docs: lokales LLM — Awareness (volle Liste) vs Authority (kuratierter Satz)

Klargestellt: lokales Modell ist ueber ALLES im Bilde (kurze Awareness-Liste im
System-Prompt -> gezieltes Escalieren), darf aber nur den sicheren Satz
ausfuehren. Harte Grenze ist Kontext/VRAM (volles Schema ~15-20K Tokens passt
nicht in 8K, 32K-Kontext sprengt die geteilte 12GB-3060), nicht Misstrauen.
Claude im RZ mit 200K-1M Kontext kann sich das ganze Arsenal leisten.

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

docs/plan-local-llm-router.md

@@ -85,16 +85,29 @@ messages + tools → Qwen antwortet mit `tool_calls` → Brain fuehrt via
 `_dispatch_tool` aus → Ergebnis zurueck → finale Antwort. Tool-Loop im Brain,
 Ziel = lokales LLM statt Claude-Proxy.
 
-**Kritische Regel: klein halten.** Der Wert des lokalen Tiers ist Speed; das
+**Awareness ≠ Authority.** Das lokale Modell soll WISSEN, was ARIA alles kann
-volle Arsenal (~49 K Zeichen Schemas) wuerde den Prompt sprengen und das kleine
+(damit es gezielt eskaliert statt zu halluzinieren), aber nicht alles ausfuehren.
-Modell ueberfordern. Daher nur ein **Start-Satz haeufiger, risikoarmer Tools**:
-- Lokal: Wetter, Uhrzeit, `memory_search` (lesen), `trigger_timer`,
-  Spotify-Steuerung (Nicht-Fast-Path-Saetze), Licht/Smart-Home.
-- Bleibt bei Claude: `skill_create/update/delete`, `oauth_*`, `project_*`,
-  `flux_generate`, `memory_save` (schreiben) — erst spaeter evtl. lokal.
 
-Escalation-Netz bleibt: braucht ein Turn ein Tool, das lokal nicht dabei ist →
+**Harte Grenze = Kontext/VRAM, nicht Misstrauen.** Das volle Tool-Schema sind
-`<<ESCALATE>>` → Claude mit vollem Arsenal.
+~15-20 K Tokens. Qwens Kontext steht auf 8 K (`LLM_CTX=8192`) — es passt nicht
+rein. Hochdrehen auf 32 K kostet mehrere GB KV-Cache extra → OOM auf der
+geteilten 12-GB-3060 (Whisper + F5-TTS liegen mit drauf). Claude im RZ hat
+200 K-1 M Kontext und ist zuverlaessig → kann sich das ganze Arsenal leisten;
+das lokale 8B auf Heim-Hardware nicht. Andere Hardware-Klasse, anderes Budget.
+
+**Design (gibt „im Bilde" ohne VRAM zu sprengen):**
+- **Ausfuehrbar lokal:** kleiner, risikoarmer Start-Satz — Wetter, Uhrzeit,
+  `memory_search` (lesen), `trigger_timer`, Spotify-Steuerung, Licht/Smart-Home.
+- **Awareness-Liste (billig, ~paar hundert Tokens im System-Prompt):** kurze
+  Aufzaehlung des Rests — „ARIA kann ausserdem: Skills bauen, OAuth, Projekte,
+  Bilder, ins Gedaechtnis schreiben — dafuer `<<ESCALATE>>`." Kein volles Schema.
+- **Bleibt bei Claude (Authority):** `skill_create/update/delete`, `oauth_*`,
+  `project_*`, `flux_generate`, `memory_save`.
+
+Escalation-Netz bleibt: braucht ein Turn ein Tool, das lokal nicht ausfuehrbar
+ist → `<<ESCALATE>>` → Claude mit vollem Arsenal. Der „Nur lokales LLM"-Haken
+dient dazu, spaeter datengetrieben zu messen, ob der ausfuehrbare Satz erweitert
+werden kann.
 
 Implementierung (B1): Adapter reicht `tools` an llama.cpp + gibt `tool_calls`
 zurueck; Bridge schleust beides durch (llm_request/llm_response); Brain-Tool-Loop