rsync -a -e "$OFFSITE_SSH" --include='mc2-state-*.tar.gz' --exclude='*' "$OFFSITE/" "$DEST_DIR/"
-      list_backups; exit 0 ;;
-    --dry-run) DRY=1 ;;
-    --yes) YES=1 ;;
-    -*) usage; exit 1 ;;
-    *) TARGET="$a" ;;
-  esac
-done
-[ -z "$TARGET" ] && { usage; exit 1; }
-# 'latest' bevorzugt lokal; fehlt lokal alles, das jüngste Off-Box-Tarball holen.
-if [ "$TARGET" = "latest" ]; then
-  TARGET="$(ls -1t "$DEST_DIR"/mc2-state-*.tar.gz 2>/dev/null | head -1 || true)"
-  if [ -z "$TARGET" ]; then
-    latest_off="$(offsite_ls | sort | tail -1 || true)"
-    [ -n "$latest_off" ] && offsite_fetch "$latest_off" && TARGET="$DEST_DIR/$latest_off"
-  fi
-fi
-# Konkreten Namen zuerst lokal suchen, sonst vom Zweitgerät holen.
-if [ ! -f "$TARGET" ]; then
-  base="$(basename "${TARGET:-}")"
-  if [ -f "$DEST_DIR/$base" ]; then
-    TARGET="$DEST_DIR/$base"
-  elif [ -n "$base" ] && offsite_ls | grep -qx "$base"; then
-    offsite_fetch "$base" && TARGET="$DEST_DIR/$base"
-  fi
-fi
-[ -f "$TARGET" ] || { echo "Backup nicht gefunden: ${TARGET:-<leer>}"; echo; list_backups; exit 1; }
-
-echo "Restore-Quelle: $TARGET"
-STAGE="$(mktemp -d)"; trap 'rm -rf "$STAGE"' EXIT
-tar -xzf "$TARGET" -C "$STAGE"
-echo "--- Inhalt ---"; cat "$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 "  • $HERMES/plugins/"
-  [ -f "$STAGE/llama-swap/config.yaml" ] && echo "  • $LSWAP"
-  echo "  • Dienste neu starten: $SERVICES"
-  exit 0
-fi
-
-if [ "$YES" != 1 ]; then
-  echo "WARNUNG: Das überschreibt den AKTUELLEN Zustand und startet die Dienste neu."
-  read -r -p "Fortfahren? (tippe 'ja'): " ans
-  [ "$ans" = "ja" ] || { echo "Abgebrochen."; exit 1; }
-fi
-
-echo "→ Sicherheits-Backup des aktuellen Zustands…"
-bash "$SRC/deploy/backup.sh" || echo "  (Pre-Restore-Backup fehlgeschlagen — fahre fort)"
-
-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
-[ -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/." "$HERMES/plugins/"; }
-[ -f "$STAGE/llama-swap/config.yaml" ] && cp -a "$STAGE/llama-swap/config.yaml" "$LSWAP" 2>/dev/null || true
-
-echo "→ Dienste starten…"
-systemctl --user start $SERVICES 2>/dev/null || true
-sleep 4
-printf "→ Health: "; curl -sf http://127.0.0.1:9001/api/health && echo || echo "(Backend nicht erreichbar — Logs prüfen)"
-echo "OK — Restore abgeschlossen."

deploy/selbstkritik-feed.sh

@@ -1,39 +0,0 @@
-#!/usr/bin/env bash
-# Feed für den Selbstkritik-Cron (Faden 11b — Zwilling des Evolution-Radars, Blick nach INNEN).
-# Liegt in ~/.hermes/scripts/ (deploy.sh kopiert ihn); stdout wird dem Cron-Agenten als
-# Prompt eingespeist: versionierter Auftrag (deploy/selbstkritik-prompt.md) + Live-Betriebsdaten.
-set -uo pipefail
-
-cat "$HOME/mission-control-v2/deploy/selbstkritik-prompt.md"
-
-echo
-echo "## LIVE-DATEN (automatisch erhoben am $(date '+%d.%m.%Y %H:%M'))"
-echo
-echo "### Voice-Pipeline-Latenzen (rollend, ms — :9001/api/voice/metrics):"
-curl -sf --max-time 15 http://127.0.0.1:9001/api/voice/metrics | jq -c . 2>/dev/null \
-  || echo "(nicht erreichbar)"
-echo
-echo "### Token-Verbrauch / Cloud-Ersparnis:"
-curl -sf --max-time 15 http://127.0.0.1:9001/api/system/token-stats | jq -c . 2>/dev/null \
-  || echo "(nicht erreichbar)"
-echo
-echo "### Prompt-Budget (Hinweis: prompt-size ist Allowlist-blind — die Voice-Lane hat real"
-echo "### deutlich weniger Tools; als Trend-Wächter für den GESAMT-Bestand trotzdem nützlich):"
-bash -lc "hermes prompt-size" 2>/dev/null | grep -E "total|skills index|Tool schemas" || echo "  (Messung fehlgeschlagen)"
-echo
-echo "### Gateway-Journal: häufigste Warnungen/Fehler der letzten 30 Tage (Anzahl · Muster):"
-journalctl --user -u hermes-gateway -p warning --since "30 days ago" --no-pager 2>/dev/null \
-  | grep -oE "(WARNING|ERROR)[^:]*: .{0,90}" | sed "s/[0-9]\{3,\}/N/g" | sort | uniq -c | sort -rn | head -12 \
-  || echo "(keine oder Journal nicht lesbar)"
-echo
-echo "### Tool-Loop-Guardrail-Treffer (letzte 30 Tage):"
-n=$(journalctl --user -u hermes-gateway --since "30 days ago" --no-pager 2>/dev/null \
-  | grep -ci "loop guard\|hard_stop\|tool loop" || true)
-echo "${n:-0}"
-echo
-echo "### Skill-Bestand & Curator:"
-bash -lc "hermes curator status" 2>/dev/null | head -14 || echo "(Curator-Status fehlgeschlagen)"
-echo
-echo "### Meldeweg-Ausfälle (notify.sh-Fallbacks, letzte 30 Tage):"
-n=$(grep -c "FALLBACK" "$HOME/mc2-notify.log" 2>/dev/null || true)
-echo "${n:-0}"

deploy/selbstkritik-prompt.md

@@ -1,36 +0,0 @@
-# Selbstkritik-Runde (monatlich) — der Blick nach INNEN
-
-Du bist Lucy und schaust einmal im Monat kritisch auf DICH SELBST und deinen eigenen
-Betrieb: Wo warst du langsam, wo liefen Tools in Schleifen, wo häufen sich Warnungen,
-was wird nie benutzt? Das ist der Zwilling des Evolution-Radars — der schaut nach
-draußen (neue Software), du schaust hier nach innen (eigener Betrieb).
-
-## Auftrag
-
-1. Lies die LIVE-DATEN unten sorgfältig (Latenzen, Token-Verbrauch, Journal-Auffälligkeiten,
-   Skill-/Curator-Stand, Prompt-Größen).
-2. Finde die 1 bis 3 WICHTIGSTEN konkreten Verbesserungen. Jede Idee braucht einen BELEG
-   aus den Daten (Zahl, Log-Zeile, Trend) — keine Bauchgefühle, keine Allgemeinplätze.
-3. **Fremdblick vor dem Absenden (Härtung 04.07. — „andere Brille"):** Bevor du die Vorschläge
-   verschickst, lass sie von einem ANDEREN Modell gegenlesen. Delegiere dazu EINE kurze
-   Kritiker-Runde (`delegate_task`, role=leaf — die läuft per `delegation.model` auf `heavy`,
-   also einem anderen Modell als du selbst). Gib dem Kritiker deinen Vorschlags-Entwurf + die
-   belegenden Daten-Ausschnitte und den Auftrag: **„Du bist ein anderes Modell. Zerpflücke jeden
-   Vorschlag: Trägt der Beleg die Behauptung wirklich, oder ist es ein Bauchgefühl mit
-   Zahl-Deko? Verwechselt er Korrelation mit Ursache? Fehlt Kontext?"** Nur Vorschläge, deren
-   Beleg diesen Fremdblick überlebt, gehen raus; verworfene lässt du weg. Ist `delegation.model`
-   dasselbe Modell wie deins (kein echter Fremdblick möglich) → vermerke das kurz in der Nachricht.
-4. Schicke dem Commander EINE kompakte Nachricht in DEINER Stimme (Lucy: Anrede „Commander",
-   Fazit zuerst, Alltagssprache, Technik-Details knapp dahinter). Je Vorschlag: Was ist
-   auffällig (Beleg) → was schlägst du vor → was bringt es. Wenn ehrlich NICHTS
-   Nennenswertes auffällt: genau das sagen, kurz und zufrieden — KEINE Vorschläge erfinden.
-
-## Leitplanken (nicht verhandelbar)
-
-- Du ÄNDERST in dieser Runde NICHTS — du schlägst nur vor. Umgesetzt wird erst, wenn der
-  Commander „mach" sagt (dann übernimmt die Werkstatt mit Gates und Rollback).
-- Der Hermes-Quellcode ist TABU (fremde Software, Auto-Update-Kanal). Verbesserungen nur
-  über UNSERE Schichten: Config, SOUL.md, Skills, Gedächtnis, Modellwahl, MC2-Code.
-- Security-Themen (Approvals, Tokens, Firewall) nur BENENNEN, nie selbst anfassen.
-- Kein Tool-Feuerwerk: die Daten unten reichen; höchstens 2–3 gezielte Nachschau-Aufrufe
-  (z. B. eine Journal-Zeile im Kontext lesen), dann antworten.

deploy/self-repair.sh

@@ -1,99 +0,0 @@
-#!/usr/bin/env bash
-# Selbstreparatur-Modus (Autonomie 0g, Kür): Macht ein Hermes-Update den Gehirn-Check rot,
-# WEIL sich Config-Schlüssel geändert haben (v0.18-Klasse: „Unknown key … → stiller Default →
-# alle Tools hingen"), versucht die Box den Config-Bruch SELBST zu ziehen — bevor zurückgerollt
-# wird, um die neue Version zu behalten. NUR Config, NIE Code, NIE Security-Schlüssel.
-#
-# Sicher durch Kapselung — jeder Schritt ist reversibel und hart gegatet:
-#   Backup → nur EINDEUTIGE (genau 1× vorkommende), nicht-sicherheitsrelevante Keys auskommentieren
-#   → YAML muss gültig bleiben → Gehirn-Check (hermes-postcheck.sh) muss GRÜN werden → sonst zurück.
-# Schlimmster Fall bei Fehlgriff = exakt der heutige: Rollback. Der Aufrufer (autoupdate.sh) ruft
-# dies VOR seinem Rollback; bei Rückgabe 2 rollt er wie gehabt zurück + pinnt.
-#
-# Rückgabe: 0 = repariert (Gehirn-Check danach grün) · 2 = nichts sicher reparierbar.
-# Gibt bei Misserfolg eine Zeile „SELFREPAIR_SUGGESTION=<LLM-Diagnose>" auf stdout aus.
-set -uo pipefail
-
-SRC_DIR="$(cd "$(dirname "$0")" && pwd)"
-HERMES="${HERMES_HOME:-$HOME/.hermes}"
-CFG="$HERMES/config.yaml"
-WARN_FILE="${HERMES_CONFIG_WARNINGS:-/tmp/hermes-config-warnings.txt}"
-LLAMA="${LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
-VENV_PY="$HERMES/hermes-agent/venv/bin/python"
-export XDG_RUNTIME_DIR="${XDG_RUNTIME_DIR:-/run/user/$(id -u)}"
-
-say(){ echo "[self-repair] $*"; }
-
-# ── 1) Evidenz: Postcheck-Warnungen + frisches Gateway-Journal ────────────────
-EVID="$(cat "$WARN_FILE" 2>/dev/null)"
-JOURN="$(journalctl --user -u hermes-gateway --since '-6 minutes' --no-pager -o cat 2>/dev/null \
-        | grep -iE "Unknown [a-z._]+ '|deprecated .*(setting|option|config)|defaulting to|invalid config" \
-        | grep -v check_fn | head -10)"
-[ -z "$EVID" ] && EVID="$JOURN"
-if [ -z "$EVID" ]; then
-  say "Keine Config-Bruch-Hinweise gefunden — hier ist (sicher) nichts zu reparieren."
-  exit 2
-fi
-say "Config-Hinweise:"; echo "$EVID"
-
-# LLM-Diagnose/Empfehlung (best-effort) — für die Meldung, egal ob wir reparieren.
-SUGG="$(curl -sf -m 60 "$LLAMA/v1/chat/completions" -H 'Content-Type: application/json' \
-  -d "$(python3 - "$EVID" <<'PY'
-import json, sys
-p = ("Ein Hermes-Agent-Update hat den Selbsttest rot gemacht. Log-Hinweise:\n" + sys.argv[1] +
-     "\n\nNenne auf Deutsch in 1-2 kurzen Sätzen die wahrscheinliche Ursache und die konkrete "
-     "Config-Korrektur in ~/.hermes/config.yaml (Schlüssel → neuer Wert). Keine Einleitung.")
-print(json.dumps({"model": "coder-lite", "max_tokens": 200, "temperature": 0.1,
-                  "messages": [{"role": "user", "content": p}]}))
-PY
-)" 2>/dev/null | python3 -c 'import sys,json; print((json.load(sys.stdin).get("choices") or [{}])[0].get("message",{}).get("content","").strip())' 2>/dev/null)"
-
-# ── 2) Offending Leaf-Keys ziehen ────────────────────────────────────────────
-KEYS="$(echo "$EVID" | grep -oE "Unknown [a-zA-Z0-9_.]+|'[a-zA-Z0-9_.]+'" | sed -E "s/^Unknown //; s/'//g" | sort -u)"
-LEAVES="$(for k in $KEYS; do echo "${k##*.}"; done | sort -u | grep -vE '^(true|false|null|)$')"
-
-SEC_RX='token|secret|password|approval|api_server_key|ufw|sudo|allowlist|credential'
-BAK="$CFG.selfrepair-bak-$(date +%Y%m%d-%H%M%S)"
-cp -a "$CFG" "$BAK"
-
-CHANGED=""; SKIPPED=""
-for leaf in $LEAVES; do
-  if echo "$leaf" | grep -qiE "$SEC_RX"; then SKIPPED="$SKIPPED $leaf(security-tabu)"; continue; fi
-  # Nur EINDEUTIGE Schlüssel-Zeilen (genau 1×) anfassen — Mehrdeutige sind zu riskant.
-  n="$(grep -cE "^[[:space:]]*${leaf}:" "$CFG" 2>/dev/null || echo 0)"
-  if [ "$n" = "1" ]; then
-    sed -i -E "s|^([[:space:]]*)(${leaf}:.*)$|\1# [selbstrepariert $(date +%F)] \2|" "$CFG"
-    CHANGED="$CHANGED $leaf"; say "auskommentiert: $leaf (unbekannt/veraltet)"
-  else
-    SKIPPED="$SKIPPED $leaf(${n}x)"
-  fi
-done
-[ -n "$SKIPPED" ] && say "nicht automatisch angefasst:$SKIPPED"
-
-if [ -z "$CHANGED" ]; then
-  say "Nichts sicher automatisch reparierbar."
-  cp -a "$BAK" "$CFG"
-  echo "SELFREPAIR_SUGGESTION=$SUGG"
-  exit 2
-fi
-
-# ── 3) YAML noch gültig? ──────────────────────────────────────────────────────
-if [ -x "$VENV_PY" ] && ! "$VENV_PY" -c "import yaml; yaml.safe_load(open('$CFG'))" 2>/dev/null; then
-  say "YAML nach Fix ungültig → zurück zum Backup."
-  cp -a "$BAK" "$CFG"; echo "SELFREPAIR_SUGGESTION=$SUGG"; exit 2
-fi
-
-# ── 4) Neustart + Gehirn-Check ────────────────────────────────────────────────
-systemctl --user restart hermes-gateway; sleep 6
-if bash "$SRC_DIR/hermes-postcheck.sh" >/dev/null 2>&1; then
-  say "Gehirn-Check nach Selbstreparatur GRÜN."
-  bash "$SRC_DIR/notify.sh" -s "[Box-Update]" \
-    "Commander, nach dem Hermes-Update hakte der Selbsttest wegen geänderter Einstellungen — ich habe das selbst gerichtet (angepasst:${CHANGED// /, }). Der Test ist wieder grün, die neue Version läuft. Ein Rollback war nicht nötig." || true
-  exit 0
-fi
-
-say "Auch nach Selbstreparatur rot → zurück zum Backup (der Aufrufer rollt zurück)."
-cp -a "$BAK" "$CFG"
-systemctl --user restart hermes-gateway; sleep 6
-echo "SELFREPAIR_SUGGESTION=$SUGG"
-exit 2

deploy/self-smoke.sh

@@ -1,86 +0,0 @@
-#!/usr/bin/env bash
-# Tägliche Selbst-Smoke-Tests der Box (Autonomie 0d): spielt die drei Kern-Pfade AKTIV durch —
-# auch OHNE Update — und meldet NUR bei Rot (kein tägliches Grün-Rauschen). Ergänzt den passiven
-# Health-Wächter (sentry.py prüft nur Erreichbarkeit) um echte Funktion:
-#   1) Gateway/Hirn: der Agent liefert überhaupt eine Antwort.
-#   2) Tools: ein harmloser terminal-Befehl durch den echten Agenten (fängt kaputte Approval-/
-#      Tool-Ketten — Antwort muss kommen und darf nicht in pending_approval hängen).
-#   3) Voice: Lucys Sprech-Pfad (/api/voice/chat) streamt.
-# Bei Fehlschlag → notify.sh (Telegram + Briefkasten) in Lucys Stimme. Läuft als User, kein sudo.
-set -uo pipefail
-
-SRC_DIR="$(cd "$(dirname "$0")" && pwd)"
-MC_URL="${MC_URL:-http://127.0.0.1:9001}"
-HERMES_URL="${HERMES_API_URL:-http://127.0.0.1:8642}"
-HERMES="${HERMES_HOME:-$HOME/.hermes}"
-export XDG_RUNTIME_DIR="${XDG_RUNTIME_DIR:-/run/user/$(id -u)}"
-
-say(){ echo "[self-smoke] $*"; }
-FAILED=()
-
-API_KEY="$(grep -E '^API_SERVER_KEY=' "$HERMES/.env" 2>/dev/null | cut -d= -f2- | tr -d '"' | tr -d "'")"
-
-# ── 1) Gateway/Hirn: Agent antwortet ────────────────────────────────────────
-if [ -n "$API_KEY" ]; then
-  RESP=$(curl -sf -m 90 -X POST "$HERMES_URL/v1/chat/completions" \
-    -H "Authorization: Bearer $API_KEY" -H "Content-Type: application/json" \
-    -H "X-Hermes-Session-Id: selfsmoke-gateway" \
-    -d '{"model":"hermes","stream":false,"chat_template_kwargs":{"enable_thinking":false},"messages":[{"role":"user","content":"Antworte NUR mit dem einen Wort: bereit"}]}' 2>/dev/null)
-  if echo "$RESP" | grep -qi "bereit"; then
-    say "PASS · Gateway/Hirn antwortet"
-  else
-    say "FAIL · Gateway/Hirn ohne verwertbare Antwort: $(echo "$RESP" | head -c 160)"
-    FAILED+=("Gehirn/Gateway (keine Antwort)")
-  fi
-else
-  say "SKIP · Gateway (kein API_SERVER_KEY in $HERMES/.env)"
-fi
-
-# ── 2) Tools: terminal via Agent ─────────────────────────────────────────────
-if [ -n "$API_KEY" ]; then
-  TOOL=$(curl -sf -m 90 -X POST "$HERMES_URL/v1/chat/completions" \
-    -H "Authorization: Bearer $API_KEY" -H "Content-Type: application/json" \
-    -H "X-Hermes-Session-Id: selfsmoke-tool" \
-    -d '{"model":"hermes","stream":false,"messages":[{"role":"user","content":"Führe im Terminal exakt den Befehl echo selfsmoke-ok aus und gib mir nur dessen Ausgabe zurück."}]}' 2>/dev/null)
-  if echo "$TOOL" | grep -qi "selfsmoke-ok"; then
-    say "PASS · Tools (terminal via Agent)"
-  elif echo "$TOOL" | grep -qi "pending_approval"; then
-    say "FAIL · Tools hängen in pending_approval (approvals.mode prüfen!)"
-    FAILED+=("Tools (hängen in Freigabe)")
-  else
-    say "FAIL · Tool-Smoke ohne Ergebnis: $(echo "$TOOL" | head -c 160)"
-    FAILED+=("Tools (kein Ergebnis)")
-  fi
-fi
-
-# ── 3) Voice: Lucys Sprech-Stream ────────────────────────────────────────────
-# Retry: der erste Turn nach Idle zahlt evtl. den Session-Kaltstart (Prefill).
-# Subshell OHNE pipefail — head -c schließt die Pipe früh (curl endet mit 23/SIGPIPE),
-# das würde einen bestandenen Check sonst als FAIL werten (Lehre aus hermes-postcheck.sh).
-voice_ok=0
-for try in 1 2 3; do
-  if ( set +o pipefail; curl -sf -m 45 -N -X POST "$MC_URL/api/voice/chat" -H "Content-Type: application/json" \
-       -d '{"text":"Sag nur ok.","session_id":"selfsmoke-voice"}' 2>/dev/null | head -c 50 | grep -q "data:" ); then
-    voice_ok=1; break
-  fi
-  sleep 8
-done
-if [ "$voice_ok" -eq 1 ]; then
-  say "PASS · Voice (/api/voice/chat streamt, Versuch $try)"
-else
-  say "FAIL · Voice: /api/voice/chat streamt nicht (3 Versuche)"
-  FAILED+=("Voice (Lucys Sprech-Pfad)")
-fi
-
-# ── Meldung nur bei Rot ──────────────────────────────────────────────────────
-if [ "${#FAILED[@]}" -eq 0 ]; then
-  say "Alle Selbst-Tests grün ($(date '+%F %H:%M'))."
-  exit 0
-fi
-
-MSG="Commander, mein täglicher Selbst-Test hat etwas gefunden — das läuft gerade NICHT rund:
-$(printf '• %s\n' "${FAILED[@]}")
-Der Rest der Box kann trotzdem stehen; magst du kurz draufschauen?"
-bash "$SRC_DIR/notify.sh" -s "[Selbst-Test]" "$MSG" || true
-say "FEHLGESCHLAGEN: ${FAILED[*]}"
-exit 1

deploy/skills/orchestrator/SKILL.md

@@ -1,183 +0,0 @@
----
-name: orchestrator
-description: "Orchestrieren wie ein Manager: einen groesseren Auftrag in Teil-Tasks zerlegen, jeden SERIELL an das passende Worker-Modell delegieren (worker.sh, Ein-Schuss via llama-swap), die Ergebnisse einsammeln + zusammensetzen, per Fremd-Kritiker gaten und als Telegram-Vorschlag zurueckgeben. NIE selbst mergen/deployen — der Commander ist das Gate."
-version: 1.0.0
-author: MC2 (Autonomie — Orchestrator)
-platforms: [linux]
-metadata:
-  hermes:
-    tags: [orchestrator, delegation, werkstatt, mc2, fliessband]
----
-
-# Orchestrator — du managst, du fuehrst nicht alles selbst aus
-
-Nutze diesen Skill, wenn ein Auftrag zu gross fuer EINEN Rutsch ist, sich aber in wenige klar
-abgegrenzte Teil-Tasks zerlegen laesst (ueberwiegend Code-Bau). Du bist der **Manager**: du
-zerlegst, verteilst die Teile SERIELL an Worker-Modelle (die arbeiten), fuegst die Ergebnisse
-zusammen und lieferst am Ende einen **Vorschlag** — der Commander entscheidet.
-
-Das ist die Verallgemeinerung der **Werkstatt** (`wartung`): dort delegierst du EINEN Schritt
-(Code-Review) an ein Fremdmodell. Hier delegierst du MEHRERE Bau-Schritte an Worker und behaeltst
-die Integration + das Gate.
-
-## Warum seriell (und warum das ok ist)
-Mehrere grosse Modelle GLEICHZEITIG passen nicht in den Speicher. llama-swap ist **seriell** — ein
-Modell laden → arbeiten → tauschen → naechstes. Orchestrierung ist ein **Fliessband, kein Schwarm.**
-Langsamer (Swap-Latenz + einer nach dem anderen: Minuten), aber bei Hintergrund-/Telegram-Jobs egal.
-
-## Scope-Check zuerst (klein anfangen)
-Passt: ein Auftrag, der in **2–4 abgegrenzte Teil-Tasks** zerfaellt, jeder ein 1–2-Datei-Bau-Schritt
-(neues kleines Modul + Test, kleine neue Funktion + Verdrahtung, zusammenhaengender Refactor in
-wenigen Dateien). Zu gross (viele Module, echte Architektur-Entscheidungen, breite API-Aenderung):
-dann NUR einen **Plan** als Text im Telegram-Vorschlag liefern, KEINEN Code — der Commander schneidet
-dann kleiner.
-
-## Leitplanken (nicht verhandelbar)
-- **Du delegierst, du baust NICHT selbst.** Jedes Bau-Artefakt MUSS aus einem `worker.sh`-Aufruf
-  stammen. Schreibst du den Code selbst (auch wenn der Teil-Task „einfach genug" wirkt), statt ihn
-  vom Worker zu holen, ist der Lauf GESCHEITERT — sag das ehrlich, statt Eigenbau als Orchestrierung
-  auszugeben. Belege jeden Teil-Task im Vorschlag mit dem `worker.sh`-Aufruf UND den ersten Zeilen
-  seiner Roh-Ausgabe. (Warum so streng: das Manager-Modell kann kleine Tasks selbst — genau dann
-  faellt Delegation aus Bequemlichkeit weg; das ist der haeufigste Orchestrierungs-Fehler.)
-- **Die Helfer EXISTIEREN.** `~/.hermes/scripts/worker.sh` und `~/.hermes/scripts/fremdblick.sh`
-  sind installiert, aber NICHT auf deinem PATH → immer mit vollem Pfad aufrufen (nie bloss `worker.sh`).
-  Glaubst du, sie fehlen, IRRST du dich: erst `ls -la ~/.hermes/scripts/worker.sh` ausfuehren und den
-  Pfad lesen, dann nutzen. „Skript fehlt" ist KEIN gueltiger Grund, den Schritt selbst zu machen.
-- **Propose-only.** Am Ende steht IMMER ein Telegram-Vorschlag; die Entscheidung trifft der Commander.
-  NIEMALS auf `main` committen, NIEMALS mergen, NIEMALS deployen oder Dienste neu starten.
-- **Nur im Worktree arbeiten.** Die Live-Instanz `~/mission-control-v2` bleibt unberuehrt.
-- **Warm-Set-Schutz (harte Speicher-Falle).** Worker nur ueber **`worker.sh`** und nur Modelle, die
-  KLEIN neben dem Warm-Set laden — v1 = **`Qwen3-Coder-Next`** (Default in worker.sh). **NIEMALS
-  `heavy`/`gpt-oss-120b` als Worker** (60 GB → stirbt neben dem VL-30B-Warm-Set, gefaehrdet Lucys
-  ~1-s-Sprech-Latenz). Planung/Zerlegung/Integration machst DU (Hermes, schon warm) selbst.
-- **Fremd-Kritiker ist Pflicht-Gate.** Der zusammengesetzte Diff MUSS von `fremdblick.sh` (anderes
-  Modell) gegengelesen werden, bevor du vorschlaegst. Ein Manager, der Worker-Output blind
-  zusammenklebt, produziert leisen Muell.
-- **Security-Config ist TABU:** keine Tokens, approvals, ufw, sudoers, ssh-Keys anfassen.
-- Gate rot oder Kritiker dagegen → trotzdem ehrlich melden (Branch bleibt liegen), nichts beschoenigen.
-
-## Ablauf
-
-### 1. Zerlegen (der Manager denkt)
-Brich den Auftrag in eine **geordnete, nummerierte Liste von Teil-Tasks**. Fuer jeden Teil-Task
-entscheide: (a) was ist das Artefakt (welche Datei, was tut sie), (b) welches Worker-Modell +
-welche Rolle (`build`/`refactor`), (c) welchen Kontext braucht der Worker (siehe Abschnitt
-„Kontext-Uebergabe"). Halte die Liste kurz. Reihe die Teile so, dass spaetere auf fertige
-fruehere aufbauen koennen.
-
-### 2. Worktree anlegen (Slug = kurzer Kebab-Case-Name des Auftrags)
-```
-cd ~/mission-control-v2 && git fetch -q origin \
-  && git worktree add /tmp/orch-<slug> -b orchestrator/<slug> origin/main
-mkdir -p /tmp/orch-<slug>-work   # Ablage fuer rohe Worker-Ausgaben
-```
-
-### 3. Routen — je Teil-Task ein Worker-Ein-Schuss (seriell)
-Fuer jeden Bau-Teil-Task:
-1. Baue die Eingabe: **genau der noetige Kontext** + der praezise Auftrag (siehe unten). Bereits
-   fertige Artefakte aus frueheren Schritten als Kontext mitgeben, wenn der Worker sie braucht.
-2. Ruf den Worker auf und fang die Ausgabe roh ab:
-   ```
-   printf '%s' "$eingabe" | WORKER_ROLE=build ~/.hermes/scripts/worker.sh > /tmp/orch-<slug>-work/<n>.out
-   ```
-   (Default-Modell ist `Qwen3-Coder-Next`. Fuer einen bewusst anderen Worker `WORKER_MODEL=<echte-id>`.)
-3. **Pruefe die Ausgabe, bevor du sie verwendest:** Beginnt sie mit `FEHLT:`, hast du zu wenig
-   Kontext gegeben → nachliefern und erneut rufen. Hat der Worker versehentlich einen ```-Codezaun
-   oder Prosa drumherum gesetzt, entferne ihn. Dann schreibe das saubere Artefakt mit deinen
-   Datei-Tools an seinen Platz im Worktree (`/tmp/orch-<slug>/...`). Der Worker hat KEINE
-   Datei-Haende — das Schreiben machst DU.
-
-### 4. Integrieren + Self-Gate (nach jedem Schritt bzw. am Ende)
-Die Worker liefern Bausteine — DU sorgst dafuer, dass sie zusammenpassen (Imports, Verdrahtung,
-Namen). Dann das Selbst-Gate, was zutrifft:
-- Python geaendert → `python3 -m py_compile <dateien>` (und wenn ein Test dabei ist und ohne
-  schwere Deps laeuft: den Test im Worktree ausfuehren).
-- Shell geaendert → `bash -n <dateien>`
-- Frontend (`frontend/src/...`) → auf der Box gibt es KEIN Node. Im Vorschlag ausweisen:
-  „Gate eingeschraenkt: tsc/Build laeuft erst beim Merge auf dem PC."
-- **Live-Checkout unberuehrt (PFLICHT, zwei Beweise):**
-  - `git -C ~/mission-control-v2 status --porcelain -uno` **muss LEER sein** (Beweis, dass du
-    wirklich nur im Worktree gearbeitet hast — ein gruener Health-curl allein reicht NICHT, weil
-    der laufende Dienst den alten Code im RAM haelt und eine schmutzige Datei auf der Platte nicht
-    bemerkt).
-  - `curl -sf http://127.0.0.1:9001/api/health` muss gruen bleiben.
-  - Ist `git status` NICHT leer: die fremden Aenderungen im Live-Checkout mit
-    `git -C ~/mission-control-v2 checkout -- <datei>` zuruecknehmen (deine Arbeit liegt sicher im
-    Worktree) und im Vorschlag ehrlich erwaehnen.
-
-### 5. Zwei-Kritiker-Gate ueber den GESAMTEN Diff (Pflicht)
-Zwei Zweitgutachter mit je anderer Staerke lesen den zusammengesetzten Diff gegen — aus demselben
-Grund wie in der Werkstatt („wer seine eigenen Hausaufgaben benotet, stimmt sich selbst zu"). **NICHT
-`delegate_task`** (laeuft ueber `heavy` → 64K-Floor + Warm-Set-Kollision).
-
-**Zuerst ALLES stagen** — sonst fehlen NEUE Dateien im Diff (haeufigste Falle: `git diff` ignoriert
-untracked Dateien, die Kritiker bekaemen einen LEEREN Diff und wuerden alles blind ablehnen):
-```
-git -C /tmp/orch-<slug> add -A
-```
-Dann die Eingabe EINMAL bauen (mit `--cached`, damit die neuen Dateien drin sind):
-```
-EINGABE="AUFTRAG (im Wortlaut):
-<der urspruengliche Auftrag>
-
-ZERLEGUNG (deine Teil-Tasks, je 1 Zeile):
-<1..n>
-
-GIT-DIFF des Worktrees:
-$(git -C /tmp/orch-<slug> diff --cached origin/main)"
-```
-Ist dieser Diff LEER, hast du nicht gestaged (oder nichts gebaut) → NICHT weiter, erst beheben.
-**Kritik A — Kompetenz** (`Qwen3-Coder-Next`, starker Coder, vom Bauen noch geladen → KEIN Swap):
-```
-printf '%s' "$EINGABE" | FREMDBLICK_MODE=code ~/.hermes/scripts/fremdblick.sh
-```
-**Kritik B — Fremd-Blick** (`GLM-4.6V-Flash`, andere Modellfamilie, andere blinde Flecken):
-```
-printf '%s' "$EINGABE" | FREMDBLICK_MODE=code FREMDBLICK_MODEL=GLM-4.6V-Flash FREMDBLICK_MAXTOK=3000 ~/.hermes/scripts/fremdblick.sh
-```
-Reihenfolge bewusst: erst A (Coder-Next ist noch warm), dann B (ein Swap zu GLM). Beide beginnen mit
-`URTEIL: <ABGELEHNT | FREIGABE-MIT-VORBEHALT | FREIGABE>`. **Warte auf beide.**
-
-**Gate-Regel (streng):** Sagt AUCH NUR EINER `ABGELEHNT` → nachbessern (max. 2 Runden: den
-betroffenen Teil-Task neu an den Worker, integrieren, BEIDE Kritiker erneut). `FREIGABE-MIT-VORBEHALT`
-→ die Vorbehalte adressieren oder im Vorschlag ehrlich ausweisen (NICHT wegdiskutieren). Nur wenn
-BEIDE tragen → Vorschlag. Beide Urteile KONKRET in den Vorschlag (welcher Kritiker was sagte). Faellt
-ein Kritiker technisch aus (`FEHLGESCHLAGEN`/`ABGESCHNITTEN`) → einmal wiederholen, sonst „⚠ Kritik X
-fiel aus" vermerken (NICHT als Freigabe zaehlen).
-
-> Der schwere **Chef-Gutachter (`gpt-oss`)** laeuft NICHT in diesem heissen Pfad — er muesste 60 GB
-> kalt laden und Lucys Warm-Set stoeren. Er prueft separat NACHTS im Leerlauf ueber die offenen
-> Orchestrator-Vorschlaege (eigener Cron), wo Ladezeit + Warm-Set-Umbau verkraftbar sind.
-- `ABGELEHNT` / berechtigte `FREIGABE-MIT-VORBEHALT` → nachbessern (max. 2 Runden: den betroffenen
-  Teil-Task neu an den Worker geben, integrieren, erneut gaten). Bleibt es kritisch: Kritik in den
-  Vorschlag schreiben, Branch bleibt liegen, Entscheidung dem Commander.
-- `FREMDBLICK FEHLGESCHLAGEN`/`ABGESCHNITTEN` → einmal wiederholen; sonst im Vorschlag ehrlich
-  „⚠ Fremd-Review fiel aus — UNGEPRUEFT" vermerken (NICHT als Freigabe behandeln).
-
-### 6. Telegram-Vorschlag (in LUCYS Stimme)
-`bash ~/mission-control-v2/deploy/notify.sh -s "[Orchestrator]" "<text>"` — an den Commander, nicht
-als anonymer Job: erst 1–2 Saetze, was gebaut wurde und was er jetzt entscheiden soll; dann knapp:
-- die **Zerlegung** (welcher Teil-Task an welches Worker-Modell ging),
-- geaenderte/neue Dateien · Kern des Diffs,
-- Self-Gate-Ergebnis · Kritiker-Urteil KONKRET ausgeschrieben (nicht nur „ok"),
-- Branch-Name · Frage „merge oder verwerfen?"
-
-### 7. Nichts loeschen
-Worktree + Branch + rohe Worker-Ausgaben bleiben liegen, bis der Commander entschieden hat.
-
-## Kontext-Uebergabe — hier geht Orchestrierung am ehesten schief
-Jeder Worker startet **frisch und zustandslos**: kein Gedaechtnis der bisherigen Schritte, kein
-Zugriff aufs Repo. Er sieht NUR, was du ihm auf stdin gibst. Deshalb:
-- Gib ihm den **relevanten Ausschnitt** mit — die betroffene Datei (oder den betroffenen Block),
-  benachbarte Muster zum Nachahmen, die genaue Signatur/den Namen, den er treffen muss, und bei
-  Folge-Schritten die bereits fertigen Artefakte, auf die er aufbaut.
-- Sei praezise beim Zielartefakt: „Gib den VOLLSTAENDIGEN Inhalt der neuen Datei `X` aus" bzw. „Gib
-  einen unified Diff gegen den folgenden Stand von `Y` aus".
-- Zu wenig Kontext → der Worker raet oder meldet `FEHLT:`. Zu viel unnoetiger Kontext → er verliert
-  den Fokus. Ziel: das kleinste, das den Teil-Task eindeutig macht.
-
-## Nach dem Commander-Entscheid (kommt als neuer Auftrag)
-- „verwerfen" → `git worktree remove /tmp/orch-<slug> --force && git branch -D orchestrator/<slug>`
-  (+ `rm -rf /tmp/orch-<slug>-work`; Remote-Branch loeschen, falls gepusht).
-- „merge" → das Mergen nach main + Deploy macht der PC/Claude (Frontend-Builds gibt es nur dort).
-  Du pushst NIE nach main.

deploy/skills/wartung/SKILL.md

@@ -1,106 +0,0 @@
----
-name: wartung
-description: "Werkstatt-Kreislauf der AI-Box: einen KLEINEN Wartungsauftrag (Config-Migration, Dependency-Bump, Ein-/Zwei-Datei-Patch) eigenständig umsetzen — Branch im Box-Checkout, Patch, separater Reviewer-Subagent, Gate, Telegram-Merge-Vorschlag. Merge/Deploy NIE selbst."
-version: 1.0.0
-author: MC2 (Autonomie E6)
-platforms: [linux]
-metadata:
-  hermes:
-    tags: [wartung, werkstatt, maintenance, mc2]
----
-
-# Werkstatt — Selbstwartungs-Kreislauf der Box
-
-Nutze diesen Skill, wenn ein kleiner, klar umrissener Wartungsauftrag für das MC2-Repo
-(`~/mission-control-v2`) vorliegt — vom Evolution-Radar oder direkt vom User.
-
-**Scope-Check zuerst:** Klein = Config-Schlüssel-Migration, Dependency-Bump (Lockfile),
-Patch in 1–2 Dateien. Alles Größere (Architektur, mehrere Module, neue Features):
-NUR einen Plan liefern (Text im Telegram-Vorschlag), KEINEN Code.
-
-## Leitplanken (nicht verhandelbar)
-
-- NIEMALS auf `main` committen. NIEMALS mergen. NIEMALS deployen oder Dienste neu starten.
-- Security-Config ist TABU: keine Tokens, approvals, ufw, sudoers anfassen.
-- Die Live-Instanz (`~/mission-control-v2`) bleibt unberührt — gearbeitet wird NUR im Worktree.
-- Am Ende steht IMMER ein Telegram-Vorschlag; die Entscheidung trifft der User.
-- Gate rot oder Reviewer dagegen → trotzdem ehrlich melden (Branch bleibt liegen), nichts beschönigen.
-
-## Ablauf
-
-1. **Worktree anlegen** (Slug = kurzer Kebab-Case-Name des Auftrags):
-   `cd ~/mission-control-v2 && git fetch origin && git worktree add /tmp/wartung-<slug> -b wartung/<slug> origin/main`
-2. **Patch** nur im Worktree. Minimal-invasiv, Stil der umgebenden Datei übernehmen
-   (deutsche Kommentare, bestehende Muster).
-3. **Selbst-Gate** (was zutrifft):
-   - Python geändert → `python3 -m py_compile <dateien>`
-   - Shell geändert → `bash -n <dateien>`
-   - Frontend (`frontend/src/...`) geändert → auf der Box gibt es KEIN Node. Im Vorschlag
-     ausweisen: „Gate eingeschränkt: tsc/Build läuft erst beim Merge auf dem PC."
-   - **Live-Checkout unberührt (PFLICHT, zwei Beweise):**
-     - `git -C ~/mission-control-v2 status --porcelain -uno` **muss LEER sein** — kein einziges
-       geändertes/staged Tracked-File im Live-Checkout. (Nur so ist bewiesen, dass du wirklich
-       ausschließlich im Worktree gearbeitet hast; ein grüner Health-curl allein reicht NICHT,
-       weil der laufende Dienst den alten Code im Speicher hält und eine schmutzige Datei auf
-       der Platte nicht bemerkt — genau diese Lücke ist am 03.07. aufgefallen.)
-     - `curl -sf http://127.0.0.1:9001/api/health` muss grün bleiben.
-     - Ist der `git status` NICHT leer: du hast die Leitplanke verletzt → die fremden Änderungen
-       im Live-Checkout mit `git -C ~/mission-control-v2 checkout -- <datei>` zurücknehmen (deine
-       Arbeit liegt ja sicher im Worktree/Branch) und im Vorschlag ehrlich erwähnen.
-4. **Fremd-Modell-Review über `fremdblick.sh`** (Härtung 04.07., korrigiert 04.07.). Der Patch
-   muss von einem ANDEREN Modell gegengelesen werden als dem, das ihn geschrieben hat. Grund:
-   „Ein Agent, der seine eigenen Hausaufgaben benotet, stimmt sich meistens selbst zu" — genau
-   das ist am 03.07. passiert. Zwei verschiedene Modelle teilen NICHT dieselben blinden Flecken.
-
-   **NICHT `delegate_task` benutzen.** `delegate_task` läuft über `delegation.model` (= `heavy`
-   / gpt-oss), und heavy ist als Kritiker DOPPELT disqualifiziert: (a) Hermes screent Delegations-
-   Ziele gegen `MINIMUM_CONTEXT_LENGTH=64000`, heavy hat nur 32k → fällt raus; (b) heavy (60 GB)
-   stirbt beim Laden neben dem VL-30B-Warm-Set (Health-Check-Timeout). Die Fremd-Prüfung würde
-   dann still ausfallen. Stattdessen den bereitgestellten Ein-Schuss-Kritiker nutzen:
-
-   ```
-   printf '%s' "AUFTRAG (Bug-Beschreibung im Wortlaut):
-   <der Auftrag>
-
-   GIT-DIFF des Worktrees:
-   <git -C /tmp/wartung-<slug> diff origin/main>" | FREMDBLICK_MODE=code ~/.hermes/scripts/fremdblick.sh
-   ```
-
-   Das läuft auf `Qwen3-Coder-Next` (128k, code-stark, anderes Modell als der Qwen3.6-Worker,
-   lädt klein neben dem Warm-Set) mit einem Code-Review-Raster. **Warte auf die Ausgabe.** Der
-   Kritiker leitet den Fehlerfall SELBST aus der Bug-Beschreibung ab (glaubt dem Autor nicht),
-   spielt den geänderten Code durch und beginnt mit `URTEIL: <ABGELEHNT | FREIGABE-MIT-VORBEHALT
-   | FREIGABE>`. (E2E geprüft 04.07.: kaputter Patch → ABGELEHNT mit Reproduktion; sauberer Fix
-   → FREIGABE.)
-
-   **REPRODUZIERT-ODER-ABGELEHNT (harte Regel, im Raster verankert):** Eine Freigabe ist nur
-   gültig, wenn der Kritiker den konkreten Übergang belegt — „Eingabe X → VOR Patch: Y (Bug
-   sichtbar) → NACH Patch: Z (behoben)". Ein „sieht gut aus" OHNE diesen Vorher/Nachher-Beleg =
-   ABGELEHNT. So kann ein Durchwinken gar nicht erst passieren.
-
-   **Umgang mit dem Urteil:**
-   - `ABGELEHNT` oder `FREIGABE-MIT-VORBEHALT` mit berechtigter Kritik → nachbessern (max. 2
-     Runden), dann erneut prüfen. Bleibt es kritisch: die Kritik in den Vorschlag schreiben,
-     Branch bleibt liegen, Entscheidung dem Commander.
-   - `FREMDBLICK FEHLGESCHLAGEN`/`ABGESCHNITTEN` → einmal wiederholen; klappt es nicht, im
-     Vorschlag ehrlich „⚠ Fremd-Review fiel aus — Patch UNGEPRÜFT" vermerken (NICHT als Freigabe
-     behandeln). Der Ein-Schuss-Kritiker hand-simuliert (führt keinen Code aus) — für kleine
-     1–2-Datei-Patches reicht das zusammen mit dem Selbst-Gate (py_compile/bash -n) aus Schritt 3.
-   - Schreibe das Urteil im Telegram-Vorschlag KONKRET aus („durchgespielt mit Eingabe X →
-     Ergebnis Y"), nicht nur „Reviewer: ok".
-5. **Commit im Worktree** (Message `Werkstatt: <Auftrag kurz>` + 2–4 Zeilen Was/Warum),
-   dann **Branch zu Gitea pushen:** `git push origin wartung/<slug>` (die Box hat einen
-   eigenen scoped Token, seit 02.07. hinterlegt). Push fehlgeschlagen? Nicht schlimm —
-   Branch bleibt lokal, im Vorschlag erwähnen.
-6. **Telegram-Vorschlag** über `bash ~/mission-control-v2/deploy/notify.sh -s "[Werkstatt]" "<text>"`:
-   In LUCYS Stimme an den Commander (nicht als anonymer Job): erst 1–2 Sätze, was gemacht wurde
-   und was er jetzt entscheiden soll — dann knapp: geänderte Dateien · Kern des Diffs ·
-   Gate-Ergebnis · Reviewer-Urteil · Branch-Name · Frage „merge oder verwerfen?"
-7. **Nichts löschen:** Worktree + Branch bleiben liegen, bis der User entschieden hat.
-
-## Nach dem User-Entscheid (kommt als neuer Auftrag)
-
-- „verwerfen" → `git worktree remove /tmp/wartung-<slug> --force && git branch -D wartung/<slug>`
-  (+ Remote-Branch löschen, falls gepusht: `git push origin --delete wartung/<slug>`)
-- „merge" → das Mergen nach main + Deploy macht der PC/Claude (Frontend-Builds gibt es
-  nur dort). Du pushst NIE nach main — auch nicht mit Token.

deploy/stack-postcheck.sh

@@ -1,80 +0,0 @@
-#!/usr/bin/env bash
-# Stack-Post-Update-Check: läuft NACH jedem Update (OS / Engine / Router) und verifiziert,
-# 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
-# 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)
-fail=0
-
-echo "=== Stack Post-Update: Funktionsprüfung ==="
-
-# 0. Auf llama-swap warten — ein Engine/Router-Update startet den Dienst neu, der Erststart
-#    (+ erstes Modell-Laden) kann dauern. Max ~120s.
-swap_up=0
-for _ in $(seq 1 60); do
-  curl -sf -m 5 "$SWAP_URL/v1/models" >/dev/null 2>&1 && { swap_up=1; break; }
-  sleep 2
-done
-
-# 1. Router-Dienst aktiv? (is-active ist read-only → kein sudo nötig)
-if systemctl is-active --quiet llama-swap; then
-  echo "PASS · llama-swap-Dienst aktiv"
-else
-  echo "FAIL · llama-swap-Dienst NICHT aktiv"; fail=1
-fi
-
-# 2. Engine erreichbar (Modell-Liste)?
-if [ "$swap_up" -eq 1 ]; then
-  echo "PASS · Engine /v1/models antwortet"
-else
-  echo "FAIL · Engine /v1/models antwortet nicht (nach 120s)"; fail=1
-fi
-
-# 3. Echte Inferenz: lädt ein Modell und generiert es ein Token?
-resp="$(curl -s -m 240 -X POST "$SWAP_URL/v1/chat/completions" \
-  -H 'Content-Type: application/json' \
-  -d "{\"model\":\"$BRAIN\",\"max_tokens\":1,\"messages\":[{\"role\":\"user\",\"content\":\"ping\"}]}" 2>/dev/null)"
-if printf '%s' "$resp" | grep -q '"choices"'; then
-  echo "PASS · Inferenz auf '$BRAIN' liefert eine Antwort"
-else
-  echo "FAIL · Inferenz auf '$BRAIN' fehlgeschlagen (Modell lädt/generiert nicht)"; fail=1
-fi
-
-# 3b. Embedding-Modell (für Mem0/Gedächtnis) lädt und liefert einen Vektor?
-eresp="$(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 '$EMBED' lädt/antwortet nicht (Mem0/Gedächtnis betroffen)"; fail=1
-fi
-
-# 4. MC2 selbst gesund (Engine + Gateway erreichbar)?
-if curl -sf -m 8 "$MC_URL/api/health" 2>/dev/null | grep -qE '"engine_reachable":[[:space:]]*true'; then
-  echo "PASS · MC2 /api/health: engine_reachable=true"
-else
-  echo "FAIL · MC2 /api/health meldet Engine nicht erreichbar"; fail=1
-fi
-
-# 5. Mem0-Sidecar (Gedächtnis) erreichbar?
-if curl -sf -m 5 "$MEM0_URL/health" >/dev/null 2>&1; then
-  echo "PASS · Mem0-Sidecar erreichbar"
-else
-  echo "FAIL · Mem0-Sidecar NICHT erreichbar"; fail=1
-fi
-
-if [ "$fail" -eq 0 ]; then
-  echo "=== STACK OK ✓ ==="
-else
-  echo "=== STACK-CHECK FEHLGESCHLAGEN — bitte prüfen ==="
-fi
-exit "$fail"

deploy/sudoers-mc2-autonomie

@@ -1,13 +0,0 @@
-# MC2-Autonomie: erlaubt dem Auto-Update-Timer (User hitonabi) die beiden
-# root-Update-Skripte OHNE Passwort. Einmalig als root installieren:
-#
-#   sudo install -m 0440 -o root -g root ~/mission-control-v2/deploy/sudoers-mc2-autonomie /etc/sudoers.d/mc2-autonomie
-#   sudo visudo -c
-#
-# In derselben einmaligen sudo-Session sinnvoll (siehe AUTONOMIE_PLAN E2 + Faden C14):
-#   sudo apt-get install -y unattended-upgrades && sudo dpkg-reconfigure -plow unattended-upgrades
-#   sudo systemctl disable --now mission-control.service   # stale v1-Unit
-#
-# Hinweis: die Skripte liegen im User-Checkout (User-schreibbar) — bewusste
-# Entscheidung für die Single-User-Appliance; die Regel gilt NUR für exakt diese Pfade.
-hitonabi ALL=(root) NOPASSWD: /usr/bin/bash /home/hitonabi/mission-control-v2/deploy/update-engine.sh, /usr/bin/bash /home/hitonabi/mission-control-v2/deploy/update-swap.sh

deploy/update-engine.sh

@@ -1,83 +0,0 @@
-#!/usr/bin/env bash
-# Aktualisiert den Vulkan-llama.cpp-Build (ggml-org) auf den neuesten Release.
-# Wird vom MC2-„Engine Update"-Button via `sudo bash …` als ROOT aufgerufen (kein internes sudo).
-#
-# Wichtig: llama-swap wird VOR dem Datei-Austausch gestoppt — sonst ist die laufende llama-server-
-# Binary „Text file busy" und die mmap'ten .so-Libs dürfen nicht unter dem laufenden Prozess
-# getauscht werden. Danach Stack-Check (echte Inferenz); bei Fehler Auto-Rollback.
-#
-# Exit 0 = neuer Build verifiziert · 1 = fehlgeschlagen, Rollback ok (alter Build läuft)
-#        · 2 = Update UND Rollback fehlgeschlagen (Stack evtl. kaputt — bitte prüfen)
-set -uo pipefail   # bewusst KEIN -e: bei Fehlern kontrolliert zurückrollen statt hart abbrechen
-
-VULKAN_DIR=/opt/llamacpp-vulkan
-BAK_DIR=/opt/llamacpp-vulkan.bak     # „letzter funktionierender Build" für Auto-Rollback
-SRC_DIR="$(cd "$(dirname "$0")" && pwd)"
-PIN_BUILD="${MC_ENGINE_BUILD:-}"     # leer = neuester Release
-
-die(){ echo "$1" >&2; exit 1; }
-start_swap(){ systemctl start llama-swap || systemctl restart llama-swap; }
-
-# Inhalte von $1 nach $VULKAN_DIR spiegeln (Dir vorher leeren → sauberer Austausch).
-replace_dir(){
-  rm -rf "${VULKAN_DIR:?}" && mkdir -p "$VULKAN_DIR" || return 1
-  cp -a "$1/." "$VULKAN_DIR"/ || return 1
-  ln -sfn "$VULKAN_DIR/llama-server" /usr/local/bin/llama-server
-  [ -x "$VULKAN_DIR/llama-server" ]
-}
-
-# 1. Release ermitteln + laden (vor jedem Eingriff am laufenden System).
-#    ACHTUNG: Die ALLERNEUESTE Release traegt oft noch keine CI-Binaries (0 Assets) → ihr
-#    Download-Link 404t. Darum NICHT stumpf releases/latest nehmen, sondern die neueste
-#    Release, die WIRKLICH ein `ubuntu-vulkan-x64.tar.gz`-Asset hat, und dessen echte
-#    browser_download_url direkt verwenden (robust auch gegen kuenftige Namensaenderungen).
-ASSET_RX='ubuntu-vulkan-x64\.tar\.gz$'
-if [ -n "$PIN_BUILD" ]; then
-  TAG="$PIN_BUILD"
-  URL="https://github.com/ggml-org/llama.cpp/releases/download/${TAG}/llama-${TAG}-bin-ubuntu-vulkan-x64.tar.gz"
-else
-  REL_JSON="$(curl -s 'https://api.github.com/repos/ggml-org/llama.cpp/releases?per_page=15')"
-  URL="$(printf '%s' "$REL_JSON" | jq -r --arg rx "$ASSET_RX" '[.[] | .assets[]? | select(.name|test($rx))][0].browser_download_url // empty')"
-  TAG="$(printf '%s' "$REL_JSON" | jq -r --arg rx "$ASSET_RX" '[.[] | select(any(.assets[]?; .name|test($rx)))][0].tag_name // empty')"
-fi
-[ -n "$URL" ] && [ "$URL" != "null" ] || die "Kein Vulkan-x64-Build in den letzten Releases gefunden (404-Schutz)"
-TMP="$(mktemp -d)"
-trap 'rm -rf "$TMP"' EXIT
-
-echo "Lade Engine ${TAG} …"
-curl -fsSL -o "$TMP/v.tgz" "$URL" || die "Download fehlgeschlagen"
-tar xzf "$TMP/v.tgz" -C "$TMP" || die "Entpacken fehlgeschlagen"
-NEWDIR="$(echo "$TMP"/llama-*/)"                       # Tarball entpackt nach llama-<tag>/
-[ -x "${NEWDIR}llama-server" ] || die "llama-server im Archiv nicht gefunden (${NEWDIR})"
-
-# 2. Aktuellen (funktionierenden) Build sichern → Auto-Rollback
-echo "Sichere aktuellen Build → ${BAK_DIR}"
-rm -rf "$BAK_DIR"
-cp -a "$VULKAN_DIR" "$BAK_DIR" || die "Backup fehlgeschlagen"
-
-# 3. llama-swap stoppen (gibt Binary/Libs frei), austauschen, wieder starten
-echo "Stoppe llama-swap für den Austausch…"
-systemctl stop llama-swap
-if replace_dir "${NEWDIR%/}"; then
-  start_swap
-  echo "Engine auf ${TAG} aktualisiert — verifiziere Stack…"
-  if bash "$SRC_DIR/stack-postcheck.sh"; then
-    echo "Engine-Update ${TAG} erfolgreich verifiziert."
-    exit 0
-  fi
-  echo "!! Stack-Check fehlgeschlagen — ROLLBACK auf vorherigen Build."
-else
-  echo "!! Datei-Austausch fehlgeschlagen — ROLLBACK auf vorherigen Build."
-fi
-
-# 4. Auto-Rollback auf den gesicherten Build
-systemctl stop llama-swap
-if replace_dir "$BAK_DIR"; then
-  start_swap
-  if bash "$SRC_DIR/stack-postcheck.sh"; then
-    echo "Rollback erfolgreich: vorheriger Build läuft wieder. (Update ${TAG} NICHT angewendet.)"
-    exit 1
-  fi
-fi
-echo "!!! Rollback fehlgeschlagen — Stack möglicherweise kaputt! Backup liegt unter ${BAK_DIR}."
-exit 2

deploy/update-swap.sh

@@ -1,68 +0,0 @@
-#!/usr/bin/env bash
-# Aktualisiert den llama-swap-Router (mostlygeek/llama-swap) auf den neuesten Release.
-# Wird vom MC2-„Router Update"-Button via `sudo bash …` als ROOT aufgerufen (kein internes sudo).
-#
-# Wichtig: llama-swap wird VOR dem Binary-Tausch gestoppt — sonst ist die laufende Binary
-# „Text file busy". Danach Stack-Check (echte Inferenz); bei Fehler Auto-Rollback.
-#
-# Exit 0 = neue Version verifiziert · 1 = fehlgeschlagen, Rollback ok (alte Version läuft)
-#        · 2 = Update UND Rollback fehlgeschlagen (Stack evtl. kaputt — bitte prüfen)
-set -uo pipefail   # bewusst KEIN -e: bei Fehlern kontrolliert zurückrollen statt hart abbrechen
-
-SWAP_BIN="${MC_SWAP_BIN:-/usr/local/bin/llama-swap}"
-BAK="${SWAP_BIN}.bak"                # „letzte funktionierende Version" für Auto-Rollback
-SRC_DIR="$(cd "$(dirname "$0")" && pwd)"
-PIN_VER="${MC_SWAP_VERSION:-}"       # leer = neuester Release
-
-die(){ echo "$1" >&2; exit 1; }
-start_swap(){ systemctl start llama-swap || systemctl restart llama-swap; }
-
-if [ -n "$PIN_VER" ]; then
-  TAG="$PIN_VER"
-else
-  TAG="$(curl -s https://api.github.com/repos/mostlygeek/llama-swap/releases/latest | jq -r .tag_name)"
-fi
-[ -n "$TAG" ] && [ "$TAG" != "null" ] || die "Konnte neuesten Release-Tag nicht ermitteln"
-
-# Asset-Name nutzt die nackte Nummer (z.B. v230 -> 230): llama-swap_230_linux_amd64.tar.gz
-NUM="${TAG#v}"
-ASSET="llama-swap_${NUM}_linux_amd64.tar.gz"
-URL="https://github.com/mostlygeek/llama-swap/releases/download/${TAG}/${ASSET}"
-TMP="$(mktemp -d)"
-trap 'rm -rf "$TMP"' EXIT
-
-echo "Lade llama-swap ${TAG} …"
-curl -fsSL -o "$TMP/s.tgz" "$URL" || die "Download fehlgeschlagen"
-tar xzf "$TMP/s.tgz" -C "$TMP" || die "Entpacken fehlgeschlagen"
-NEW="$(find "$TMP" -type f -name llama-swap | head -1)"
-[ -n "$NEW" ] || die "llama-swap-Binary im Archiv nicht gefunden"
-
-# Sicherung der aktuellen (funktionierenden) Binary → Auto-Rollback
-[ -x "$SWAP_BIN" ] && { cp -a "$SWAP_BIN" "$BAK" || die "Backup fehlgeschlagen"; }
-
-# llama-swap stoppen (gibt die laufende Binary frei), tauschen, wieder starten
-echo "Stoppe llama-swap für den Binary-Tausch…"
-systemctl stop llama-swap
-if install -m 0755 "$NEW" "$SWAP_BIN" && [ -x "$SWAP_BIN" ]; then
-  start_swap
-  echo "Router auf ${TAG} aktualisiert — verifiziere Stack…"
-  if bash "$SRC_DIR/stack-postcheck.sh"; then
-    echo "Router-Update ${TAG} erfolgreich verifiziert."
-    exit 0
-  fi
-  echo "!! Stack-Check fehlgeschlagen — ROLLBACK auf vorherige Version."
-else
-  echo "!! Binary-Tausch fehlgeschlagen — ROLLBACK auf vorherige Version."
-fi
-
-# Auto-Rollback auf die gesicherte Binary
-systemctl stop llama-swap
-if [ -x "$BAK" ] && install -m 0755 "$BAK" "$SWAP_BIN"; then
-  start_swap
-  if bash "$SRC_DIR/stack-postcheck.sh"; then
-    echo "Rollback erfolgreich: vorherige llama-swap-Version läuft wieder. (Update ${TAG} NICHT angewendet.)"
-    exit 1
-  fi
-fi
-echo "!!! Rollback fehlgeschlagen — Stack möglicherweise kaputt! Backup liegt unter ${BAK}."
-exit 2

deploy/voice-service.service

@@ -1,23 +0,0 @@
-[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 (analog mem0-service). Bind 127.0.0.1: nur lokal; MC2 proxyt nach außen.
-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

@@ -1,57 +0,0 @@
-#!/usr/bin/env bash
-# Lädt das warme "brains"-Set nach einem llama-swap-(Re)Start vor, damit die ERSTE
-# Anfrage nicht kalt ist (llama-swap lädt sonst lazy bei Bedarf).
-# Eingehängt als  ExecStartPost=-/usr/local/bin/llama-swap-warmup.sh  in llama-swap.
-#
-# `fast` = das Agent-Hirn (Qwen3.6-35B-A3B), `vision` = die Augen (Qwen3-VL-8B, ttl 0 seit
-# 03.07. — gehört zum UI-Versprechen „Immer-bereit-Set"), `embed` = das Embedding-Modell
-# (Qwen3-Embedding-0.6B, für Mem0/Gedächtnis). Alle in der brains-Gruppe (persistent), werden
-# aber NICHT automatisch zusammen geladen — jedes Modell einzeln anstoßen, sonst bleibt es kalt.
-# Embedding läuft im --embedding-Modus → anderer Endpunkt (/v1/embeddings, nicht chat).
-# Selbst-detachend: blockiert den Service-Start nicht.
-# NACH ÄNDERUNG: sudo cp deploy/warmup.sh /usr/local/bin/llama-swap-warmup.sh (root-Kopie!)
-set -u
-URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
-BRAINS="${MC_WARMUP_MODELS:-fast vision}"
-EMBEDS="${MC_WARMUP_EMBED:-embed}"
-
-if [ "${1:-}" != "--inner" ]; then
-  setsid "$0" --inner >/dev/null 2>&1 &
-  exit 0
-fi
-
-# --- ab hier im entkoppelten Hintergrundprozess ---
-for _ in $(seq 1 60); do                       # auf llama-swap warten (max ~120s)
-  curl -sf "$URL/v1/models" >/dev/null 2>&1 && break
-  sleep 2
-done
-
-for m in $BRAINS; do                           # Chat-Hirne über /v1/chat/completions
-  curl -s -m 180 -X POST "$URL/v1/chat/completions" \
-    -H 'Content-Type: application/json' \
-    -d "{\"model\":\"$m\",\"max_tokens\":1,\"messages\":[{\"role\":\"user\",\"content\":\"ping\"}]}" \
-    >/dev/null 2>&1 || true
-done
-
-for m in $EMBEDS; do                           # Embedding-Modelle über /v1/embeddings
-  curl -s -m 120 -X POST "$URL/v1/embeddings" \
-    -H 'Content-Type: application/json' \
-    -d "{\"model\":\"$m\",\"input\":\"ping\"}" \
-    >/dev/null 2>&1 || true
-done
-
-# Agenten-Prompt vorkauen: Hermes' Systemprompt (~70 KB, 33 Tool-Schemas) kostet nach
-# jedem Modell-(Neu-)Laden sonst 30-40 s Prefill BEIM ERSTEN USER-CALL (gemessen 03.07.:
-# kalt 37 s, mit gefülltem Prompt-Cache ~6 s). Ein Wegwerf-Turn füllt den -cram-Cache.
-AGENT_KEY="$(grep -E '^API_SERVER_KEY=' "$HOME/.hermes/.env" 2>/dev/null | cut -d= -f2- | tr -d '"' | tr -d "'")"
-if [ -n "$AGENT_KEY" ]; then
-  for _ in $(seq 1 45); do                     # auf hermes-gateway warten (Boot-Reihenfolge)
-    curl -sf -m 2 "http://127.0.0.1:8642/health" >/dev/null 2>&1 && break
-    sleep 2
-  done
-  curl -s -m 120 -X POST "http://127.0.0.1:8642/v1/chat/completions" \
-    -H "Authorization: Bearer $AGENT_KEY" -H 'Content-Type: application/json' \
-    -H 'X-Hermes-Session-Id: warmup-prefill' \
-    -d '{"model":"hermes","stream":false,"messages":[{"role":"user","content":"Sag nur OK."}]}' \
-    >/dev/null 2>&1 || true
-fi

deploy/worker.sh

@@ -1,96 +0,0 @@
-#!/usr/bin/env bash
-# Worker — Ein-Schuss-Arbeitsauftrag an ein bestimmtes Worker-Modell (llama-swap, SERIELL).
-# Das Gegenstueck zu fremdblick.sh: fremdblick KRITISIERT, worker ARBEITET. Beide sind eine
-# EINZELNE Completion an eine ECHTE llama-swap-Modell-ID (kein Gateway-Alias, kein delegate_task)
-# → umgeht Hermes' 64K-Delegations-Floor (MINIMUM_CONTEXT_LENGTH) und das Laden grosser Modelle
-# neben dem Warm-Set liegt bewusst in DEINER Hand.
-#
-# WICHTIG (harte Speicher-Falle): Waehle nur Worker, die KLEIN neben dem Warm-Set laden.
-#   v1-Palette = Qwen3-Coder-Next (128k, code-stark, laedt klein). NIEMALS "heavy"/gpt-oss-120b
-#   als Worker: 60 GB stirbt beim Laden neben dem VL-30B-Warm-Set (Health-Check-Timeout) und
-#   gefaehrdet Lucys ~1-s-Sprech-Latenz.
-#
-# Der Worker ist ZUSTANDSLOS: kein Gedaechtnis, keine Datei-Haende. Er bekommt GENAU den Kontext,
-# den du ihm auf stdin gibst, und liefert TEXT zurueck (Datei-Inhalt / Diff / Plan). Das SCHREIBEN
-# in Dateien macht der Manager (Hermes) danach mit seinen eigenen Tools.
-#
-# Nutzung:  printf '%s' "$teiltask_mit_kontext" | WORKER_ROLE=build worker.sh > /tmp/out.py
-#           printf '%s' "$spec" | WORKER_MODEL=Qwen3-Coder-Next WORKER_ROLE=build worker.sh
-#
-# Env-Overrides:
-#   WORKER_MODEL   echte llama-swap-ID (Default: Qwen3-Coder-Next). NICHT gpt-oss/heavy (siehe oben).
-#   WORKER_ROLE    build (Default) | refactor | plan | prose  — waehlt das System-Raster.
-#   WORKER_SYS     eigenes System-Raster (uebersteuert WORKER_ROLE).
-#   WORKER_MAXTOK  max_tokens (Default 4000 — Code braucht Platz).
-#   WORKER_TEMP    temperature (Default 0.1 — deterministisch fuer Code).
-set -uo pipefail
-
-# Achtung: llama-swap listet unter /v1/models die ECHTEN Modell-IDs, nicht die Gateway-Aliase
-# (kein "heavy"/"coder"/"scout" hier — die echte ID nehmen).
-ENDPOINT="${WORKER_ENDPOINT:-http://127.0.0.1:8080/v1/chat/completions}"
-MODEL="${WORKER_MODEL:-Qwen3-Coder-Next}"
-ROLE="${WORKER_ROLE:-build}"
-MAXTOK="${WORKER_MAXTOK:-4000}"
-TEMP="${WORKER_TEMP:-0.1}"
-TASK="$(cat)"
-
-if [ -z "${TASK// /}" ]; then
-  echo "=== WORKER: nichts zu tun (leere Eingabe) ===" >&2
-  exit 2
-fi
-
-# Aufruf-Protokoll: Nachweis, dass wirklich delegiert wurde (der Manager kann sich das nicht
-# ausdenken) + Beobachtbarkeit eines Orchestrator-Laufs. Best-effort, blockiert nie.
-LOGF="${WORKER_LOG:-$HOME/.hermes/logs/worker.log}"
-mkdir -p "$(dirname "$LOGF")" 2>/dev/null || true
-printf '%s\tmodel=%s\trole=%s\tbytes=%s\tfirst=%s\n' \
-  "$(date +%Y-%m-%dT%H:%M:%S)" "$MODEL" "$ROLE" "${#TASK}" \
-  "$(printf '%s' "$TASK" | tr '\n\t' '  ' | cut -c1-90)" >> "$LOGF" 2>/dev/null || true
-
-# Bau-Raster: liefert NUR das Artefakt, keine Prosa, kein Markdown-Zaun (Manager schreibt es 1:1 in eine Datei).
-BUILD_SYS='Du bist ein fokussierter Umsetzungs-Worker in einem Fliessband. Du bekommst EINEN abgegrenzten Teil-Auftrag mit allem noetigen Kontext. Erledige GENAU diesen Teil — nicht mehr, nicht weniger. Du bist ZUSTANDSLOS: nutze NUR den mitgelieferten Kontext, erfinde keine Datei-Inhalte, keine Pfade und keine APIs dazu; fehlt dir etwas Entscheidendes, schreibe als EINZIGE Ausgabe eine Zeile "FEHLT: <was genau>" statt zu raten. Uebernimm den Stil des umgebenden Codes (Sprache der Kommentare, bestehende Muster, Einrueckung). Gib NUR das geforderte Artefakt aus (den vollstaendigen Datei-Inhalt bzw. den unified Diff), OHNE Vorrede, OHNE ```-Codezaun, OHNE Erklaerung danach.'
-# Refactor: wie build, aber betont Verhalten-erhalten.
-REFACTOR_SYS='Du bist ein fokussierter Refactor-Worker. Du bekommst bestehenden Code und einen klaren Umbau-Auftrag. Erhalte das beobachtbare Verhalten exakt; aendere nur, was der Auftrag verlangt. Du bist ZUSTANDSLOS: nutze NUR den mitgelieferten Kontext; fehlt Entscheidendes, gib nur "FEHLT: <was>" aus. Gib NUR den vollstaendigen neuen Datei-Inhalt bzw. den Diff aus, OHNE Prosa, OHNE ```-Codezaun.'
-# Plan-Raster: knappe, umsetzbare Schrittliste (kein Code). In v1 plant meist der Manager selbst; optional.
-PLAN_SYS='Du bist ein knapper Umsetzungs-Planer. Zerlege den Auftrag in eine kurze, nummerierte Liste konkreter Schritte — je 1 Zeile: welche Datei, was passiert. Keine Prosa drumherum, KEIN Code, keine Alternativen-Diskussion.'
-# Prosa-Raster: Text-/Recherche-Teiltask.
-PROSE_SYS='Du bist ein fokussierter Text-Worker. Erledige den Schreib-/Recherche-Teilauftrag knapp und sachlich auf Deutsch, ausschliesslich mit dem mitgelieferten Kontext. Keine Ausschmueckung, keine erfundenen Fakten.'
-
-case "$ROLE" in
-  build)    SYS="${WORKER_SYS:-$BUILD_SYS}" ;;
-  refactor) SYS="${WORKER_SYS:-$REFACTOR_SYS}" ;;
-  plan)     SYS="${WORKER_SYS:-$PLAN_SYS}" ;;
-  prose)    SYS="${WORKER_SYS:-$PROSE_SYS}" ;;
-  *)        SYS="${WORKER_SYS:-$BUILD_SYS}" ;;
-esac
-
-RESP="$(jq -n --arg m "$MODEL" --arg s "$SYS" --arg u "$TASK" --argjson t "$MAXTOK" --argjson temp "$TEMP" \
-  '{model:$m, temperature:$temp, max_tokens:$t, messages:[{role:"system",content:$s},{role:"user",content:$u}]}' \
-  | curl -s --max-time 300 "$ENDPOINT" -H 'Content-Type: application/json' -d @- 2>/dev/null)"
-
-OUT="$(printf '%s' "$RESP" | jq -r '.choices[0].message.content // empty' 2>/dev/null)"
-FIN="$(printf '%s' "$RESP" | jq -r '.choices[0].finish_reason // empty' 2>/dev/null)"
-
-# Code-Modelle wickeln die Ausgabe trotz Anweisung gern in einen ```-Codezaun. stdout soll aber ein
-# DIREKT schreibbares Artefakt sein → einen umschliessenden Zaun entfernen (nur wenn die erste UND
-# die letzte nicht-leere Zeile ein Zaun ist — der uebliche Wrap-Fall; interne Zaeune bleiben unberuehrt).
-OUT="$(printf '%s' "$OUT" | awk '
-  { l[NR]=$0 }
-  END {
-    f=0; last=0
-    for (i=1;i<=NR;i++) if (l[i] ~ /[^[:space:]]/) { if (!f) f=i; last=i }
-    if (f && l[f] ~ /^[[:space:]]*```/ && l[last] ~ /^[[:space:]]*```[[:space:]]*$/ && f!=last)
-      { for (i=f+1;i<last;i++) print l[i] }
-    else
-      { for (i=1;i<=NR;i++) print l[i] }
-  }')"
-
-if [ -n "$OUT" ]; then
-  printf '%s\n' "$OUT"
-  # Abschneide-Warnung auf stderr (stdout bleibt sauberes Artefakt).
-  [ "$FIN" = "length" ] && echo "=== WORKER-HINWEIS: Ausgabe bei max_tokens ($MAXTOK) ABGESCHNITTEN — WORKER_MAXTOK erhoehen ODER den Teil-Task kleiner schneiden. ===" >&2
-  exit 0
-else
-  echo "=== WORKER FEHLGESCHLAGEN (Modell $MODEL, finish=${FIN:-keins}) — kein Ergebnis. Endpoint/Modell-ID pruefen (echte /v1/models-ID, kein Alias). ===" >&2
-  exit 1
-fi