docs: lokales LLM bekommt kuratierte Tool-Auswahl (Tool-Calling in B1 statt B3)

Qwen3 kann natives OpenAI-Tool-Calling; llama.cpp (--jinja) unterstuetzt es.
Lokales Tier bekommt einen kleinen, risikoarmen Start-Satz (Wetter, memory_search,
trigger_timer, Spotify, Licht); volles Arsenal bleibt bei Claude, Escalation-Netz
bleibt. Klein halten = Speed. Plan-Entscheidungen + Phasen entsprechend gezogen.

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

docs/plan-local-llm-router.md

@@ -73,27 +73,53 @@ hat keine Tools; das ist ein Gespraechs-Eval-Modus, kein Voll-ARIA. Fast-Path
 Das lokale Modell braucht ARIAs Identität, sonst bricht es aus der Rolle
 (gelernt aus dem `--system-prompt`-Debakel). Aber **schlanker**:
 - IDENTITY_SEED + Kern-Persona: ja.
-- Volles Memory / alle Skill-Schemas / Tool-Block: **nein** (Tier 1 macht keine
-  Tools). Hält den lokalen Prompt klein → schnell.
+- Volles Memory / ALLE Skill-Schemas: **nein** — nur eine **kuratierte, kleine
+  Tool-Auswahl** (siehe unten). Haelt den lokalen Prompt klein → schnell.
 - Persona kommt lokal auch als echter System-Prompt (llama.cpp `system`-Rolle).
 
+## Tool-Calling lokal (kuratierte Auswahl)
+
+Das lokale LLM DARF Werkzeuge nutzen (Qwen3 = natives OpenAI-Tool-Calling, von
+llama.cpp `--jinja` unterstuetzt). Ablauf wie bei Claude: Brain schickt
+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
+volle Arsenal (~49 K Zeichen Schemas) wuerde den Prompt sprengen und das kleine
+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 →
+`<<ESCALATE>>` → Claude mit vollem Arsenal.
+
+Implementierung (B1): Adapter reicht `tools` an llama.cpp + gibt `tool_calls`
+zurueck; Bridge schleust beides durch (llm_request/llm_response); Brain-Tool-Loop
+mit Ziel lokal.
+
 ## Phasen
 
 - **B0 — Infra:** llama.cpp-Container + RVS-Adapter auf der Gamebox,
   `ALLOWED_TYPES`, `local_llm_chat()` im Brain. Isoliert testen („sag hallo").
-- **B1 — Router:** Heuristik Tier-1/2 + Escalation, schlanke Persona lokal.
-  Einfache Turns → lokal. Messen: Trefferquote & Latenz.
+- **B1 — Router + lokale Tools:** Heuristik Tier-1/2 + Escalation, schlanke
+  Persona lokal, **kuratierte Tool-Auswahl lokal** (Adapter/Bridge/Brain-Tool-
+  Loop, siehe oben) + „Nur lokales LLM"-Checkbox. Einfache Turns → lokal.
+  Messen: Trefferquote, Tool-Zuverlaessigkeit & Latenz.
 - **B2 — Streaming/Voice:** `llm_partial` → TTS beginnt beim ersten Satz →
   der „live"-Sprung. **Hier den Gong-/Ohr-Re-Arm-Bug mit-fixen** (Barge-In,
   sauberes Re-Listen).
-- **B3 (optional):** dem lokalen Modell ein paar schnelle, sichere Tools geben.
+- **B3 (optional):** lokalen Tool-Satz erweitern, sobald Qwen sich als
+  zuverlaessig erweist (z.B. `memory_save`).
 
 ## Offene Entscheidungen (für Stefan)
 
 1. **Modell:** Qwen3 8B (Tool-Calling) — oder doch Mistral Small 3 7B (Speed)?
-2. **Routing v1:** rein heuristisch + Escalation (empfohlen) — oder gleich ein
-   Mini-Classifier?
-3. **Tools lokal:** in v1 bewusst KEINE (alles Tool-artige → Claude) — ok?
+2. **Routing v1:** rein heuristisch + Escalation (entschieden).
+3. **Tools lokal:** kuratierte kleine Auswahl (entschieden — Start-Satz oben;
+   Stefan bestaetigt/justiert die konkrete Liste vor dem B1-Bau).
 
 ## Folge-Baustein: Modell-Auswahl in ARIA Diagnostic (B0.5)