MC2 Final (D16 a/b/d): verständliche Updates + ehrliche Speicher-Zahlen

a) Update-Meldungen: generischer Release-Summarizer in Lucys Stimme mit
   strukturiertem Aktions-Verdikt ("Musst du etwas tun? NEIN/JA") für
   Hermes, Engine (llama.cpp) und llama-swap; Fangnetz-Hinweis verheiratet
   Breaking-Change-Sorge mit dem Postcheck.
b) OS ehrlich: zurückgestellte Pakete (Phasen-Rollout / kept back) werden
   ausgewiesen statt scheinbar zu hängen.
d) Ehrliche Speicher-Zahlen: KV-Cache aus echten GGUF-Architektur-Daten
   (Layer × KV-Köpfe × head_dim) + KV-Quant aus dem cmd statt params-blinder
   Schätzung — footprint_gb als eine Zahlensprache (Zentrale, Modell-Manager,
   fits-Check auf warmset+largest). Auto-Rewarm-Nudge nach Config-Reload.

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

.claude/launch.json

@@ -0,0 +1,28 @@
+{
+  "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

@@ -0,0 +1,12 @@
+# 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

@@ -0,0 +1,22 @@
+# 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*
+

README.md

@@ -0,0 +1,68 @@
+# Mission Control 2.0
+
+Komponierbarer Local-AI-Stack für den Bosgame M5. Greenfield-Neuaufbau —
+siehe Architektur-Plan (`docs/` bzw. der genehmigte Plan).
+
+**Schichten:** Engine (llama-swap, **Vulkan/RADV** auf Strix Halo) · **Builtin-Routing-Gateway**
+in MC2 (`model: auto`, kein externer LiteLLM-Dienst — scheitert auf Python 3.14) ·
+Mission Control 2.0 (FastAPI + React/shadcn) · Hermes Agent + hermes-webui ·
+Shared Memory (SQLite via MCP). Jede Schicht hinter stabilem Vertrag austauschbar.
+
+## Status: Phasen 0–5 ✅ · MC2 **live auf der Box** (:9001) · Modelle/Hermes-Wiring + Cutover offen
+
+Fortschritt & Resume-Guide: siehe [`docs/STATUS.md`](docs/STATUS.md).
+
+- **Phase 0** — FastAPI-Skeleton + React/shadcn-Shell (Cmd+K, Dark, PWA).
+- **Phase 1** — Compute-Module (fit/caps/sources, portiert), **Discover** (live HF + Fit + Caps),
+  **Engine-Write** (register + `groups`/Ko-Residenz + vocab-geprüfte Spec-Drafts),
+  **Builtin-Gateway** (`model: auto` + Fallbacks), Frontend **Modelle & Routing** (Caps-Chips, Fit, Discover, Routing-View).
+
+- **Phase 2** — System-Status (CPU/RAM/GPU/Disk), Wartung (restart/self-update, sudo-frei),
+  **Connect** (saubere IDE-Snippets → Gateway `model:auto`, LAN-IP-Override).
+- **Phase 3** — Geteiltes **Gedächtnis** (SQLite/WAL, 5 Kategorien, Dedupe-Kurator) + **MCP-Server**
+  (`mcp/mcp_memory.py` shared, `mcp/mcp_mc.py` Stack-Management für Hermes), MemoryView.
+
+- **Phase 4** — Hermes-**Agent-Status** (`/api/agent/status`, AgentView mit Tiles + „Hermes öffnen"),
+  `deploy/hermes-webui.service`, **Box-Runbook** [`docs/HERMES_SETUP.md`](docs/HERMES_SETUP.md)
+  (hermes-webui, Brain=`auto`, Tools/MCP-Verdrahtung). Box-Ausführung steht noch aus.
+
+- **Phase 5** — **Backup** (Memory + Configs), **Services-Health** + Observability-Links,
+  **Theme-Toggle** (Hell/Dunkel). Box-Deploy/-Wiring + Cutover (Phase 6) brauchen die Box.
+
+API: `health · models · discover · fit · models/register · groups · routing · system/* · connect ·
+memory/* · agent/status` (Details in `docs/STATUS.md`). MCP: `mcp/` (siehe `mcp/requirements.txt`).
+Box-Runbooks: `docs/HERMES_SETUP.md` + `deploy/` (Units, deploy.sh, backup.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) |

backend/app.py

@@ -0,0 +1,98 @@
+"""
+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 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 config import FRONTEND_DIST, VERSION
+from routers import agent, connect, gateway_proxy, health, maintenance, memory, models, reminders as reminders_router, routing, system, voice
+from 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):
+    """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 = []
+    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()))
+    try:
+        yield
+    finally:
+        for task in tasks:
+            task.cancel()
+
+
+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):
+    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)
+
+
+# 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")
+
+    @app.get("/{full_path:path}")
+    def spa(full_path: str):
+        # Falls die Datei direkt in FRONTEND_DIST liegt (z.B. manifest.webmanifest, favicon.ico), liefere sie aus
+        target = FRONTEND_DIST / full_path
+        if target.is_file():
+            return FileResponse(target)
+            
+        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

@@ -0,0 +1,118 @@
+"""
+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 (Ersatz für AnythingLLM-Chat).
+# Wird in MC2 per iframe eingebettet (Terminal-Seite). Siehe deploy/hermes-terminal.service.
+HERMES_TERMINAL_URL = os.environ.get("MC_HERMES_TERMINAL_URL", "http://192.168.178.151:7681").rstrip("/")
+# 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

@@ -0,0 +1,56 @@
+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

@@ -0,0 +1,60 @@
+{
+  "_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": "2026-06-27",
+  "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-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": "gemma-4-26B-A4B-it", "repo": "google/gemma-4-26B-A4B-it-GGUF",
+      "family": "gemma", "generation": 4.0, "total_params_b": 26, "active_params_b": 4,
+      "moe": true, "quant": "Q4_K_M", "ctx": 32768, "tools": false, "vision": true
+    },
+    {
+      "role": "scout", "name": "gemma-4-31B-it", "repo": "google/gemma-4-31B-it-GGUF",
+      "family": "gemma", "generation": 4.0, "total_params_b": 31, "active_params_b": 31,
+      "moe": false, "quant": "Q4_K_M", "ctx": 32768, "tools": false, "vision": true
+    }
+  ]
+}

backend/requirements.txt

@@ -0,0 +1,8 @@
+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

@@ -0,0 +1,44 @@
+"""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

@@ -0,0 +1,21 @@
+"""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/gateway_proxy.py

@@ -0,0 +1,123 @@
+import os
+
+import httpx
+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():
+    async with httpx.AsyncClient(timeout=10) as c:
+        r = await c.get(f"{LLAMA_SWAP_URL}/v1/models")
+        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}"
+
+    if body.get("stream"):
+        async def gen():
+            async with httpx.AsyncClient(timeout=None) as c:
+                async with c.stream("POST", url, json=body) 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)
+
+    async with httpx.AsyncClient(timeout=600) as c:
+        r = await c.post(url, json=body)
+        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

@@ -0,0 +1,21 @@
+"""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/maintenance.py

@@ -0,0 +1,80 @@
+"""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

@@ -0,0 +1,81 @@
+"""Memory-Endpoints (geteiltes Gedächtnis). LAN-only, kein Token in 2.0-Phase 3."""
+
+from fastapi import APIRouter, HTTPException
+from pydantic import BaseModel
+
+from services import memory
+
+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]:
+    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

@@ -0,0 +1,293 @@
+"""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

@@ -0,0 +1,37 @@
+"""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

@@ -0,0 +1,43 @@
+"""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

@@ -0,0 +1,128 @@
+"""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, HTTPException
+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.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")
+
+# Nur diese User-Dienste dürfen neugestartet werden.
+ALLOWED_SERVICES = {"mission-control-2", "hermes-gateway", "hermes-webui", "mem0-service", "voice-service"}
+# 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:
+    if req.service not in ALLOWED_SERVICES:
+        raise HTTPException(400, f"Dienst '{req.service}' nicht erlaubt.")
+    return _run(["systemctl", "--user", "restart", 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

@@ -0,0 +1,322 @@
+"""
+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 Timer, get_metrics, record_stage  # Per-Stage-Latenz (C2)
+
+# 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/metrics")
+def voice_metrics() -> dict:
+    """Per-Stage-Latenz (STT/Vision/Chat-TTFB/TTS) — rollende Statistik, macht die Voice-Pipeline
+    messbar (C2). Anzeige im Frontend-Overhaul (E)."""
+    return get_metrics()
+
+
+@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/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:
+            with Timer("stt"):
+                r = await client.post(f"{VOICE_SERVICE_URL}/stt", files=files, data={"language": language})
+            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():
+        t0 = time.perf_counter()
+        first = True
+        first_content = True
+        # 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]
+        if imgs:
+            yield b'event: hermes.vision.progress\ndata: {"note": "Bildschirm wird angeschaut"}\n\n'
+            with Timer("vision"):
+                desc = await _describe_images(imgs, body.text)
+            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})
+        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]
+                        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)
+                            record_stage("chat_ttfb", (time.perf_counter() - t0) * 1000.0)
+                            first = False
+                        # Erster CONTENT-Delta = echte Hirn-Latenz (Agent-Overhead + LLM-TTFT) —
+                        # chat_ttfb misst nur den SSE-Start (~5 ms) und ist dafür blind.
+                        if first_content and b'"content"' in chunk:
+                            record_stage("chat_first_content", (time.perf_counter() - t0) * 1000.0)
+                            first_content = False
+                        yield chunk
+        except httpx.HTTPError as exc:
+            yield f"data: {{\"error\": \"Verbindung zu Hermes fehlgeschlagen: {exc}\"}}\n\n".encode()
+
+    return StreamingResponse(gen(), media_type="text/event-stream")

backend/services/agent.py

@@ -0,0 +1,254 @@
+"""
+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_URL, 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`), eingebettet in MC2.
+        "terminal_url": HERMES_TERMINAL_URL,
+        "gateway_reachable": _reach(HERMES_API_URL, "/health"),
+        "terminal_reachable": _reach(HERMES_TERMINAL_URL, "/"),
+        "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

@@ -0,0 +1,99 @@
+"""
+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

@@ -0,0 +1,73 @@
+"""
+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

@@ -0,0 +1,205 @@
+"""
+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

@@ -0,0 +1,135 @@
+"""
+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

@@ -0,0 +1,115 @@
+"""
+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

@@ -0,0 +1,137 @@
+"""
+Connect: erzeugt saubere, getestete Konfig-Snippets für IDEs/Agenten auf dem
+LOKALEN PC (separate Maschine im LAN). Alle zeigen auf den **Gateway** der Box
+(Lanes `coding`/`chat`, 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 NUR die 'coding'-Lane zu sehen — die Lane routet intern selbst auf das
+# passende Modell (Coder/Heavy/…). Ein einziger Eintrag, kein manuelles Modell-Wählen mehr.
+IDE_MODEL = "coding"
+
+
+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": "coding",
+    }, 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": [
+                        {"name": IDE_MODEL, "display_name": "Box / coding", "max_tokens": 131072,
+                         "capabilities": {"tools": True}}
+                    ],
+                }
+            }
+        },
+        "agent": {
+            "default_model": {"provider": "openai_compatible", "model": IDE_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=coding, 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="coding"'
+    )
+
+    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. Lane 'coding' routet intern."},
+            "kilo": {"label": "Kilo Code", "lang": "json", "snippet": kilo,
+                     "note": "VS Code/JetBrains (schwergewichtiger). OpenAI-Provider → Gateway. "
+                             "API-Profile je Modus: Code→coding · 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

@@ -0,0 +1,179 @@
+"""
+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

@@ -0,0 +1,106 @@
+"""
+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

@@ -0,0 +1,46 @@
+"""
+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

@@ -0,0 +1,41 @@
+"""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

@@ -0,0 +1,266 @@
+"""
+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

@@ -0,0 +1,103 @@
+"""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

@@ -0,0 +1,195 @@
+"""
+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

@@ -0,0 +1,565 @@
+"""
+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)}
+    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

@@ -0,0 +1,707 @@
+"""
+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}
+
+# 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 = httpx.get(f"https://api.github.com/repos/{ENGINE_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{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
+        else:                                   # 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 = httpx.get(f"https://api.github.com/repos/{ENGINE_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{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).
+    cmd = ("sudo apt-get update && sudo 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
+    if err := check_sudo_needs_password(sudo_password):
+        return err
+
+    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, sudo_password=sudo_password)
+    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
+    if err := check_sudo_needs_password(sudo_password):
+        return err
+
+    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, sudo_password=sudo_password)
+    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

@@ -0,0 +1,147 @@
+"""
+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 re
+from difflib import SequenceMatcher
+
+import httpx
+
+from config import MEM0_SERVICE_URL
+
+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}

backend/services/pricing.py

@@ -0,0 +1,58 @@
+"""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

@@ -0,0 +1,170 @@
+"""
+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

@@ -0,0 +1,143 @@
+"""
+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

@@ -0,0 +1,90 @@
+"""
+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

@@ -0,0 +1,127 @@
+"""
+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", "").strip(),
+    "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

@@ -0,0 +1,141 @@
+"""
+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

@@ -0,0 +1,35 @@
+"""
+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

@@ -0,0 +1,195 @@
+"""
+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 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": {}}
+
+
+def check_versions_cached() -> dict:
+    import time
+    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

@@ -0,0 +1,99 @@
+"""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

@@ -0,0 +1,68 @@
+"""
+Per-Stage-Latenz-Metriken für die Voice/Lucy-Pipeline.
+
+Misst die Server-seitige Dauer jeder Stufe (STT, Vision-Beschreibung, Chat-TTFB, TTS) und hält
+rollende Statistiken (avg/p50/p95/last) im Speicher. Macht aus Latenz-VERMUTUNGEN gemessene Fakten
+— die eigentliche Voraussetzung, um gezielt zu optimieren (Stufe 5/C2 des Reviews). Anzeige im
+Frontend-Overhaul (E) analog zur TokenPerformanceCard.
+
+In-Memory + thread-safe (keine Datei-I/O — Latenz-Telemetrie ist transient, Restart = Reset).
+"""
+
+import threading
+import time
+from collections import deque
+
+_LOCK = threading.Lock()
+_MAX = 200
+_STAGES: dict[str, deque] = {}
+
+# Bekannte Stufen (für stabile UI-Reihenfolge); unbekannte werden trotzdem erfasst.
+STAGES = ("stt", "vision", "chat_ttfb", "tts")
+
+
+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))
+
+
+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)
+
+
+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()}

backend/services/warmer.py

@@ -0,0 +1,105 @@
+"""
+Hält das Agent-Hirn (Rolle `hermes`) dauerhaft warm.
+
+Hintergrund: llama-swap ist EIN-Gruppen-resident — lädt ein on-demand-Modell außerhalb
+der `brains`-Gruppe, wird die ganze Gruppe (inkl. Hirn) verdrängt. `persist: true`
+verhindert nur Idle-Unload, NICHT die Gruppen-Verdrängung; neu vorgewärmt wird sonst erst
+beim nächsten llama-swap-(Re)Start. Dieser Wächter schließt die Lücke: ist die Box idle
+(nichts geladen), pingt er das Hirn vor. Während aktiver Last (irgendetwas geladen) hält
+er sich raus, verdrängt also nie ein gerade genutztes Modell.
+
+Abschaltbar/justierbar via Env: MC_REWARM_ENABLED=0, MC_REWARM_INTERVAL, MC_REWARM_MODEL.
+"""
+
+import asyncio
+import logging
+import os
+
+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
+
+# 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 _brain_model() -> str:
+    """Aktives Agent-Hirn = Hermes' model.default (sonst model.model). So wärmt der Wächter
+    immer das WIRKLICH genutzte Hirn (passt sich Hirn-Wechseln an). Override: MC_REWARM_MODEL."""
+    forced = os.environ.get("MC_REWARM_MODEL")
+    if forced:
+        return forced
+    try:
+        from ruamel.yaml import YAML
+        from config import HERMES_HOME
+        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 {}
+            v = m.get("default") or m.get("model")
+            if v:
+                return str(v)
+    except Exception:
+        log.debug("rewarm: Hirn-Lookup fehlgeschlagen", exc_info=True)
+    return "fast"
+
+
+async def _running_empty() -> bool:
+    async with httpx.AsyncClient(timeout=8.0) as c:
+        r = await c.get(f"{LLAMA_SWAP_URL}/running")
+        data = r.json() or {}
+    return not (data.get("running") or [])
+
+
+async def _warm(model: str) -> None:
+    async with httpx.AsyncClient(timeout=180.0) as c:
+        await c.post(f"{LLAMA_SWAP_URL}/v1/chat/completions", json={
+            "model": model, "max_tokens": 1,
+            "messages": [{"role": "user", "content": "ping"}],
+        })
+
+
+async def rewarm_loop() -> None:
+    """Endlos-Schleife (Hintergrund-Task): prüft periodisch (und sofort nach einem Config-
+    Reload-Nudge), wärmt bei Idle vor."""
+    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:
+            if await _running_empty():
+                model = _brain_model()
+                log.info("rewarm: Box idle → Hirn '%s' wird vorgewärmt", model)
+                await _warm(model)
+        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
+        except asyncio.TimeoutError:
+            pass

client/hermes-pc/.gitignore

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

client/hermes-pc/executor.py

@@ -0,0 +1,207 @@
+"""
+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

@@ -0,0 +1,8 @@
+@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

@@ -0,0 +1,6 @@
+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

@@ -0,0 +1,9 @@
+@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

@@ -0,0 +1,182 @@
+#!/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

@@ -0,0 +1,72 @@
+#!/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

@@ -0,0 +1,40 @@
+#!/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

@@ -0,0 +1,42 @@
+#!/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/build.sh

@@ -0,0 +1,8 @@
+#!/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

@@ -0,0 +1,96 @@
+#!/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" "$HOME/.config/systemd/user/hermes-terminal.service"
+# Mem0-Sidecar-Unit (nur wenn das venv existiert).
+[ -x "$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"
+# Werkstatt-Skill (Autonomie E6): Selbstwartungs-Kreislauf für Hermes.
+mkdir -p "$HOME/.hermes/skills/wartung"
+cp "$SRC/deploy/skills/wartung/SKILL.md" "$HOME/.hermes/skills/wartung/SKILL.md"
+systemctl --user daemon-reload
+systemctl --user enable mission-control-2 >/dev/null 2>&1 || true
+systemctl --user enable hermes-terminal >/dev/null 2>&1 || true
+systemctl --user enable mem0-service >/dev/null 2>&1 || true
+systemctl --user enable voice-service >/dev/null 2>&1 || true
+systemctl --user enable --now mc2-backup.timer >/dev/null 2>&1 || true
+systemctl --user enable --now mc2-autoupdate.timer >/dev/null 2>&1 || true
+systemctl --user enable --now mc2-selfsmoke.timer >/dev/null 2>&1 || true
+loginctl enable-linger "$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
+systemctl --user restart mission-control-2
+command -v ttyd >/dev/null 2>&1 && systemctl --user restart hermes-terminal 2>/dev/null || true
+
+sleep 2
+echo "--- Health ---"
+curl -sf http://127.0.0.1:9001/api/health && echo
+echo "OK — Mission Control 2.0 läuft auf :9001 (User-Dienst, sudo-frei)."

deploy/hermes-postcheck.sh

@@ -0,0 +1,94 @@
+#!/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

@@ -0,0 +1,21 @@
+[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: --writable + LAN-Bind ohne Auth = dasselbe Trust-Modell wie das MC2-Dashboard
+# (vertrautes Heim-LAN, kein Internet-Exposure). Fuer Basic-Auth: am ExecStart
+#   --credential <user>:<pass>
+# ergaenzen (Browser fragt dann einmalig im iframe nach).
+Type=simple
+# --interface eno1 = LAN-Bind (box-spezifisch; eno1 traegt 192.168.178.151).
+ExecStart=/usr/bin/ttyd --writable --interface eno1 --port 7681 --max-clients 2 --cwd %h/.hermes %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

@@ -0,0 +1,114 @@
+# 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:
+    # vision-Upgrade-Kandidat (Bench 02.07.: tg 90-92 t/s, MoE 3B aktiv, stark auf GUI-Benchmarks).
+    # Noch OHNE vision-Alias — erst Screenshot-Qualitaets-Check, dann Entscheid (brains-Budget!).
+    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: 300
+    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

@@ -0,0 +1,8 @@
+[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

@@ -0,0 +1,10 @@
+[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

@@ -0,0 +1,7 @@
+[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

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

deploy/mc2-selfsmoke.service

@@ -0,0 +1,7 @@
+[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

@@ -0,0 +1,10 @@
+[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

@@ -0,0 +1,26 @@
+[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

@@ -0,0 +1,32 @@
+# 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

@@ -0,0 +1,59 @@
+#!/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

@@ -0,0 +1,68 @@
+#!/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

@@ -0,0 +1,25 @@
+#!/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

@@ -0,0 +1,64 @@
+# 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

@@ -0,0 +1,132 @@
+#!/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

@@ -0,0 +1,39 @@
+#!/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

@@ -0,0 +1,27 @@
+# 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. 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

@@ -0,0 +1,99 @@
+#!/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

@@ -0,0 +1,86 @@
+#!/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/wartung/SKILL.md

@@ -0,0 +1,79 @@
+---
+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. **Reviewer-Subagent** (frischer Kontext, Worker/Reviewer-Muster): `delegate_task` mit
+   role=leaf. Gib ihm den AUFTRAG im Wortlaut + `git diff` des Worktrees.
+   **Kernauftrag an den Reviewer (nicht „sieht plausibel aus", sondern BEWEISEN):**
+   - **Stelle den konkreten Fehlerfall aus dem Auftrag nach.** Nimm eine realistische
+     Beispiel-Eingabe, die den beschriebenen Bug AUSLÖST, und spiele den geänderten Code
+     Schritt für Schritt (oder als kleiner Test) durch: Behebt der Diff DIESEN Fall wirklich?
+     (Am 03.07. hat ein Reviewer einen Patch durchgewunken, der den eigentlichen Fehlerfall
+     gar nicht traf — genau das darf nicht mehr passieren.)
+   - **Suche aktiv nach dem Fall, in dem der Patch versagt** (Randfälle, leere/kurze Eingaben,
+     andere Formate). Findest du einen → Kritik.
+   - Erst danach die Standardfragen: Minimal-invasiv? Nur der beauftragte Scope? Nebenwirkungen?
+   Bei berechtigter Kritik: nachbessern (max. 2 Runden), sonst Kritik in den Vorschlag schreiben.
+   Schreibe das Reviewer-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

@@ -0,0 +1,80 @@
+#!/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

@@ -0,0 +1,13 @@
+# 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

@@ -0,0 +1,78 @@
+#!/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)
+if [ -n "$PIN_BUILD" ]; then
+  TAG="$PIN_BUILD"
+else
+  TAG="$(curl -s https://api.github.com/repos/ggml-org/llama.cpp/releases/latest | jq -r .tag_name)"
+fi
+[ -n "$TAG" ] && [ "$TAG" != "null" ] || die "Konnte neuesten Release-Tag nicht ermitteln"
+
+ASSET="llama-${TAG}-bin-ubuntu-vulkan-x64.tar.gz"
+URL="https://github.com/ggml-org/llama.cpp/releases/download/${TAG}/${ASSET}"
+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

@@ -0,0 +1,68 @@
+#!/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

@@ -0,0 +1,23 @@
+[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

@@ -0,0 +1,57 @@
+#!/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

docs/AUDIT_KICKOFF.md

@@ -0,0 +1,75 @@
+# Kickoff: Voll-Audit MC2 (Front+Backend) + Box-SSH + Optimierungsplan
+
+> Für eine **frische Claude-Code-Session mit echtem Terminal** (direkter SSH-Zugang zur Box).
+> Aufgabe vom Nutzer: front/backend komplett scannen (IST-Zustand), via SSH auf die Box gehen
+> (ausdrücklich erlaubt), und am Ende einen **sauberen, strukturierten Plan** liefern, wie es
+> weitergeht — inkl. Optimierungen für ALLE LLM-Rollen und einem **neuen `scout`-Modell**.
+> Erst auditieren/planen — keine destruktiven Änderungen ohne Plan-Freigabe.
+
+## Zugänge
+- **Repo (Dev-PC):** `F:\Coding Stuff\mission-control-2` (Windows). Auf der Box: `~/mission-control-v2`.
+- **Box:** `ssh hitonabi@192.168.178.151` (key-based, funktioniert non-interaktiv). Hostname
+  `tobisniceaiarbeitstier`, AMD Ryzen AI MAX+ 395 (Strix Halo), 122 GB RAM, GTT ~124 GB, Vulkan/RADV.
+- **Wichtige Box-Pfade:** `/etc/llama-swap/config.yaml` (Engine, `-watch-config`),
+  `~/.hermes/config.yaml` (Hermes-Agent = Lucys Hirn), `/srv/models/` (GGUFs),
+  `/opt/llamacpp-vulkan/llama-server` (Engine v9843).
+- **Dienste (systemd --user):** `hermes-gateway` (:8642), `hermes-webui` (:8787), llama-swap (:8080),
+  MC2-Gateway (:9001). Live-Logs: `journalctl --user -u hermes-gateway -f`.
+
+## Architektur (verifiziert 30.06.2026)
+- **llama-swap** (:8080) lädt GGUFs; Rollen = llama-swap **`aliases`**; Warm-Bleiben über
+  `groups: { brains: { swap:false } }` + `ttl`.
+- **MC2-Gateway** (:9001/v1, FastAPI) mit virtuellen Lanes `chat`(→fast/heavy) & `coding`(→coder_lite/coder).
+  Code: `backend/services/router_logic.py`, `routing_policy.py`, `roles.py`, `llamaswap.py`, `budget.py`,
+  `fit.py`; Router `backend/routers/{models,routing,voice}.py`. Frontend: `frontend/src/views/ModelsView.tsx`,
+  `components/models/*`, `SystemDrawer.tsx`.
+- **Hermes-Agent** (:8642) = Lucys Hirn (`~/.hermes/config.yaml: model.default`), Delegation `heavy`.
+- **Lucy-Client** (`client/lucy-desktop`, Electron) spawnt lokal pocket-tts (:8130); Persona+Umlaut-Logik
+  im Client (`renderer/src/config.ts`, `lib/voice/useVoiceAgent.ts`).
+- **Features sind eigene Rollen** (hirn-unabhängig): Sehen=`Qwen3-VL-8B`, Hören=Whisper(`stt`),
+  Sprechen=pocket-tts, Embedding=`Qwen3-Embedding-0.6B`(ttl 0, immer warm), Gedächtnis=Mem0/MCP.
+
+## Modelle / Rollen (Stand jetzt)
+| Rolle (alias) | Modell | aktiv | ctt/ttl | Notiz |
+|---|---|---|---|---|
+| fast | Qwen3.6-35B-A3B | 3B | ttl 0, --parallel 2, mmproj | chat-Lane Default |
+| heavy | Qwen3.5-122B-A10B | 10B | ttl 600 | Delegation-Ziel |
+| coder | Qwen3-Coder-Next | — | ttl 600, spec draft-simple (Qwen3-0.6B) | |
+| coder_lite | Qwen3-Coder-30B-A3B | 3B | ttl 300 | coding-Lane Default |
+| vision | Qwen3-VL-8B-Instruct | — | ttl 300 | Screen-Beschreibung |
+| (embedding) | Qwen3-Embedding-0.6B | — | ttl 0 | immer warm |
+| **brain (NEU, Lucy)** | **gemma-4-26B-A4B-it** | 4B | ttl 0, **noch Alias `scout`** | Hermes default seit 30.06. |
+
+## Bereits gemacht (30.06.)
+- Lucys Hirn `fast` → **`gemma-4-26B-A4B-it`** (`~/.hermes/config.yaml model.default`, Backup
+  `~/.hermes/config.yaml.gemma-swap.bak`, hermes-gateway neu gestartet, verifiziert).
+- Umlaut-Fix: Client-Stammliste erweitert (`useVoiceAgent.ts`) **und** Server-Netz `_fix_umlauts`
+  (`client/lucy-tts/pocket_server.py`). Hermes-System-Prompt fordert echte Umlaute (Client-Persona).
+- pocket-tts getunt: A1 safetensors-Voice-Cache, A2 Referenz-Cleaning, B3 FP-Gate skip kurze Audios,
+  FAST_FIRST (kurzer 1. Chunk, TTFB ~1,3s), seriell (WORKERS=0) als Default. Details: `docs/LUCY_TTS_PLAN.md`.
+
+## Offene Probleme / Aufgaben
+1. **Brain-Rolle fehlt als Konzept.** gemma läuft als Alias `scout`, ist NICHT in `brains: swap:false`
+   → unter Speicherdruck evakuierbar trotz ttl 0. Detail-Brief: **`docs/CLAUDE_CODE_BRIEF_lucy-brain-role.md`**
+   (Backend+Frontend-Umbau: erstklassige `brain`-Rolle, auto-warm/ko-resident, Hermes-Sync).
+2. **`scout`-Rolle jetzt vakant** (gemma war scout, ist jetzt Hirn). **Neues scout-Modell suchen:**
+   multimodaler Allrounder, klein/MoE (schnell, KO-Residenz-freundlich), Tools wünschenswert. Tagesaktuell
+   recherchieren + Empfehlung.
+3. **MTP-Speculative-Decoding für gemma** (1,5–2× Durchsatz, 0 Qualitätsverlust): Engine kann `draft-mtp`
+   ✓; MTP-Drafter `gemma-4-26B-A4B-it-assistant` (~0,4B) muss nach `/srv/models/`, gemma-cmd ergänzen
+   (`-md <assistant.gguf> --spec-type draft-mtp --spec-draft-n-max/-n-min`; **alte** `--draft-max/-min`
+   sind entfernt!). MC2-UI/Backend kennt MTP-Drafter nicht (zeigte „Vocab ?") → erweitern. (Im Brain-Brief.)
+4. **Optimierung ALLER Rollen prüfen:** je Modell ctx/quant/ttl/Warm-Gruppe/Parallelität/Spec-Decoding
+   (MTP für Gemma; Draft-Eignung für Qwen-Modelle) gegen das GTT-/RAM-Budget (~124 GB) und reale t/s
+   auf Strix Halo (bandbreitenlimitiert → MoE bevorzugt; dichte Modelle langsam). KO-Residenz-Set
+   sinnvoll definieren (was muss gleichzeitig warm sein für Lucy + IDE-Coding?).
+
+## Deliverable
+Ein **strukturierter Plan** (z.B. `docs/OPTIMIZATION_PLAN.md`): IST-Zustand → konkrete Maßnahmen je Rolle
+(mit Begründung/Zahlen) → Reihenfolge/Risiko/Revert → offene Entscheidungen. Erst Plan, dann Umsetzung
+nach Freigabe. Alles reversibel (Config-Backups vor jeder Änderung).
+
+## Leitplanken
+- Features (Sehen/Hören/Sprechen/Embedding/Gedächtnis) + IDE-Lanes dürfen NICHT brechen.
+- Vor jeder Box-Config-Änderung Backup; llama-swap reloadt per `-watch-config`.
+- Keine destruktiven Aktionen ohne Plan-Freigabe des Nutzers.

docs/AUTONOMIE_PLAN.md

@@ -0,0 +1,138 @@
+# AUTONOMIE-PLAN — „Die Box wartet sich selbst" (Kapitel 0)
+
+**Erstellt:** 02.07.2026, abends — als Kickoff-Paket für die Bau-Session („leg los").
+**Nordstern (User):** Haushaltsgerät, kein Dev-Projekt. Der User macht KEINE Updates, fasst keine
+Konsole an. Er bekommt Meldungen von Lucy (Telegram) und sagt höchstens „mach". In 6 Monaten ohne
+KI-Hilfe darf nichts brachliegen — schlimmster erlaubter Zustand: „selbst-gepinnt und läuft".
+
+**Kontext-Quellen:** Memory `open-threads.md` (Kapitel 0, Bausteine a–k) · `verdicts.md` ·
+`project-stack-state.md` · dieser Plan. Review-Historie: docs/REVIEW_2026-07-02.md.
+
+---
+
+## Architektur: 3 Säulen + Werkstatt
+
+1. **Stabilität** — eigene Software (MC2, Lucy) EINGEFROREN + Selbsterhaltung. Gitea = Tresor, kein Update-Kanal.
+2. **Frische** — Fremd-Software (OS/Engine/Router/Hermes) updatet sich per Timer, mit Gate + Auto-Rollback + Selbst-Pinning.
+3. **Evolution** — Radar (Hermes-cron + Web-Suche) findet Sprünge/neue Tools; Modelle bencht die Box selbst.
+4. **Werkstatt** — Box-KIs setzen Wartung/Migrationen selbst um: Telegram-Ping → User „mach" → Branch → Code → Gate → Deploy → Bericht.
+
+**Leitplanken (nicht verhandelbar):** Merge/Deploy nie ohne grünes Gate · Security-Config
+(approvals/Tokens/ufw) nie ohne explizites User-Ja · alles reversibel (Backup+Branch+Pin) ·
+kleine Wartung autonom, große nur vorbereitet+freigegeben.
+
+---
+
+## Multi-Agent-Verdikt (recherchiert + entschieden 03.07.2026)
+
+**JA — chirurgisch an 2 Stellen; NEIN bei allem Echtzeit-nahen.** Hermes-Delegation ist reif:
+`delegate_task` (goal/context/toolsets, tasks-Array = parallel, role leaf|orchestrator),
+Config `delegation:` (max_concurrent_children, max_spawn_depth, eigenes delegation.model/provider).
+
+- **E4 Radar = Fan-out-Muster:** Manager delegiert pro Komponente/Kategorie einen isolierten
+  Leaf-Subagent (eigener 65k-Kontext) → recherchiert, **filtert Marketing-Müll**, liefert nur
+  Substanz-Summary → Manager konsolidiert. Müll erreicht den Haupt-Kontext nie.
+- **E6 Werkstatt = Worker/Reviewer-Muster:** Worker patcht im Worktree, SEPARATER Reviewer-
+  Subagent (frischer Kontext) prüft Diff gegen Auftrag, dann erst Gate+Telegram. (Verdent-Muster,
+  lokal nachgebaut.)
+- **NICHT bei Lucy-Voice** (Konsens 2026: Agent-Ketten ≈ 3× Latenz bei Echtzeit — unsere 2 s sind
+  heilig). Lucy bekommt stattdessen Delegation als FEATURE: „recherchier ich im Hintergrund"
+  → Background-Subagent → Ergebnis via Telegram. **NICHT bei der IDE-Lane** (eigene Agent-Loops).
+- **Kein Hirn-Tausch:** Parent bleibt Qwen3.6; `delegation.model/provider` → MC2-Gateway.
+  Manager-/Reviewer-Kandidat = **gpt-oss-120b** (Faden B5 entscheidet heavy-Lane UND Manager-Rolle
+  in einem). `max_concurrent_children: 2` — passt exakt auf die 2 Hirn-Slots (keine Swap-Thrashes);
+  `max_spawn_depth: 1` zum Start (flat), Orchestrator erst bei Bedarf.
+- **Ehrliche Physik:** eine GPU ⇒ Parallelität bringt KEIN Tempo (geteilte Bandbreite), sondern
+  Kontext-Isolation + Qualität. Für nächtliche cron-Jobs genau richtig; deshalb Voice-Ausschluss.
+
+---
+
+## Was schon existiert (nutzen, nicht neu bauen!)
+
+| Baustein | Wo |
+|---|---|
+| Update-Pipeline je Ebene mit Backup+Checks | UI-Buttons: OS/Engine (`deploy/update-engine.sh` — hat schon stack-postcheck+Auto-Rollback!), Router (`update-swap.sh`), Hermes (`POST /api/maintenance/hermes-update` → backup→update→doctor→Postcheck) |
+| Qualitäts-Gate (Abnahmetest für ALLES) | `deploy/hermes-postcheck.sh`: Mem0+Plugin+Config-Drift-Scan+Tool-Smoke+Voice-Smoke, E2E grün. ⚠️ pipefail-Lektion: Stream-Probes brauchen `set +o pipefail`-Subshell |
+| Tägliches Backup + Restore | `deploy/backup.sh` (Timer 03:30) / `restore.sh` |
+| Telegram | Hermes-Gateway läuft mit Telegram; CLI `hermes send` (Syntax in Session verifizieren: `hermes send --help`) |
+| Cron | `hermes cron` (Subcommand existiert) |
+| Coding-KI | Qwen3-Coder-Next (coder-Lane, 131k ctx); Hermes v0.18 hat „Coding Projects mit git-worktree-Management" |
+| PC-Fernsteuerung | `client/hermes-pc` Executor (Token `HERMES_PC_TOKEN`) — für Lucy-Builds auf dem Windows-PC |
+| Bench-Harnesses | `deploy/bench/brain-bench.sh` + `deploy/bench/model-bench.sh` (mit diesem Kickoff ins Repo gelegt) |
+| Health/Repair | LucyHealthCard + `/api/health` brain-Check; systemd `Restart=on-failure` überall |
+
+---
+
+## Etappen (in dieser Reihenfolge bauen)
+
+### E1 · Nervensystem: Meldeweg (klein, zuerst — alles Weitere nutzt ihn)
+- `deploy/notify.sh "<Nachricht>"`: primär `hermes send` (Telegram), Fallback: Logfile + `wall`.
+  Syntax von `hermes send` zuerst auf der Box verifizieren (`bash -lc 'hermes send --help'`).
+- Verifikation: Testnachricht landet beim User auf Telegram.
+
+### E2 · Frische: Auto-Update-Timer + Rollback + Pin-Register
+- **Pin-Register:** `/srv/models/mc2-pins.json` — `{komponente: {pinned: bool, version, grund, datum}}`.
+  Gepinnte Ebene wird vom Timer übersprungen; Pin-Meldung ging via E1 raus.
+- `deploy/autoupdate.sh` (Reihenfolge: swap → engine → hermes; Modelle NICHT auto):
+  je Ebene: Update-Check → wenn Update: bestehenden Pfad nutzen (update-engine.sh / update-swap.sh /
+  hermes-update-Job via API + Job-Polling) → Postcheck rot ⇒ Rollback (existiert je Pfad) + Pin
+  setzen + notify; grün ⇒ notify „eingespielt: X→Y".
+- systemd-User-Timer `mc2-autoupdate.timer` (wöchentlich So 04:30, nach Backup), Unit nach
+  `~/.config/systemd/user/`, in `deploy/deploy.sh` registrieren (Muster: mc2-backup.timer).
+- **OS-Ebene:** apt braucht sudo → `unattended-upgrades` (nur Security) in der EINMALIGEN
+  sudo-Session einrichten (zusammen mit Faden C14: stale v1-Unit weg). Bis dahin: OS aus dem Timer raus.
+- Verifikation: Timer-Dry-Run (`bash autoupdate.sh`), einmal echt durchlaufen lassen, Telegram-Meldungen prüfen; künstlichen Fehlschlag provozieren (Postcheck-FAIL faken) → Rollback+Pin+Meldung.
+
+### E3 · Stabilität: Lucy-Produktiv-Build (einfrieren)
+- Im Lucy-Repo (`F:\Coding Stuff\lucy`): electron-builder ergänzen (portable oder NSIS),
+  **asar-Caveat:** `app.getAppPath()` zeigt im Build woanders hin → `LUCY_TTS_DIR` absolut setzen
+  (Installer-Config oder Start-BAT) — siehe Kommentar in `lucy-desktop/src/main/index.ts`.
+- Verknüpfung auf den Build; `Lucy-Neustart.bat` auf Build umstellen; Dev-Modus bleibt für Wartung.
+- Verifikation: Build starten → Worker-Pool bereit, Sprech-Roundtrip.
+- Danach gilt Lucy als EINGEFROREN (Änderungen nur noch via Werkstatt-Kreislauf).
+
+### E4 · Evolution: Radar
+- Hermes-cron (monatlich, z. B. 1. des Monats 09:00): Prompt-Job —
+  „Inventar von `/api/maintenance/updates` + `/v1/models` + Versionsliste einlesen; per web_search
+  Changelogs/Neuigkeiten zu: llama.cpp, llama-swap, hermes-agent, pocket-tts, onnx-asr/Parakeet,
+  Silero, smart-turn, Electron, three-vrm + Kategorie-Scan (bessere lokale Coder-/Vision-/TTS-
+  Modelle für Strix Halo 128 GB) + **IDE-/Agent-Tool-Kategorie** (Kilo Code, OpenCode, Claude Code
+  — Lehre 03.07.: Roo Code war Stunden nach der Empfehlung als „eingestellt seit April" entlarvt;
+  genau solche Tod-/Nachfolger-Meldungen muss das Radar fangen); gegen [[verdicts]] halten
+  (Verworfenes nicht wieder vorschlagen);
+  Ergebnis als kurzer deutscher Report → notify.sh".
+- Ablage des Prompts versioniert: `deploy/radar-prompt.md`, cron ruft ihn.
+- Verifikation: Cron einmal manuell feuern, Telegram-Report prüfen (Qualität grob checken).
+
+### E5 · Evolution: Modell-Selbst-Evaluation
+- `deploy/bench/model-bench.sh <gguf-pfad> [extra-flags]` (liegt bei) → pp/tg-Zahlen.
+- Workflow (halbautonom v1): Radar meldet Kandidat → User „mach" → Hermes lädt (hf CLI im
+  backend-venv existiert) → bencht → notify mit Vergleichstabelle → User-Entscheid → Config-Eintrag.
+- Verifikation: einmal mit vorhandenem Modell durchspielen.
+
+### E6 · Werkstatt: Wartungs-Workflow (der Schachzug — zuletzt, auf E1–E5 aufbauend)
+- Hermes-Skill/Workflow „wartung": Auftrag (aus Radar oder User) → `git worktree` im Box-Checkout
+  (MC2) bzw. via PC-Executor (Lucy) → Änderung durch coder-Lane → Gate = Postchecks + Build →
+  Branch-Push zu Gitea → notify mit Diff-Zusammenfassung → User „merge"/„verwerfen" via Telegram
+  (Hermes approvals-Mechanik nutzen) → bei merge: Deploy-Pfad + Backup + Postcheck.
+- Scope v1 BEWUSST klein: Config-Schlüssel-Migrationen, Dependency-Bumps (Lockfile), Ein-Datei-
+  Patches. Architektur-Umbauten: nur Plan+Branch vorbereiten.
+- Verifikation: einen echten Klein-Fall durchspielen (Kandidat: ServicesCard-Restart-Bug, Faden B9
+  — perfekte Werkstatt-Gesellenprüfung: 1 Datei, klarer Fix, Gate vorhanden).
+
+---
+
+## Definition of Done (Kapitel 0)
+1. Wöchentlicher Auto-Update-Lauf mit Telegram-Meldung, verifiziertem Rollback+Pin-Pfad.
+2. Lucy läuft als gebaute, eingefrorene App.
+3. Monatlicher Radar-Report kommt auf Telegram an.
+4. Ein Modell-Kandidat wurde einmal selbst gebencht + gemeldet.
+5. Die Werkstatt hat EINEN echten Klein-Fix eigenständig bis zum Merge-Vorschlag gebracht.
+6. Runbook-Seite existiert (`docs/RUNBOOK.md`, 1 Seite Mensch-Anleitung).
+
+## Session-Start-Checkliste („leg los")
+1. `git -C ~/mission-control-v2 log --oneline -1` auf der Box == origin/main? (SSH: hitonabi@192.168.178.151)
+2. Health: `curl -s http://192.168.178.151:9001/api/health` → brain ready?
+3. `bash -lc 'hermes send --help'` → Syntax für E1 klären.
+4. Dann E1 → E6 der Reihe nach; jede Etappe committen + deployen + real verifizieren (Telegram!).
+   Gitea-Push: PowerShell, Auth flatterhaft → einmal Retry.

docs/BACKUP.md

@@ -0,0 +1,62 @@
+# Backup & Restore
+
+Sichert den **nicht wiederherstellbaren Zustand** der AI-Box. Code kommt aus Git,
+Modelle sind neu ladbar — gesichert wird nur, was sonst weg wäre.
+
+## Was im Backup ist
+- **Gedächtnis:** `/srv/models/mem0/` (Chroma-Vektoren + `history.db`)
+- **Hermes:** `~/.hermes/config.yaml`, `~/.hermes/.env` (**Secrets!**), `~/.hermes/plugins/`
+- **Engine:** `/etc/llama-swap/config.yaml`
+
+Nicht enthalten (bewusst): GGUF-Modelle, MC2-Code (Git), venvs, systemd-Units (aus `deploy.sh`).
+
+Jedes Backup ist ein Tarball `mc2-state-<zeitstempel>.tar.gz` unter `/srv/models/mc2-backups/`,
+`chmod 600` (enthält `.env`). Es werden die letzten **14** behalten.
+
+## Off-Box-Spiegel (C12) — zweite Kopie WEG von der Box
+Nach jedem lokalen Backup spiegelt `backup.sh` die Tarballs per `rsync` auf ein **zweites Gerät**
+(Default: **Proxmox-Host** `root@192.168.178.108:/var/lib/vz/mc2-backups`). Stirbt die NVMe der
+Box, liegen die Backups noch auf dem Proxmox. Die Retention (14) wird per `--delete` mitgezogen,
+`chmod 600` bleibt erhalten. Der Off-Box-Sync ist **best-effort**: schlägt er fehl, gilt das
+lokale Backup trotzdem als erfolgreich (Warnung im Log).
+
+- **Auth:** eigener SSH-Key `~/.ssh/mc2_offsite` (nur für dieses Backup), im Proxmox in
+  `root/.ssh/authorized_keys` **gehärtet** eingetragen: `from="<Box-IP>"`, kein Port-/Agent-/
+  X11-Forwarding, kein PTY → der Key kann nur rsync-Backup, keinen Voll-Root-Fernzugang.
+- **Ziel/Key überschreibbar:** `MC_BACKUP_OFFSITE` (leer = Off-Box aus) und `MC_BACKUP_OFFSITE_KEY`.
+
+## Backup erstellen
+- **Automatisch:** systemd-Timer `mc2-backup.timer`, täglich ~03:30. Status:
+  `systemctl --user list-timers mc2-backup.timer`
+- **Manuell (Box):** `bash ~/mission-control-v2/deploy/backup.sh`
+- **UI:** Wartungs-Drawer → „Snapshot erstellen"
+
+## Wiederherstellen (Restore)
+Restore läuft **nur per CLI auf der Box** (bewusst — er stoppt Dienste und überschreibt Configs).
+Vor dem Zurückspielen macht das Skript automatisch ein Sicherheits-Backup des aktuellen Zustands.
+
+```bash
+cd ~/mission-control-v2
+bash deploy/restore.sh --list                 # vorhandene Backups anzeigen
+bash deploy/restore.sh --dry-run latest       # zeigen, was passieren würde
+bash deploy/restore.sh latest                 # neuestes wiederherstellen (mit Rückfrage)
+bash deploy/restore.sh mc2-state-YYYYMMDD-HHMMSS.tar.gz   # bestimmtes Backup
+```
+
+Ablauf: Sicherheits-Backup → Dienste stoppen (`mem0-service`, `mission-control-2`,
+`hermes-gateway`) → Dateien zurückspielen (mem0 wird **ersetzt**, Configs überschrieben) →
+Dienste starten → Health-Check.
+
+### Wenn die Box-Platte tot ist (Off-Box-Restore)
+`restore.sh` kennt den Off-Box-Spiegel: fehlt ein Backup lokal, holt es sich das Skript
+automatisch vom Proxmox. Kein manuelles Kopieren nötig.
+
+```bash
+bash deploy/restore.sh --list            # zeigt lokal UND Off-Box (Proxmox)
+bash deploy/restore.sh --pull-offsite    # ganzen Off-Box-Bestand nach lokal spiegeln
+bash deploy/restore.sh latest            # zieht das jüngste — vom Proxmox, falls lokal leer
+```
+
+## Erledigt
+- **Off-Box-Spiegel (C12):** rsync auf den Proxmox-Host, live E2E verifiziert (2026-07-03).
+  Box ist Bare Metal (kein Proxmox-Gast → kein vzdump), daher aktiver Push statt vzdump-Pull.

docs/BEDIENUNG.md

@@ -0,0 +1,55 @@
+# Mission Control 2.0 — Bedienung (kurz & klartext)
+
+**Öffnen:** `http://192.168.178.151:9001` (vom Windows-PC im LAN). Dark/Light-Umschalter oben rechts,
+**Cmd/Strg+K** springt zu jedem Bereich.
+
+> Im Alltag fasst du MC kaum an: `model: auto` + Auto-Swap laden Modelle selbst. Du öffnest es, um ein
+> Modell zu installieren/tauschen, die Auslastung zu prüfen, Gedächtnis zu pflegen oder ein Tool zu verbinden.
+
+## Die 7 Bereiche
+- **Zentrale** — Live CPU/RAM/GPU-Auslastung und Updates auf einen Blick.
+- **Modell-Zentrale** — installierte Modelle + neue finden/laden + Gateway-Routing (auto-Rolle).
+- **Diagnose** — Live-Dienste, Metriken, detaillierte Auslastung und System-Logs.
+- **Gedächtnis** — geteilte Fakten/Regeln, die ALLE Tools (Hermes, IDEs) via MCP lesen/schreiben.
+- **Verbinden** — fertige Konfig-Snippets für deine IDEs (Roo Code, Zed, etc.).
+- **Hermes** — Agent-Status + „Hermes öffnen".
+- **Anleitung** — Schritt-für-Schritt Einrichtung für Vibe-Coding auf deinem PC.
+
+## Modell installieren
+**Tab „Modelle & Routing" → „Modelle finden":**
+- **Kuratiert:** auf einer Empfehlungs-Karte „Installieren" klicken (⭐ = beste Wahl je Kategorie).
+- **Eigenes (HuggingFace):** oben **HF-URL oder `org/repo`** einfügen → „Quants laden" → Quant wählen →
+  „Installieren". Oder die **Suchleiste** nutzen → Treffer anklicken → Quant → Installieren.
+- Der Download läuft als Job mit **Fortschrittsbalken** oben; llama-swap pflegt das Modell automatisch ein.
+
+## LLM tauschen (z.B. anderes „fast"-Hirn)
+„Modelle & Routing" → **„Installiert"**: in der Zeile des Modells im **Rollen-Dropdown**
+`fast` (bzw. `heavy`/`coder`/`vision`/`scout`) wählen → der Alias wandert auf dieses Modell.
+- `model: auto` nutzt ab sofort dieses Modell als schnelles/schweres Hirn — für Hermes **und** Vibe Coding.
+- **Kontext** ändern: auf die Kontext-Zahl (✎) klicken. **Entfernen:** 🗑 (GGUF-Datei bleibt erhalten).
+- „Auto-Swap" = llama-swap lädt automatisch, was gerade angefragt wird; du musst nichts laden/entladen.
+
+## IDE verbinden (Vibe Coding am eigenen PC)
+„Verbinden" → Tool wählen (Roo Code/OpenCode/Zed/Continue) → Snippet kopieren. Zeigt auf
+`http://192.168.178.151:9001/v1`, Modell **`auto`**. Memory-MCP-Snippet separat einfügen → geteiltes Gedächtnis.
+
+## Gedächtnis pflegen
+„Gedächtnis": Fakt/Regel hinzufügen (Kategorie wählen), suchen/filtern, **🧹 Aufräumen** entfernt Dubletten.
+Das ist die geteilte „Verfassung" für alle Tools.
+
+## Wartung & Backup
+„System" → **Wartung & Updates**: Badge (offene OS-Pakete / Engine / Modell-Upgrades), Buttons
+**OS aktualisieren · Engine aktualisieren · Engine neu starten · Reboot**, Modell-Upgrade-Vorschläge
+(1-Klick), **Backup jetzt** (Gedächtnis-DB + Configs), Dienste-Health.
+
+`Engine neu starten`, Logs & Modell-Upgrades laufen sofort (NOPASSWD vorhanden). **OS-Update + Reboot**
+brauchen einmalig erweiterte sudoers — `sudo visudo`, ergänze:
+```
+hitonabi ALL=(root) NOPASSWD: /usr/bin/apt-get, /usr/sbin/reboot
+```
+(Engine-Update: `MC_ENGINE_UPDATE_CMD` in der mc2-Unit setzen — Befehl, der /opt/llamacpp aktualisiert.)
+Danach ist die komplette Wartung klicki-bunti, ohne Passwort.
+
+## Wenn etwas hakt
+- Modell antwortet nicht → „System" → Dienste-Health (Engine online?) + Engine-Logs-Link (llama-swap `/ui`).
+- Hermes langsam/komisch → im Hermes-WebUI **neuen Chat** starten (frische Session); Details: `docs/CUTOVER.md`.

docs/CLAUDE_CODE_BRIEF_lucy-brain-role.md

@@ -0,0 +1,106 @@
+# Claude-Code-Auftrag: „Brain"-Rolle für Lucy (Front- + Backend-Umbau)
+
+> Ziel: Lucys Hirn (aktuell `gemma-4-26B-A4B-it`) als **erstklassige, dauer-warme Rolle** im MC2-Stack
+> verankern — statt es als `scout` zu führen, das nach `ttl` entladen wird. Features (Sehen/Hören/
+> Sprechen/Embedding) dürfen NICHT verloren gehen, KO-Residenz + Budget müssen sauber bleiben.
+
+## Kontext / Architektur (Ist-Zustand, verifiziert 30.06.)
+- **Engine:** llama-swap (config: `/etc/llama-swap/config.yaml` auf der Box, läuft mit `-watch-config`).
+  Rollen werden als llama-swap **`aliases`** gesetzt; Warm-Bleiben über `groups:` (eine Gruppe
+  `brains: { swap: false }`) + `ttl`. Installierte Modelle: `Qwen3.6-35B-A3B` (fast, ttl 0),
+  `Qwen3.5-122B-A10B` (heavy, ttl 600), `Qwen3-Coder-Next` (coder, ttl 600),
+  `Qwen3-Coder-30B-A3B-Instruct` (coder_lite, ttl 300), `Qwen3-VL-8B-Instruct` (vision, ttl 300),
+  `Qwen3-Embedding-0.6B` (ttl 0 = immer warm), `gemma-4-26B-A4B-it` (ttl 180).
+- **Gateway:** MC2 builtin auf `:9001/v1` mit virtuellen Lanes `chat` (→ fast/heavy) und
+  `coding` (→ coder_lite/coder). Code: `backend/services/router_logic.py`, `routing_policy.py`.
+  **Lucy nutzt die Lanes NICHT** — sie ist der Hermes-Agent.
+- **Lucy-Hirn:** Hermes-Agent (`:8642`), Brain = `~/.hermes/config.yaml` → `model.default`
+  (jetzt `gemma-4-26B-A4B-it`), Delegation = `heavy`. Persona/Prompt kommt aus dem **Client**
+  (`client/lucy-desktop/src/renderer/src/config.ts`), nicht aus der Box-Config.
+- **Hardware:** Strix Halo (Ryzen AI Max+ 395), 122 GB, GTT ~124 GB, bandbreitenlimitiert →
+  MoE mit wenig aktiven Params ist schnell, dichte Modelle langsam.
+
+## Root-Cause des Bugs
+1. Kanonische Rollen `ROLE_IDS = {fast, heavy, coder, vision, scout}` — **keine `brain`/Agent-Rolle**.
+   (Kommentar im Code: „kein agent/reasoning mehr".)
+2. Es gibt keine Verknüpfung „Hirn-Modell ⇒ muss warm bleiben". gemma trägt den Alias `scout`,
+   ist NICHT in der `brains`-Gruppe, `ttl 180` → entlädt im Leerlauf → Lucy lädt kalt nach (~5–10 s).
+3. `roles.py` referenziert noch eine `hermes`-Rolle, die in `ROLE_IDS` nicht existiert → Inkonsistenz.
+
+## Aufgabe
+
+### Backend (`backend/`)
+1. **Neue erstklassige Rolle `brain` einführen** (oder `hermes` reaktivieren) und in ALLEN
+   Quellen synchronisieren (heute dupliziert!):
+   - `services/llamaswap.py` → `ROLE_IDS`
+   - `services/sources.py` → `ROLE_IDS` + Titel/Icon (analog `scout: {title, icon}`)
+   - `services/maintenance.py` (Modell-Upgrade-Rollenliste)
+   - `services/roles.py` → `_capability_suit`/`_pref`/`_reason` für `brain` (Tools Pflicht,
+     mittlere Größe + MoE bevorzugt, niedrige Latenz). `hermes`-Altlast bereinigen.
+2. **Rolle `brain` ⇒ automatisch warm + ko-resident.** Beim Zuweisen der `brain`-Rolle
+   (`POST /api/models/{model_id}/role`, `routers/models.py`):
+   - Modell via `set_group("brains", members=[...], swap=False, persist=True)` in die Warm-Gruppe
+     aufnehmen (bestehender Helper in `llamaswap.py`).
+   - `ttl: 0` setzen (oder hoch), vorheriges Brain-Modell aus `brains` entfernen + ttl entspannen.
+   - Embedding (`Qwen3-Embedding-0.6B`, ttl 0) MUSS warm bleiben — nicht verdrängen.
+3. **Single Source of Truth für „Lucys Hirn":** beim Setzen der `brain`-Rolle auch Hermes'
+   `~/.hermes/config.yaml` → `model.default` auf das Modell setzen + `systemctl --user restart
+   hermes-gateway` (mit Backup der config). So bleibt MC2-UI-Auswahl ↔ Hermes-Brain konsistent.
+4. **Budget/KO-Residenz-Safety:** Brain(warm) + Embedding(warm) + on-demand Vision + Coder müssen
+   in GTT (~124 GB) passen. `services/budget.py`/`fit.py` nutzen, bei OOM warnen (nicht hart laden).
+5. **Lanes/IDEs unangetastet lassen:** chat/coding-Routing (`router_logic.py`) bleibt wie es ist;
+   `fast` bleibt für die chat-Lane warm.
+
+### Frontend (`frontend/src/`)
+1. **Rollen-Taxonomie** um `brain` erweitern (Badges/Titel/Icon) — Duplikat zur Backend-Liste
+   finden & angleichen (`components/models/*`, `views/ModelsView.tsx`, evtl. `ModelBadges.ROLES`).
+   gemma darf NICHT mehr als `scout` erscheinen.
+2. **Rollen-Zuweisungs-Modal:** `brain` auswählbar; Warm-/KO-Residenz-Status anzeigen
+   (ist das Brain in `brains`? warm? ttl?). Empfehlung via bestehendem `/api/roles/{role}/recommend`.
+3. **Warm-Set / GTT-Budget sichtbar machen** (Dashboard/Models): was ist gerade ko-resident,
+   passt es ins Budget? (nutzt `/api/models` `running` + budget-Infos).
+4. Optional: „Lucy-Hirn"-Selector, der die `brain`-Rolle setzt (treibt Backend #2 + #3).
+
+### Zusatz: MTP-Speculative-Decoding für Gemma (Durchsatz für agentische Arbeit)
+Lucy ist ein **voller Agent** (Tools/MCP/PC-Control/Vision/Delegation) — Durchsatz zählt, nicht nur
+TTFB. Gemma 4 bringt **MTP** (Multi-Token-Prediction) mit → 1,5–2× schneller bei null Qualitätsverlust.
+- **Engine kann es bereits:** `llama-server` v9843 listet `--spec-type … draft-mtp …`. ✓
+- **Vocab-kompatibler „Draft" = Gemmas eigener MTP-Kopf** `gemma-4-26B-A4B-it-assistant` (~0,4B,
+  identischer Tokenizer per Konstruktion). Quelle z.B. `unsloth/gemma-4-26B-A4B-it-GGUF` (enthält den
+  MTP-Drafter, PR ggml-org/llama.cpp#23398). Muss nach `/srv/models/...` geladen werden (noch nicht da).
+- **Flag-Änderung beachten:** `--draft-max/--draft-min` sind ENTFERNT → `--spec-draft-n-max` /
+  `--spec-draft-n-min`. Drafter laden via `-md <assistant.gguf> --spec-type draft-mtp`. Exakte Flags
+  des Builds mit `llama-server --help` gegenprüfen.
+- **MC2-Bug:** die Spec-Draft-Auswahl (UI + Backend) kennt **nur klassische Drafts** (vergleicht stur
+  `n_vocab`/`pre`) und bot fälschlich nur den Qwen-Draft an („Vocab ?"). **Erweitern:** MTP-Drafter
+  (`gemma4_assistant`-Arch) als gültigen, vocab-kompatiblen Draft erkennen, den passenden `-assistant`-
+  GGUF anbieten, und beim Aktivieren `-md … --spec-type draft-mtp --spec-draft-n-max/-n-min` in die
+  llama-swap-cmd schreiben. Co-Residenz: Drafter ~0,4B → vernachlässigbar.
+
+## Akzeptanzkriterien
+- [ ] `gemma-4-26B-A4B-it` wird in der UI als **`brain`** geführt (nicht `scout`).
+- [ ] Es bleibt **warm**: in `brains: swap:false`, `ttl 0`; überlebt > alter ttl Leerlauf
+      (Verifikation: `curl :8080/running` nach >5 Min Idle zeigt das Modell weiterhin `ready`).
+- [ ] Lucy antwortet ohne Kalt-Nachladen nach Leerlauf.
+- [ ] Vision (`Qwen3-VL-8B`), Embedding (`Qwen3-Embedding-0.6B`), Coder bleiben funktionsfähig &
+      ko-resident; **kein OOM**; IDE-Lanes (chat/coding) unverändert.
+- [ ] Brain-Wechsel in der UI aktualisiert llama-swap (Warm-Gruppe) UND Hermes `model.default`
+      (+ Restart), reversibel (Backup).
+
+## Sofort-Hotfix (unabhängig vom Umbau — macht Lucy JETZT warm)
+Auf der Box, bis der saubere Umbau steht:
+```bash
+# gemma als immer-warm + in die brains-Gruppe (Backup zuerst!)
+cp /etc/llama-swap/config.yaml /etc/llama-swap/config.yaml.bak
+# gemma ttl 180 -> 0  und  groups.brains.members um gemma-4-26B-A4B-it ergänzen
+# (manuell editieren oder via MC2 set_group), dann:
+# llama-swap reloadt per -watch-config automatisch.
+```
+
+## Wichtige Dateien (Einstieg)
+- Backend: `services/llamaswap.py` (Rollen=aliases, `set_role_alias`, `set_group`, `register_model`),
+  `services/roles.py`, `services/sources.py`, `services/routing_policy.py`,
+  `services/router_logic.py`, `services/budget.py`, `services/fit.py`, `routers/models.py`,
+  `routers/routing.py`.
+- Frontend: `views/ModelsView.tsx`, `components/models/*`, `components/SystemDrawer.tsx`.
+- Box (nicht im Repo): `/etc/llama-swap/config.yaml`, `~/.hermes/config.yaml`.

docs/CUTOVER.md

@@ -0,0 +1,45 @@
+# Cutover — Stand & Anleitung
+
+## Was auf der Box LÄUFT (verifiziert)
+- **MC2** auf `:9001` (sudo-freier User-Dienst, `~/mission-control-v2`). Update: `deploy/deploy.sh`.
+- **Modelle/Rollen:** `fast` = Qwen3.6-35B-A3B, `heavy` = Qwen3.5-122B-A10B, `coder` = Qwen3-Coder-30B,
+  `vision` = Qwen3-VL-8B, `scout` = Qwen3-8B, `hermes` = Hermes-4-14B (immer warm, ttl 99999). Alle
+  tool-fähig (`--jinja` wo nötig). Legacy `manager`/`reviewer` entfernt.
+- **Gateway (eingebaut, `:9001/v1`, OpenAI-kompatibel):** `model: auto` → kurz/Standard = `fast`,
+  lang/komplex = `heavy`. End-to-End verifiziert.
+- **Hermes:** **eigenes festes Hirn = Hermes-4-14B** (`model.model: hermes`) + **Delegation an `heavy`**.
+  `model:auto` ist NUR für Vibe Coding/IDEs, nicht Hermes. MCP verdrahtet: `mission-control-memory` +
+  `mission-control-stack`. Verifiziert: „bist du da?" → 3s, sauber, kein Thrash.
+- **Gedächtnis vereinheitlicht:** MC2 nutzt die bestehende DB (`mission-control-memory.db`) — geteilte
+  „Verfassung" für Cockpit, Hermes, IDEs.
+- **Cockpit-Features:** HF-Link/Suche-Install (W2), Rollen/ctx/löschen-UX (W3), Wartung (W8: OS/Engine-
+  Update, Restart, Reboot, Logs, dyn. Modell-Upgrades), Bedien-Anleitung (BEDIENUNG.md + Hilfe-Link).
+
+## Thrash-Fix (war der „Hermes ist dumm"-Grund)
+Ursache war NICHT das Modell/die Session, sondern **kaputte/Cloud-Tools im Toolset** (browser ohne Chrome
+→ Loop, vision auf Text, natives memory falsch aufgerufen). Global abgeschaltet über
+`agent.disabled_toolsets` in `~/.hermes/config.yaml` (Achtung: `hermes tools disable` greift nur cli,
+NICHT den api_server). Natives memory zusätzlich aus (`memory.memory_enabled:false`); geteiltes
+Gedächtnis bleibt via MCP. Behaltene Tools: web/terminal/file/code_execution/skills/todo/session_search/
+clarify/delegation/cronjob + 2 MCP.
+
+## Cutover-Schritte
+1. v2 läuft bereits auf `:9001` parallel — alles dort testen: `http://192.168.178.151:9001`.
+2. Vibe-Coding-Tools auf den Gateway zeigen (Verbinden-Tab → `:9001/v1`, `model: auto`).
+3. **v1 stilllegen** — bereits erledigt: `hermes-dashboard` (:9119) disabled (killte 4 v1-MCP-Zombies).
+   **Noch offen (braucht dein sudo, NOPASSWD deckt nur `restart`):**
+   ```
+   sudo systemctl disable --now mission-control      # v1-Cockpit :9000 aus
+   ```
+   `llama-swap` (System) + `hermes-gateway` (User) bleiben — die nutzt v2 weiter.
+4. Optional v2 auf den „Haupt"-Port legen — `MC_PORT` in der mc2-Unit.
+5. Backup vorher: Cockpit → System → „Backup jetzt".
+
+## Offene Tuning-/Setup-Punkte (kein Blocker)
+1. **nesquena hermes-webui** (:8787) installieren (Plan Block C) → „Hermes öffnen" zeigt darauf statt :9119.
+2. **Ko-Residenz** `hermes`+`fast` (swap:false, Plan Block E) — GTT beobachten, bei OOM-Nähe zurück.
+3. **SSH→Windows** (voller PC-Zugriff): OpenSSH-Server am Windows-PC + Key `id_ed25519_hermes_agent`.
+4. **sudoers erweitern** (`apt-get`, `reboot`) → OS-Update/Reboot klicki-bunti (Zeilen in BEDIENUNG.md).
+5. **Delegation an heavy** ist konfiguriert; triggert modell-diskretionär bei echt harten Teilaufgaben.
+
+> v1 bleibt bis zum `disable` lauffähig — Cutover ist reversibel (`sudo systemctl enable --now mission-control`).

docs/DISASTER_RECOVERY.md

@@ -0,0 +1,326 @@
+# Konzept: Bare-Metal-Wiederaufbau + First-Run-Wizard (VOLLSTÄNDIG)
+
+> **Zweck:** Plan für den „hard crash"-Fall — die Box (`tobisniceaiarbeitstier`, Ubuntu 26.04,
+> AMD Ryzen AI MAX+ 395 / gfx1151, 122 GB RAM) muss von **null** wiederherstellbar sein.
+> **Anspruch:** *ALLES* ist erfasst — Engine, Hermes-Konfig 1:1, 3D-Avatare, Voice/Klonstimme,
+> Memory, Browser, MCP, Skills, Secrets. Pro Komponente entscheidet der Nutzer im Wizard:
+> **1:1 zurück** · **neu/Default** · **weglassen**.
+>
+> Dieses Dokument ist die **Spezifikation für eine künftige Implementierungs-Session** — es baut
+> noch nichts. Stand: 2026-06-28.
+
+---
+
+## 1. Leitprinzip: 1:1 ODER modular — der Nutzer wählt
+
+Der Wizard behandelt jede Komponente als **eigene Kachel mit drei Modi**:
+
+| Modus | Bedeutung |
+|---|---|
+| 📦 **1:1 aus Backup** | Exakter alter Zustand wird zurückgespielt (Configs, Daten, Klonstimme, Avatare). |
+| 🆕 **Neu / Default** | Frische Installation mit sinnvollen Defaults (z.B. entfesseltes Hermes-Profil, Default-Avatar). |
+| ⏭️ **Weglassen** | Komponente wird (vorerst) nicht installiert. |
+
+Ein „Alles 1:1"-Knopf wählt überall 📦 (wo ein Backup existiert), sonst 🆕. So bekommt der Nutzer
+entweder den exakten alten Stand oder kann gezielt entrümpeln.
+
+---
+
+## 2. Was es schon gibt (wiederverwenden)
+
+| Asset | Datei | Deckt ab |
+|---|---|---|
+| Code-Deploy | `deploy/deploy.sh` | git pull + venvs + Units + Restart. **Setzt Engine/llama-swap/Dirs/venvs voraus.** |
+| Zustands-Backup | `deploy/backup.sh` + `mc2-backup.{service,timer}` | **Aktuell** (live): mem0, `~/.hermes/{config.yaml,.env,plugins}`, llama-swap-config. Retention 14. **Für echtes 1:1 zu erweitern** — fertiges Snippet in **Anhang B** (§5). |
+| Restore | `deploy/restore.sh` | Spielt Tarball zurück (mit Pre-Restore-Sicherung). |
+| Engine | `deploy/provision-engine.sh` | llama.cpp Vulkan/RADV-Build (root). |
+| Voice-Setup | `voice_service/install.sh` | venv + Piper-Binary + dt. Piper-Stimmen + Chatterbox (best-effort). |
+| Updates | `deploy/update-engine.sh`, `update-swap.sh` | Laufende Engine/Router-Updates. |
+| Postchecks | `deploy/stack-postcheck.sh`, `hermes-postcheck.sh` | Funktionsprüfung → Wizard-Verifikationsschritt. |
+
+---
+
+## 3. VOLLSTÄNDIGER Komponenten-Katalog
+
+> **Scan-verifiziert (2026-06-28)** gegen `backend/config.py`, alle `backend/services/*` & `routers/*`,
+> `frontend/src/{nav.ts,views,components/voice}`, `voice_service/app.py`, `mem0_service/`, `deploy/*`.
+> Alle persistenten Schreibpfade, Dienste, Secrets und Env-Vars sind unten erfasst.
+
+Legende Restore-Quelle: 📦 = aus Backup-Tarball · ⬇️ = Re-Download/Install (Skript) · 🌐 = Git ·
+🔑 = Secret (Nutzer/Generieren) · 🆕 = im Wizard neu gewählt.
+„Im Backup?" = deckt der **aktuelle** `backup.sh` es ab.
+
+### A · OS & System (L0, root/sudo, einmalig)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| Ubuntu 26.04, User `hitonabi`, `enable-linger` | — | ⬇️ manuell | n/a |
+| System-Pakete: python3.14+venv, git, curl, jq, ttyd, uv | — | ⬇️ apt/curl | nein |
+| Vulkan-Stack: mesa-vulkan-drivers, libvulkan1, vulkan-tools | — | ⬇️ apt | nein |
+| Chrome-Libs (Browser): `agent-browser install --with-deps` | — | ⬇️ apt | nein |
+| Verzeichnis-Layout: `/srv/models/{,mem0,mc2-backups,drafts}`, `/etc/llama-swap/` | — | ⬇️ mkdir+chown | nein |
+
+### B · Inferenz-Engine + Router (L1, root)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| llama.cpp (Vulkan) → `llama-server` | `/opt/llamacpp-vulkan`, `/usr/local/bin/llama-server` | ⬇️ provision-engine.sh / update-engine.sh (ggml-org Release) | nein (re-build) |
+| **llama-swap** Binary (Router `:8080`) | `/usr/local/bin/llama-swap` | ⬇️ **bekannt:** `mostlygeek/llama-swap`-Release (Rezept in `update-swap.sh`) | nein (re-download) |
+| **llama-swap systemd-System-Unit** | `/etc/systemd/system/llama-swap.service` (+ `.d/` Drop-ins) | ⬇️ Bootstrap legt sie an — **kompletter Unit-Inhalt in Anhang A** (von der Box abgegriffen; Drop-ins via provision-engine.sh) | nein |
+| llama-swap-Config (Modelle/Rollen) | `/etc/llama-swap/config.yaml` | 📦 | **ja** |
+| Draft-Modelle (Spec-Decoding) | `/srv/models/drafts/` | ⬇️ Re-Download | nein |
+
+### C · MC2-App (L2, userspace)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| MC2-Code | `~/mission-control-v2` | 🌐 Git (Gitea) | n/a |
+| Backend-venv (Python 3.14) | `backend/.venv` | ⬇️ deploy.sh | nein (rebuild) |
+| Frontend (gebaut, inkl. **3D-Avatar `avatar.vrm`**) | `frontend/dist`, `frontend/public/avatar.vrm` | 🌐 Git | n/a |
+| systemd-User-Dienst `mission-control-2` (`:9001`) | `~/.config/systemd/user/` | ⬇️ deploy.sh | nein |
+
+### D · 3D-Avatar (Sprechen-Tab)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| Default-Avatar (VRM) | `frontend/public/avatar.vrm` (→ dist) | 🌐 Git | n/a |
+| Renderer | `frontend/src/components/voice/Avatar3D.tsx` | 🌐 Git | n/a |
+| **Eigene/zusätzliche Avatare** (falls Nutzer welche ablegt) | **TODO: Ablageort definieren** (z.B. `/srv/models/avatars/` + DB-Verweis) | 📦/🆕 | **nein (Lücke)** |
+
+> Heute ist der Avatar **fest** (`avatar.vrm`, kommt mit dem Git-Frontend zurück). Wenn künftig
+> Nutzer-Avatare hochgeladen werden, brauchen sie einen persistenten Ablageort, der ins Backup geht.
+
+### E · Voice-Sidecar (STT + TTS + Klonstimme)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| Voice-venv (Python 3.12) | `~/.voice/venv` | ⬇️ install.sh | nein (rebuild) |
+| STT (faster-whisper Modell) | `~/.voice/` (Cache) | ⬇️ install.sh / 1. Start | nein |
+| Piper-Binary + dt. Stimmen (thorsten/kerstin) | `~/.voice/piper`, `~/.voice/voices` | ⬇️ install.sh | nein |
+| Chatterbox (Premium-TTS, CPU-torch) | venv | ⬇️ install.sh (best-effort) | nein |
+| **Klonstimme / Voice-Referenz-Audio** (Nutzer) | `~/.voice/refs/ref.wav` (`VOICE_REFS_DIR`, `/api/voice/reference`) | 📦 | **nein → Anhang B** |
+| ElevenLabs-Key | `~/.hermes/.env` | 🔑 | ja |
+| Stimm-/Lautstärke-Wahl | Browser-`localStorage` (pro Gerät) | 🆕 client | n/a |
+| Dienst `voice-service` (`:8650`) | systemd-User | ⬇️ deploy.sh | nein |
+
+### F · Mem0 (Langzeitgedächtnis)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| Mem0-venv (Python 3.12, uv) | `~/.mem0/venv` | ⬇️ deploy.sh | nein (rebuild) |
+| **Gedächtnis-Daten (Chroma + history.db)** | `/srv/models/mem0/` | 📦 | **ja** |
+| Hermes-Memory-Plugin | `~/.hermes/plugins/mc2-memory/` | 📦/🌐 | ja |
+| Dienst `mem0-service` (`:8765`) | systemd-User | ⬇️ deploy.sh | nein |
+
+### G · Hermes-Agent (das Herz)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| Hermes-Code | `~/.hermes/hermes-agent` | 🌐 Git (NousResearch) | nein (re-clone) |
+| Bundled Node v22 | `~/.hermes/node/bin` | ⬇️ (kommt mit Hermes) | nein |
+| Hermes-venv | `~/.hermes/hermes-agent/venv` | ⬇️ rebuild | nein |
+| **`config.yaml` 1:1** (Toolsets, MCP, Engine, Browser, Personalities, alles) | `~/.hermes/config.yaml` | 📦 | **ja** |
+| **`.env` (Secrets: TELEGRAM_BOT_TOKEN, API_SERVER_KEY, ElevenLabs …)** | `~/.hermes/.env` | 📦/🔑 | **ja** |
+| Plugins | `~/.hermes/plugins/` | 📦 | ja |
+| **Skills (eigene)** | `~/.hermes/skills/` (45M; `.hub`-Cache re-downloadbar) | 📦 | **nein → Anhang B (ohne .hub)** |
+| Sessions/History (optional) | `~/.hermes/sessions/` (856K) | 📦 | **nein → Anhang B** |
+| Checkpoints (optional) | `~/.hermes/checkpoints/` (existiert nicht) | ⏭️ skip | nein |
+| **Token-/Ersparnis-Statistik** | `~/.hermes/token_stats.json` | 📦 | **nein → Anhang B** |
+| Dienst `hermes-gateway` (`:8642`) | systemd-User | ⬇️ | nein |
+| Hermes-Terminal (ttyd → `hermes chat`, `:7681`) | systemd-User `hermes-terminal` | ⬇️ deploy.sh (+ttyd apt) | nein |
+
+### H · MCP-Server (4)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| `mission-control-memory`, `-stack` (MC2-venv) | `~/mission-control-v2/mcp/*.py` | 🌐 Git | über config.yaml |
+| `hermes-pc-control`, `hermes-web-fetch` (Hermes-venv) | dito | 🌐 Git | über config.yaml |
+| MCP-Verdrahtung | `~/.hermes/config.yaml → mcp_servers` | 📦 | ja |
+
+### I · Browser-Stack
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| agent-browser (npm global) | `~/.local/...`, symlink `~/.hermes/node/bin` | ⬇️ npm i -g | nein |
+| Chrome (engine) + System-Libs | `~/.agent-browser/browsers/` + apt-Libs | ⬇️ install --with-deps | nein |
+| lightpanda (optional, leicht) | `~/.local/bin/lightpanda` | ⬇️ Download | nein |
+| Browser-Verdrahtung (engine=chrome, toolset) | `~/.hermes/config.yaml` | 📦 | ja |
+
+### J · Modelle (GGUF — der große Brocken)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| GGUF-Modelle (Brain, fast, heavy, coder, vision, embedding …) | `/srv/models/` | ⬇️ Re-Download aus llama-swap-Manifest | **nein (zu groß, bewusst)** |
+
+### K · Extern (anderer Rechner)
+| Komponente | Ort | Quelle | Im Backup? |
+|---|---|---|---|
+| PC-Executor (Windows) | `client/hermes-pc/` → Scheduled Task | 🌐 Git + Task | n/a (anderer Host) |
+| Hermes-WebUI (nesquena, optional, `:8787`) | `~/hermes-webui` | ⬇️ git clone | nein |
+
+---
+
+## 4. Ziel-Architektur
+
+### 4.1 `deploy/bootstrap.sh` — orchestrierter From-Zero-Lauf
+- **Idempotent & resumierbar** (Schritt-Marker in `~/.mc2-bootstrap.state`).
+- **Getrennt nach sudo-Bedarf**: `bootstrap-root.sh` (L0+L1, bewusst mit sudo) + `bootstrap.sh`
+  (L2+, sudo-frei = Kern ist `deploy.sh`). Passt zum Nordstern „Runtime ohne sudo".
+- **Mündet in den Wizard**: startet MC2 im First-Run-Modus, gibt Wizard-URL aus.
+
+Phasen: `0 Vorflug → 1[sudo] System+Dirs → 2[sudo] Engine+llama-swap → 3 Code(MC2+Hermes+Node)
+→ 4 venvs(backend/mem0/voice/hermes) → 5 Browser → 6 deploy.sh(Units/enable/restart)
+→ 7 Restore(optional) → 8 Wizard hoch + postcheck`.
+
+### 4.2 First-Run-Wizard (browserbasiert, von MC2 serviert)
+MC2 erkennt unkonfigurierten Zustand → Frontend-Route `/setup` statt Dashboard. Schritte:
+
+1. **Systemcheck** — Live-Ampel je Komponente aus §3 (`GET /api/setup/status` + `…/system/services`).
+2. **Restore-Quelle wählen** — Backup-Tarball erkennen → globaler Modus „Alles 1:1" / „selektiv" / „frisch".
+3. **Komponenten-Auswahl (Kernstück)** — pro Katalog-Eintrag aus §3 eine Kachel mit
+   📦/🆕/⏭️ (siehe §1). Zeigt Größe + ob Backup-Daten vorhanden.
+4. **Netzwerk & Identität** — Box-IP (→ `HERMES_TERMINAL_URL`, `PC_EXECUTOR_URL`), Hostname.
+5. **Secrets** 🔑 — `TELEGRAM_BOT_TOKEN`, erlaubte User-ID, `API_SERVER_KEY` (oder generieren),
+   ElevenLabs-Key → `~/.hermes/.env` (chmod 600). Bei 📦 vorbefüllt aus Backup.
+6. **Hermes-Profil** — Brain-Alias + Toolset-Profil (Default = entfesselt: vision/tts/memory/browser
+   an, image_gen/video aus — siehe [[project-hermes-setup]]). Bei 📦 = exakte alte `config.yaml`.
+7. **Avatar & Voice** — Avatar wählen (Default-VRM oder eigener), Stimme/Klonstimme
+   (📦 Referenz-Audio zurück, oder neu aufnehmen/hochladen).
+8. **Modelle** — aus llama-swap-Manifest automatisch nachladen (`POST /api/models/install`,
+   Fortschritt `GET /api/jobs`) ODER geführte Discover-Neuauswahl. Reihenfolge: Brain → heavy → Rest.
+9. **Externe Checkliste** — PC-Executor (Windows-Task), Hermes-WebUI als Haken.
+10. **Verifikation & Abschluss** — `stack-postcheck.sh` + `hermes-postcheck.sh` → grün/rot-Liste → Dashboard.
+
+**Technik:** neuer Router `backend/routers/setup.py`
+(`GET /api/setup/status`, `POST /api/setup/{secrets,network,hermes,components,finish}`).
+First-Run-Gate: MC2 prüft beim Boot Marker `~/.mc2-setup-done` bzw. Pflicht-Secrets → leitet auf `/setup`.
+
+---
+
+## 5. Backup-Scope für echtes 1:1 ERWEITERN (umzusetzen — Snippet in Anhang B)
+
+Der **aktuelle** `backup.sh` (live auf der Box, unverändert) reicht für „1:1" nicht. Für die Bau-Session
+liegt das **fertige Erweiterungs-Snippet in Anhang B** — es ergänzt den Tarball um:
+
+- **Voice-Klonstimme** → `~/.voice/refs/` (`ref.wav`)
+- **Token-/Ersparnis-Statistik** → `~/.hermes/token_stats.json`
+- **Hermes-Skills** → `~/.hermes/skills/` (re-downloadbarer `.hub`-Cache per `tar --exclude` ausgelassen)
+- **Hermes-Sessions/History** → `~/.hermes/sessions/`
+
+Restore soll skills/sessions **mergen** (frisch geladenen `.hub` nicht überschreiben) und `voice-service`
+mit neu starten.
+
+**Offen bleibt:** eigene Avatare (sobald Upload existiert — Ablageort heute undefiniert, siehe §3·D).
+
+**Bewusst NICHT im Backup (re-downloadbar/rebuildbar):** Piper-Stimmen (install.sh), `.hub`-Skill-Cache,
+`/srv/models/mc2-discover.json` (Cache), `/srv/models/mc2-memory.db` (Legacy-Migration), alle venvs, GGUF-Modelle.
+
+→ Aufgabe der Bau-Session: `backup.sh` + `restore.sh` um diese Pfade erweitern (mit klarer
+„opt-in für große/optionale Teile"-Logik), und den MANIFEST-Inhalt entsprechend.
+
+---
+
+## 6. Secrets-Strategie
+- Single Source: `~/.hermes/.env` (chmod 600), im Tarball (selbst 600).
+- Rebuild ohne Backup → Wizard-Schritt 5 erzeugt sie. `API_SERVER_KEY` generierbar; Telegram/ElevenLabs liefert Nutzer.
+- Nie ins Git, nie in Logs, nie in die MC2-DB. **Off-Box-Spiegelung des Tarballs noch offen** ([[mc2-backup-restore]]).
+
+## 7. Modell-Strategie
+- **A (empfohlen):** `/etc/llama-swap/config.yaml` (im Backup) listet alle Modelle → Wizard leitet Repos/Quants ab und lädt automatisch (`/api/models/install`). „Ein Klick, lädt über Nacht."
+- **B:** geführte Discover-Neuauswahl je Rolle. Reihenfolge Brain → heavy → Rest, danach `warmup.sh`.
+
+---
+
+## 8. Implementierungs-Reihenfolge (neue Session)
+1. ✅ **Box-Verifikation erledigt (2026-06-28, nur gelesen — nichts verändert):** llama-swap.service-Inhalt
+   in **Anhang A**; skills/sessions/refs/token_stats existieren (Pfade in §3 verifiziert); Backup-Erweiterung
+   als fertiges Snippet in **Anhang B**. **Keine offenen Box-Fragen mehr** außer §10·3–6. → mit Schritt 2 starten.
+2. `backup.sh`/`restore.sh` um die 1:1-Lücken erweitern (§5).
+3. `deploy/bootstrap.sh` + `bootstrap-root.sh` (Phasen, State-Marker); llama-swap-Install skripten.
+4. `backend/routers/setup.py` + First-Run-Gate.
+5. Frontend `/setup`-Wizard (Schritte 1–10), Komponenten-Auswahl als Kernstück; bestehende Views
+   (Cockpit/AgentView/Sprechen) wiederverwenden.
+6. Modell-Restore-aus-Manifest.
+7. **Abnahme in frischer VM** (§9).
+
+Vorschlag: 2–4 zuerst (Skelett lauffähig), Wizard danach. Branch + PR.
+
+## 9. Abnahmekriterien
+- Frisches Ubuntu 26.04 → `bootstrap-root.sh` + `bootstrap.sh` → laufender Stack, kein Spezialwissen.
+- Postchecks grün; Telegram, Voice (inkl. Klonstimme bei 📦), 3D-Avatar, Browser funktionieren.
+- „Alles 1:1" stellt mem0, Hermes-config.yaml, Secrets, Klonstimme, Skills exakt wieder her.
+- Selektiver Modus: einzelne Komponenten ⏭️ überspringbar, Stack läuft trotzdem.
+- Idempotenz: zweiter Lauf = No-op.
+
+## 10. Offene Entscheidungen (vor dem Bau)
+1. ~~llama-swap systemd-Unit-Inhalt~~ → **geklärt: kompletter Unit in Anhang A** (in der Bau-Session anlegen).
+2. ~~Voice-Referenz-Audio-Ort~~ → **geklärt: `~/.voice/refs/`** (Backup-Snippet in Anhang B, in der Bau-Session umsetzen).
+3. **Eigene Avatare**: künftiger Upload-/Ablage-Mechanismus + Backup-Pfad (einziger offener 1:1-Daten-Punkt).
+4. **Off-Box-Backup-Ziel** (NAS/2. Platte/Cloud) — [[mc2-backup-restore]].
+5. **Python 3.14** auf frischem Ubuntu beschaffen (deadsnakes?).
+6. **Bootstrap-sudo-Modell**: getrenntes `bootstrap-root.sh` (empfohlen) vs. interaktives sudo.
+
+## 11. Referenzen
+- `backend/config.py`, [[project-mc2-architecture]], [[project-stack-state]]
+- [[project-hermes-setup]], `docs/HERMES_SETUP.md` (entfesseltes Profil, Browser, PC-Executor)
+- [[voice-sprechen-feature]] (Voice + 3D-Avatar), [[mem0-memory-architecture]], [[mc2-backup-restore]]
+- `deploy/{deploy,backup,restore,provision-engine,stack-postcheck,warmup}.sh`, `voice_service/install.sh`
+
+---
+
+## Anhang A — `llama-swap.service` (1:1 von der Box abgegriffen, 2026-06-28)
+
+Base-Unit nach `/etc/systemd/system/llama-swap.service` (root). User/GFX sind boxspezifisch
+(hitonabi, gfx1151 → HSA 11.5.1) — auf anderer Hardware anpassen. Die `.d/`-Drop-ins
+(`vulkan.conf`, `warmup.conf`) legt `provision-engine.sh` an.
+
+```ini
+[Unit]
+Description=llama-swap (lokaler LLM Router)
+After=network-online.target
+Wants=network-online.target
+
+[Service]
+Type=simple
+User=hitonabi
+Environment=HSA_OVERRIDE_GFX_VERSION=11.5.1
+Environment=PATH=/usr/local/bin:/usr/bin:/bin
+ExecStart=/usr/local/bin/llama-swap --config /etc/llama-swap/config.yaml --listen 0.0.0.0:8080 --watch-config
+Restart=on-failure
+RestartSec=3
+
+[Install]
+WantedBy=multi-user.target
+```
+```ini
+# /etc/systemd/system/llama-swap.service.d/vulkan.conf
+[Service]
+Environment=LD_LIBRARY_PATH=/opt/llamacpp-vulkan
+```
+```ini
+# /etc/systemd/system/llama-swap.service.d/warmup.conf
+[Service]
+ExecStartPost=-/usr/local/bin/llama-swap-warmup.sh
+```
+
+**Erstinstall-Reihenfolge:** `bash deploy/update-swap.sh` (Binary) → Unit kopieren →
+`sudo bash deploy/provision-engine.sh` (Engine+Drop-ins) → `sudo systemctl enable --now llama-swap`.
+
+---
+
+## Anhang B — Backup-Scope-Erweiterung für echtes 1:1 (fertiges Snippet)
+
+In `deploy/backup.sh` ergänzen (Variablen oben: `VOICE="${VOICE_HOME:-$HOME/.voice}"`,
+Stage zusätzlich `"$STAGE/voice"`):
+
+```bash
+# 1:1-Erweiterung (scan-verifiziert 2026-06-28):
+[ -f "$HERMES/token_stats.json" ] && cp -a "$HERMES/token_stats.json" "$STAGE/hermes/" || true
+[ -d "$HERMES/skills" ]           && cp -a "$HERMES/skills" "$STAGE/hermes/skills"   || true
+[ -d "$HERMES/sessions" ]         && cp -a "$HERMES/sessions" "$STAGE/hermes/sessions" || true
+[ -d "$VOICE/refs" ]              && cp -a "$VOICE/refs" "$STAGE/voice/refs"         || true
+```
+tar-Aufruf um den re-downloadbaren Skill-Cache erleichtern:
+```bash
+tar --exclude='./hermes/skills/.hub' -czf "$OUT" -C "$STAGE" .
+```
+In `deploy/restore.sh` spiegelbildlich (skills/sessions **mergen**, nicht ersetzen) und
+`voice-service` mit neustarten:
+```bash
+VOICE="${VOICE_HOME:-$HOME/.voice}"
+SERVICES="mem0-service voice-service mission-control-2 hermes-gateway"
+[ -f "$STAGE/hermes/token_stats.json" ] && cp -a "$STAGE/hermes/token_stats.json" "$HERMES/"
+[ -d "$STAGE/hermes/skills" ]   && { mkdir -p "$HERMES/skills";   cp -a "$STAGE/hermes/skills/." "$HERMES/skills/"; }
+[ -d "$STAGE/hermes/sessions" ] && { mkdir -p "$HERMES/sessions"; cp -a "$STAGE/hermes/sessions/." "$HERMES/sessions/"; }
+[ -d "$STAGE/voice/refs" ]      && { mkdir -p "$VOICE/refs";      cp -a "$STAGE/voice/refs/." "$VOICE/refs/"; }
+```

docs/HERMES_SETUP.md

@@ -0,0 +1,82 @@
+# Hermes-Schicht — Box-Runbook
+
+> Diese Schritte laufen **auf der Bosgame** (`192.168.178.151`, User `hitonabi`).
+> MC betreibt Hermes nicht — es zeigt nur Status + verlinkt das WebUI. Hier wird die
+> eigentliche **volle Verdrahtung** gemacht (das war in v1 der „Hermes ist dumm"-Grund).
+
+## Reihenfolge der Dienste
+`llama-swap (:8080)` → **builtin Gateway (`:9001/v1`, Teil von MC2)** → `hermes-gateway (:8642)` →
+`hermes-webui (:8787, nesquena)`
+
+## 1. Gateway = builtin (kein LiteLLM)
+LiteLLM scheitert auf Python 3.14 (uvloop/orjson). MC2 bringt einen **eingebauten** OpenAI-kompatiblen
+Gateway auf `:9001/v1` mit: `model: auto` (kurz→`fast`, komplex→`heavy`) + explizite Aliase
+(`fast`/`heavy`/`coder`/`vision`/`hermes`). Verifizieren:
+```bash
+curl -s http://127.0.0.1:9001/v1/models
+```
+
+## 2. Engine: Rollen (llama-swap)
+Aliase sauber: `fast` (Qwen3.6-35B-A3B), `heavy` (Qwen3.5-122B-A10B), `coder`, `vision`, `scout`,
+`hermes` (Hermes-4-14B, `ttl 99999` = immer warm). Verwaltung im Cockpit (Modelle & Routing).
+**Ko-Residenz** (optional): Gruppe `swap:false` für `hermes`+`fast` → beide warm; `heavy`/`vision`
+on-demand. GTT beobachten (~124 GB Limit).
+
+## 3. hermes-webui installieren (nesquena, standalone)
+```bash
+cd ~ && git clone https://github.com/nesquena/hermes-webui && cd hermes-webui
+python3 bootstrap.py          # erkennt hermes-agent, baut venv, installiert Deps
+mkdir -p ~/.config/environment.d
+echo 'HERMES_WEBUI_PASSWORD=<dein-passwort>' > ~/.config/environment.d/hermes-webui.conf
+# Unit deploy/hermes-webui.service → ~/.config/systemd/user/ (HOST=0.0.0.0, PORT=8787)
+systemctl --user enable --now hermes-webui
+loginctl enable-linger hitonabi
+```
+Zugriff vom Windows-PC: `http://192.168.178.151:8787` (mit Passwort). MC2-Unit
+`HERMES_WEBUI_URL=http://192.168.178.151:8787` setzen → „Hermes öffnen" zeigt darauf.
+**Danach das alte offizielle Dashboard stilllegen** (eine WebUI):
+`systemctl --user disable --now hermes-dashboard` (:9119).
+
+## 4. Hermes-Hirn = dediziertes Hermes-4-14B + Delegation (NICHT model:auto)
+In `~/.hermes/config.yaml`:
+```yaml
+model:
+  default: Hermes-4-14B
+  provider: custom
+  base_url: http://127.0.0.1:9001/v1
+  api_key: local
+  model: hermes              # Hermes' eigenes Hirn (Alias→Hermes-4-14B), NICHT 'auto'
+delegation:
+  model: heavy               # harte Teilaufgaben → Qwen3.5-122B
+  provider: custom
+  base_url: http://127.0.0.1:9001/v1
+  api_key: local
+  orchestrator_enabled: true
+  subagent_auto_approve: true
+```
+`model:auto` bleibt ausschließlich Gateway-Funktion für Vibe Coding/IDEs.
+
+## 5. Tools/MCP verdrahten — UND kaputte Tools abschalten (Thrash-Fix!)
+- **Kaputte/Cloud-Tools global abschalten** (sonst Endlos-Loops, siehe Memory `hermes-thrash-rootcause-fix`):
+  ```yaml
+  agent:
+    disabled_toolsets: [browser, vision, computer_use, image_gen, tts, video, video_gen, memory]
+  memory:
+    memory_enabled: false
+    user_profile_enabled: false
+  ```
+  ⚠️ `hermes tools disable <x>` wirkt nur für die cli-Plattform, **nicht den api_server** — nutze
+  `agent.disabled_toolsets` (gilt für ALLE Plattformen).
+- **Behalten:** terminal/shell, file, code_execution, skills, todo, session_search, clarify,
+  delegation, cronjob, web. `approvals: auto` (rein lokal).
+- **MCP-Server** (`mcp_servers` in config) — laufen über die v2-venv (hat das `mcp`-Modul nach pip install):
+  - geteiltes Gedächtnis: `~/mission-control-v2/backend/.venv/bin/python ~/mission-control-v2/mcp/mcp_memory.py` (Env `MC_URL=http://127.0.0.1:9001`)
+  - Stack-Management: `~/mission-control-v2/backend/.venv/bin/python ~/mission-control-v2/mcp/mcp_mc.py` (Env `MC_URL=http://127.0.0.1:9001`)
+- **SSH→Windows-PC** (voller Zugriff): OpenSSH-Server auf Windows aktiv + Key
+  `~/.ssh/id_ed25519_hermes_agent` autorisiert; Hermes nutzt sein terminal-Tool für `ssh TobisPC@<win-ip>`.
+
+## 6. Verifikation
+- `curl :8642/v1/chat/completions` „bist du da?" → kurze Antwort in wenigen Sekunden, **kein** Tool-Loop
+  im `journalctl --user -u hermes-gateway`; llama-swap `/running` zeigt `Hermes-4-14B`.
+- WebUI öffnet vom Windows-PC, Chat antwortet.
+- Hermes kann via `mcp_mc` Modelle listen/Routing ändern; erreicht (nach §5-SSH) den Windows-PC.

docs/LUCY_TTS_PLAN.md

@@ -0,0 +1,149 @@
+# Lucy TTS — Optimierungs- & Strategieplan
+
+> Ziel: **Lucys Stimme läuft 100 % lokal & on-device** (kein Box-Zwang, keine Cloud).
+> Primärengine: **Kyutai pocket-tts 2.1.0** (CPU). Strategische Alternative: **F5-TTS** (GPU/ONNX).
+> Stand: 2026-06-30. Resume-fähig im Stil von `docs/STATUS.md`.
+
+## Leitentscheidung: Hardware
+- **pocket-tts ist CPU-gebunden** — Kyutai bestätigt: *kein* GPU-Speedup (Batch 1, 100M Params).
+  → **RDNA2 vs. RDNA4 ist für pocket irrelevant.** Lucy läuft dort, wo der beste CPU steht.
+- **GPU zählt nur für F5-TTS** (non-autoregressiv, große Matmuls). Dort gewinnt **RDNA4 (9070 XT) + DirectML**
+  deutlich gegen RDNA2 → falls F5 die Lucy-Stimme wird, läuft sie auf der RDNA4-Maschine.
+- **Konsequenz:** `oute n_gpu_layers=999` und „pocket auf ROCm/Vulkan" werden **eingestellt**.
+
+---
+
+## Phase A — Sofort-Wins (risikoarm, pocket_server.py)
+
+**A1 — Voice → safetensors exportieren (einmalig)**
+- Statt `get_state_for_audio_prompt(ref)` bei jedem Boot: einmal `export_model_state(...)` → `lucy_voice.safetensors`.
+- Server lädt beim Start nur noch die safetensors (liest kvcache, keine Klon-Rechnung) → schnellerer Start.
+- Fallback behalten: wenn safetensors fehlt → aus `ref.mp3` klonen + direkt exportieren.
+
+**A2 — Referenz säubern**
+- Kyutai: Sample-Qualität wird *mitreproduziert*. Sauber entrauschte/normalisierte `ref` → weniger Artefakte.
+- Schritt in `_prep_ref()` ergänzen (Denoise/Highpass/Lautheit), Ergebnis cachen.
+
+**A3 — temp-Sweep gegen Kollaps**
+- Hypothese: `temp=0.9` treibt die best-of-N-Regenerationen. Niedriger testen (0.7–0.85).
+- Akzeptanz: gleiche/bessere Natürlichkeit bei **messbar weniger Regenerationen** (= weniger Latenz).
+
+*Gate A:* A1–A3 live, Kollaps-Rate & TTFB protokolliert.
+
+---
+
+## Phase B — Benchmark-Harness (datenbasiert tunen)
+
+**B1 — `bench_lucy.py`** (lokal, CPU)
+- Misst je Konfig: **RTF**, **TTFB**, **Kollaps-/Regenerations-Rate**, Whisper-Rücktranskription (Verständlichkeit).
+- Sweep-Achsen: `lsd_decode_steps` (6/8/10/12), `temp`, `noise_clamp`, `quantize` on/off, `frames_after_eos`.
+- Feste Testsätze (kurz/mittel/lang, wie in `ptts_test.py`).
+
+**B2 — CPU-Parallelität**
+- pocket nutzt nur **2 Kerne** → mehrere **Satz-Worker parallel** statt globalem `LOCK`.
+- Messen: Wall-Clock langer Antworten bei N Workern (1/2/3/4) vs. Qualität/Last.
+
+*Gate B:* dokumentierte Best-Config (RTF + Kollaps-Rate) als neue Defaults in `pocket_server.py`.
+
+---
+
+## Phase C — Runtime-Eval (lokal schneller + Python-3.14-frei)
+
+**C1 — ONNX-Pfade testen**
+- Kandidaten: **PocketTTS.cpp** (Single-File C++/ONNX, CLI+HTTP+FFI) und **sherpa-onnx** (Windows, viele Bindings).
+- Ziel: torch-CPU schlagen **und** das Python-3.14-Packaging-Problem umgehen.
+- Vergleich gegen Phase-B-Baseline (gleicher Benchmark).
+
+**C2 — Server-Vertrag prüfen**
+- Fertige **OpenAI-kompatible Streaming-Server** (teddybear082 / ai-joe-git) gegen den aktuellen Custom-Proxy halten.
+- Nur übernehmen, wenn Stimm-Wächter (F0 + Fingerabdruck) erhalten/abbildbar bleiben.
+
+*Gate C:* Entscheidung „torch-CPU behalten" vs. „auf ONNX-Runtime wechseln" (mit Zahlen).
+
+---
+
+## Phase D — Strategische Weiche: pocket vs. F5
+
+**D1 — F5 fair gegen pocket messen**
+- `lucy-f5/` (F5-TTS DE, ONNX + DirectML, **RDNA4/9070 XT**) ist **non-autoregressiv → strukturell kein
+  Kollaps/Männerstimme/Wiederholung** (genau pockets Schmerz).
+- Gleicher Benchmark wie Phase B: RTF, TTFB, Natürlichkeit, Stabilität.
+
+**D2 — Entscheidung**
+- **pocket gewinnt** (gut genug stabil, CPU, „nur lokal"-Ideal): pocket = Lucy-Stimme, F5 verworfen/geparkt.
+- **F5 gewinnt** (Stabilität schlägt den Latenz-Overhead der Wächter): F5 = Lucy-Stimme auf RDNA4,
+  **pocket bleibt schneller CPU-Fallback** (z. B. wenn keine GPU verfügbar).
+
+**Beobachtungsposten (extern):** distilliertes **`german`** (statt `german_24l`) ist noch nicht released
+(Kyutai fixt Distillations-Datenqualität). Sobald da → größter Einzel-Win (Tempo + Stabilität),
+dann `german_24l → german` swappen. Release-Feed im Blick behalten.
+
+---
+
+## Reihenfolge & Quick-Start
+1. **A1 + A2 + A3** (heute) — sofort spürbar, kein Risiko.
+2. **B1 + B2** — Zahlen sammeln, Defaults härten.
+3. **C1/C2** — Runtime-Wechsel nur wenn Benchmark es trägt.
+4. **D1/D2** — finale Stimm-Architektur entscheiden.
+
+## Mess-Ergebnisse & finale Defaults (30.06., 9700X, german_24l)
+
+Alles auf der lokalen Maschine gemessen (Logs: `sweep_b2.log`, `ttfb_test.log`, `sweep_b2_result.json`).
+
+**B2-Sweep (6-Satz-Antwort, ~21s Audio):**
+
+| Konfig | Wall | TTFB | RTF |
+|---|---|---|---|
+| seriell (1×alle Kerne) | 15,8s | **3,6s** | 0,74 |
+| 2w×3t | 12,9s | 6,2s | 0,62 |
+| 3w×2t | 10,3s | 6,8s | 0,50 |
+| 4w×2t | 9,7s | 8,2s | **0,44** |
+
+Erkenntnis: pocket ist **speicherbandbreiten-gebunden**. Der Pool verbessert nur die Gesamt-Wall-Clock
+(Batch), verschlechtert aber die **TTFB** deutlich. Seriell liefert RTF 0,74 < 1 → generiert schneller
+als Echtzeit → Streaming spielt **lückenlos** und startet am schnellsten. **Für Lucys Live-Stimme
+gewinnt seriell.** Pool bleibt Opt-in für Batch (`/tts` ganze Datei): Sweet Spot **4w×2t** / **3w×2t**.
+
+**B3 (FP-Drift-Gate überspringt kurze Audios) + kurzer erster Chunk:**
+Der MFCC-Fingerabdruck ist auf <2s Audio unzuverlässig (sim ~0,84 < 0,94) → löste 3× Fehlalarm-
+Regenerierung aus. B3 prüft den Drift erst ab `LUCY_FP_MIN_S=2.0`s stimmhafter Dauer; der F0-
+Männerstimmen-Wächter bleibt immer aktiv. Effekt (Drift-Warnungen pro Lauf: ~6 → 1):
+
+| | TTFB | Wall |
+|---|---|---|
+| kurzer 1. Chunk, ohne B3 | 4,71s | 19,9s |
+| gebündelt (alt) | 3,74s | 15,8s |
+| **kurzer 1. Chunk, mit B3** | **1,31s** | 16,6s |
+
+→ Lucy spricht nach **1,3s** statt 3,7s, Wall ~gleich, weiter lückenlos.
+
+**Finale Defaults in `pocket_server.py`:**
+`LUCY_WORKERS=0` (seriell) · `LUCY_FAST_FIRST=1` (kurzer 1. Chunk) · `LUCY_FP_MIN_S=2.0` (B3) ·
+`LUCY_REF_CLEAN=1` (A2) · Voice aus `lucy_voice.safetensors` (A1). Pool-Opt-in für Batch:
+`LUCY_WORKERS=4 LUCY_WORKER_THREADS=2`.
+
+**Offen / nächster Hebel:** distilliertes `german`-Modell (statt `german_24l`) abwarten — größter
+Qualität/Tempo-Sprung. Optional: TTFB weiter drücken über kürzeres erstes Wort / `lsd`-Tuning nur
+für den ersten Chunk.
+
+## Umlaute (ae/oe/ue) — Fix (30.06.)
+
+Symptom: Lucy spricht manchmal „u-e" statt „ü". Ursache: das LLM (Hermes/Qwen) gibt gelegentlich
+ASCII-Ersatzschreibweisen (ueber/schoen/maerz) aus; pocket liest sie wörtlich. (ß vs ss ist
+akustisch identisch -> ignoriert.)
+
+**Wurzel-Fix (empfohlen, auf der Box im Hermes-System-Prompt/Persona ergänzen):**
+> „Schreibe ausschließlich korrektes Deutsch mit echten Umlauten (ä, ö, ü) und ß. Verwende niemals
+> die Ersatzschreibweisen ae, oe, ue oder ss anstelle von Umlauten."
+
+**Schutznetz (in `pocket_server.py`, Default an `LUCY_UMLAUT_FIX=1`):** `_fix_umlauts()` wandelt NUR
+bekannte deutsche Umlaut-Ganzwörter zurück (Ganzwort + gängige Flexionsendungen, case-erhaltend).
+Verifiziert (`umlaut_test.py`): konvertiert über/für/größe/natürlich/mögliche/Gespräche; lässt
+neue/aktuell/Steuer/Quelle/Feuer/Frauen/genau/blaue unverändert. Grenzen: reine Wortliste, deckt
+nicht jedes seltene Wort — erweiterbar via `LUCY_UMLAUT_EXTRA="wort1,wort2"`. Der Wurzel-Fix bleibt
+die zuverlässige Lösung.
+
+## Referenzen
+- pocket-tts README (GPU-kein-Speedup, export-voice, Sprachen): github.com/kyutai-labs/pocket-tts
+- Multilingual-Ankündigung (DE = `german_24l`, undistilliert): kyutai.org/blog/2026-05-04-pocket-tts-multilingual
+- Tech-Report / Performance: kyutai.org/blog/2026-01-13-pocket-tts · deepwiki.com/kyutai-labs/pocket-tts

docs/OPTIMIZATION_PLAN.md

@@ -0,0 +1,300 @@
+# Optimierungsplan MC2 — Rollen, Warm-Set & Durchsatz (Strix Halo)
+
+> Audit-Ergebnis + Maßnahmenplan. **Erst Plan, dann Umsetzung nach Freigabe.** Alles reversibel
+> (Config-Backups vor jeder Box-Änderung). Stand: 2026-06-30.
+> Quellen: Code-Audit (`backend/`, `frontend/`) + **Live-Box-Verifikation per SSH** (`/running`, voller
+> `config.yaml`, `free`, `du`, t/s-Probe) + `docs/AUDIT_KICKOFF.md` / `CLAUDE_CODE_BRIEF_lucy-brain-role.md`.
+
+---
+
+## 0. TL;DR (Priorität nach echtem Impact)
+
+1. **✅ ERLEDIGT — Warm-Set korrigiert (W1/W2, 2026-06-30, live verifiziert):** `brains` jetzt = **gemma +
+   embedding + vision** (`swap:false, persist:true`, ~31 GB). **Wichtige Korrektur durch Live-Test:** das
+   ursprünglich vermutete OOM-Risiko existiert NICHT — llama-swap **swappt ganze Gruppen** statt sie zu
+   ko-laden (cross-group Load = Gruppe raus, neues Modell rein; kein Speicher-Überlauf). Der echte Punkt war
+   ein anderer: vorher pinnte `brains` auch `fast` (Chat-Lane-Hirn, kein Nutzen für Lucy → ~28 GB verschenkt),
+   und in der reinen `gemma+embed`-Variante hätte **Lucys Sehen ihr Hirn verdrängt**. Jetzt halten Hirn +
+   Gedächtnis + Sehen zusammen warm (verifiziert: gemma & vision ko-resident, 37 GB, kein Evict). **Reversibel.**
+2. **MTP-Spec-Decoding für gemma:** 53 t/s → erwartet ~80–100 t/s (1,5–2×, 0 Qualitätsverlust). Drafter-GGUF
+   fehlt auf der Box **und MC2 kennt MTP-Drafter gar nicht** (nur klassisches `draft-simple`). **[mittel]**
+3. **coder-Spec-Draft verifizieren:** `coder` (Qwen3-Coder-Next) hat `--spec-draft-model Qwen3-0.6B-Q8_0
+   --spec-type draft-simple` **aktiv** — ist dieser Draft wirklich vocab-kompatibel zu Qwen3-Coder-Next?
+   Wenn nein, bremst/bricht Spec still. **[Check]**
+4. **Neues `scout`-Modell** (multimodaler Allrounder, Tools): HF-verifizierter Primärpick **GLM-4.6V-Flash (9B)**
+   — Q4 ~6 GB + mmproj, natives Tool-Calling, schlägt unser vision-Modell. Alt: Gemma-4-12B. (Qwen3.5-VL-MoE
+   verworfen — kein gepflegtes GGUF.) **[Recherche/Download]**
+5. **gemma-ctx 128k → 64k:** *kleiner* Hebel (real nur ~2 GB, weil Gemmas KV winzig ist — s. §1.4),
+   trotzdem sinnvoll (freigegeben). Kein Funktions-Risiko für agentische Turns. **[risikoarm]**
+
+---
+
+## 1. IST-Zustand (live verifiziert per SSH, 2026-06-30)
+
+### 1.1 Rollen-Taxonomie — Code ist konsistent ✅
+Der Brain-Rolle-Umbau aus `CLAUDE_CODE_BRIEF_lucy-brain-role.md` ist **bereits umgesetzt** (Commit `dd99401`).
+`hermes` (= Lucys Hirn) ist als kanonische Rolle in ALLEN Quellen synchron: `llamaswap.ROLE_IDS`,
+`sources.ROLE_IDS`+`CATEGORIES`, `roles.py` (`_capability_suit`/`_pref`/`_reason`), Frontend `ModelBadges.ROLES`.
+Die „hermes-Altlast/Inkonsistenz" aus dem Brief existiert nicht mehr.
+
+### 1.2 Brain-Warm-Flow — Code ist fertig ✅, Box bestätigt ✅
+`POST /api/models/{id}/role role=hermes` → `agent.set_agent_brain()`: Alias + `brains:{swap:false,persist:true}`
++ ttl 0 (altes Hirn raus/entspannt) + Hermes `model.default` + Gateway-Restart + Budget-Warnung. `brain_status()`
+prüft per `/running`.
+**Box bestätigt das Akzeptanzkriterium:** `gemma-4-26B-A4B-it` ist `ready`, `ttl:0`, Alias `hermes`, und in
+`groups.brains` (`swap:false, persist:true`). **Lucy bleibt warm — kein Kalt-Nachladen.** ✅
+
+### 1.3 Live-Config aller Rollen (`/etc/llama-swap/config.yaml`, `globalTTL: 0`)
+
+| Rolle (alias) | Modell | Gewichte (du) | ctx | ttl | Besonderheiten |
+|---|---|---|---|---|---|
+| fast | Qwen3.6-35B-A3B | 22 GB | 65536 | 0 | `--parallel 2`, mmproj, `--cache-reuse 256 -cram 16384`, **kein Spec**, **in `brains`** |
+| heavy | Qwen3.5-122B-A10B | 73 GB | 32768 | 600 | split-GGUF, `--cache-reuse 256 -cram 16384`, kein Spec |
+| coder | Qwen3-Coder-Next | 46 GB | 131072 | 600 | `--parallel 2`, **Spec aktiv** (Qwen3-0.6B-Q8 / draft-simple) |
+| coder-lite | Qwen3-Coder-30B-A3B | 18 GB | 131072 | 300 | `--cache-reuse 256 -cram 16384` |
+| vision | Qwen3-VL-8B-Instruct | 6 GB | 32768 | 300 | mmproj, **in `brains` (gepinnt!)** |
+| embed | Qwen3-Embedding-0.6B | 1 GB | 8192 | 0 | `--embedding --pooling last`, **in `brains`** |
+| **hermes** (Hirn) | **gemma-4-26B-A4B-it** | 17 GB (+1,2 mmproj) | **131072** | 0 | mmproj, `--jinja`, **kein Spec**, **in `brains`** |
+
+`groups.brains = {swap:false, persist:true, members:[embedding, vision, fast, gemma]}`.
+
+### 1.4 Speicher-Realität (GTT = 124 GB, `amdgpu.gttsize=126976`)
+**Wichtige Korrektur ggü. der reinen `fit.py`-Schätzung:** mit NUR gemma@131072 geladen meldet die Box
+**25,9 GB used** → gemma resident ≈ **~22 GB** (≈17 Gewichte + 1,2 mmproj + nur **~4 GB KV**). Gemma-4 nutzt
+starke Sliding-Window-Attention → KV ist viel kleiner, als `fit.py` (kalibriert an Hermes-14B) vorhersagt.
+**Folge:** gemma-ctx-Reduktion spart real nur ~2 GB; der echte Druck kommt vom **Warm-Set**, nicht vom Hirn-ctx.
+
+**llama-swap-Gruppen-Semantik (live verifiziert, korrigiert frühere Annahme):** Eine `swap:false`-Gruppe hält
+NUR ihre EIGENEN Member ko-resident. Ein Modell in einer ANDEREN Gruppe (heavy/coder = je eigene implizite
+Gruppe) zu laden **swappt die gesamte aktive Gruppe raus** und lädt das neue Modell allein. `persist:true`
+verhindert nur das Idle-TTL-Entladen, NICHT das Gruppen-Swapping. **Folge:** es gibt **kein** OOM durch
+Ko-Laden (heavy lädt allein, 79 GB < 124 ✓) — aber das Hirn ist bei cross-group Loads (heavy/coder) **nicht**
+geschützt: es wird mitgeswappt und lädt danach kalt nach (~Sekunden). Beweis: heavy laden → `/running` zeigte
+nur heavy (78,7 GB), gemma weg trotz persist.
+
+**Konsequenz fürs Design (umgesetzt):** Lucys zusammengehöriges Set (Hirn + Gedächtnis + Sehen) MUSS in DERSELBEN
+`swap:false`-Gruppe stehen, sonst verdrängt schon Lucys eigenes Sehen ihr Hirn. → `brains = gemma + embed +
+vision` (~31 GB). heavy/coder/coder-lite/fast = on-demand (swappen die brains-Gruppe beim Laden raus — ok, das
+sind separate Aktivitäten IDE/Delegation; Lucy lädt danach kurz nach).
+
+### 1.5 Durchsatz (live gemessen)
+gemma (Hirn): **~53 t/s** Generierung, ~173 t/s Prompt (warm, kurzer Prompt). Solide Basis für ein 26B-A4B
+(4B aktiv) auf der bandbreitenlimitierten APU; MTP-Ziel ~80–100 t/s.
+
+---
+
+## 2. Verifikations-Status (war §2 „offen" — jetzt aufgelöst)
+- **V1 (gemma in `brains:{swap:false}`?)** → **JA** ✅ (Akzeptanzkriterium erfüllt).
+- **V2 (t/s)** → gemma 53 t/s gemessen ✅. fast/heavy/coder noch nicht gemessen (Laden würde Warm-Set stören).
+- **V3 (Voll-Config)** → komplett gelesen (§1.3) ✅.
+- **V4 (GTT/Belegung)** → GTT 124 GB, gemma-only 25,9 GB used ✅. Cross-group-Load swappt Gruppen (kein OOM,
+  aber Hirn ungeschützt) — live verifiziert (§1.4). Behoben durch W1/W2.
+
+- **V5 (coder-Spec-Draft)** → **AUFGELÖST ✅**: Qwen3-0.6B-Q8 ↔ Qwen3-Coder-Next = gleicher `tokens_sha
+  facf459…`, n_vocab 151936, `compatible: True`. coder-Spec ist gültig & aktiv. (Bonus-Opportunität §9.2 F4.)
+
+---
+
+## 3. Maßnahmen je Rolle
+
+### 3.1 ✅ Warm-Set / KO-Residenz — ERLEDIGT (2026-06-30, live verifiziert)
+| # | Maßnahme | Status / Begründung |
+|---|---|---|
+| W1/W2 | **`brains:{swap:false,persist:true}` = gemma + embedding + vision** (~31 GB); fast raus (Chat-Lane-Hirn, kein Lucy-Nutzen, ~28 GB gespart) | ✅ angewendet via `PUT /api/groups` (Backup `config.yaml.bak-20260630-152911`). **Verifiziert:** gemma & vision ko-resident, kein Evict (37 GB used); gemma bleibt `ready`. |
+| — | heavy/coder/coder-lite/fast = on-demand | Korrekt: kein OOM (Gruppen-Swap), Lucys Set bleibt zusammen warm. Trade-off: nach heavy-Delegation / IDE-Coding lädt Lucy kurz nach (~s). |
+| Optional | fast wieder pinnen, falls Chat-Lane dauerwarm sein soll | +28 GB Pin, swappt aber bei jedem heavy/coder-Load eh raus → geringer Nutzen. Auf Wunsch nachrüstbar. |
+
+### 3.2 `hermes` / Lucys Hirn — gemma-4-26B-A4B-it
+| # | Maßnahme | Begründung / Zahlen | Risiko | Revert |
+|---|---|---|---|---|
+| H1 | **ctx 131072 → 65536** | Spart real nur ~2 GB (Gemma-KV winzig), aber konsistent mit `fast` ([[hermes-fast-context-blocker]]) und Agent-Turns brauchen selten >64k. | niedrig | ctx zurück |
+| H2 | **MTP-Spec-Decoding** (s. §4) | 53 → ~80–100 t/s. Drafter ~0,4 B → Budget vernachlässigbar. | mittel | Spec-Flags raus |
+| H3 | gemma sollte ggf. `--cache-reuse 256` bekommen (wie fast/heavy/coder) — fehlt aktuell | KV-Reuse über Turns → weniger Prompt-Reprocessing bei Agent-Ketten. | niedrig | Flag raus |
+
+### 3.3 `fast` — Qwen3.6-35B-A3B (chat-Lane)
+- ctx 65536, `--parallel 2`, **kein Spec** (gut — vermeidet den qwen2.5-Vocab-Bruch). **Belassen**, aber W2 (raus
+  aus dem harten Pin). Optional Qwen-Spec-Draft nur, wenn vocab-kompatibel zu Qwen3.6 (Check via `gguf_meta`).
+
+### 3.4 `heavy` — Qwen3.5-122B-A10B
+- 73 GB, ctx 32768, ttl 600, on-demand. **Belassen.** Profitiert direkt von W1/W2 (kann wieder laden). Kein Spec
+  (kein etablierter kompatibler Qwen3.5-Draft) — erst prüfen, sonst lassen.
+
+### 3.5 `coder` / `coder-lite`
+- **coder** (Qwen3-Coder-Next, 46 GB, ctx 131072): **Spec aktiv mit Qwen3-0.6B-Q8** → **V5: Vocab-Kompatibilität
+  verifizieren.** Falls inkompatibel → Draft entfernen (still kein Speed-Gewinn, evtl. Fehlerquelle).
+- **coder-lite** (Qwen3-Coder-30B-A3B, 18 GB, ctx 131072): coding-Lane-Default, schnell (3B aktiv). **Belassen.**
+  Hinweis: Alias heißt `coder-lite` (Bindestrich) — die Lanes referenzieren `coder_lite`; sicherstellen, dass das
+  Routing (`router_logic.py`/`routing_policy.py`) auf den richtigen Alias zeigt (Konsistenz-Check, kein Box-Risiko).
+
+### 3.6 `vision` — Qwen3-VL-8B-Instruct
+- 6 GB, ctx 32768. **Belassen**, aber W2 (verdrängbar statt hart gepinnt). Sehen ist bursty → on-demand/warm-soft reicht.
+
+### 3.7 `embed` — Qwen3-Embedding-0.6B
+- 1 GB, ttl 0, **bleibt hart gepinnt** (W1). Unantastbar — Mem0/Gedächtnis hängt dran.
+
+### 3.8 `scout` — VAKANT → §5
+
+---
+
+## 4. MTP-Speculative-Decoding für gemma (Backend+UI-Erweiterung)
+**Problem:** MC2 kennt nur **klassische** Drafts. `spec_draft_flags()` schreibt `--spec-draft-model <d>
+--spec-type draft-simple`; `find_compatible_draft()` scannt nur `DRAFTS_DIR` mit stumpfem
+`gguf_meta.compatible()`. Ein **MTP-Kopf** (`gemma-4-26B-A4B-it-assistant`, Arch `gemma4_assistant`) wird nie
+angeboten. Engine 9843 kann `--spec-type draft-mtp` ✓; alte `--draft-max/-min` sind **entfernt** →
+`--spec-draft-n-max/-n-min`.
+
+**Schritte:**
+1. **Drafter beschaffen** (Box, fehlt noch) — ⚠️ **Brief-Korrektur (HF-verifiziert 2026-06-30):** der Drafter
+   heißt NICHT `…-assistant`. In `unsloth/gemma-4-26B-A4B-it-GGUF` liegt er als **`mtp-gemma-4-26B-A4B-it.gguf`**
+   (Repo-Root, **0,46 GB**) bzw. **`MTP/gemma-4-26B-A4B-it-Q8_0-MTP.gguf`** (0,46 GB; BF16/F16-Varianten 0,86 GB).
+   Eine Datei nach `/srv/models/gemma-4-26B-A4B-it-GGUF/` laden (Q8-MTP = kleinste, ~0,46 GB).
+   **Flags (laut unsloth MTP/README):** `--model-draft <mtp.gguf> --spec-type draft-mtp --spec-draft-n-max 4`
+   (kein `--spec-draft-n-min` nötig; neuere llama.cpp **auto-entdeckt** die Root-`mtp-*.gguf`). `-md` = Kurzform.
+2. **Backend (`llamaswap.py`):** MTP-Pfad ergänzen — MTP-Drafter als gültigen, vocab-kompatiblen Draft erkennen
+   (Arch/Name `*-assistant*`); beim Aktivieren `-md <assistant.gguf> --spec-type draft-mtp
+   --spec-draft-n-max N --spec-draft-n-min M` schreiben (statt `--spec-draft-model`/`draft-simple`). `_parse_model`
+   um `draft-mtp`/`-md` erweitern (UI-Status). Flag-Namen mit `llama-server --help` (9843) gegenprüfen.
+3. **Frontend:** Draft-Modal MTP-Drafter als empfohlene Option für gemma führen („MTP-Kopf, vocab-kompatibel ✓").
+4. **Verifizieren:** t/s vor/nach (Basis 53 t/s) gegen die Box.
+
+> Risiko mittel (neue Flag-Logik); voll reversibel.
+
+---
+
+## 5. Neues `scout`-Modell (Empfehlung)
+Profil: multimodaler Allrounder, klein/MoE (schnell auf bandbreitenlimitierter Box), Tool-Calling,
+KO-Residenz-freundlich, **distinkt** von Hirn (gemma-4) und vision (Qwen3-VL-8B).
+
+**HF-verifiziert 2026-06-30** (Verfügbarkeit + Dateigrößen real geprüft, nicht geraten):
+
+| Pick | Modell | Verifizierte Fakten | Hinweis |
+|---|---|---|---|
+| **Primär** | **GLM-4.6V-Flash (9B)** | GGUF da: `unsloth/GLM-4.6V-Flash-GGUF` (29 Quants, 12k+ dl), `lmstudio-community`, `MaziyarPanahi`. **Q4_K_M = 6,17 GB + mmproj 1,84 GB ≈ 8 GB.** Natives multimodales Function-Calling, 128k ctx. Benchmarks: **schlägt Qwen3-VL-8B** (= unser aktuelles vision-Modell) in fast allen Kategorien. | **9B dense** (nicht MoE), aber bei 9B/6 GB trotzdem schnell. **on-demand** (nicht pinnen). Könnte perspektivisch sogar `vision` ablösen. |
+| Alt A | **Gemma-4-12B-it (dense, multimodal)** | GGUF breit verfügbar: `unsloth/gemma-4-12b-it-GGUF` (1,4 Mio dl), `google/…-qat`, `lmstudio`. | dense → auf Bandbreiten-Box etwas langsamer; Familien-Dopplung mit dem Hirn (auch Gemma-4). |
+| ~~Alt B~~ | ~~Qwen3.5-VL-MoE~~ | **VERWORFEN:** kein gut gepflegtes GGUF — nur EIN Nischen-Repo (`jc-builds/Qwen3.5-9B-VLM-Q4_K_M`, kein Trusted-Author). Meine frühere „familien-treu"-Empfehlung war ungedeckt. | nicht nehmen. |
+
+**Vorgehen:** GLM-4.6V-Flash (Q4_K_M ~6 GB + mmproj) via „Modelle finden"/`/api/models/install` laden → Rolle
+`scout`, **on-demand** → Mini-Benchmark (t/s + Vision+Tool-Prompt). Quellen (tagesaktuell, 2026-06):
+[VentureBeat: GLM-4.6V native tool-calling](https://venturebeat.com/ai/z-ai-debuts-open-source-glm-4-6v-a-native-tool-calling-vision-model-for) ·
+[zai-org/GLM-4.6V-Flash (HF)](https://huggingface.co/zai-org/GLM-4.6V-Flash) ·
+[GLM-4.6V Flash 9B Review/Benchmarks](https://binaryverseai.com/glm-4-6v-review-benchmarks-pricing-local-install/) ·
+[SiliconFlow: schnellste OSS-Multimodal 2026](https://www.siliconflow.com/articles/en/fastest-open-source-multimodal-models).
+
+---
+
+## 6. KO-Residenz-Set (umgesetzt, live verifiziert)
+**Lucys Warm-Set (`brains:{swap:false,persist:true}`):** gemma-Hirn + embedding + vision = **~31 GB.**
+Diese drei MÜSSEN zusammen in einer Gruppe sein (sonst verdrängt Lucys Sehen ihr eigenes Hirn — Gruppen-Swap).
+**Rein on-demand (swappen die brains-Gruppe beim Laden raus):** fast, heavy, coder, coder-lite, scout.
+
+**Verifiziert:** gemma+vision ko-resident (37 GB, kein Evict); heavy-Load swappt die Gruppe (kein OOM, 79 GB).
+**Hinweis `budget.reserved_gb`:** das Modul nimmt an, fast/vision seien verdrängbar persist-Member, die NEBEN
+dem Hirn warm bleiben. Real swappt llama-swap aber die ganze Gruppe → die `reserved_gb`-Mathematik ist für
+cross-group-Loads **zu konservativ** (rechnet Hirn+Rest gleichzeitig, was nie passiert). **Folge-Task (Code):**
+`budget.reserved_gb` an die echte Gruppen-Swap-Semantik angleichen (nur das brains-Set zählt als resident,
+on-demand-Modelle laufen allein). Kein Box-Risiko, nur genauere ctx-Empfehlungen.
+
+---
+
+## 7. Reihenfolge / Risiko / Revert
+| Schritt | Aktion | Risiko | Revert |
+|---|---|---|---|
+| 0 | ✅ **Box-Backup** `config.yaml.bak-20260630-152911` | – | – |
+| 1 | ✅ **W1+W2** brains = gemma+embed+vision (via `PUT /api/groups`), verifiziert | niedrig | `set_group` zurück |
+| 2 | **H1** gemma ctx → 65536; **H3** `--cache-reuse 256` ergänzen | niedrig | ctx/Flag zurück |
+| 3 | **V5** coder-Draft-Vocab prüfen; inaktive Spec entfernen | niedrig | – |
+| 4 | **§4** MTP: Drafter laden → Backend/UI-Erweiterung → gemma-cmd → t/s-Vergleich | mittel | Spec-Flags raus |
+| 5 | **§5** scout recherchieren/installieren/zuweisen (on-demand) | niedrig | Modell löschen |
+
+---
+
+## 8. Offene Entscheidungen (für dich)
+1. **Warm-Set-Fix (W1/W2) jetzt umsetzen?** — behebt die heavy-OOM-Gefahr, mein klare Empfehlung als Erstes.
+2. **fast/vision verdrängbar** via eigener Gruppe `swap:true` (sie swappen sich gegenseitig) **oder** schlicht
+   `persist:false`? (Detail des Umbaus.)
+3. **MTP jetzt oder als eigener Block?** (Code-Erweiterung Backend+UI + Drafter-Download.)
+4. **scout-Pick:** GLM-4.6V (Primär) oder familien-treu Qwen3.5-VL-MoE?
+5. gemma-ctx **65536** ist gesetzt (deine Wahl) — ok so.
+
+---
+
+## 9. Gesamtbild: Engine- (llama.cpp) & Router- (llama-swap) Flags — verifiziert gegen Build 9843
+> Der Brief deckte das nicht ab. Alle Aussagen hier gegen `llama-server --help` (9843) + Live-Config geprüft.
+
+### 9.1 Cross-cutting (alle Chat-Modelle): `-ngl 999 -fa 1 --no-mmap -c <ctx> --jinja`
+- `-ngl 999` ✅ korrekt (volle Offload-Last in GTT auf der APU).
+- `-fa 1` → funktioniert, ist aber **Legacy-Form**. Aktuell: `-fa [on|off|auto]` (Default `auto`). Auf `-fa on`
+  normalisieren (oder weglassen → auto), sonst Risiko bei künftigem Build. **[niedrig]**
+- `--no-mmap` ✅ bewusst (volle RAM-Residenz statt file-backed Pages; sinnvoll für warm gehaltene Modelle auf
+  Unified Memory). Behalten.
+
+### 9.2 Pro-Modell-Befunde & Hebel
+| # | Befund | Hebel | Prio |
+|---|---|---|---|
+| F1 | **gemma (Hirn) fehlt `--cache-reuse 256 -cram 16384`** — der Agent macht die meiste Multi-Turn-/Tool-Arbeit, nutzt aber nur den 8 GB-Default-Cache & **kein KV-Reuse über Turns** | ergänzen → System-Prompt + History-KV werden wiederverwendet, weniger Prompt-Reprocessing, schnellere Folge-Antworten | **hoch (Quick-Win)** |
+| F2 | **`--parallel 2` (fast/coder) ↔ Kontext:** unified KV ist „enabled if slots **auto**" — mit explizitem `--parallel 2` evtl. AUS → harte ctx-Teilung (fast 32k/Anfrage, coder 65k/Anfrage). `-cram` SOLL unified erzwingen, Help mehrdeutig | **V6:** `n_ctx_per_seq` aus `/props` verifizieren (beim nächsten Load). Dann: `--parallel 1`/auto (volle ctx, wenn keine Nebenläufigkeit) **oder** explizit `-kvu` setzen | mittel |
+| F3 | **KV-Quant `-ctk q8_0 -ctv q8_0`** — getestet an coder-lite | **EVALUIERT → VERWORFEN (2026-06-30):** kein Speicherdruck (Coder laufen allein, voller GTT), bei kurzem Kontext leichter Overhead (91→88 t/s), kein messbarer Gewinn. Voller-Präzisions-KV = beste Code-Treue. | erledigt |
+| F4 | **coder-Spec** (Coder-Next) ✅ kompatibel & behalten. Draft auch zu coder-lite kompatibel; heavy INKOMPATIBEL (V7) | **coder-lite + Spec EVALUIERT → VERWORFEN:** 91→**69 t/s (−24 %!)** — Spec schadet dem schnellen 3B-MoE (Draft-Overhead > Gewinn, 54 % Akzeptanz). Bestätigt: Spec nur für große/dichte Modelle (coder), nicht für MoE (fast/coder-lite). heavy kann mangels Vocab-Match ohnehin nicht. | erledigt |
+| F5 | **fast trägt `--mmproj`** (ist vision-fähig) — bewusst? +~1 GB | wenn die Chat-Lane nie Bilder bekommt: mmproj sparen | niedrig |
+| F6 | `-b/-ub` (batch/ubatch), `-t` (threads) ungenutzt = Defaults | Prompt-Speed evtl. via `-ub` tunbar — **messen statt raten**, niedrige Prio | niedrig |
+
+### 9.3 llama-swap (Router-Ebene)
+- `globalTTL: 0` ✅ ok (Modelle haben überwiegend explizite ttl). `healthCheckTimeout: 300` ✅ reicht auch für
+  heavy (~60 s Load gemessen). Gruppen-Swap-Semantik verstanden (§1.4), brains gefixt (§3.1).
+- **Systemischer Befund (Code↔Box-Drift):** MC2 `config._DEFAULT_CMD_TEMPLATE` =
+  `llama-server -m {model} --host … --port ${PORT} -c {ctx} -ngl 999 -fa 1 --no-mmap` — kennt **KEINE** der auf
+  der Box manuell ergänzten Optimierungen (`--cache-reuse`, `-cram`, `--parallel`, KV-Quant). **Folge: neu über
+  MC2 installierte Modelle bekommen diese Tunings NICHT automatisch** → die Box driftet von der Code-Quelle weg.
+  **Fix (Code):** sinnvolle Defaults ins Template / `register_model` (rollenabhängig), damit „Modelle finden"
+  schon optimiert registriert. Optional: llama-swap `macros` für wiederholte Flag-Blöcke (Wartbarkeit). **[mittel]**
+
+### 9.4 Verifikationspunkte — aufgelöst (2026-06-30)
+- **V6 ✅:** fast-Upstream `/props`: `total_slots:2`, **per-slot n_ctx 32768** → `--parallel 2` teilt den Kontext
+  HART (kein unified-Sharing trotz `-cram`). **Maßnahme F2 angewendet:** fast → `--parallel 1` = **per-slot
+  n_ctx 65536** (verifiziert). coder bleibt `--parallel 2` (IDE-Concurrency, 65k/Req).
+- **V7 ✅:** Qwen3-0.6B-Draft (`tokens_sha facf459`) → **heavy INKOMPATIBEL** (`a5e1ccff`, kein Spec möglich),
+  **coder-lite KOMPATIBEL** (gleiche sha; aber MoE 3B-aktiv → Spec-Gewinn gering, vor Aktivierung benchmarken).
+
+### Umsetzungs-Log (Box, 2026-06-30, Backups vorhanden)
+- ✅ **W1/W2** brains = gemma+embed+vision (`config.yaml.bak-20260630-152911`).
+- ✅ **gemma F1+H1+fa-on**: ctx 131072→65536, `-fa 1`→`-fa on`, `+ --cache-reuse 256 -cram 16384`
+  (`bak-20260630-154842`). Verifiziert: ready, ~52 t/s, 24,4 GB.
+- ✅ **F2** fast `--parallel 2`→`1` (voller 65k-Kontext, verifiziert).
+- ✅ **MTP für gemma** (`bak-20260630-155520`): Drafter `mtp-gemma-4-26B-A4B-it.gguf` (461 MB) geladen,
+  cmd `+ --model-draft … --spec-type draft-mtp --spec-draft-n-max 4`. **Verifiziert: 52 → 70,8 t/s (≈1,36×)**,
+  Draft-Akzeptanz ~50 %, kein Crash, ready.
+- ✅ **scout** GLM-4.6V-Flash installiert (Q4 6,17 GB + mmproj 1,84 GB), role=scout, ttl 300, on-demand.
+  **Voll verifiziert:** lädt sauber (neue GLM-4.6V-Arch auf Engine 9843), 34,6 t/s; **Vision ✓** (Testbild
+  „blauer Kreis + Zahl 42" → korrekt erkannt: „Form: Kreis, Farbe: blau, Zahl: 42"); reasoniert korrekt.
+  **Thinking-Modell** → No-Think für schnelle Kurzantworten via `chat_template_kwargs:{enable_thinking:false}`
+  ODER `/nothink` im Prompt (beide verifiziert: sofort „Tokio" ohne Reasoning).
+
+### Code-Änderungen (Dev-Repo F:\, **noch nicht deployt**)
+- ✅ **MC2 MTP-Draft-Support** (Brief-Deliverable). Verifiziert: py_compile OK, Logik-Test gegen echte GGUF,
+  Frontend `tsc --noEmit` exit 0.
+  - `config.py`: `SPEC_DRAFT_N_MAX` (Default 4).
+  - `services/llamaswap.py`: `_is_mtp_draft`, `_spec_flags_for_draft`, `_sibling_mtp_drafters` (findet MTP-Köpfe
+    NEBEN dem Modell); `find_compatible_draft`/`spec_draft_flags`/`drafts_for`/`set_spec_draft` MTP-bewusst;
+    `_parse_model` erkennt `--model-draft`/`-md`. Backward-kompatibel (klassische Drafts unverändert).
+  - Frontend `api.ts` (`DraftInfo.mtp`), `SpecDraftModal.tsx` (MTP-Badge). → gemmas MTP-Drafter erscheint im
+    Spec-Modal automatisch als kompatibel + aktivierbar, schreibt die korrekten `draft-mtp`-Flags.
+- ✅ **CMD-Template-Drift** (`register_model`): `--cache-reuse 256 -cram 16384` als Default für alle
+  Template-Modelle; `--parallel 2` nur noch für `coder` (kein ctx-Halbierungs-Footgun mehr); Spec-Auto-Attach
+  MTP-bewusst + für alle Rollen self-guarding. Verifiziert: py_compile OK.
+- ✅ **`budget.reserved_gb`** an Gruppen-Swap-Semantik angeglichen (`_coresident_members` = `swap:false`-Set;
+  on-demand = läuft allein → reserviert 0, voller GTT; brains-Member = reserviert die übrigen Member).
+  Verifiziert gegen echte Config: hermes→16,2 GB, heavy/coder/scout→0 GB (ondemand-alone). Tote
+  `_persist_members` entfernt.
+- ✅ **DEPLOYT (2026-06-30):** Commits `f655f09` (Code) + `9842249` (Frontend-`dist`) auf main; Box `git pull`
+  → `restart mission-control-2`. Verifiziert: `/api/models/drafts` zeigt MTP-Draft (`mtp:true, compatible:true`),
+  gemma-Parse `spec_active:true spec_type:draft-mtp`, FastAPI serviert neues dist, API 200, gemma warm.
+  (Box-`config.yaml`-Tunings waren schon vorher live.)
+
+---
+
+## 10. Leitplanken (eingehalten)
+- Features (Sehen/Hören/Sprechen/Embedding/Gedächtnis) + IDE-Lanes (chat/coding) bleiben funktionsfähig —
+  W1/W2 macht sie sogar robuster (kein OOM mehr).
+- Vor jeder Box-Config-Änderung Backup; llama-swap reloadt per `-watch-config`.
+- **Keine destruktiven Aktionen ohne Freigabe dieses Plans.**
+</content>

docs/REVIEW_2026-07-02.md

@@ -0,0 +1,281 @@
+# Komplett-Review Mission Control 2 + Lucy — 02.07.2026
+
+**Methodik:** IST-Zustand live erhoben (Box per SSH, lokaler Lucy-PC, Working Tree `lucy-v2` inkl. uncommitted) — nicht aus Docs/Memory übernommen. SOLL-Zustand in 3 Recherche-Runden tagesaktuell (Stand 02.07.2026) ermittelt. Alle früheren Verdikte wurden neu auf den Prüfstand gestellt. Scope: alles außer Security.
+
+---
+
+## 1. Management-Summary
+
+| Bereich | Zustand | Kernaussage |
+|---|---|---|
+| LLM-Stack (Box) | ✅ stark, 1 Bug | Vulkan-Pfad richtig, Qwen3.6+MTP läuft; aber chat-Lane kaputt (Autostart-Fund war Fehlalarm) |
+| Lucy Voice-Latenz | 🔴 3,5–5 s | 2026-Ziel ist 0,5–0,8 s. Schuld sind STT (2,0 s) und VAD-Timer (0,9 s), **nicht** das LLM (TTFT 65 ms) |
+| Lucy Avatar/App | ✅ sehr ausgereift | VRMA-Mocap, Lippensync v2, MateEngine-Features komplett; Electron 10 Major-Versionen alt |
+| Backend/Frontend-Code | 🟡 solide | 3 Monolithen, etwas DRY-Schuld, dist/ im Git; keine Rot-Flaggen |
+| Ökosystem-Aktualität | 🟡 | Hermes 1 Release hinter (v0.18.0 vom 01.07.); pocket-tts, mem0, llama-swap, three-vrm aktuell |
+| Verdikte | ✅ alle bestätigt | Pocket TTS, Electron, Qwen3.6-Hirn, kein ZeroClaw, Mem0 — alle bestehen die Re-Prüfung |
+
+**Die zwei größten Hebel:**
+1. **STT-Tausch** (faster-whisper medium → Parakeet-TDT 0.6B v3): ~2,0 s → ~0,2 s pro Äußerung
+2. **VAD-Tausch** (RMS-Eigenbau → Silero VAD v6.2): Turn-Ende 900 → ~450 ms bei besserer Genauigkeit
+
+Zusammen: Voice-to-Voice von ~3,5–5 s auf realistisch **≤1,2 s**, ohne neue Hardware.
+
+---
+
+## 2. IST-Zustand (live verifiziert)
+
+### 2.1 Box (192.168.178.151 — Strix Halo, gfx1151, 122 GB, Vulkan)
+
+| Komponente | Installiert | Aktuell (02.07.2026) | Bewertung |
+|---|---|---|---|
+| llama.cpp | b9843 (86b94708f) | b9859 (01.07.) | ✅ nur ~16 Builds dahinter |
+| llama-swap | v233 (29.06.) | v233 | ✅ aktuell |
+| Hermes Agent | **v0.17.0** (19.06.) | **v0.18.0** (01.07.) | 🟡 Update lohnt (3 P0 + 493 P1 gefixt) |
+| mem0ai / chromadb | 2.0.8 / 1.5.9 | 2.0.8 | ✅ aktuell |
+| Kernel | 7.0.0-27-generic | — | ✅ |
+
+**Live-Modell-Lineup** (`/etc/llama-swap/config.yaml`, live gelesen — der Repo-Snapshot `deploy/llama-swap.config.yaml` ist **veraltet** und zeigt noch gemma-4):
+
+| Alias | Modell | ctx | Besonderheiten |
+|---|---|---|---|
+| hermes (Brain) | Qwen3.6-35B-A3B (UD-Q4_K_M, MTP-GGUF) | 65536 | `--spec-type draft-mtp --spec-draft-n-max 3 --parallel 1 -cram 16384`, **kein** cache-reuse |
+| heavy | Qwen3.5-122B-A10B | 32768 | cache-reuse 256, ttl 600 |
+| coder | Qwen3-Coder-Next | 131072 | cache-reuse 256, ttl 600 |
+| coder-lite | Qwen3-Coder-30B-A3B | 131072 | cache-reuse 256, ttl 300 |
+| vision | Qwen3-VL-8B | 32768 | mmproj, in brains |
+| embed | Qwen3-Embedding-0.6B | 8192 | ttl 0, in brains |
+| scout | GLM-4.6V-Flash | 131072 | mmproj, ttl 300 |
+
+Gruppe `brains` (swap:false, persist:true) = embed + vision + Qwen3.6. Alle Modelle: `-ngl 999 -fa on --no-mmap --jinja`. **Kein Modell nutzt KV-Cache-Quantisierung** (alles F16).
+
+**Dienste live:** llama-swap, hermes-gateway, hermes-terminal, hermes-webui, mem0-service, voice-service — alle running. Ports 7681/8080/8642/8650/8765/8787/9001 belegt.
+
+### 2.2 🔴 Live-Bugs (selbst reproduziert)
+
+**B1 — ~~MC2-Backend ohne Autostart~~ FEHLALARM (korrigiert 02.07., nachverifiziert).**
+:9001 läuft als **User-Unit** `mission-control-2.service` (`~/.config/systemd/user/`, enabled, `Linger=yes` → reboot-fest). Die erste SSH-Prüfung sah User-Units nicht (fehlendes XDG_RUNTIME_DIR). Einziger echter Fund: Die **stale v1-System-Unit** `mission-control.service` (disabled, /opt/mission-control:9000) liegt noch in /etc/systemd/system und stiftet Verwirrung → bei Gelegenheit mit sudo entfernen (kosmetisch, kein Risiko).
+
+**B2 — chat-Lane kaputt (live reproduziert).**
+```
+POST /v1/chat/completions {"model":"chat",...}
+→ {"error":"no router for requested model","src":"llama-swap"}
+```
+Die Routing-Policy routet `chat → fast ↔ heavy`, aber llama-swap kennt den Alias `fast` nicht mehr (Qwen3.6 hat nur noch den Alias `hermes`). Lucy ist nicht betroffen (sie geht über den Hermes-Agenten :8642), aber jeder Client der chat-Lane bekommt Fehler. Fix: `fast` als zweiten Alias eintragen **oder** Policy auf `hermes` umstellen.
+
+**B3 — Config-Drift.**
+`deploy/llama-swap.config.yaml` ist untracked UND veraltet (gemma-4-Ära). Zusätzlich fehlen im Install-Template [`backend/config.py:33`](../backend/config.py) die Produktions-Tunings (cache-reuse, parallel, MTP) → neu installierte Modelle driften von der Box-Realität weg.
+
+### 2.3 Gemessene Latenzkette Lucy
+
+Quelle: `/api/voice/metrics` (live) + eigener TTFT-Test gegen llama-swap.
+
+| Stufe | Messwert | Anteil am Problem |
+|---|---|---|
+| VAD-Turn-Ende | **900 ms** Fix-Timer (RMS-Eigenbau, [useVAD.ts](../client/lucy-desktop/src/renderer/src/lib/voice/useVAD.ts)) | groß |
+| STT (faster-whisper medium int8, Box-CPU) | **avg 2.046 ms · p50 2.092 ms · p95 2.529 ms** (n=13) | **dominant** |
+| LLM TTFT (Qwen3.6 warm, direkt :8080) | **65 ms** (24 Tokens in 334 ms) | ✅ kein Problem |
+| TTS erster Ton (pocket, RTF 0,44 + LEAD_IN 0,35 s) | ~0,5–1 s für den ersten Satz | mittel |
+| **Voice-to-Voice gesamt** | **~3,5–5 s** | Ziel 2026: **0,5–0,8 s** |
+
+**Fazit: Das teuerste Glied ist NICHT das LLM.** STT + VAD-Timer fressen zusammen ~3 s. Genau dort setzt die Roadmap an.
+
+### 2.4 Lokaler PC (RX 9070 XT / RDNA4)
+
+- Lucy-App zum Prüfzeitpunkt nicht gestartet (kein Electron-Prozess, :8130 frei)
+- `ptts-venv`: pocket-tts **2.1.0** (= neueste Version), torch 2.12.1+cpu (bewusst CPU), onnxruntime 1.27.0, fastapi 0.138.1
+- GPU-Treiber 32.0.31021.5001
+- [client/lucy-tts/](../client/lucy-tts/) (3 GB): Produktions-TTS mit Stimmen-Wächter (F0-Floor 160 Hz, MFCC-Fingerprint ≥0,94, Best-of-N), Phase A+B des TTS-Plans abgeschlossen (beste Config: 4 Worker × 2 Threads, RTF 0,44)
+- [client/lucy-f5/](../client/lucy-f5/) (5,3 GB): F5-TTS-ONNX/DirectML-Experiment — **Phase C/D (Finalentscheid pocket vs. F5) offen**
+- Lucy-Desktop: Electron **33** (aktuell: **43** vom 30.06. — 2 Jahre Chromium-Rückstand), three-vrm 3.4/animation 3.5.4 (≈ aktuell), TS strict
+
+### 2.5 Code-Qualität (3 Explore-Agents über das ganze Repo)
+
+**Backend (4.889 LOC, 11 Router / 28 Services):** insgesamt sauber, Multi-Sidecar-Architektur durchdacht. Findings:
+- C1: Install-Template ohne Produktions-Tunings ([backend/config.py:33](../backend/config.py)) → Drift
+- C2: `_describe_images()` blockiert den Voice-Chat bis 120 s synchron ([backend/routers/voice.py](../backend/routers/voice.py))
+- C3: Thinking-Deaktivierung 3× dupliziert (voice.py, gateway.py, mem0_service/app.py) — DRY
+- C4: Junk-Fact-Regex im Mem0-Sidecar hartcodiert (Wartungspunkt)
+- Dead Code: `backend/services/pricing.py`, vermutlich `token_stats.py`
+- Uncommitted Änderungen (voice.py No-Think, connect.py IDE-only-`coding`, mc2-memory-Guards, Mem0-Junk-Guard, voice_service install.sh) sind **alle konsistent und sinnvoll** — nur eben nicht committet
+
+**Frontend (React 18/Vite 6/Tailwind 4/TanStack 5):**
+- Voice-Umzug in die Desktop-App sauber (keine toten Imports/Nav-Reste) ✅
+- UI-Rework (roleMeta/Health/Expert/WarmSet) vollständig; coder_lite↔coder-lite via ALIAS gelöst
+- F1: [Cockpit.tsx](../frontend/src/views/models/Cockpit.tsx) (990 Z) + [SystemDrawer.tsx](../frontend/src/components/SystemDrawer.tsx) (934 Z) Monolithen
+- F2: 🟡 `frontend/dist/`-Asset-Stand auf lucy-v2 inkonsistent (alte gelöscht, neue untracked) — dist-im-Git selbst ist Absicht (Box hat kein Node), avatar.vrm ist via .gitignore korrekt draußen
+- F4: keine globale Error Boundary
+- MC3-Prototyp ([frontend/src/mc3/](../frontend/src/mc3/)) non-destruktiv hinter `#mc3`, untracked
+
+**Lucy-Desktop:**
+- L1: [useVoiceAgent.ts](../client/lucy-desktop/src/renderer/src/lib/voice/useVoiceAgent.ts) (377 Z) monolithisch (SSE, Chunking, Tools, Perf, Vision in einem Hook)
+- L2: kein Retry/Backoff beim TTS-Warmup (Crash → 2-min-Spinner)
+- L3: VAD = reines RMS mit 900-ms-Stille-Regel
+- L4: Echo-Schutz = 450-ms-Cooldown-Workaround (kein echtes Barge-in)
+- Neues [voice-core/](../client/lucy-desktop/src/renderer/src/voice-core/)-Adapter-Layer (STT/TTS austauschbar) ist die richtige Architektur ✅
+- H1: ~23 Dateien uncommitted, darunter die neue voice-core-Architektur → Verlustrisiko
+
+---
+
+## 3. SOLL-Zustand (Recherche, Stand 02.07.2026)
+
+### 3.1 Voice-Latenz — der Stand der Technik
+
+- 2026-Zielmarke: **500–800 ms voice-to-voice**; Grundprinzip: **Streaming auf jeder Stufe** (STT-Partials sparen 200–400 ms, TTS startet auf Teiltext, VAD+Turn-Taking-Budget 150–300 ms) — [Latenz-Guide](https://futureagi.com/blog/how-to-optimize-voice-agent-latency-2026/), [Latenz-Budget-Design](https://smallest.ai/blog/designing-voice-assistants-stt-llm-tts-tools-and-latency-budget)
+- **STT:** [Parakeet-TDT 0.6B v3](https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3) — 25 EU-Sprachen inkl. Deutsch, 6,32 % WER (besser als Whisper large-v3 mit 7,44 %), extrem schnell auch auf CPU, keine Silence-Halluzination. Deploy-Wege: [onnx-asr](https://pypi.org/project/onnx-asr/) (unterstützt CPU **und** DirectML → 9070 XT), fertige [OpenAI-kompatible FastAPI-Wrapper](https://github.com/groxaxo/parakeet-tdt-0.6b-v3-fastapi-openai). Kyutais Streaming-STT mit eingebautem semantic VAD ([delayed-streams-modeling](https://github.com/kyutai-labs/delayed-streams-modeling)) wäre architektonisch ideal, ist aber **nur EN/FR** → für Deutsch raus.
+- **VAD:** [Silero VAD v6](https://github.com/snakers4/silero-vad/releases/tag/v6.0) (v6.2, ONNX): −16 % Fehler auf Noisy-Data vs. v5 — klar besser als der RMS-Eigenbau; erlaubt kürzeres Endpointing (~450 ms) bei weniger Fehlstarts.
+- **Semantische Turn-Detection:** Smart Turn V2 (leichtgewichtig), [Easy Turn](https://arxiv.org/pdf/2509.23938) (akustisch+linguistisch, 4 Turn-States, open source).
+- **TTS:** pocket-tts 2.1.0 ist Stand der Technik für CPU-Realtime ([kyutai](https://kyutai.org/blog/2026-01-13-pocket-tts/)). Challenger (CosyVoice2-0.5B, Chatterbox-Turbo) bieten keinen klaren Vorteil. → Einziger offener Entscheid bleibt das hauseigene F5-Experiment (Phase C/D).
+
+### 3.2 Box maximieren
+
+- **Vulkan/RADV bleibt der schnellste Pfad auf Strix Halo** (schlägt ROCm/HIP bei pp und tg) — die Box ist richtig aufgestellt ([llm-tracker Strix-Halo](https://llm-tracker.info/_TOORG/Strix-Halo), [Strix-Halo-Guide](https://github.com/hogeheer499-commits/strix-halo-guide)). ROCm 7.2/RDNA4 betrifft nur den lokalen PC.
+- **Host-Memory-Prompt-Cache:** `--cache-ram` + Prefix-Restore bringt bis **93 % TTFT-Reduktion** bei Agent-Workloads mit wachsender Session ([llama.cpp #20574](https://github.com/ggml-org/llama.cpp/discussions/20574)). `-cram 16384` ist gesetzt; das Zusammenspiel mit dem (am hermes-Alias entfernten) `--cache-reuse` gehört gebencht.
+- **KV-Cache-Quantisierung ungenutzt:** `-ctk/-ctv q8_0` halbiert den KV-Bedarf (relevant bei coder@131k, hermes@65k) bei praktisch verlustfreier Qualität; [TurboQuant](https://github.com/ggml-org/llama.cpp/discussions/20969) (3-bit, near-lossless ab 13B) steht vor der Integration — beobachten.
+- **„MoE Speculative Trap":** Ein aktueller [Strix-Halo-Deep-Dive](https://dev.to/agustinsacco/breaking-the-moe-speculative-trap-460-ts-on-amd-strix-halo-446d) zu exakt Qwen3.6-35B-A3B zeigt: Spec-Verify kann bei sparsem MoE pro Verify-Pass fast alle 35B Gewichte anfassen — in seinem Setup war **ohne** Draft (parallel=1, KV Q8_0) 43,1 t/s vs. 17,7 t/s. Das widerspricht der eigenen Box-Messung (+35 % MIT MTP). Konsequenz: **beide Betriebsarten benchen**, auch bei vollem Kontext ([Decode-Drop bis 64 % dokumentiert](https://kmarble.dev/posts/strix-halo-full-context-decode-drops/)).
+- **llama-swap-Features ungenutzt:** `capabilities` (v225), `-config-dir`-Fragmente (v230), Swap-Matrix/Groups V2 ([Releases](https://github.com/mostlygeek/llama-swap/releases)).
+- Modell-Landschaft 128 GB für heavy-Kandidaten: gpt-oss-120B, Mistral Small 4 (119B-A6B), Llama 4 Scout — nur mit Bench-Gate.
+
+### 3.3 Ökosystem
+
+- **Hermes v0.18.0 „Judgment"** (01.07.): 3 P0 + 493 P1 gefixt, Background-Fan-out für Subagents, `/learn`-Skills, Memory-Graph in der Desktop-App ([Releases](https://github.com/NousResearch/hermes-agent/releases)). **Plugin-API:** `sync_turn()` bekommt optional `messages` (voller Turn-Kontext inkl. Tool-Calls); Legacy-Signatur bleibt → **mc2-memory ist update-kompatibel** und kann später Tool-Ergebnisse mitlernen ([Memory-Provider-Doku](https://hermes-agent.nousresearch.com/docs/developer-guide/memory-provider-plugin)).
+- **Mem0 v3-Algorithmus** ([Migration](https://docs.mem0.ai/migration/oss-v2-to-v3)): Single-Pass-Extraktion (~2× schneller), Hybrid-Retrieval (semantisch + BM25 + Entity-Graph, ohne externe Graph-DB), +20 LoCoMo / +26 LongMemEval. 2.0.8 installiert, `custom_instructions` schon migriert → Status final verifizieren.
+- **Electron 43** (30.06.), Chromium 150 / Node 24 — Lucy ist auf 33.
+- **Vision:** Qwen3-VL ist aktuelle Generation ✅; [Qwen3-VL-30B-A3B](https://github.com/qwenlm/qwen3-vl) (MoE, 3B aktiv, top auf GUI-Benchmarks) wäre der Upgrade-Kandidat für die Bildschirm-Sicht.
+- **Lokaler GPU-Klon:** [AMD Lemonade](https://runaihome.com/blog/amd-lemonade-local-llm-server-npu-gpu-guide-2026/) (llama.cpp-Vulkan + whisper.cpp + Kokoro, OpenAI-kompatibel, RDNA4-Support) als fertiger Unterbau; llama.cpp-Vulkan ist der [verlässlichste 9070-XT-Pfad](https://digtvbg.com/blog/llama-server-vulkan-rdna4-vllm-rocm-benchmark/).
+
+### 3.4 Verdikte — Ergebnis der Re-Prüfung
+
+| Verdikt | Ergebnis | Begründung |
+|---|---|---|
+| Pocket TTS bleibt | ✅ **bestätigt** | 2.1.0 aktuell, RTF 0,44 optimiert, Wächter-System; Challenger ohne klaren Vorteil. F5-Entscheid (Phase C/D) bleibt als einziger offener Punkt |
+| Electron bleibt (nicht Tauri) | ✅ **bestätigt** | Alle nativen Features implementiert; aber Major-Update 33→43 einplanen |
+| Qwen3.6 als Lucy-Hirn | ✅ **live bestätigt** | Läuft mit MTP, TTFT 65 ms; gemma-4 ist komplett raus |
+| ZeroClaw bleibt tot | ✅ **bestätigt** | Kein neuer Anlass |
+| Mem0 als Memory-Layer | ✅ **bestätigt** (neu geprüft) | Zep/Hindsight benchen höher, sind aber schwerer/teils closed; Mem0: beste Integration, v3-Algo, deployt |
+
+---
+
+## 4. Roadmap (Aufwand/Nutzen, Voice-Speed-first)
+
+### P0 — Live-Bugs & Betriebssicherheit (Stunden)
+| # | Maßnahme | Nutzen |
+|---|---|---|
+| 1 | ~~Autostart fixen~~ **erledigt als Fehlalarm** — User-Unit `mission-control-2` mit Linger ist reboot-fest; nur stale v1-Unit bei Gelegenheit löschen (sudo) | Klarheit |
+| 2 | chat-Lane fixen (`fast`-Alias ergänzen oder Policy auf `hermes`) | Live-Bug, alle chat-Clients betroffen |
+| 3 | Box-Config → Repo syncen + `deploy/` versionieren; Template-Drift C1 fixen | Quelle der Wahrheit |
+| 4 | Hermes v0.17.0 → v0.18.0 + Health-Brain-Check | 496 Upstream-Fixes |
+| 5 | Commit-Hygiene (voice-core, MC3, Lucy-Fixes); `frontend/dist/` in .gitignore | Verlustrisiko weg |
+
+### P1 — Voice-Latenz: 3,5–5 s → Ziel ≤1,2 s (Tage)
+| # | Maßnahme | Erwartung |
+|---|---|---|
+| 6 | **STT-Tausch**: Parakeet-TDT 0.6B v3 statt faster-whisper medium. Variante A: Box-CPU (onnx-asr im voice_service); Variante B: lokal 9070 XT (DirectML). A/B: Deutsch-WER + Latenz | **~2,0 s → ~0,2 s** |
+| 7 | **VAD-Tausch**: Silero VAD v6.2 (ONNX) statt RMS in useVAD.ts; Endpointing 900 → ~450 ms | **−450 ms** |
+| 8 | TTS-TTFA: LEAD_IN 0,35 s prüfen, Erster-Satz-kurz-Regel messen (lucy_perf) | −100–300 ms |
+| 9 | **Brain-Bench-Matrix** am hermes-Alias: MTP n-max 3↔4↔ohne (Speculative-Trap-These) × ±KV Q8_0 × cache-reuse/cram × -b/-ub — bei Kurz- UND Voll-Kontext | Bestes Setup evidenzbasiert |
+| 10 | voice_metrics ausbauen: VAD→STT→Agent→First-Audio je Turn | Messbarkeit |
+| 10b | KV Q8_0 für coder@131k/heavy erwägen | Warm-Set-Reserve |
+
+### P2 — Lucy v2 Kern & Code-Gesundheit (1–2 Wochen)
+| # | Maßnahme |
+|---|---|
+| 11 | Semantische Turn-Detection (Smart Turn V2 / Easy Turn) auf Parakeet aufsetzen; Barge-in-Vorstufe statt 450-ms-Cooldown |
+| 12 | F5-TTS Phase C/D abschließen → Finalentscheid pocket vs. F5 (Benchmark-Gate) |
+| 13 | useVoiceAgent-Refactor in Hooks + TTS-Retry/Backoff; Electron 33→43 |
+| 14 | Backend C2 (Vision async) + C3 (DRY) + Dead Code; Frontend Cockpit/SystemDrawer-Split + globale Error Boundary |
+
+### P3 — Strategisch (nach Signal)
+| # | Maßnahme |
+|---|---|
+| 15 | Mem0-v3-Status final verifizieren; Junk-Regex durch v3-Retrieval entschärfen; mc2-memory auf `sync_turn(messages)` heben |
+| 16 | MC3-Vollbau; llama-swap-Features (capabilities, config-dir, Swap-Matrix) |
+| 17 | heavy-Bench: Qwen3.5-122B vs. gpt-oss-120B / Mistral Small 4; Vision-Upgrade Qwen3-VL-30B-A3B für Bildschirm-Sicht |
+| 18 | Lokaler GPU-Klon: AMD Lemonade auf der 9070 XT evaluieren |
+
+---
+
+## 5. Findings-Katalog (Referenz)
+
+| ID | Schwere | Fund | Ort |
+|---|---|---|---|
+| B1 | ⚪ (Fehlalarm) | :9001 läuft als User-Unit mit Linger — reboot-fest; nur stale v1-Unit als Kosmetik-Rest | Box, /etc/systemd/system/mission-control.service (v1) |
+| B2 | 🔴 | chat-Lane → fast-Alias existiert nicht mehr | Box, Routing-Policy ↔ /etc/llama-swap/config.yaml |
+| B3 | 🟡 | deploy/llama-swap.config.yaml untracked + veraltet | Repo |
+| C1 | 🟡 | Install-Template ohne Produktions-Tunings | backend/config.py:33 |
+| C2 | 🟡 | Vision-Beschreibung blockiert Chat bis 120 s | backend/routers/voice.py |
+| C3 | 🟢 | Thinking-Disable 3× dupliziert | voice.py / gateway.py / mem0_service/app.py |
+| C4 | 🟢 | Junk-Fact-Regex hartcodiert | mem0_service/app.py |
+| C5 | ⚪ (Fehlalarm) | pricing.py + token_stats.py sind IN BENUTZUNG (system.py /token_stats-Endpoint, gateway_stream) — kein Dead Code | backend/services/ |
+| F1 | 🟡 | Monolithen 990/934 Z | frontend/src/views/models/Cockpit.tsx, components/SystemDrawer.tsx |
+| F2 | 🟡 (korrigiert) | dist/ im Git ist ABSICHT (Box hat kein Node, deploy = git reset --hard; s. deploy/build.sh) — echter Fund war nur der inkonsistente Asset-Stand auf lucy-v2 (behoben durch Rebuild+Commit). Build-on-Box/CI wäre P3-Option | frontend/dist/ |
+| F4 | 🟢 | Keine globale Error Boundary | frontend/src/App.tsx |
+| L1 | 🟡 | useVoiceAgent monolithisch (377 Z) | client/lucy-desktop/.../lib/voice/useVoiceAgent.ts |
+| L2 | 🟡 | Kein TTS-Warmup-Retry | ebd. + main/index.ts |
+| L3 | 🔴 | RMS-VAD mit 900-ms-Timer | client/lucy-desktop/.../lib/voice/useVAD.ts |
+| L4 | 🟡 | Echo-Cooldown statt Barge-in | ebd. |
+| H1 | 🟡 | ~23 Dateien uncommitted (inkl. voice-core, MC3) | lucy-v2 Working Tree |
+
+---
+
+## 6. Nachtrag: P0/P1-Umsetzung (02.07.2026)
+
+**P0 komplett:** chat-Lane gefixt (fast-Alias), Hermes v0.18.0 (Postcheck grün), Config versioniert, Template-Drift behoben, Git aufgeräumt. B1 war Fehlalarm (s.o.).
+
+**P1-6 STT:** Parakeet-TDT 0.6B v3 (onnx-asr, int8, Box-CPU) als Default — **A/B gemessen: 0,45 s vs. 2,44 s** (whisper-medium) bei identischem Transkript. Live deployt, auch via :9001 verifiziert.
+
+**P1-7 VAD:** Silero v5 (vad-web 0.0.30) statt RMS — Endpointing 900→450 ms, WAV direkt (kein Opus-Umweg mehr). Build + Asset-Auslieferung verifiziert; Mikro-Test beim User.
+
+**P1-9 Brain-Bench-Matrix** (Qwen3.6-35B-A3B, separater Port, Vulkan, je ~100 Gen-Token):
+
+| Config | tg kurz | tg tief (15k) | Draft-Akzeptanz kurz |
+|---|---|---|---|
+| MTP n-max 3, KV f16 (live) | **78,6 t/s** | — (Probe-EOS) | 55 % |
+| MTP n-max 4 | 63,7 | 100,9* | 39 % |
+| ohne Spec | 62,4 | — (Probe-EOS) | — |
+| **MTP n-max 3 + KV Q8_0** | **78,6** | 83,7 | 56 % |
+| ohne Spec + KV Q8_0 | 62,1 | 57,0 | — |
+
+*\*repetitiver Test-Text → unrealistisch hohe Draft-Akzeptanz (95 %); die Kurz-Spalte ist maßgeblich.*
+
+**Bench-Verdikte:** (1) MTP n-max 3 bestätigt (+26 % vs. ohne Spec — die „MoE Speculative Trap" gilt auf diesem Vulkan/parallel-1-Setup NICHT; der Artikel testete ROCm + parallel 4). (2) n-max 4 lohnt nicht (Akzeptanz fällt auf 39 %). (3) **KV Q8_0 ist gratis** (identische t/s) und halbiert den KV-Speicher → für hermes in deploy/llama-swap.config.yaml übernommen; Live-Schaltung braucht User-Freigabe. Für coder/heavy vorher cache-reuse×KV-Quant-Verträglichkeit testen (Context-Shift mit quantisiertem KV ist in llama.cpp historisch heikel).
+
+**P1-10:** `chat_first_content`-Metrik in voice.py — misst die echte Hirn-Latenz (Agent-Overhead + LLM-TTFT bis zum ersten Inhalts-Token) statt nur des SSE-Starts.
+
+**P2-Nachtrag (02.07.):**
+- **Profiling:** Folge-Turns 1,3 s, NEUE Sessions 5,6–12 s (Session-Prefill System-Prompt+Tools ~4–5k Tok). Mem0-Search unschuldig (18 ms). **Aber:** Die Mem0-Lern-Extraktion (~2,4 s je Turn, gleiche Qwen3.6-Instanz) blockiert bei `--parallel 1` den nächsten Voice-Turn in der Queue → Fix vorbereitet: `--parallel 2 -c 131072 + KV Q8_0` (2×65k-Slots, speicherneutral zu 1×65k f16). Live-Schaltung = User (deploy/llama-swap.config.yaml ist fertig).
+- **C2 gefixt:** Bildschirm-Sicht läuft jetzt IM Stream (SSE startet sofort, `hermes.vision.progress`-Event → Lucy kann Warte-Ansage sprechen); Vision-Timeout 120→45 s (MC_VISION_TIMEOUT).
+- **C3 bewertet:** nur 2 Backend-Stellen mit unterschiedlicher Gating-Logik (dritte im separaten Mem0-venv) → kein Shared-Helper erzwungen, Pattern dokumentiert.
+- **C5 war Fehlalarm** (s. Findings-Tabelle).
+- **L2 gefixt:** TTS-Warm-Gate mit Retry/Backoff + sichtbarer Fehlermeldung (vorher: nach 120 s stumm „ready" ohne Stimme).
+
+## 7. Nachtrag 2: P2/P3-Vollausbau (02.07., zweite Session-Hälfte)
+
+**Brain-Config LIVE DEPLOYT + verifiziert (02.07., User-Freigabe):** hermes läuft mit `-c 131072 --parallel 2 -ctk/-ctv q8_0` + MTP. Gemessen: **2 gleichzeitige Requests laufen echt parallel** (~1,9 s/2,0 s statt seriell — Mem0-Extraktion blockiert Voice-Turns nicht mehr), tg 66 t/s (leichter parallel-2-Abschlag vs. 78 solo, bewusster Trade), RAM 40/122 GB. **Voice-E2E: neue Session 0,85 s total, first_content 803 ms** (Morgen-Baseline: 5,6–12 s bei neuen Sessions). capabilities werden via /v1/models ausgeliefert.
+
+| Punkt | Ergebnis |
+|---|---|
+| **P2-11 Turn-Detection** | ✅ Smart Turn v3.2 (8 MB ONNX) im Voice-Sidecar (`/turn`, ~110 ms warm) + Semantik-Hold im Client (bei „unfertig" bis 1,8 s auf Fortsetzung warten). **Zwei Upstream-Fallen live diagnostiziert:** Audio muss LINKS gepadded werden (sonst konstant „complete"), und der Output ist P(unfertig) — entgegen der Doku. Verifiziert: fertig=0,74→true, mitten im Wort=0,04→false |
+| **P2-12 F5 Phase C/D** | ✅ **Verdikt: Pocket bleibt.** F5-ONNX auf 9070 XT/DirectML: RTF 0,59@NFE32 / 0,30@NFE16 — aber nicht streamfähig (TTFA = ganze Satzdauer), NFE16-Qualitätsrisiko, GPU-Dauerbelegung. F5 taugt als Offline-Renderer, nicht für den Dialog-Loop |
+| **P2-13a Refactor** | ✅ useVoiceAgent 397→305 Z; textPipeline/visionIntent/perf als pure Module |
+| **P2-13b Electron** | ✅ 33→43 (Chromium 150/Node 24), Boot-Smoke-Test grün (allow-scripts-Falle: install.js manuell) |
+| **P2-14 Cockpit/SystemDrawer** | ⏸ **bewusst vertagt:** reiner Qualitäts-Refactor von live deployter UI; braucht eine eigene Session mit Browser-Verifikation (MC_API_TARGET-Workflow) statt eines Blind-Splits am Session-Ende |
+| **P3-15 Mem0 v3** | ✅ verifiziert aktiv (BM25/Entity/Hybrid in 2.0.8); mc2-memory nutzt jetzt `sync_turn(messages)` — lernt Tool-NAMEN mit (Ergebnisse bewusst nicht: Poisoning-Vektor). Deployt, Postcheck grün |
+| **P3-16 llama-swap** | ✅ `capabilities` (in/out/tools/context) je Modell in deploy-Config; Swap-Matrix aktuell unnötig (brains-Gruppe reicht) |
+| **P3-17 Kandidaten** | ✅ **Beide gebencht + als testbare Modelle live deployt** (ohne Alias-Wechsel — Qualitäts-Entscheid beim User): (1) **gpt-oss-120B: tg 54–55 t/s vs. heavy (Qwen3.5-122B) 23,5 t/s = 2,3× schneller bei 60 statt 73 GB** → klare Empfehlung für die heavy-Lane nach Deutsch-/Reasoning-Check (`model:"gpt-oss-120b"` am Gateway testen). (2) **Qwen3-VL-30B-A3B: tg 90–92 t/s** → Bildschirm-Sicht-Upgrade nach Screenshot-Check (`MC_VISION_MODEL=Qwen3-VL-30B-A3B-Instruct`); brains-Budget-Frage: 19 vs. 6 GB warm |
+| **P3-18 Lemonade** | ✅ **Verdikt: nicht als Unterbau.** lemonade-sdk 9.1.4 (Python) installiert + Server lief (OpenAI-API, gute Registry inkl. gpt-oss/GLM) — aber: Python-Edition **offiziell deprecated** (C++-Installer ist der Weg), Server blockiert komplett während Model-Downloads (Health tot >10 min bei 400-MB-Modell), Ryzen-AI-Hybrid auf 9700X unsupported. **Empfehlung für den lokalen GPU-Klon: llama.cpp-Vulkan + llama-swap — derselbe Stack wie die Box** (ein Betriebsmodell, ein Know-how, bewährte Configs). Lemonade-C++ nur, falls Whisper+TTS+LLM aus einer Hand gewünscht |
+| **MC3-Vollbau** | ⛔ außerhalb des Review-Scopes — eigenes Projekt (Prototyp steht unter #mc3) |
+
+---
+
+## 8. Nachtrag 3: Trennung, Update-Playbook, Radikal-Aufräumen (02.07., Abend)
+
+**Lucy = eigenes Repo:** `F:\Coding Stuff\lucy` ↔ Gitea `Hitonabi/lucy` (privat; Repo via API angelegt). Verzeichnisnamen unverändert (lucy-desktop/ + lucy-tts/) → alle Pfade/BATs funktionieren; Boot aus neuem Pfad verifiziert. MC2 = reiner Box-Stack (+ hermes-pc-Executor). lucy-f5 (Verdikt final) und hermes-voice (Vor-Lucy) gelöscht — Historie bleibt in MC2.
+
+**Hermes-Update-Playbook LIVE + E2E-verifiziert (7/7 PASS):** Update-Job = Backup → update → **doctor** → Restart → erweiterter Postcheck (**Config-Drift-Scan** im Journal, **Tool-Smoke** via echtem Agenten, **Voice-Smoke** mit Retries). Update-Modal fasst anstehende Commits künftig per fast-Modell zusammen (Breaking Changes zuerst, gecacht). Beim E2E-Test sofort geliefert: doctor fand eine **ausstehende Config-Schema-Migration** (altes flaches `model: hermes` → neues Schema; per `doctor --fix` migriert, Gateway verifiziert) und der Voice-Smoke entlarvte eine **pipefail/SIGPIPE-Falle** im eigenen Check (head schließt Pipe → curl 23 → Fehlalarm; gefixt). Außerdem behoben: `approvals.mode auto→smart` (v0.18-Regression, einfache Fragen 25 s → 2,0 s).
+
+**Radikal aufgeräumt:** Git: lucy-v2 gemerged + gelöscht (lokal+Gitea), nur noch `main`; alter WIP-Stash gedroppt; stale Worktree entfernt. Lokal: lucy-f5-Assets (~5 GB), lemonade-eval, box_recon/gemma_swap-Scratch gelöscht. Box: 22-GB-Duplikat `Qwen3.6-35B-A3B-GGUF` (non-MTP) + 6 leere Modell-Hüllen gelöscht, v1-Altlasten (mission-control-*.db/json) nach mc2-backups/v1-legacy archiviert, /tmp-Bench-Scratch weg. Modell-Verzeichnis = exakt die 9 referenzierten Modelle + drafts + Backups.
+
+---
+
+*Erhoben am 02.07.2026 durch Claude Code (Live-SSH auf Box, lokale PC-Prüfung, 3 Codebase-Agents, 3 Web-Recherche-Runden). Messwerte: /api/voice/metrics (n=13 STT, n=18 chat_ttfb), TTFT-Direktmessung llama-swap :8080.*

docs/RUNBOOK.md

@@ -0,0 +1,59 @@
+# RUNBOOK — Die Box in 1 Seite (für Menschen, ohne KI-Hilfe)
+
+**Grundsatz:** Die Box wartet sich selbst. Du bekommst Telegram-Nachrichten und antwortest
+höchstens „mach". Dieses Blatt ist NUR für den Fall, dass etwas klemmt.
+
+## Was die Telegram-Meldungen bedeuten
+
+| Meldung | Bedeutung | Dein Handgriff |
+|---|---|---|
+| „… aktualisiert … grün" | Update eingespielt, alles geprüft | keiner |
+| „… zurückgerollt … GEPINNT" | Update war schlecht, alte Version läuft wieder | keiner (läuft stabil weiter) |
+| „KRITISCH: …" | Update UND Rollback kaputt | siehe „Box tot?" unten |
+| „🛰️ Evolution-Radar …" | monatlicher Chancen-Report | lesen; bei Interesse „mach" antworten |
+| „[Werkstatt] … merge oder verwerfen?" | Box hat einen Fix vorbereitet | mit „merge" oder „verwerfen" antworten |
+
+## Box tot / Weboberfläche weg?
+
+1. **Strom/Netz prüfen**, dann Box **einmal neu starten** (Power-Knopf). Alles startet von selbst
+   (systemd, reboot-fest). 2–3 Minuten warten, dann `http://192.168.178.151:9001` aufrufen.
+2. Immer noch tot → per SSH (PC, PowerShell): `ssh hitonabi@192.168.178.151`
+   dann: `bash ~/mission-control-v2/deploy/restore.sh` (nimmt automatisch das letzte Backup,
+   liegt in `/srv/models/mc2-backups/`, 14 Tage Vorrat, täglich 03:30 Uhr).
+3. Totalschaden (neue Platte/Hardware) → `docs/DISASTER_RECOVERY.md` (Bootstrap von Null).
+
+## Lucy (am PC)
+
+- Start: Desktop-Verknüpfung **„Lucy"** (startet den eingefrorenen Produktiv-Build).
+- Hängt? `F:\Coding Stuff\lucy\lucy-desktop\Lucy-Neustart.bat` doppelklicken.
+- Lucy ist EINGEFROREN — Änderungen macht nur die Werkstatt (Telegram-Vorschlag abwarten).
+
+## Automatik-Fahrplan (läuft ohne dich)
+
+- **Täglich 03:30** Backup · **So 04:30** Auto-Update (Router→Engine→Hermes) mit Rollback+Pin
+- **Monatlich 1., 09:00** Evolution-Radar-Report auf Telegram
+
+## Pinnwand: eine Ebene ist „GEPINNT" — was heißt das?
+
+Ein Update hat den Selbsttest gerissen; die Box bleibt bewusst auf der alten Version. Das ist
+ein STABILER Dauerzustand, kein Fehler. Pin ansehen / lösen (per SSH):
+
+    cat /srv/models/mc2-pins.json
+    jq 'del(.hermes)' /srv/models/mc2-pins.json > /tmp/p && mv /tmp/p /srv/models/mc2-pins.json
+    # (statt .hermes: .engine oder .swap) — nächster So-Lauf versucht das Update erneut
+
+## Einmalige sudo-Session (steht noch aus — schaltet Engine/Router-Auto-Update frei)
+
+    ssh hitonabi@192.168.178.151
+    sudo install -m 0440 -o root -g root ~/mission-control-v2/deploy/sudoers-mc2-autonomie /etc/sudoers.d/mc2-autonomie && sudo visudo -c
+    sudo apt-get install -y unattended-upgrades && sudo dpkg-reconfigure -plow unattended-upgrades
+    sudo systemctl disable --now mission-control.service   # alte v1-Leiche entfernen
+
+Bis dahin meldet der So-Lauf Engine/Router-Updates nur („wartet — sudo-Freischaltung fehlt").
+
+## Nützliche Handgriffe (SSH)
+
+    curl -s http://127.0.0.1:9001/api/health          # Gesamtzustand (brain ready?)
+    bash ~/mission-control-v2/deploy/autoupdate.sh    # Update-Lauf sofort statt Sonntag
+    bash ~/mission-control-v2/deploy/notify.sh "test" # Meldeweg testen (muss auf Telegram ankommen)
+    tail ~/mc2-notify.log                             # was wurde zuletzt gemeldet