feat(local-llm): B0 — Gamebox llama.cpp + RVS-Adapter (Provider-Seite)

Plan B, Phase B0 (Provider): lokales Qwen3-8B auf der Gamebox, angebunden
per RVS wie f5tts/whisper (kein IP-Pflegen, nur URL+Token).

- xtts/llm-adapter/: RVS-Client (spiegelt whisper-bridge: TLS+ws-Fallback,
  Reconnect-Backoff), nimmt llm_request, ruft llama.cpp /v1/chat/completions
  lokal, antwortet llm_response (korreliert per requestId). Nicht-streamend
  in B0; llm_partial fuer B2 reserviert.
- xtts/docker-compose.yml: neue Services `llama` (llama.cpp server-cuda,
  GGUF via ./models, OpenAI-API auf :8081) + `llm-adapter`.
- rvs/server.js: ALLOWED_TYPES += llm_request/llm_response/llm_partial.
- GGUF (mehrere GB) via .gitignore aus dem Repo; xtts/models/ mit .gitkeep.

Topologie-Hinweis: Gamebox@home, ARIA@RZ -> Bounce ueber Internet ist
unvermeidbar (Voice macht's schon so); Router faellt bei Nichterreichbarkeit
per Escalation auf Claude zurueck. Consumer-Seite (Bridge-Relay + Brain-
Client + Router) kommt als naechstes.

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

xtts/llm-adapter/README.md

@@ -0,0 +1,64 @@
+# Local-LLM-Adapter (Gamebox) — Plan B, Phase B0
+
+Bringt ein lokales, schnelles LLM (Qwen3 8B) auf die Gamebox und haengt es
+per RVS an ARIA — fuer die einfachen ~80 % der Turns (<1 s), waehrend Claude
+das Tiefen-Hirn bleibt. Siehe `docs/plan-local-llm-router.md` im Repo-Root.
+
+## Zwei Container (in `xtts/docker-compose.yml`)
+
+- **`llama`** — `llama.cpp`-Server (CUDA), serviert das GGUF OpenAI-kompatibel
+  auf `:8081`, nur im Compose-Netz.
+- **`llm-adapter`** — verbindet sich per Token an den RVS (wie f5tts/whisper),
+  nimmt `llm_request` entgegen, ruft `llama` lokal, antwortet `llm_response`.
+
+## Modell besorgen (einmalig)
+
+GGUF nach `xtts/models/` legen. Empfohlen: **Qwen3 8B, Q4_K_M**.
+
+```bash
+mkdir -p xtts/models
+# z.B. von Hugging Face (huggingface-cli oder Browser-Download):
+#   Suche: "Qwen3-8B-GGUF"  -> Datei  qwen3-8b-q4_k_m.gguf
+# Datei ablegen als:
+#   xtts/models/qwen3-8b-q4_k_m.gguf
+```
+
+Anderer Dateiname? In der `.env` der Gamebox setzen:
+
+```
+LLM_GGUF=dein-modell.gguf
+LLM_CTX=8192          # Kontextfenster (kleiner = weniger VRAM)
+```
+
+Mistral statt Qwen testen (A/B): einfach ein Mistral-Small-3-GGUF ablegen und
+`LLM_GGUF` umstellen — Ein-Datei-Wechsel, kein Code.
+
+## Start (auf der Gamebox)
+
+```bash
+cd xtts
+docker compose up -d --build llama llm-adapter
+docker logs -f aria-llm-adapter     # "RVS verbunden — llm-adapter online"
+```
+
+## Standalone-Test (ohne ARIA), direkt gegen llama.cpp
+
+```bash
+curl http://localhost:8081/v1/chat/completions -H "Content-Type: application/json" -d '{
+  "messages":[{"role":"system","content":"Du bist ARIA."},
+              {"role":"user","content":"sag kurz hallo"}],
+  "max_tokens":64
+}'
+```
+
+## VRAM-Hinweis (RTX 3060, 12 GB)
+
+whisper-small (~1–2) + f5tts (~1–2) + qwen3-8b-q4 (~6) ≈ 9–10 GB. Passt, aber
+knapp. Bei OOM: `LLM_CTX` reduzieren, `-ngl` senken (weniger Layer auf GPU),
+oder kleineres Quant (Q4_K_S / IQ4_XS).
+
+## Nachrichten-Kontrakt (RVS)
+
+- `llm_request`  → `{ requestId, messages:[{role,content}], max_tokens?, temperature?, stop? }`
+- `llm_response` ← `{ requestId, ok, content, error?, model, elapsedMs }`
+- `llm_partial`  — reserviert fuer B2 (Token-Streaming), noch ungenutzt.