From 933dd503674bedada7657cf3a5a78d026ed9537d Mon Sep 17 00:00:00 2001
From: duffyduck <info@hacker-net.de>
Date: Wed, 13 May 2026 02:49:09 +0200
Subject: [PATCH] =?UTF-8?q?feat(brain):=20Stufe=20E=20=E2=80=94=20ARIA=20s?=
 =?UTF-8?q?ieht=20Bilder=20ueber=20Claude=20Codes=20Read-Tool?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Wir mussten den Proxy nicht patchen. Claude Code's eingebautes
Read-Tool ist multi-modal-faehig — uebergibt man eine Bilddatei,
geht die durch das gleiche Vision-Modell wie via Anthropic-Vision-API.
ARIA hat eh "Tool-Freigaben — Vollzugriff" pinned (inkl. Read), also
muss sie nur wissen dass sie das nutzen darf.

prompts._attachments_line erweitert: bei image/* im Anhang haengen
wir den Hinweis an "Bilder kannst du via `Read <pfad>` direkt ansehen".
ARIA ruft dann selbststaendig Read mit dem Memory-Anhang-Pfad, sieht
das Bild und kann antworten was drauf ist.

Heisst: Stefan sagt "schau dir mein Cessna-Foto an" → ARIA findet
Memory via Cold-Search → sieht die Read-Anweisung → ruft Read auf →
Vision-Modell beschreibt das Bild → ARIA antwortet im Chat.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
---
 aria-brain/prompts.py | 25 ++++++++++++++++++++-----
 1 file changed, 20 insertions(+), 5 deletions(-)

diff --git a/aria-brain/prompts.py b/aria-brain/prompts.py
index 5ba12df..5d21cc4 100644
--- a/aria-brain/prompts.py
+++ b/aria-brain/prompts.py
@@ -54,25 +54,40 @@ TYPE_HEADINGS = {
 
 def _attachments_line(p: MemoryPoint) -> str:
     """Eine Zeile die ARIA verraet welche Dateien an einer Memory haengen.
-    Bilder/Files liegen physisch unter /shared/memory-attachments/<id>/<name>
-    — ARIA kann sie via Bash anschauen (file, head, base64...) wenn relevant.
-    Sehen kann sie sie erst mit der Multi-Modal-Pipeline (Stufe E)."""
+    Bilder/Files liegen physisch unter /shared/memory-attachments/<id>/<name>.
+
+    Multi-Modal-Hinweis: Claude Code's `Read`-Tool kann Bilder direkt
+    anschauen (PNG/JPG/GIF/WebP) — sie laufen dann durch das gleiche
+    Vision-Modell wie via Anthropic-Vision-API. Heisst: ARIA muss nur
+    `Read /shared/memory-attachments/<id>/foto.jpg` aufrufen und sieht
+    das Bild wirklich, ohne dass wir Multi-Modal-Messages durch den
+    Proxy schleusen muessen. Wir geben ihr den Hinweis in der Zeile mit.
+    """
     atts = getattr(p, "attachments", None) or []
     if not atts:
         return ""
+    base_dir = f"/shared/memory-attachments/{p.id}/" if p.id else ""
     items = []
+    has_image = False
     for a in atts:
         if not isinstance(a, dict):
             continue
         name = a.get("name", "?")
         mime = a.get("mime", "")
+        if mime.startswith("image/"):
+            has_image = True
         size = a.get("size")
         size_part = f", {size // 1024} KB" if isinstance(size, int) and size else ""
         items.append(f"{name} ({mime}{size_part})")
     if not items:
         return ""
-    base_dir = f"/shared/memory-attachments/{p.id}/" if p.id else ""
-    return f"📎 Anhaenge: {', '.join(items)}" + (f" — Pfad: {base_dir}" if base_dir else "")
+    line = f"📎 Anhaenge: {', '.join(items)}"
+    if base_dir:
+        line += f" — Pfad: {base_dir}"
+    if has_image and base_dir:
+        line += (" — Bilder kannst du via `Read <pfad>` direkt ansehen "
+                 "(Claude Code Read ist multi-modal-faehig)")
+    return line
 
 
 def build_hot_memory_section(pinned: List[MemoryPoint]) -> str: