feat(brain): Sicherheitsfilter blockiert nicht mehr das ganze Projekt

Anthropics Filter ("safeguards flagged this message", Details: [cyber]) trifft
genau unsere Themen — Ports, Tunnel, Zugangsdaten. Bisher war danach der
Projekt-Chat tot, und zwar aus einem Grund, den man der Meldung nicht ansieht:

Der Filter meldet sich NICHT als HTTP-Fehler. Die CLI liefert ein voellig
normales Ergebnis mit is_error=true und dem Fehlertext im content — also dort,
wo sonst ARIAs Antwort steht. proxy_client.py warf das Flag weg, der Agent
konnte Fehler und Antwort nicht unterscheiden und schrieb den Text per
conversation.add("assistant", ...) in den Verlauf. Weil der Verlauf bei jedem
Turn mitgeht, scheiterte ab da JEDE weitere Frage an derselben Stelle.

Zwei Stufen dagegen (aria-brain/safeguard.py):

1. Modellwechsel. Der Filter haengt am Modell ("Opus 5's safeguards ..."),
   Anthropic raet selbst zu "change your model". Derselbe Turn wird automatisch
   mit dem Ausweich-Modell neu gefragt; laeuft der Rest des Turns (Tool-Schritte)
   gleich mit darauf weiter. Der ausloesende Turn wird vermerkt, damit die
   naechsten Turns nicht erst wieder gegen die Wand laufen. Der Vermerk
   verfaellt von selbst, sobald der Turn aus dem Rolling Window gerollt ist —
   nichts muss aufgeraeumt werden, und das Projekt faellt von allein aufs
   Hauptmodell zurueck.

2. Quarantaene. Blockt auch das Ausweich-Modell, liegt es am Verlauf selbst.
   Dann faellt der ausloesende Turn aus dem Prompt-Fenster. NICHT geloescht: er
   bleibt in conversation.jsonl, steht mit Text in der Diagnostic und ist per
   Klick zurueckholbar. Der rohe Fehlertext wird nie persistiert — ARIA sagt in
   eigenen Worten, was passiert ist.

Der Zustand liegt in /data/safeguard.json, bewusst nicht in conversation.jsonl:
ein Markieren dort erzwaenge ein Rewrite, und das schreibt nur das In-Memory-
Window zurueck — alles schon Destillierte waere weg.

Erkennung bewusst zweistufig: mit is_error genuegt ein Marker, ohne muss der
Text mit "API Error" beginnen. Sonst wuerde eine Antwort, in der ARIA ueber den
Filter *spricht*, einen Modellwechsel ausloesen.

Mitgenommen:
- Das Memory-Destillat schickt denselben Verlauf nochmal durch und wurde
  genauso blockiert — nur fiel es dort als "unparsbares JSON" auf und
  wiederholte sich bei jedem Lauf. Weicht jetzt ebenfalls aus.
- clean_poisoned_turns.py raeumt die Altlasten: Fehlertexte, die vor diesem Fix
  schon im Verlauf stehen. Neu auch in Projekten (dort sterben sie ja), mit dem
  ausloesenden User-Turn desselben Kontexts, Dry-Run per Default.
- Diagnostic: Ausweich-Modell einstellbar (runtime.json, ohne Neustart, weil
  safeguard.py erst im Ernstfall liest) und ein Panel, das zeigt was blockiert
  wurde und ob es NOCH wirkt.

Tests: 35/35 fuer die Rettungskette gegen den echten agent.chat(), 16/16 fuer
das Aufraeum-Script.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

aria-brain/safeguard.py

@@ -0,0 +1,310 @@
+"""Anthropics Sicherheitsfilter — erkennen, ausweichen, Verlauf heil halten.
+
+Der Filter ("... safeguards flagged this message", `Details: [cyber]`) meldet
+sich NICHT als HTTP-Fehler. Die CLI liefert ein voellig normales Ergebnis mit
+is_error=true, und der Fehlertext steht im `content` — also genau dort, wo
+sonst ARIAs Antwort steht. Ungeprueft passiert deshalb Folgendes:
+
+  1. Der Fehlertext landet per conversation.add("assistant", ...) im Verlauf.
+  2. Jeder Folge-Turn schickt den Verlauf samt der ausloesenden Nachricht wieder
+     mit — der Filter greift erneut.
+  3. Das Projekt ist tot: jede weitere Frage scheitert an derselben Stelle.
+
+Dagegen zwei Rettungsstufen:
+
+  Stufe 1 — Modellwechsel. Der Filter ist modellspezifisch ("Opus 5's
+  safeguards ..."), Anthropic empfiehlt selbst "change your model". Derselbe
+  Turn wird mit dem Ausweich-Modell neu gefragt. Der ausloesende Turn wird
+  vermerkt, damit die naechsten Turns des Projekts nicht erst wieder gegen die
+  Wand laufen. Der Vermerk verfaellt von selbst, sobald der Turn aus dem
+  Rolling Window gerollt ist — nichts muss aufgeraeumt werden.
+
+  Stufe 2 — Quarantaene. Blockt auch das Ausweich-Modell, liegt es am Verlauf
+  selbst. Dann wird der ausloesende Turn aus dem Prompt-Fenster genommen.
+  NICHT geloescht: er bleibt in conversation.jsonl, bleibt in der Diagnostic
+  sichtbar und ist mit einem Klick zurueckholbar. Das Projekt ist damit im
+  naechsten Turn wieder benutzbar.
+
+Der Zustand liegt in /data/safeguard.json — bewusst NICHT in
+conversation.jsonl: ein Markieren wuerde dort ein Rewrite erzwingen, und das
+schreibt nur das In-Memory-Window zurueck (alles schon Destillierte waere weg).
+"""
+
+from __future__ import annotations
+
+import json
+import logging
+import os
+import re
+import threading
+from datetime import datetime, timezone
+from pathlib import Path
+from typing import Iterable, Optional
+
+logger = logging.getLogger(__name__)
+
+STATE_FILE = Path(os.environ.get("SAFEGUARD_STATE_FILE", "/data/safeguard.json"))
+RUNTIME_CONFIG_FILE = Path(os.environ.get("RUNTIME_CONFIG_FILE", "/shared/config/runtime.json"))
+
+# Wie viele Vorfaelle wir aufbewahren. Reicht fuer die Diagnostic-Anzeige und
+# haelt die Datei klein.
+MAX_INCIDENTS = 200
+
+_lock = threading.Lock()
+
+
+class Blocked(Exception):
+    """Auch das Ausweich-Modell wurde blockiert.
+
+    Dann hilft kein Modellwechsel mehr — es liegt am Verlauf selbst. Der Agent
+    faengt das und geht auf Stufe 2 (Quarantaene).
+    """
+
+    def __init__(self, models, text: str = ""):
+        self.models = [m for m in models if m]
+        self.text = text or ""
+        super().__init__("Sicherheitsfilter blockiert: " + ", ".join(self.models))
+
+# Textmarker des Filters. Englisch und stabil — der Text kommt von Anthropic,
+# nicht von uns. Mehrere, weil die Formulierung sich aendern kann.
+_MARKERS = (
+    "safeguards flagged this message",
+    "anthropic.com/legal/aup",
+    "can't respond to this message with",
+    "cannot respond to this message with",
+    "try rephrasing the request in a new session",
+)
+
+_DETAIL_RE = re.compile(r"details:\s*`?\[([a-z0-9_-]+)\]`?", re.IGNORECASE)
+
+
+def _now() -> str:
+    return datetime.now(timezone.utc).isoformat()
+
+
+def norm_model(model: str) -> str:
+    """Modellnamen vergleichbar machen (Gross/Klein, CLI-Prefix, Leerzeichen)."""
+    m = (model or "").strip().lower()
+    if m.startswith("claude-code-cli/"):
+        m = m[len("claude-code-cli/"):]
+    return m
+
+
+# ── Erkennung ───────────────────────────────────────────────────────
+
+def looks_like_block(text: str, is_error: bool = False) -> bool:
+    """True, wenn dieser Antworttext der Sicherheitsfilter ist.
+
+    Zwei Wege, absichtlich unterschiedlich streng:
+
+    * is_error=true (die CLI sagt selbst "das war ein Fehler") — ein Marker
+      genuegt.
+    * Ohne is_error muss der Text mit "API Error" ANFANGEN. Sonst wuerde die
+      Erkennung auch dann zuschlagen, wenn ARIA ueber den Filter *spricht*
+      ("der Fehler hiess: safeguards flagged ...") — eine Antwort ueber den
+      Fehler ist kein Fehler.
+    """
+    t = (text or "").strip()
+    if not t:
+        return False
+    low = t.lower()
+    hits = sum(1 for m in _MARKERS if m in low)
+    if hits == 0:
+        return False
+    if is_error:
+        return True
+    return low.startswith("api error") and len(t) <= 2000
+
+
+def detail_code(text: str) -> str:
+    """Der Klassifikator-Code aus "Details: `[cyber]`" — nur fuer die Anzeige."""
+    m = _DETAIL_RE.search(text or "")
+    return m.group(1) if m else ""
+
+
+# ── Ausweich-Modell ─────────────────────────────────────────────────
+
+def _runtime_cfg() -> dict:
+    try:
+        if RUNTIME_CONFIG_FILE.exists():
+            return json.loads(RUNTIME_CONFIG_FILE.read_text(encoding="utf-8")) or {}
+    except Exception as exc:
+        logger.warning("[safeguard] runtime.json lesen fehlgeschlagen: %s", exc)
+    return {}
+
+
+def fallback_for(model: str) -> str:
+    """Welches Modell beim naechsten Versuch.
+
+    Vorrang hat `brainFallbackModel` aus runtime.json (Diagnostic). Zeigt das
+    auf dasselbe Modell, ist es wertlos — dann faellt es auf die automatische
+    Wahl zurueck: ein ANDERES Tier, denn der Filter haengt am Modell.
+
+    Pro Aufruf gelesen, nicht beim Import: eine Aenderung in der Diagnostic
+    greift so ohne Brain-Neustart.
+    """
+    want = str(_runtime_cfg().get("brainFallbackModel") or "").strip()
+    primary = norm_model(model)
+    if want and norm_model(want) != primary:
+        return want
+    if "sonnet" in primary:
+        return "opus"
+    # Opus, Fable, Haiku und alles Unbekannte → Sonnet. Sonnet ist das
+    # breiteste Tier im Max-Abo und ein anderer Filter-Kontext als Opus.
+    return "sonnet"
+
+
+# ── Zustand ─────────────────────────────────────────────────────────
+
+def _load() -> dict:
+    try:
+        if STATE_FILE.exists():
+            data = json.loads(STATE_FILE.read_text(encoding="utf-8")) or {}
+            if isinstance(data, dict):
+                data.setdefault("incidents", [])
+                data.setdefault("quarantine", [])
+                return data
+    except Exception as exc:
+        logger.warning("[safeguard] Zustand lesen fehlgeschlagen: %s", exc)
+    return {"incidents": [], "quarantine": []}
+
+
+def _save(data: dict) -> None:
+    try:
+        STATE_FILE.parent.mkdir(parents=True, exist_ok=True)
+        tmp = STATE_FILE.with_suffix(".json.tmp")
+        tmp.write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
+        tmp.replace(STATE_FILE)
+    except Exception as exc:
+        logger.warning("[safeguard] Zustand schreiben fehlgeschlagen: %s", exc)
+
+
+def record_block(project_id: str, turn_ts: str, model: str, fallback: str,
+                 text: str = "", recovered: bool = False) -> None:
+    """Einen Vorfall vermerken. turn_ts = der User-Turn, der mitlief."""
+    with _lock:
+        data = _load()
+        data["incidents"].append({
+            "at": _now(),
+            "project_id": project_id or "",
+            "turn_ts": turn_ts or "",
+            "model": model or "",
+            "fallback": fallback or "",
+            "recovered": bool(recovered),
+            "code": detail_code(text),
+            "snippet": (text or "").strip()[:300],
+        })
+        data["incidents"] = data["incidents"][-MAX_INCIDENTS:]
+        _save(data)
+
+
+def mark_recovered(turn_ts: str, model: str, fallback_used: str) -> None:
+    """Nachtragen, dass der Ausweichversuch geklappt hat (nur Anzeige)."""
+    with _lock:
+        data = _load()
+        for inc in reversed(data["incidents"]):
+            if inc.get("turn_ts") == turn_ts and norm_model(inc.get("model", "")) == norm_model(model):
+                inc["recovered"] = True
+                inc["fallback"] = fallback_used
+                break
+        _save(data)
+
+
+def blocked_models(project_id: str, turn_timestamps: Iterable[str]) -> set:
+    """Modelle, die an den Turns DIESES Fensters schon gescheitert sind.
+
+    Der Abgleich laeuft ueber die Turn-Zeitstempel: rollt der ausloesende Turn
+    aus dem Fenster, taucht er hier nicht mehr auf und das Projekt darf wieder
+    aufs Hauptmodell. Kein Aufraeumen, kein Ablaufdatum von Hand.
+    """
+    want = set(turn_timestamps or ())
+    if not want:
+        return set()
+    pid = project_id or ""
+    out = set()
+    for inc in _load()["incidents"]:
+        if (inc.get("project_id") or "") != pid:
+            continue
+        ts = inc.get("turn_ts") or ""
+        if ts and ts in want:
+            m = norm_model(inc.get("model", ""))
+            if m:
+                out.add(m)
+    return out
+
+
+# ── Quarantaene ─────────────────────────────────────────────────────
+
+def quarantine(turn_ts: str, project_id: str = "", reason: str = "") -> None:
+    if not turn_ts:
+        return
+    with _lock:
+        data = _load()
+        if any(q.get("turn_ts") == turn_ts for q in data["quarantine"]):
+            return
+        data["quarantine"].append({
+            "turn_ts": turn_ts, "project_id": project_id or "",
+            "at": _now(), "reason": reason or "",
+        })
+        _save(data)
+    logger.warning("[safeguard] Turn %s in Quarantaene (Projekt %r)", turn_ts, project_id or "(main)")
+
+
+def unquarantine(turn_ts: str) -> bool:
+    with _lock:
+        data = _load()
+        before = len(data["quarantine"])
+        data["quarantine"] = [q for q in data["quarantine"] if q.get("turn_ts") != turn_ts]
+        changed = len(data["quarantine"]) != before
+        if changed:
+            _save(data)
+    if changed:
+        logger.info("[safeguard] Quarantaene aufgehoben: %s", turn_ts)
+    return changed
+
+
+def quarantined_ts() -> set:
+    return {q.get("turn_ts") for q in _load()["quarantine"] if q.get("turn_ts")}
+
+
+def filter_window(turns: list) -> list:
+    """Quarantaenierte Turns aus dem Prompt-Fenster nehmen.
+
+    Greift NUR auf dem Weg zum Modell. Gespeichert bleibt alles — die
+    Diagnostic und jeder Export sehen den Turn weiter.
+    """
+    q = quarantined_ts()
+    if not q:
+        return turns
+    return [t for t in turns if getattr(t, "ts", "") not in q]
+
+
+# ── Diagnostic ──────────────────────────────────────────────────────
+
+def status(limit: int = 25) -> dict:
+    data = _load()
+    inc = data["incidents"][-limit:][::-1]
+    return {
+        "incidents": inc,
+        "total": len(data["incidents"]),
+        "quarantine": data["quarantine"],
+        "fallback_model": str(_runtime_cfg().get("brainFallbackModel") or "").strip(),
+        "state_file": str(STATE_FILE),
+    }
+
+
+def clear(project_id: Optional[str] = None) -> int:
+    """Vorfaelle loeschen (Anzeige + Taint). Quarantaene bleibt — die wird
+    einzeln aufgehoben, damit nicht ein Klick alle Blockaden zurueckholt."""
+    with _lock:
+        data = _load()
+        before = len(data["incidents"])
+        if project_id is None:
+            data["incidents"] = []
+        else:
+            pid = project_id or ""
+            data["incidents"] = [i for i in data["incidents"]
+                                 if (i.get("project_id") or "") != pid]
+        removed = before - len(data["incidents"])
+        _save(data)
+    return removed