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/docker-compose.yml

@@ -89,3 +89,47 @@ services:
                                                  # Stimm-Embedding) persistent zwischen
                                                  # Container-Restarts.
     restart: unless-stopped
+
+  # ─── Lokales LLM (Plan B, B0) — llama.cpp-Server (GPU) ────────
+  # Serviert Qwen3-8B (GGUF Q4_K_M) OpenAI-kompatibel auf :8081, NUR im
+  # Compose-Netz (kein RVS direkt) — die Bruecke macht der llm-adapter.
+  # Modell-Datei nach ./models/ legen: siehe llm-adapter/README.md.
+  # VRAM auf der 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 kleiner
+  # oder Modell auf Q4_K_S/IQ4 wechseln.
+  llama:
+    image: ghcr.io/ggml-org/llama.cpp:server-cuda
+    container_name: aria-llama
+    deploy:
+      resources:
+        reservations:
+          devices:
+            - driver: nvidia
+              count: 1
+              capabilities: [gpu]
+    volumes:
+      - ./models:/models
+    command: >
+      -m /models/${LLM_GGUF:-qwen3-8b-q4_k_m.gguf}
+      --host 0.0.0.0 --port 8081
+      -ngl 99 -c ${LLM_CTX:-8192} --jinja
+    restart: unless-stopped
+
+  # ─── Local-LLM-Adapter — RVS <-> llama.cpp (Plan B, B0) ──────
+  # Verbindet sich per Token an den RVS (wie f5tts/whisper), nimmt
+  # llm_request entgegen, ruft llama.cpp lokal, antwortet llm_response.
+  llm-adapter:
+    build: ./llm-adapter
+    container_name: aria-llm-adapter
+    depends_on:
+      - llama
+    environment:
+      - RVS_HOST=${RVS_HOST}
+      - RVS_PORT=${RVS_PORT:-443}
+      - RVS_TLS=${RVS_TLS:-true}
+      - RVS_TLS_FALLBACK=${RVS_TLS_FALLBACK:-true}
+      - RVS_TOKEN=${RVS_TOKEN}
+      - LLAMA_URL=http://llama:8081
+      - LLM_MODEL=${LLM_MODEL:-qwen3-8b}
+      - LLM_TIMEOUT_SEC=${LLM_TIMEOUT_SEC:-60}
+    restart: unless-stopped