feat(local-llm): B0.5 — llama-swap + lokale Modellauswahl in Diagnostic

Mehrere lokale Modelle, on-demand geladen/geswappt, in Diagnostic waehlbar.
Design: das Brain schickt den Modellnamen (aus local_llm.json) im llm_request
mit -> Adapter -> llama-swap laedt/swappt. Keine separate Gamebox-Config noetig.

- xtts: `llama`-Container -> `llama-swap` (unified-cuda), config.yaml mit
  qwen3-8b (Standard) + qwen3-4b; Auto-Download via -hf, Cache /models geteilt
  (qwen3-8b schon da). Adapter -> llama-swap:8080, Timeout 600s (Erst-Download).
- adapter: `model` aus dem Request an llama-swap durchreichen (Fallback env).
- brain: router.load_config liest localLlmModel; local_llm_chat(model=...);
  agent gibt cfg-Modell mit; bridge reicht model durch (_local_llm + Route).
- diagnostic: /api/local-models-list (aus /shared/config/local_models.json,
  seeded), local-llm-config um localLlmModel erweitert; Dropdown "Lokales
  Modell" im Settings-Block + Erst-Download-Hinweis.

BLIND gebaut (Gamebox nicht testbar hier): llama-swap CLI/Config-Pfad beim
ersten Start via `docker logs aria-llama-swap` pruefen. Live-Lade-Status
(Adapter->Diagnostic) ist B0.5-2 (Folgeschritt).

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

xtts/llm-adapter/adapter.py

@@ -69,14 +69,16 @@ async def _send(ws, mtype: str, payload: dict) -> None:
 
 
 async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
-                      stop, tools=None) -> dict:
-    """Ruft llama.cpp /v1/chat/completions (OpenAI-Format). Gibt
+                      stop, tools=None, model=None) -> dict:
+    """Ruft llama.cpp/llama-swap /v1/chat/completions (OpenAI-Format). Gibt
     {ok, content, tool_calls, error} zurueck — wirft nie.
 
-    tools: optionale OpenAI-Tool-Definitionen (B1b). llama.cpp (--jinja) mit
-    Qwen3 kann natives Tool-Calling und liefert dann message.tool_calls."""
+    model: welches Modell llama-swap laden soll (B0.5). Kommt aus dem Request
+    (Brain -> local_llm.json). Faellt auf LLM_MODEL (env) zurueck.
+    tools: optionale OpenAI-Tool-Definitionen (B1b). Qwen3 (--jinja) kann
+    natives Tool-Calling und liefert dann message.tool_calls."""
     body = {
-        "model": LLM_MODEL,
+        "model": model or LLM_MODEL,
         "messages": messages,
         "max_tokens": max_tokens,
         "temperature": temperature,
@@ -120,13 +122,15 @@ async def _handle_llm_request(ws, payload: dict) -> None:
     temperature = float(payload.get("temperature", 0.7) or 0.7)
     stop = payload.get("stop")
     tools = payload.get("tools") or None
+    model = (payload.get("model") or "").strip() or None
     t0 = time.time()
     res = await _call_llama(messages, max_tokens=max_tokens,
-                            temperature=temperature, stop=stop, tools=tools)
+                            temperature=temperature, stop=stop, tools=tools,
+                            model=model)
     dt = time.time() - t0
     tc = res.get("tool_calls")
-    logger.info("llm_request id=%s -> ok=%s %.2fs content_len=%d tool_calls=%d",
-                (req_id[:8] if req_id else "?"), res.get("ok"), dt,
+    logger.info("llm_request id=%s model=%s -> ok=%s %.2fs content_len=%d tool_calls=%d",
+                (req_id[:8] if req_id else "?"), model or LLM_MODEL, res.get("ok"), dt,
                 len(res.get("content") or ""), len(tc) if tc else 0)
     await _send(ws, "llm_response", {
         "requestId": req_id,
@@ -134,7 +138,7 @@ async def _handle_llm_request(ws, payload: dict) -> None:
         "content": res.get("content", ""),
         "tool_calls": tc,
         "error": res.get("error"),
-        "model": LLM_MODEL,
+        "model": model or LLM_MODEL,
         "elapsedMs": int(dt * 1000),
     })