# Referenzaufgabe: Mem0-Sidecar restlos ausbauen

> **Zweck dieser Datei:** Messlatte für den Stack-Umbau (Stufe 2, 20.08.2026). Dieselbe Aufgabe wird
> mehrfach mit verschiedenen Modellen gefahren. Gemessen wird **nicht** Tokens pro Sekunde, sondern:
> *Wurde sie fertig? Wie lange? Wie viele Züge?*
> Alle Pfade und Befehle unten sind am 20.08.2026 auf der Box **nachgemessen**, nicht geraten.

## Hintergrund

Mem0 wurde im August abgelöst (`bf145a3`, `eb4bcfc`, `2286879`). Der Rückbau blieb unvollständig:
Der Sidecar-Ordner liegt noch im Baum, MC2 fragt weiterhin einen toten Port ab.

Gemessen: `curl http://127.0.0.1:8765/health` → **keine Antwort**. Kein systemd-Dienst dafür,
`/srv/models/mem0` bereits entfernt. Es ist also wirklich tot, nicht nur gerade aus.

## Arbeitsplatz

**Isolierter Worktree — NICHT das Live-Deployment:**

```
~/projekte/mc2-referenz        Zweig: referenz/mem0-ausbau
```

`~/mission-control-v2` bleibt auf `main` und bedient weiter den laufenden Dienst auf `:9001`.
**Dort nichts ändern.**

## ‼️ Arbeitsweise — zuerst lesen

**Arbeite Datei für Datei. Lies HÖCHSTENS zwei Dateien, bevor du die erste änderst.**

Nach jeder geänderten Datei gehst du zur nächsten. **Kein Gesamtplan, keine Vollinventur vorab** — du
darfst jederzeit nachlesen, wenn du etwas brauchst. Die Liste unten ist eine Landkarte, keine
Leseliste.

*Warum das hier so deutlich steht:* Im ersten Anlauf (20.08., über Nacht) hat der Agent in sechs
Sitzungen ~336 Nachrichten und ~360.000 Tokens verbraucht, 19 Dateien gelesen — und **nicht eine
einzige Zeile geändert**. Er lief fünfmal in dasselbe Muster: „Ich habe jetzt das vollständige Bild,
jetzt lese ich nur noch die restlichen Dateien, *bevor ich anfange*." Dann war das Zug-Limit
erreicht. Sein eigenes Fazit: *„Iterationslimit erreicht, bevor ich die erste Zeile geändert habe."*

Eine halbfertige Änderung ist wertvoller als eine vollständige Analyse ohne Änderung.

## Auftrag

Entferne die Mem0-Reste vollständig, ohne etwas anderes kaputtzumachen.

**17 Dateien haben Treffer** (gemessen 20.08., selbst nachprüfen statt blind vertrauen):

```
backend/steward.py                        deploy/stack-postcheck.sh
backend/config.py                         deploy/venv-audit.sh
backend/routers/voice.py                  deploy/agent-hooks/box-steckbrief-inject.sh
backend/routers/system.py                 deploy/warmup.sh
backend/routers/zeitmaschine.py           deploy/autoupdate.sh
backend/services/sentry.py                deploy/hermes-postcheck.sh
backend/services/voice_metrics.py         deploy/restore.sh
backend/services/backup.py                deploy/backup.sh
mcp/mcp_mc.py
```

Dazu der Ordner `mem0_service/` (app.py, migrate.py, requirements.txt, smoke_test.py).

> ‼️ **Der eigentliche Prüfstein:** Wenn eine API-Antwort ein Feld wie `mem0_reachable` liefert, das
> das Frontend liest, darf es nicht einfach verschwinden — sonst bricht die Oberfläche. Entweder das
> Frontend mit anpassen oder das Feld sauber entfernen. Wer nur `grep mem0` laufen lässt und alles
> wegwirft, produziert eine Fassade.

## Fertig-Kriterien

Ausgangswert am 20.08.: **1, 2, 4, 5 sind bereits grün** — sie sind Schutzgeländer, nicht die Arbeit.
Nur Kriterium 3 ist offen. Wer 3 erfüllt und dabei 1/2/4/5 kaputtmacht, hat versagt.

| # | Prüfung | Befehl | Ausgangswert |
|---|---|---|---|
| 1 | Lint sauber | `cd ~/projekte/mc2-referenz && ~/.venv-lint/bin/ruff check .` | ✅ *All checks passed* |
| 2 | Backend lädt | `cd ~/projekte/mc2-referenz/backend && ~/mission-control-v2/backend/.venv/bin/python -c "import app"` | ✅ ok |
| 3 | **keine mem0-Reste** | `cd ~/projekte/mc2-referenz && grep -ril mem0 backend/ mcp/ deploy/ --include='*.py' --include='*.sh' \| wc -l` | ❌ **17** → muss **0** werden |
| 4 | Selbsttest grün | `bash ~/mission-control-v2/deploy/self-smoke.sh` | ✅ grün |
| 5 | MC2 gesund | `curl -s localhost:9001/api/health` | ✅ `"status":"ok"` |

Treffer in `docs/` sind erlaubt — das ist Historie und darf stehenbleiben.

Selbstprüfung mit einem Befehl:

```bash
bash ~/projekte/mc2-referenz/docs/aufgaben/referenz-check.sh
```

> Der Prüfbefehl liegt bewusst unter `docs/aufgaben/` und **nicht** unter `deploy/`. Im ersten Anlauf
> lag er in `deploy/`, enthielt selbst siebenmal das Wort „mem0" (er sucht ja danach) und zählte sich
> damit in Kriterium 3 mit — das Kriterium war unerfüllbar. In `docs/` wird er nicht durchsucht.

## Randbedingungen

- ‼️ **In einer FRISCHEN Sitzung starten**, nicht in einer fortgesetzten. Beim ersten Anlauf hat der
  Desktop eine Sitzung vom Vortag weitergeführt und deren Kontext mitgeschleppt — die Messung war
  dadurch wertlos. Im Desktop also einen **neuen Chat** anlegen, nicht den alten öffnen.
- **Nicht pushen.** Der Zweig bleibt lokal, damit der Lauf wiederholbar ist.
- **Nichts außerhalb des Worktrees anfassen** — kein `/etc`, keine systemd-Dienste, kein Neustart.
- Wenn ein Kriterium nicht erfüllbar ist: **ehrlich sagen und aufhören.** Ein klares
  „Kriterium 3 scheitert an X" ist wertvoller als ein beschönigter Abschluss.

## Zurücksetzen zwischen den Läufen

```bash
cd ~/mission-control-v2
git worktree remove --force ~/projekte/mc2-referenz
git branch -D referenz/mem0-ausbau
git worktree add -b referenz/mem0-ausbau ~/projekte/mc2-referenz main
```

## Messprotokoll

| Lauf | Aufbau | Fertig? | Wanduhr | Züge | Bemerkung |
|---|---|---|---|---|---|
| — | *Fehlversuch 20.08. 21:10* | ✗ | 76 min, abgebrochen | 8 | Kriterium 3 unerfüllbar + fortgesetzte Alt-Sitzung. **Verwertbar trotzdem:** 19.899 Ausgabe-Tokens, davon nur ~2.600 Zeichen sichtbar → **>95 % unsichtbares Nachdenken**. Kompression feuerte bereits. |
| **A** | Qwen3.8-27B, `medium`, `max_turns: 40`, ohne Arbeitsanweisung | ✗ | über Nacht | 6 Sitzungen, ~336 Nachrichten | **0 Dateien geschrieben.** Analyse-Schleife, Zug-Limit erreicht. Werkzeug `file` war die ganze Zeit verfügbar, wurde nie benutzt. ~360k Tokens. Inhaltlich gut: fand `mem0_ms` im Frontend **und** einen toten `memory_svc`-Import in `steward.py`. |
| **A2** | dasselbe, **+ Arbeitsanweisung oben**, `max_turns: 80` | | | | ← **als Nächstes.** Prüft, ob die Schleife am Auftrag lag |
| D | Qwen3.8-27B, `reasoning_effort: low` | | | | Nächster Hebel, falls A2 auch nur liest |
| B | Qwen3.8-27B **+ DFlash-2** | | | | Entwurfsmodell liegt bereit |
| C | Qwen3.6-35B-A3B (`fast`, 95,7 t/s) | | | | SWE-bench 73,4 |

> ★★ **Die Lehre aus Lauf A:** Das ist **kein Tempo-Problem.** Mit 95 t/s statt 12,6 wäre derselbe
> Lauf genauso gescheitert — nur schneller. Deshalb kommen A2 und D **vor** den Modellwechseln B und C.

### Was der Fehlversuch schon gezeigt hat

Pro Zug erzeugte das Modell ~2.487 Tokens, sichtbar wurden davon 181–451 Zeichen. Bei 12,6 t/s sind
das ~26 Minuten reine Erzeugung für ~2.600 Zeichen Text. **Der Engpass ist Denk-Aufwand × Bandbreite,
nicht das Harness.** Darum Lauf D vor B und C: er prüft den billigsten Hebel zuerst.

Inhaltlich war das Modell gut — es fand von selbst den Prüfstein (`mem0_ms` → `memory_ms` im Frontend),
statt blind zu löschen.