release: bump version to 0.2.0.8

Im Auto cancelt der App-seitige No-Speech-Watchdog den conversing-Stream
vorzeitig (Whisper-Partials kommen bei Fahrgeraeusch verspaetet) und startet
passives Lauschen, waehrend die Bridge dieselbe Aeusserung parallel noch
finalisiert. Ergebnis: derselbe Befehl ("nächstes lied") wird zweimal
ausgefuehrt — aus zwei verschiedenen audioRequestIds, darum griff die
bestehende ID-Idempotenz nicht.

Text-Fenster-Dedup: identischer normalisierter Endpoint-Text innerhalb 5s
wird verworfen. Serverseitig, kein APK noetig.

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

CHANGELOG.md

@@ -10,7 +10,60 @@ Alle Änderungen am Projekt. Format: [Keep a Changelog](https://keepachangelog.c
 
 ---
 
-## [Unreleased] — 2026-07-10
+## [0.2.0.6] — 2026-07-11
+
+### Hinzugefügt
+
+**Diagnostic + App — Projekte verstecken**
+- Neues `hidden`-Flag pro Projekt (bleibt voll nutzbar, nur aus Listen ausgeblendet — unabhängig von `status`/`archived`); `PATCH /projects/{id} {hidden}`
+- Diagnostic: 👁-Auge pro Projekt-Bubble (🙈 verstecken / 👁 dauerhaft sichtbar), Header-Toggle „Versteckte anzeigen (N)" blendet sie temporär gedimmt + „versteckt"-Badge ein — zum Ansehen/Auswählen ohne permanentes Enttarnen
+- App (`ProjectsBrowser`): versteckte standardmäßig ausgeblendet (Mama sieht sie nicht), Auge pro Zeile + Toggle spiegeln das Diagnostic-Verhalten; geteilter `hidden`-Status übers Brain
+
+**Diagnostic — Token-Ersparnis durch lokales LLM**
+- `metrics.jsonl` trägt jetzt `source` (claude | local | fast-path); lokale Calls nutzen echte `usage`-Tokens vom Adapter, Fast-Path = 0 Prompt-Tokens (`by_source`-Aggregation, rückwärts-kompatibel)
+- Neue Card „Lokales LLM & Claude-Ersparnis": pro Fenster (1h/5h/24h/30d) gesparte Claude-Calls (local + fast-path) + lokale Token-Last (eigene HW, kein Quota)
+
+**Spotify-Skill — von ARIA selbst geschärft**
+- Geräte-Transfer startet die Wiedergabe direkt mit (`play=true`) statt nur zu übertragen, inkl. Verifikation (`is_playing`-Check + expliziter Play-Fallback), Fuzzy-Gerätenamen und sauberen Exit-Codes; neue semantische Actions `play_on_device`/`search_and_play`/`playlist_play`/`queue_add`
+
+### Behoben
+
+- **Spotify-Resume (App):** nach einem Voice-Befehl blieb Spotify auf dem Handy pausiert. Statt des auf manchen Geräten (OnePlus) flakigen Audio-Focus-Nudge jetzt ein echter `KEYCODE_MEDIA_PLAY`-KeyEvent an die aktive MediaSession — gegated: nur wenn vor dem Dialog Musik lief (`isMusicActive`). Deterministisch, geräteunabhängig
+- **TTS-Zahlen:** freistehende Ganzzahlen werden jetzt tag-unabhängig ausgeschrieben („23°C" → „dreiundzwanzig Grad Celsius", „100%" → „einhundert Prozent"). Regression, seit das lokale LLM (bewusst ohne `<voice>`-Tag) leichte Turns übernahm; neuer vollständiger Zahl→Wort-Konverter (0…999999) am Ende von `clean_text_for_tts`, lange Ziffernfolgen (IDs) bleiben Ziffern
+- **„ARIA denkt" hängt:** Indikator + Abbrechen blieben stehen, obwohl der Turn laut Diagnostic fertig war. Die App räumt den kontext-scoped Indikator jetzt beim Eintreffen der Antwort selbst; die Bridge sendet zusätzlich ein `idle` für die Request-`projectId`, falls der Turn umgeroutet wurde (thinking ging mit Request-, idle mit Turn-`projectId`)
+- **Lokale Tool-Fehler:** Action-Skills, die bei Exit 0 einen Fehlschlag nur im stdout-Text melden (Spotify: „Fehler beim Übertragen", „Gerät nicht gefunden"), eskalieren jetzt generisch an Claude statt vom lokalen LLM vorgelesen zu werden (Info-Tools wie web_search ausgenommen)
+
+---
+
+## [0.2.0.4 – 0.2.0.5] — 2026-07-11 — Plan B: Lokales LLM („Gemini-Feeling")
+
+Ein kleines, schnelles Modell (**Qwen3 8B** via llama.cpp/llama-swap auf der Gamebox-GPU) übernimmt einfache Turns in **<1 s**; alles Schwere/Technische/Werkzeug-artige reicht ein Router automatisch an **Claude** weiter. Ziel: schnelle Antworten ohne die Claude-Max-Subscription aufzugeben.
+
+### Hinzugefügt
+
+**Lokales LLM (Brain + Bridge + Adapter)**
+- Router (B1a): Heuristik + `<<ESCALATE>>`-Selbstabbruch entscheidet pro Turn lokal vs. Claude; schlanker System-Prompt mit demselben `IDENTITY_ANCHOR` wie Claude (Rolle hält), nur letzte 8 Turns (Speed)
+- Lokale Tool-Fast-Lane (B1b): kuratierte Tools — `web_search` (self-hosted **SearXNG**, local-only), `memory_search`, `trigger_timer`, Spotify; Eskalation bei Tool-Fehler statt Raten
+- Consumer-Kette gespiegelt zu FLUX: Brain → Bridge `/internal/local-llm` → RVS → `llm-adapter` → llama.cpp; `enable_thinking:false` (Qwen wickelte sonst die ganze Antwort in `<think>`)
+- **B0.5:** llama-swap (Hot-Swap der Modelle on-demand) + Modellauswahl-Dropdown + Live-Lade-Status (loading/ready + Download-Hinweis) in Diagnostic
+- **SearXNG** als 6. Container auf der ARIA-VM (keyless Meta-Suche, JSON-API)
+
+**Quell-Badge (local / claude / fast-path)**
+- Diagnostic: immer an den ARIA-Bubbles
+- App: optionaler Schalter in den Einstellungen, pro Gerät gemerkt, default aus („ich will's, meine Mama nicht")
+
+**TTS — System-Flag `speak` (ja/nein) pro Antwort**
+- Die Quelle entscheidet übers Vorlesen (Fast-Path/Steuerbefehl = stumm, ARIA-Antwort = vorlesen), robust statt des fragilen leeren `<voice></voice>`-Hacks der beim Skill-Rebuild verloren ging
+
+### Behoben / Geändert
+
+- **Identität (Hauptchat):** Proxy nutzt jetzt `--system-prompt` (voller Replace) statt `--append-system-prompt` — die Claude-Code-Basis-Identität leakt nicht mehr in den Hauptchat (ARIA antwortete dort als „Claude Code" bzw. deutete die Persona als Injection). Dazu `IDENTITY_SEED` (synthetischer Grounding-Turn) + Gift-Wächter (Identity-Breaks werden nie in die History persistiert, Retry+Fallback) + Cleanup-Script gegen bereits vergiftete Turns
+- **Datenschutz (kritisch):** harte Diskretions-Regel im `IDENTITY_ANCHOR` — ARIA kennt intime/private Details, gibt sie aber **NIE ungefragt** preis (nicht in Vorstellungen, „was weißt du über mich", Zusammenfassungen, Triggern); nur auf konkrete Nachfrage, knapp. Bereits ausgeplauderte Turns bereinigt. Lokales Tier eskaliert Personen-/Beziehungs-/Gedächtnisfragen an Claude (kennt das Gedächtnis + antwortet diskret)
+- **Lokale Antwort nicht in `<voice>`** wickeln (Qwen imitierte den Tag aus dem Kontext → Anzeige war leer); **generische** Tool-Fehler-Eskalation statt per-Skill-Router-Hardcode (Router muss nicht wissen, welche Skills „schwer" sind)
+
+---
+
+## [0.2.0.3] — 2026-07-10
 
 ### Hinzugefügt
 

android/android/app/build.gradle

@@ -79,8 +79,8 @@ android {
         applicationId "com.ariacockpit"
         minSdkVersion rootProject.ext.minSdkVersion
         targetSdkVersion rootProject.ext.targetSdkVersion
-        versionCode 20003
-        versionName "0.2.0.3"
+        versionCode 20008
+        versionName "0.2.0.8"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/android/app/src/main/java/com/ariacockpit/AudioFocusModule.kt

@@ -5,7 +5,9 @@ import android.media.AudioAttributes
 import android.media.AudioFocusRequest
 import android.media.AudioManager
 import android.os.Build
+import android.os.SystemClock
 import android.util.Log
+import android.view.KeyEvent
 import com.facebook.react.bridge.Arguments
 import com.facebook.react.bridge.Promise
 import com.facebook.react.bridge.ReactApplicationContext
@@ -183,6 +185,50 @@ class AudioFocusModule(reactContext: ReactApplicationContext) : ReactContextBase
         promise.resolve(true)
     }
 
+    /** Zuverlaessiger Spotify-Resume: einen echten MEDIA_PLAY-Tastendruck an die
+     *  aktive MediaSession schicken — exakt das Signal der Play-Taste am
+     *  Bluetooth-Kopfhoerer. Anders als nudgeMediaResume (Focus-Stack-Trick,
+     *  auf manchen OEMs/Spotify-Versionen unzuverlaessig) spricht das Spotifys
+     *  MediaSession DIREKT an und startet die Wiedergabe deterministisch wieder.
+     *
+     *  Wir senden bewusst KEYCODE_MEDIA_PLAY (nicht PLAY_PAUSE) — das kann nur
+     *  starten, nie pausieren. Aufrufer muss also selbst gaten (nur senden wenn
+     *  vor dem Gespraech wirklich Musik lief, siehe isMusicActive()).
+     */
+    @ReactMethod
+    fun dispatchMediaPlay(promise: Promise) {
+        val am = audioManager()
+        if (am == null) {
+            promise.resolve(false)
+            return
+        }
+        try {
+            val now = SystemClock.uptimeMillis()
+            val down = KeyEvent(now, now, KeyEvent.ACTION_DOWN, KeyEvent.KEYCODE_MEDIA_PLAY, 0)
+            val up = KeyEvent(now, now, KeyEvent.ACTION_UP, KeyEvent.KEYCODE_MEDIA_PLAY, 0)
+            am.dispatchMediaKeyEvent(down)
+            am.dispatchMediaKeyEvent(up)
+            Log.i(TAG, "dispatchMediaPlay: KEYCODE_MEDIA_PLAY an aktive MediaSession gesendet")
+            promise.resolve(true)
+        } catch (e: Exception) {
+            Log.w(TAG, "dispatchMediaPlay failed: ${e.message}")
+            promise.resolve(false)
+        }
+    }
+
+    /** Ob gerade Musik/Media aktiv abgespielt wird (AudioManager.isMusicActive).
+     *  Der Aufrufer merkt sich das VOR dem Focus-Grab, um am Dialog-Ende zu
+     *  entscheiden ob ein dispatchMediaPlay-Resume ueberhaupt gewuenscht ist. */
+    @ReactMethod
+    fun isMusicActive(promise: Promise) {
+        val am = audioManager()
+        if (am == null) {
+            promise.resolve(false)
+            return
+        }
+        promise.resolve(am.isMusicActive)
+    }
+
     /** Den USAGE_MEDIA-Focus-Stack im System aufmischen, damit Spotify/YouTube
      *  resumen wenn ein anderer Player (z.B. react-native-sound) seinen Focus
      *  nicht ordnungsgemaess released hat. Strategie: kurz selbst USAGE_MEDIA

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.2.0.3",
+  "version": "0.2.0.8",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/components/ProjectsBrowser.tsx

@@ -75,6 +75,9 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
   const [editing, setEditing] = useState<Project | null>(null);
   const [editName, setEditName] = useState('');
   const [editDesc, setEditDesc] = useState('');
+  // Versteckte Projekte standardmaessig ausblenden; Toggle blendet sie
+  // temporaer (gedimmt) ein — zum Ansehen/Auswaehlen oder Wieder-Sichtbarmachen.
+  const [showHidden, setShowHidden] = useState(false);
 
   // Refs damit useCallback NICHT bei jeder Re-Render des Parents neu erzeugt
   // wird (parent uebergibt oft inline-arrow-Callbacks, neue Identity jedes
@@ -109,6 +112,17 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
     return () => unsub();
   }, [visible, load]);
 
+  // Live-Sync: ein anderer Client (Diagnostic / andere App) hat ein Projekt
+  // geaendert (verstecken/anlegen/beenden/…) → project_changed ueber RVS →
+  // Liste neu laden, ohne dass Stefan manuell refreshen muss.
+  useEffect(() => {
+    if (!visible) return;
+    const unsub = rvs.onMessage((msg: any) => {
+      if (msg?.type === 'project_changed') load();
+    });
+    return () => unsub();
+  }, [visible, load]);
+
   const switchTo = useCallback((id: string) => {
     // Multi-Threading: Focus-Wechsel ist reine App-lokale UI-Entscheidung.
     // Brain wird nicht mehr benachrichtigt (kein globaler active_project mehr).
@@ -158,6 +172,19 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
       ]);
   }, [load]);
 
+  // Nach einer Projekt-Mutation die anderen Clients (Diagnostic, weitere
+  // App-Instanzen) live aktualisieren — via RVS project_changed. RVS echot
+  // NICHT an den Sender zurueck, darum laden wir lokal zusaetzlich selbst.
+  const broadcastProjectsChanged = useCallback(() => {
+    try { rvs.send('project_changed' as any, { reason: 'app' }); } catch {}
+  }, []);
+
+  const toggleHidden = useCallback((p: Project) => {
+    brainApi.setProjectHidden(p.id, !p.hidden)
+      .then(() => { broadcastProjectsChanged(); load(); })
+      .catch(e => Alert.alert('Fehler', String(e?.message || e)));
+  }, [load, broadcastProjectsChanged]);
+
   const archiveProject = useCallback((p: Project) => {
     Alert.alert(`"${p.name}" archivieren?`,
       'Verschwindet aus der Standardliste. Über "archivierte zeigen" erreichbar.',
@@ -176,11 +203,12 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
   const renderItem = ({ item }: { item: Project }) => {
     const isActive = item.id === activeId;
     const dot = _statusDot(item.id);
+    const hidden = !!item.hidden;
     return (
       <TouchableOpacity
         onPress={() => switchTo(item.id)}
         onLongPress={() => openEdit(item)}
-        style={[s.row, isActive && s.rowActive]}
+        style={[s.row, isActive && s.rowActive, hidden && s.rowHidden]}
       >
         <View style={{ flex: 1 }}>
           <View style={{ flexDirection: 'row', alignItems: 'center', gap: 8 }}>
@@ -188,6 +216,7 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
               <View style={{ width: 8, height: 8, borderRadius: 4, backgroundColor: dot.color }} />
             )}
             <Text style={[s.rowName, isActive && { color: '#34C759' }]}>{item.name}</Text>
+            {hidden && <Text style={s.hiddenBadge}>versteckt</Text>}
             {item.status === 'ended' && <Text style={s.statusBadge}>beendet</Text>}
             {isActive && <Text style={s.activeBadge}>✓ FOCUS</Text>}
           </View>
@@ -199,10 +228,22 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
             {dot.label ? ` · ${dot.label}` : ''}
           </Text>
         </View>
+        {/* Auge: verstecken (🙈) / wieder sichtbar (👁). Eigener Touch, damit
+            der Tap NICHT das Projekt wechselt. */}
+        <TouchableOpacity
+          onPress={() => toggleHidden(item)}
+          hitSlop={{ top: 10, bottom: 10, left: 10, right: 10 }}
+          style={s.eyeBtn}
+        >
+          <Text style={s.eyeIcon}>{hidden ? '👁' : '🙈'}</Text>
+        </TouchableOpacity>
       </TouchableOpacity>
     );
   };
 
+  const hiddenCount = projects.filter(p => p.hidden).length;
+  const visibleProjects = showHidden ? projects : projects.filter(p => !p.hidden);
+
   const body = (
     <View style={{ flex: 1, backgroundColor: '#0A0A14' }}>
       {/* Header */}
@@ -243,6 +284,17 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
         );
       })()}
 
+      {/* Versteckte-Toggle — nur wenn es welche gibt (oder gerade eingeblendet) */}
+      {(hiddenCount > 0 || showHidden) && (
+        <TouchableOpacity onPress={() => setShowHidden(v => !v)} style={s.hiddenToggle}>
+          <Text style={s.hiddenToggleText}>
+            {showHidden
+              ? `🙈 Versteckte ausblenden${hiddenCount ? ` (${hiddenCount})` : ''}`
+              : `👁 Versteckte anzeigen${hiddenCount ? ` (${hiddenCount})` : ''}`}
+          </Text>
+        </TouchableOpacity>
+      )}
+
       {loading ? (
         <View style={{ padding: 24, alignItems: 'center' }}>
           <ActivityIndicator color="#0096FF" />
@@ -251,14 +303,21 @@ export const ProjectsBrowser: React.FC<Props> = ({ visible = true, onClose, onAc
         <Text style={s.errorText}>⚠ {err}</Text>
       ) : (
         <FlatList
-          data={projects}
+          data={visibleProjects}
           keyExtractor={p => p.id}
           renderItem={renderItem}
           ListEmptyComponent={
-            <Text style={s.emptyText}>
-              Noch keine Projekte. Tipp + Neu oder sag zu ARIA:{'\n'}
-              „Lass uns ein Projekt 'XY' anlegen".
-            </Text>
+            projects.length > 0 ? (
+              <Text style={s.emptyText}>
+                Alle {hiddenCount} Projekte sind versteckt.{'\n'}
+                Tipp „👁 Versteckte anzeigen".
+              </Text>
+            ) : (
+              <Text style={s.emptyText}>
+                Noch keine Projekte. Tipp + Neu oder sag zu ARIA:{'\n'}
+                „Lass uns ein Projekt 'XY' anlegen".
+              </Text>
+            )
           }
         />
       )}
@@ -365,6 +424,8 @@ const s = StyleSheet.create({
   headerBtnText: { color: '#0096FF', fontSize: 18, fontWeight: '600' },
   headerTitle: { flex: 1, textAlign: 'center', color: '#E0E0F0', fontSize: 18, fontWeight: '700' },
   row: {
+    flexDirection: 'row',
+    alignItems: 'center',
     paddingHorizontal: 16,
     paddingVertical: 12,
     borderBottomWidth: 1,
@@ -375,6 +436,18 @@ const s = StyleSheet.create({
     borderLeftWidth: 3,
     borderLeftColor: '#34C759',
   },
+  rowHidden: { opacity: 0.55 },
+  eyeBtn: { paddingHorizontal: 8, paddingVertical: 6, marginLeft: 6 },
+  eyeIcon: { fontSize: 18 },
+  hiddenBadge: { color: '#B392F0', fontSize: 10, fontWeight: '700',
+                 backgroundColor: 'rgba(179,146,240,0.15)', paddingHorizontal: 6,
+                 paddingVertical: 2, borderRadius: 4 },
+  hiddenToggle: {
+    paddingHorizontal: 16, paddingVertical: 10,
+    borderBottomWidth: 1, borderColor: '#1E1E2E',
+    backgroundColor: '#0D0D18',
+  },
+  hiddenToggleText: { color: '#B392F0', fontSize: 12, fontWeight: '600' },
   rowName: { color: '#E0E0F0', fontSize: 16, fontWeight: '600' },
   rowDesc: { color: '#8888AA', fontSize: 13, marginTop: 4 },
   rowMeta: { color: '#555570', fontSize: 11, marginTop: 4 },

android/src/screens/ChatScreen.tsx

@@ -49,7 +49,7 @@ import VoiceButton from '../components/VoiceButton';
 import FileUpload, { FileData } from '../components/FileUpload';
 import CameraUpload, { PhotoData } from '../components/CameraUpload';
 import MessageText from '../components/MessageText';
-import { loadConvWindowMs, loadTtsSpeed, TTS_SPEED_DEFAULT } from '../services/audio';
+import { loadConvWindowMs, loadTtsSpeed, TTS_SPEED_DEFAULT, loadSttEndpointMs } from '../services/audio';
 import Geolocation from '@react-native-community/geolocation';
 
 // --- Typen ---
@@ -73,6 +73,9 @@ interface ChatMessage {
   /** Projekt-Zuordnung — leer = Hauptchat. Wird genutzt um Bubbles zu
    *  Projekt-Bloecken zu gruppieren (auf/einklappbar). */
   projectId?: string;
+  /** Welcher Backend die Antwort erzeugt hat: 'local' | 'claude' | 'fast-path'.
+   *  Fuer den optionalen Quell-Badge (Einstellung aria_show_source, default aus). */
+  answeredBy?: string;
   /** Bridge-Message-ID zur Zuordnung von TTS-Audio */
   messageId?: string;
   /** Lokaler Pfad zur gecachten TTS-Audio-Datei (file://...) */
@@ -324,6 +327,8 @@ const ChatScreen: React.FC = () => {
   // App soll sie standardmaessig NICHT anzeigen — Stefan sieht sonst
   // jeden Hint mit. Toggle in Settings.
   const [showSystemHints, setShowSystemHints] = useState(false);
+  // Quell-Badge (local/claude/fast-path) an ARIA-Bubbles — pro Geraet, default AUS.
+  const [showSource, setShowSource] = useState(false);
   // Gerätelokale XTTS-Voice-Wahl (bevorzugt gegenueber dem globalen Default)
   const localXttsVoiceRef = useRef<string>('');
   // Geraetelokale TTS-Wiedergabegeschwindigkeit (speed-Param an F5-TTS)
@@ -546,6 +551,8 @@ const ChatScreen: React.FC = () => {
       setGpsEnabled(gps === 'true');
       const hints = await AsyncStorage.getItem('aria_show_hints');
       setShowSystemHints(hints === 'true'); // default false
+      const src = await AsyncStorage.getItem('aria_show_source');
+      setShowSource(src === 'true'); // default false (Mama sieht keine Badges)
     };
     loadSettings();
     const interval = setInterval(loadSettings, 2000);
@@ -555,6 +562,14 @@ const ChatScreen: React.FC = () => {
   // Wake Word: einmalig laden + Porcupine vorbereiten (wenn Access Key gesetzt)
   useEffect(() => {
     wakeWordService.loadFromStorage().catch(() => {});
+    // Mikro-Release-Hook: vor jedem Re-Arm eine laufende (passive) Streaming-
+    // Aufnahme canceln, sonst haelt sie das Mikro und OpenWakeWord.start()
+    // schlaegt fehl → Ohr bleibt ausgegraut (state=off).
+    wakeWordService.setMicReleaseHook(async () => {
+      if (audioService.isStreamingRecording()) {
+        await audioService.cancelStreamingRecording('rearm-mic-free');
+      }
+    });
     const unsub = wakeWordService.onStateChange((s) => {
       setWakeWordState(s);
       setWakeWordActive(s !== 'off');
@@ -815,6 +830,7 @@ const ChatScreen: React.FC = () => {
             attachments: attachments.length ? attachments : undefined,
             backupTs: typeof m.ts === 'number' ? m.ts : undefined,
             projectId: typeof m.project_id === 'string' ? m.project_id : '',
+            answeredBy: typeof m.answeredBy === 'string' ? m.answeredBy : '',
             ...(cmid && { clientMsgId: cmid }),
             // Server-Bubble = vom Brain verarbeitet → 'delivered' (✓✓)
             ...(role === 'user' && cmid && { deliveryStatus: 'delivered' as const }),
@@ -1151,6 +1167,7 @@ const ChatScreen: React.FC = () => {
             messageId: (message.payload.messageId as string) || undefined,
             backupTs: (message.payload.backupTs as number) || undefined,
             projectId: ((message.payload as any).projectId as string) || '',
+            answeredBy: ((message.payload as any).answeredBy as string) || '',
           };
           // ARIA hat geantwortet → alle User-Bubbles davor als 'delivered'
           // markieren (WhatsApp-Doppelhaken ✓✓). Brain hat sie verarbeitet.
@@ -1163,6 +1180,21 @@ const ChatScreen: React.FC = () => {
         });
         // ARIA hat geantwortet → Watchdog clearen, falls noch armiert
         clearStuckWatchdog();
+        // Thinking-Indikator fuer DIESEN Kontext raeumen. Die Antwort ist der
+        // definitive Beweis, dass der Turn fertig ist — unabhaengig davon, ob
+        // das agent_activity 'idle' der Bridge ankam (es kann mit abweichender
+        // projectId gesendet oder wegdedupt worden sein → "ARIA denkt" blieb
+        // sonst haengen). Zusaetzlich global raeumen, falls der sichtbare
+        // Kontext ueber den Legacy-Indikator lief.
+        {
+          const ansPid = ((message.payload as any).projectId as string) || '';
+          setAgentActivityByCtx(prev =>
+            prev[ansPid] && prev[ansPid].activity !== 'idle'
+              ? { ...prev, [ansPid]: { activity: 'idle', tool: '' } }
+              : prev);
+          setAgentActivity(cur =>
+            cur.activity === 'idle' ? cur : { activity: 'idle', tool: '' });
+        }
         // ALLE noch laufenden ACK-Timer clearen — Bridge hat unsere Messages
         // ja offensichtlich verarbeitet (sonst keine ARIA-Antwort). Wenn
         // ein ACK aus Netzgruenden verloren ging, soll der Retry nicht
@@ -1441,7 +1473,7 @@ const ChatScreen: React.FC = () => {
         interrupted: wasInterrupted,
         location: location || null,
         noSpeechTimeoutMs: windowMs,
-        endpointMs: 1500,
+        endpointMs: await loadSttEndpointMs(),
         hardCapMs: 60000,
         projectId: focusedProjectIdRef.current,
       });
@@ -1537,7 +1569,7 @@ const ChatScreen: React.FC = () => {
         interrupted: true,   // Barge-In → Brain weiss "User hat unterbrochen"
         location: location || null,
         noSpeechTimeoutMs: windowMs,
-        endpointMs: 1500,
+        endpointMs: await loadSttEndpointMs(),
         hardCapMs: 60000,
         projectId: focusedProjectIdRef.current,
       });
@@ -1594,7 +1626,7 @@ const ChatScreen: React.FC = () => {
       interrupted: false,
       location: location || null,
       noSpeechTimeoutMs: Math.min(passiveMs, 30000),
-      endpointMs: 1500,
+      endpointMs: await loadSttEndpointMs(),
       hardCapMs: Math.max(passiveMs + 5000, 35000),
       projectId: focusedProjectIdRef.current,
     });
@@ -2004,7 +2036,7 @@ const ChatScreen: React.FC = () => {
       // Stoppen). Hard-Cap 5 Minuten als Notbremse — danach killt Whisper
       // die Session auch app-seitig haben wir +2s Toleranz.
       noSpeechTimeoutMs: 0,
-      endpointMs: 1500,
+      endpointMs: await loadSttEndpointMs(),
       hardCapMs: 300000,
       projectId: focusedProjectIdRef.current,
     });
@@ -2411,6 +2443,16 @@ const ChatScreen: React.FC = () => {
         ) : null}
         <View style={styles.statusRow}>
           <Text style={styles.timestamp}>{time}</Text>
+          {!isUser && showSource && item.answeredBy ? (() => {
+            const ab = item.answeredBy as string;
+            const map: { [k: string]: { t: string; c: string } } = {
+              local: { t: '⚡ lokal', c: '#34C759' },
+              claude: { t: 'Claude', c: '#0096FF' },
+              'fast-path': { t: '⚡ fast', c: '#AF7BFF' },
+            };
+            const b = map[ab] || { t: ab, c: '#8A8AA0' };
+            return <Text style={{ fontSize: 9, fontWeight: 'bold', color: b.c, marginLeft: 6 }}>{b.t}</Text>;
+          })() : null}
           {item.text.length > 0 ? (
             <TouchableOpacity
               hitSlop={{top:6,bottom:6,left:6,right:6}}

android/src/screens/SettingsScreen.tsx

@@ -175,6 +175,7 @@ const SettingsScreen: React.FC = () => {
   const [bgGpsEnabled, setBgGpsEnabled] = useState(false);
   const [backgroundMode, setBackgroundMode] = useState(true); // Default an
   const [showSystemHints, setShowSystemHints] = useState(false); // Default aus
+  const [showSource, setShowSource] = useState(false); // Quell-Badge, Default aus
   const [scannerVisible, setScannerVisible] = useState(false);
   const [logTab, setLogTab] = useState<LogTab>('live');
   const [logs, setLogs] = useState<LogEntry[]>([]);
@@ -261,6 +262,9 @@ const SettingsScreen: React.FC = () => {
       // Default ist aus — nur explicit 'true' aktiviert
       setShowSystemHints(saved === 'true');
     });
+    AsyncStorage.getItem('aria_show_source').then(saved => {
+      setShowSource(saved === 'true'); // Default aus
+    });
     // gpsTrackingService status syncen + auf Aenderungen lauschen
     setGpsTracking(gpsTrackingService.isActive());
     const offGps = gpsTrackingService.onChange(setGpsTracking);
@@ -857,6 +861,11 @@ const SettingsScreen: React.FC = () => {
     AsyncStorage.setItem('aria_show_hints', String(value)).catch(() => {});
   }, []);
 
+  const handleShowSourceToggle = useCallback((value: boolean) => {
+    setShowSource(value);
+    AsyncStorage.setItem('aria_show_source', String(value)).catch(() => {});
+  }, []);
+
   // --- XTTS Voice ---
 
   const selectVoice = useCallback((voiceName: string) => {
@@ -1580,6 +1589,22 @@ const SettingsScreen: React.FC = () => {
             thumbColor={showSystemHints ? '#FFFFFF' : '#666680'}
           />
         </View>
+        <View style={styles.toggleRow}>
+          <View style={styles.toggleInfo}>
+            <Text style={styles.toggleLabel}>Antwort-Quelle anzeigen</Text>
+            <Text style={styles.toggleHint}>
+              Kleiner Badge an ARIAs Bubbles: ob die Antwort vom schnellen
+              lokalen Modell, von Claude oder per Direkt-Befehl kam. Nur fuer
+              dich interessant (Technik) — standardmaessig aus.
+            </Text>
+          </View>
+          <Switch
+            value={showSource}
+            onValueChange={handleShowSourceToggle}
+            trackColor={{ false: '#2A2A3E', true: '#0096FF' }}
+            thumbColor={showSource ? '#FFFFFF' : '#666680'}
+          />
+        </View>
       </View>
 
       {/* === Hintergrund-Modus === */}

android/src/services/audio.ts

@@ -44,6 +44,11 @@ const { AudioFocus, PcmStreamPlayer, PcmStreamRecorder } = NativeModules as {
     release: () => Promise<boolean>;
     kickReleaseMedia: () => Promise<boolean>;
     getMode?: () => Promise<number>;
+    // Zuverlaessiger Spotify-Resume via echtem MEDIA_PLAY-KeyEvent (statt
+    // Focus-Stack-Nudge). isMusicActive() zum Gaten: nur resumen wenn vor
+    // dem Gespraech wirklich Musik lief.
+    dispatchMediaPlay?: () => Promise<boolean>;
+    isMusicActive?: () => Promise<boolean>;
   };
   PcmStreamPlayer?: {
     start: (sampleRate: number, channels: number, prerollSeconds: number) => Promise<boolean>;
@@ -146,6 +151,26 @@ export const CONV_WINDOW_MIN_SEC = 3.0;
 export const CONV_WINDOW_MAX_SEC = 20.0;
 export const CONV_WINDOW_STORAGE_KEY = 'aria_conv_window_sec';
 
+// STT-Endpoint (ms Stille bis "fertig gesprochen"). Zu kurz = schneidet mitten
+// im Satz ab, besonders im Auto wo man mit Pausen spricht (Reproduktion: die
+// 11.8s-Frage wurde bei "…ohne dass ein" gekappt). 1500 war zu aggressiv;
+// 2400 default, im Auto ggf. hoeher. Konfigurierbar in den Settings.
+export const STT_ENDPOINT_DEFAULT_MS = 2400;
+export const STT_ENDPOINT_MIN_MS = 1000;
+export const STT_ENDPOINT_MAX_MS = 4000;
+export const STT_ENDPOINT_STORAGE_KEY = 'aria_stt_endpoint_ms';
+
+export async function loadSttEndpointMs(): Promise<number> {
+  try {
+    const raw = await AsyncStorage.getItem(STT_ENDPOINT_STORAGE_KEY);
+    if (raw != null) {
+      const n = parseInt(raw, 10);
+      if (isFinite(n) && n >= STT_ENDPOINT_MIN_MS && n <= STT_ENDPOINT_MAX_MS) return n;
+    }
+  } catch {}
+  return STT_ENDPOINT_DEFAULT_MS;
+}
+
 // TTS-Wiedergabegeschwindigkeit — wird pro Geraet gespeichert und an die
 // Bridge mitgegeben (speed-Param im F5-TTS infer()). 1.0 = normal.
 export const TTS_SPEED_DEFAULT = 1.0;
@@ -275,6 +300,13 @@ class AudioService {
   // damit Spotify nicht in Render-Pausen oder zwischen Antworten zurueckkehrt.
   private _conversationFocusActive: boolean = false;
 
+  // Lief unmittelbar VOR dem Focus-Grab (Wake-Word/Aufnahme) Musik? Wird beim
+  // Betreten des Dialogs gemerkt (latch: nur auf true), damit wir am Dialog-Ende
+  // NUR dann Spotify per MEDIA_PLAY-KeyEvent zuverlaessig resumen, wenn vorher
+  // wirklich etwas lief. Verhindert, dass wir bei Stille versehentlich Musik
+  // starten. Wird nach dem Resume-Dispatch wieder auf false gesetzt.
+  private _mediaWasActiveAtAcquire: boolean = false;
+
   // VAD State
   private vadEnabled: boolean = false;
   private lastSpeechTime: number = 0;
@@ -450,15 +482,29 @@ class AudioService {
       import('./logger').then(m => m.reportAppDebug('audio.focus',
         'AudioFocus.release() now')).catch(()=>{});
       AudioFocus?.release().catch(() => {});
-      // Spotify-Resume-Trigger: nach Abandon den USAGE_MEDIA-Focus-Stack
-      // mit kurzem TRANSIENT-Nudge aufmischen. Spotify resumed sonst bei
-      // manchen Versionen / Geraeten nicht zuverlaessig nach Auto-Loss.
-      // 50ms Delay damit das Abandon erst durch ist.
-      setTimeout(() => {
+      // Spotify-Resume: NUR wenn vor dem Gespraech wirklich Musik lief. Dann
+      // einen echten MEDIA_PLAY-KeyEvent an die aktive MediaSession schicken
+      // (wie die Play-Taste am Kopfhoerer) — das resumt Spotify zuverlaessig,
+      // im Gegensatz zum flakigen Focus-Stack-Nudge, der auf manchen Geraeten
+      // (OnePlus) nach Auto-Loss nicht griff. 120ms Delay, damit das Abandon
+      // sicher durch ist, bevor der Play-Key kommt.
+      const shouldResume = this._mediaWasActiveAtAcquire;
+      this._mediaWasActiveAtAcquire = false;
+      if (shouldResume) {
+        setTimeout(() => {
+          import('./logger').then(m => m.reportAppDebug('audio.focus',
+            'dispatchMediaPlay() now (Musik lief vor Dialog → Resume)')).catch(()=>{});
+          if (AudioFocus?.dispatchMediaPlay) {
+            AudioFocus.dispatchMediaPlay().catch(() => {});
+          } else {
+            // Fallback fuer alte Native-Builds ohne dispatchMediaPlay
+            AudioFocus?.nudgeMediaResume().catch(() => {});
+          }
+        }, 120);
+      } else {
         import('./logger').then(m => m.reportAppDebug('audio.focus',
-          'nudgeMediaResume() now (50ms after release)')).catch(()=>{});
-        AudioFocus?.nudgeMediaResume().catch(() => {});
-      }, 50);
+          'kein Resume (vor Dialog lief keine Musik)')).catch(()=>{});
+      }
     }, this.FOCUS_RELEASE_DELAY_MS);
   }
 
@@ -469,6 +515,20 @@ class AudioService {
     }
   }
 
+  /** Merkt sich (latch: nur auf true), ob GERADE Musik laeuft — VOR einem
+   *  Focus-Grab aufrufen. Am Dialog-Ende entscheidet die Flag, ob wir Spotify
+   *  aktiv per MEDIA_PLAY resumen. Awaitet bewusst isMusicActive bevor der
+   *  Focus-Request die Wiedergabe pausiert (sonst laese man schon 'false'). */
+  private async _captureMediaActive(): Promise<void> {
+    try {
+      const active = await AudioFocus?.isMusicActive?.();
+      if (active) {
+        this._mediaWasActiveAtAcquire = true;
+        console.log('[Audio] Musik lief vor Focus-Grab → Resume am Dialog-Ende gemerkt');
+      }
+    } catch {}
+  }
+
   /** Conversation-Mode beginnt → AudioFocus dauerhaft halten (Spotify bleibt
    *  pausiert). Idempotent: mehrfaches Aufrufen ist sicher. */
   acquireConversationFocus(): void {
@@ -476,7 +536,11 @@ class AudioService {
     this._conversationFocusActive = true;
     this._cancelDeferredFocusRelease();
     console.log('[Audio] Conversation-Focus aktiv (Spotify bleibt gepaust)');
-    AudioFocus?.requestDuck().catch(() => {});
+    // Erst pruefen ob Musik laeuft, DANN ducken (requestDuck wuerde sie sonst
+    // schon pausieren bevor wir es messen koennen).
+    this._captureMediaActive().finally(() => {
+      AudioFocus?.requestDuck().catch(() => {});
+    });
   }
 
   /** Conversation-Mode endet → Focus darf wieder freigegeben werden
@@ -493,6 +557,8 @@ class AudioService {
   haltAllPlayback(reason: string = ''): void {
     console.log('[Audio] haltAllPlayback: %s', reason || '(no reason)');
     this._conversationFocusActive = false;
+    // Barge-In → User spricht gleich weiter, Spotify NICHT resumen.
+    this._mediaWasActiveAtAcquire = false;
     this.stopPlayback();
   }
 
@@ -503,6 +569,8 @@ class AudioService {
   pauseForCall(reason: string = ''): void {
     console.log('[Audio] pauseForCall: %s', reason || '(no reason)');
     this._conversationFocusActive = false;
+    // Anruf → Spotify bleibt aus, kein Auto-Resume beim spaeteren Release.
+    this._mediaWasActiveAtAcquire = false;
     this._pausedForCall = true;
     // Queue + isPlaying ruecksetzen — sonst klemmt der naechste Play-Button
     // (playAudio sieht isPlaying=true und ruft _playNext nicht mehr auf).
@@ -796,6 +864,8 @@ class AudioService {
       this.setState('recording');
 
       // Andere Apps waehrend der Aufnahme pausieren (Musik, Videos etc.)
+      // Vorher merken ob Musik lief, damit wir sie danach resumen koennen.
+      await this._captureMediaActive();
       this._cancelDeferredFocusRelease();
       AudioFocus?.requestExclusive().catch(() => {});
 
@@ -1043,6 +1113,8 @@ class AudioService {
       }
 
       // AudioFocus exklusiv — gleiche Semantik wie beim Legacy-Pfad.
+      // Vorher merken ob Musik lief (fuer Resume am Dialog-Ende).
+      await this._captureMediaActive();
       this._cancelDeferredFocusRelease();
       AudioFocus?.requestExclusive().catch(() => {});
 

android/src/services/brainApi.ts

@@ -157,6 +157,7 @@ export interface Project {
   name: string;
   description: string;
   status: 'active' | 'ended' | 'archived';
+  hidden?: boolean;               // aus Listen ausgeblendet (bleibt nutzbar)
   created_at: number;
   updated_at: number;
   last_activity_at: number;
@@ -593,14 +594,22 @@ export const brainApi = {
     });
   },
 
-  /** Projekt-Metadaten patchen (name / description). */
-  updateProject(projectId: string, patch: Partial<Pick<Project, 'name' | 'description'>>): Promise<Project> {
+  /** Projekt-Metadaten patchen (name / description / hidden). */
+  updateProject(projectId: string, patch: Partial<Pick<Project, 'name' | 'description' | 'hidden'>>): Promise<Project> {
     return _send(`/projects/${encodeURIComponent(projectId)}`, {
       method: 'PATCH',
       body: patch,
     });
   },
 
+  /** Projekt verstecken / wieder sichtbar machen (bleibt voll nutzbar). */
+  setProjectHidden(projectId: string, hidden: boolean): Promise<Project> {
+    return _send(`/projects/${encodeURIComponent(projectId)}`, {
+      method: 'PATCH',
+      body: { hidden },
+    });
+  },
+
   /** Queue-Status: pro Kontext (project_id oder __main__ fuer Hauptchat)
    *  ob gerade ein Request in Verarbeitung ist + wieviele in der Queue warten.
    *  Wird fuer Status-Dots im Drawer periodisch gepollt. */

android/src/services/wakeword.ts

@@ -132,6 +132,12 @@ class WakeWordService {
    *  hier eine streaming-Aufnahme OHNE User-Bubble (passiv lauschen). */
   private passiveListenCallbacks: PassiveListenCallback[] = [];
 
+  /** Hook, der das Mikro freigibt (laufende Streaming-Aufnahme canceln) BEVOR
+   *  wir OpenWakeWord.start() rufen. Ohne das haelt die passive/conversing
+   *  Aufnahme das Mikro noch, start() schlaegt fehl → Ohr bleibt ausgegraut
+   *  (state=off). ChatScreen registriert den Hook mit audioService.cancel…. */
+  private micReleaseHook: (() => Promise<void>) | null = null;
+
   private keyword: WakeKeyword = DEFAULT_KEYWORD;
   private nativeReady: boolean = false;
   private initInProgress: Promise<boolean> | null = null;
@@ -149,6 +155,19 @@ class WakeWordService {
     }
   }
 
+  /** ChatScreen registriert hier einen Hook, der eine laufende Streaming-
+   *  Aufnahme cancelt (Mikro freigeben) — wird vor jedem Re-Arm gerufen. */
+  setMicReleaseHook(fn: (() => Promise<void>) | null): void {
+    this.micReleaseHook = fn;
+  }
+
+  private async _freeMic(): Promise<void> {
+    if (!this.micReleaseHook) return;
+    try { await this.micReleaseHook(); } catch (e) {
+      console.warn('[WakeWord] micReleaseHook err:', e);
+    }
+  }
+
   /** Settings-Wechsel: anderes Wake-Word. Re-Init des Native-Moduls. */
   async configure(keyword: string): Promise<boolean> {
     const next: WakeKeyword = (WAKE_KEYWORDS as readonly string[]).includes(keyword)
@@ -454,6 +473,7 @@ class WakeWordService {
       // als state extra zu fragen, garantiert dass nach diesem Pfad
       // Native auch wirklich an ist falls es out-of-band gestoppt wurde.
       try {
+        await this._freeMic();   // Streaming-Aufnahme canceln → Mikro frei
         await OpenWakeWord.start();
         console.log('[WakeWord] Konversation zu Ende — zurueck zu armed (wasBarge=%s)', wasBarge);
         import('./logger').then(m => m.reportAppDebug('wake.end',
@@ -520,6 +540,7 @@ class WakeWordService {
     // timeout oder manual → Wake-Word reaktivieren, armed-State.
     if (this.nativeReady && OpenWakeWord) {
       try {
+        await this._freeMic();   // passive Streaming-Aufnahme canceln → Mikro frei
         await OpenWakeWord.start();
         console.log('[WakeWord] zurueck zu armed nach passive-listen');
         ToastAndroid.show(`Lausche wieder auf "${KEYWORD_LABELS[this.keyword]}"`, ToastAndroid.SHORT);
@@ -564,6 +585,7 @@ class WakeWordService {
     this.lastTriggerAt = 0;
     if (this.nativeReady && OpenWakeWord) {
       try {
+        await this._freeMic();   // ggf. laufende Aufnahme canceln → Mikro frei
         await OpenWakeWord.start();
         ToastAndroid.show('Hintergrund-Trigger verworfen — lausche wieder', ToastAndroid.SHORT);
         this.setState('armed');

aria-brain/agent.py

@@ -21,14 +21,16 @@ import logging
 import os
 import re
 import urllib.error
+import urllib.parse
 import urllib.request
 from typing import Optional
 
 from conversation import Conversation, Turn
 from memory import Embedder, VectorStore, MemoryPoint
-from prompts import build_system_prompt, IDENTITY_SEED, IDENTITY_ANCHOR
+from prompts import build_system_prompt, IDENTITY_SEED, IDENTITY_ANCHOR, looks_like_identity_break
 from proxy_client import ProxyClient, Message as ProxyMessage
 import router as router_mod
+import metrics
 from local_llm import local_llm_chat
 import skills as skills_mod
 import triggers as triggers_mod
@@ -37,6 +39,8 @@ import oauth as oauth_mod
 import projects as projects_mod
 
 BRIDGE_URL = os.environ.get("BRIDGE_URL", "http://aria-bridge:8090")
+# SearXNG (self-hosted Meta-Suche) — Backend fuers web_search-Tool (B1b).
+SEARXNG_URL = os.environ.get("SEARXNG_URL", "http://searxng:8080").rstrip("/")
 # FLUX-Render kann bis ~90s dauern, beim ersten Render nach Container-Start
 # laedt die flux-bridge zudem ~24 GB Modell von HF (~5-10 min). Brain wartet
 # synchron — Stefan kuendigt es vorher an wenn er weiss dass es feuert.
@@ -66,6 +70,65 @@ def _load_flux_config() -> dict:
 logger = logging.getLogger(__name__)
 
 
+def _web_search(query: str, max_results: int = 5) -> str:
+    """Fragt die self-hosted SearXNG-Instanz (JSON-API) und gibt die Top-Treffer
+    als kompakten Text zurueck (Titel + Snippet + URL). Nie werfen — Fehler als
+    Text-Resultat, damit der Tool-Loop weitermachen kann."""
+    try:
+        params = urllib.parse.urlencode({
+            "q": query, "format": "json", "language": "de", "safesearch": "0",
+        })
+        req = urllib.request.Request(
+            f"{SEARXNG_URL}/search?{params}",
+            headers={"User-Agent": "ARIA/1.0", "Accept": "application/json"},
+        )
+        with urllib.request.urlopen(req, timeout=15) as resp:
+            data = json.loads(resp.read().decode("utf-8", "ignore"))
+    except Exception as exc:
+        logger.warning("web_search (SearXNG) fehlgeschlagen: %s", exc)
+        return f"FEHLER: Websuche nicht verfuegbar ({exc})."
+    results = (data.get("results") or [])[:max_results]
+    if not results:
+        answers = data.get("answers") or []
+        if answers:
+            return "Direkte Antwort: " + " | ".join(str(a) for a in answers[:3])
+        return f"Keine Web-Treffer fuer '{query}'."
+    lines = [f"{len(results)} Web-Treffer fuer '{query}':"]
+    for i, r in enumerate(results, 1):
+        title = (r.get("title") or "").strip()
+        url = (r.get("url") or "").strip()
+        snippet = (r.get("content") or "").strip()
+        lines.append(f"\n{i}. {title}\n   {snippet[:300]}\n   Quelle: {url}")
+    return "\n".join(lines)
+
+
+# web_search ist bewusst LOCAL-ONLY (nicht in META_TOOLS): Claude hat seine
+# eigenen, staerkeren Web-Tools (WebSearch + WebFetch/Voll-Seiten-lesen + Bash).
+# SearXNG ist fuer das lokale Tier, das sonst gar keinen Netz-Zugriff haette.
+# _dispatch_tool behandelt "web_search" trotzdem generisch (Name-Match).
+WEB_SEARCH_TOOL = {
+    "type": "function",
+    "function": {
+        "name": "web_search",
+        "description": (
+            "Durchsuche das Web (via SearXNG) nach AKTUELLEN, nachschlagbaren "
+            "Infos: Wetter, News, Fakten, Oeffnungszeiten, Preise, Definitionen. "
+            "Nutze das, wenn die Antwort aktuelles Wissen braucht, das nicht im "
+            "Gedaechtnis steht. Praezise Suchanfrage (Suchmaschinen-Stil). "
+            "Ergebnis = Titel + Snippet + URL; fasse daraus knapp zusammen."
+        ),
+        "parameters": {
+            "type": "object",
+            "properties": {
+                "query": {"type": "string", "description": "Suchanfrage (praezise)"},
+                "max_results": {"type": "integer", "description": "Anzahl Treffer (Default 5, max 10)"},
+            },
+            "required": ["query"],
+        },
+    },
+}
+
+
 # Meta-Tool: ARIA kann selbst neue Skills bauen
 META_TOOLS = [
     {
@@ -88,6 +151,17 @@ META_TOOLS = [
                 "Stefan sich alle 60min manuell neu einloggen.\n"
                 "  - Bei konfigurierbaren Werten (User-IDs, Endpoints, Defaults): "
                 "ueber `config_schema` deklarieren, NICHT hardcoden.\n\n"
+                "SEMANTISCH BAUEN (wichtig fuer Zuverlaessigkeit!): Ein Skill soll "
+                "KLARE Operationen als args anbieten, NICHT die rohe API "
+                "durchreichen. Schlecht: args = {path, method, body} — dann muss das "
+                "aufrufende LLM die ganze fremde API selbst kennen und baut bei "
+                "komplexen Faellen (z.B. Geraete-Transfer) falsche Calls. Gut: args "
+                "= {action: 'play'|'pause'|'next'|'play_on_device', device_name?: str} "
+                "— der Skill-Code loest intern auf (Geraet-Name → ID, richtiger "
+                "Endpoint) und kapselt die API. Faustregel: Was das LLM sonst RATEN "
+                "muesste (Endpunkte, IDs, Payload-Struktur), gehoert INS Skill. Das "
+                "`args`-Schema ist die Bedienungsanleitung, die das LLM sieht — mach "
+                "sie semantisch und selbsterklaerend.\n\n"
                 "HARTE REGEL — IMMER Skill anlegen wenn: die Loesung erfordert eine "
                 "pip-Library. Sonst muesste der Install bei jedem Container-Restart "
                 "neu laufen (Brain hat keinen persistenten State ausser /data/skills/).\n\n"
@@ -136,17 +210,28 @@ META_TOOLS = [
                         "description": (
                             "OPTIONAL — fuer 'reines Steuern'-Skills (Licht an/aus, Spotify "
                             "pause/next, Rollade hoch/runter etc.) eine Liste von "
-                            "[{match, args, reply}] eintragen. Wenn ein User-Befehl gegen "
-                            "match (anchored Regex, case-insensitive) matched, ruft das "
-                            "Brain run_skill(name, args) DIREKT auf und gibt reply zurueck — "
-                            "ohne Claude (~5s Latenz gespart). Match wird gegen den "
-                            "normalisierten Text (lowercase, Endsatzzeichen weg) gemacht; "
-                            "schreibe Patterns mit ^...$ damit nur exakte Befehle matchen "
-                            "und nicht Teilstrings (z.B. ^pause$ statt pause). NICHT fuer "
-                            "Skills mit kreativem Output / parametrisierter Logik — die "
-                            "brauchen Claude. Beispiel: "
-                            "[{\"match\":\"^pause$\",\"args\":{\"path\":\"/v1/me/player/pause\",\"method\":\"PUT\"},"
-                            "\"reply\":\"Spotify: pausiert ⏸\"}]"
+                            "[{match, args, reply}]. Bei match (anchored Regex, "
+                            "case-insensitive, gegen den normalisierten Text: lowercase, "
+                            "Endsatzzeichen weg) ruft das Brain run_skill(name, args) DIREKT "
+                            "auf und gibt reply zurueck — ohne LLM (instant).\n\n"
+                            "ROBUST SCHREIBEN (wichtig!):\n"
+                            "- Immer ^...$ (nur ganze Befehle, keine Teilstrings).\n"
+                            "- **Wortstellung + Synonyme + Fuellwoerter abdecken** in EINEM "
+                            "Pattern via Alternativen und optionalen Gruppen. Nicht nur die "
+                            "eine Formulierung! Beispiel Pause: "
+                            "`^(spotify |musik )?(pause|pausier(e|en)?|stop|stopp|halt|"
+                            "anhalten)( mal| bitte| spotify| die musik)?$` faengt 'pause', "
+                            "'pause spotify', 'stopp mal', 'musik anhalten' … alle ab.\n"
+                            "- Optionale Fuellwoerter mit `( bitte| mal| doch)?` zulassen, "
+                            "Artikel/Objekte mit `( das lied| den song| die musik)?`.\n\n"
+                            "Aber KEIN Zwang zur Vollstaendigkeit: Fast-Paths sind nur fuer "
+                            "die HAEUFIGSTEN exakten Befehle (instant). Seltene/ungewoehnliche "
+                            "Formulierungen faengt das lokale LLM ohnehin schnell ab (es hat "
+                            "das Tool) — also lieber ein paar solide, breite Patterns als 30 "
+                            "enge. NICHT fuer Skills mit kreativem/parametrisiertem Output. "
+                            "Beispiel: [{\"match\":\"^(spotify |musik )?(pause|stop|stopp)"
+                            "( mal| bitte)?$\",\"args\":{\"path\":\"/v1/me/player/pause\","
+                            "\"method\":\"PUT\"},\"reply\":\"Spotify: pausiert ⏸\"}]"
                         ),
                     },
                 },
@@ -933,10 +1018,36 @@ META_TOOLS = [
 # Diese Logik ist generisch — ARIA deklariert die Patterns selbst beim
 # skill_create / skill_update, das Brain orchestriert nur.
 
+def _strip_leading_hint_blocks(text: str) -> str:
+    """Entfernt fuehrende Hint-Bloecke `[ ... ]`, die die Bridge an
+    Voice-Nachrichten haengt (GPS-Position, Barge-In-Hinweis). Ohne das matcht
+    KEIN Voice-Befehl je den Fast-Path (Regex ist ^...$-verankert) — selbst
+    'nächstes lied' landete unnoetig bei Claude statt beim 0-Token-Fast-Path."""
+    s = (text or "").strip()
+    prev = None
+    while prev != s:
+        prev = s
+        s = re.sub(r"^\s*\[[^\]]*\]\s*", "", s)
+    return s
+
+
+def _fold_umlauts(s: str) -> str:
+    """ä→ae, ö→oe, ü→ue, ß→ss (lowercase erwartet). Whisper liefert echte
+    Umlaute ('Nächstes Lied'), viele Skill-fast_patterns sind aber in ae/oe/ue
+    geschrieben — ohne Faltung matcht das nie."""
+    return (s.replace("ä", "ae").replace("ö", "oe").replace("ü", "ue")
+             .replace("ß", "ss"))
+
+
 def _normalize_for_fast_match(text: str) -> str:
-    norm = (text or "").strip().lower()
-    norm = re.sub(r"[.!?]+$", "", norm)
-    norm = re.sub(r"\s+", " ", norm)
+    norm = _strip_leading_hint_blocks(text).lower()
+    norm = _fold_umlauts(norm)
+    # Interne Satzzeichen raus, die Whisper einstreut ('Nächstes Lied, bitte.').
+    # Kommas/Semikola/Doppelpunkte → Space, Punkt/!/? ganz weg. Sonst matcht das
+    # ^...$-verankerte fast_pattern nie, weil das Komma dazwischenfunkt.
+    norm = re.sub(r"[,;:]", " ", norm)
+    norm = re.sub(r"[.!?]+", "", norm)
+    norm = re.sub(r"\s+", " ", norm).strip()
     return norm
 
 
@@ -1032,6 +1143,9 @@ class Agent:
                 rx = pat.get("match") or ""
                 if not rx:
                     continue
+                # Pattern GLEICH falten wie den Text — egal ob der Skill-Autor
+                # 'naechstes' oder 'nächstes' geschrieben hat.
+                rx = _fold_umlauts(rx)
                 try:
                     if not re.match(rx, norm, re.IGNORECASE):
                         continue
@@ -1055,60 +1169,158 @@ class Agent:
                 return reply
         return None
 
-    # ── Fast-Lane: lokales schnelles LLM (Plan B, B1a) ──
+    # ── Fast-Lane: lokales schnelles LLM (Plan B, B1a/B1b) ──
     #
-    # Zwischen Skill-Fast-Path und Claude-Loop: einfache Plauder-Turns beantwortet
-    # das lokale Qwen (schlanker Prompt, KEINE Tools) in <1 s. Gated ueber
+    # Zwischen Skill-Fast-Path und Claude-Loop: einfache Turns beantwortet das
+    # lokale Qwen in <1 s. Seit B1b mit kuratierten Tools (web_search,
+    # memory_search, trigger_timer, Spotify). Gated ueber
     # /shared/config/local_llm.json (Default aus → alles Claude wie bisher).
     # Rueckgabe: fertige Antwort (str) wenn lokal erledigt, sonst None → Claude.
 
-    _LOCAL_WINDOW_TURNS = 8  # nur die letzten N Turns ans lokale Modell (Speed)
+    _LOCAL_WINDOW_TURNS = 8   # nur die letzten N Turns ans lokale Modell (Speed)
+    _LOCAL_TOOL_ITERATIONS = 3  # max Tool-Runden lokal, sonst → Claude
+
+    # Weiche Fehler-Marker im Tool-Ausgabetext. Viele Action-Skills geben einen
+    # menschenlesbaren Fehler auf stdout aus und beenden sich TROTZDEM mit Exit 0
+    # (z.B. Spotify: "Fehler beim Uebertragen", "Geraet nicht gefunden"). Der
+    # harte FEHLER-Prefix (Exit != 0) faengt das nicht. Fuer run_*-Skills werten
+    # wir daher auch solche Marker als Fehlschlag → eskalieren an Claude, der
+    # mehrstufig weiterdenkt. Info-Tools (web_search/memory_search) sind bewusst
+    # AUSGENOMMEN: deren Inhalt darf das Wort "Fehler" tragen ohne dass der
+    # Tool-Call scheiterte. Eskalieren ist immer sicher (nur langsamer).
+    _SOFT_FAIL_MARKERS = (
+        "fehler", "fehlgeschlagen", "nicht gefunden", "not found",
+        "konnte nicht", "keine verbindung", "nicht verfuegbar",
+        "exception", "traceback",
+    )
+
+    def _local_tool_failed(self, tool_name: str, tresult: str) -> bool:
+        """True wenn ein lokaler Tool-Call als gescheitert gilt (→ Claude)."""
+        s = (tresult or "").strip()
+        if not s:
+            return False
+        if s.startswith("FEHLER"):           # harter Exit-Code-Fehler
+            return True
+        if tool_name.startswith("run_"):     # Action-Skill: auch weiche Fehler
+            low = s.lower()
+            return any(mk in low for mk in self._SOFT_FAIL_MARKERS)
+        return False
+
+    # Kuratierte Tool-Auswahl fuers lokale Tier (B1b): web_search (local-only,
+    # SearXNG) + memory_search/trigger_timer (aus META_TOOLS) + Spotify-Skill.
+    # Bewusst klein (Speed + Sicherheit); alles andere → Claude.
+    _LOCAL_TOOL_NAMES = {"memory_search", "trigger_timer"}
+
+    def _build_local_tools(self) -> list:
+        tools = [WEB_SEARCH_TOOL]
+        tools += [t for t in META_TOOLS
+                  if t.get("function", {}).get("name") in self._LOCAL_TOOL_NAMES]
+        for s in skills_mod.list_skills(active_only=False):
+            if s.get("name") == "spotify" and s.get("active", True):
+                tools.append(_skill_to_tool(s))
+                break
+        return tools
 
     def _try_local_fast_lane(self, user_message: str,
                              active_project_id: str) -> Optional[str]:
         cfg = router_mod.load_config()
         if not router_mod.should_try_local(user_message, cfg):
             return None
+        local_only = bool(cfg.get("localOnly"))
+        local_model = cfg.get("localLlmModel") or "qwen3-8b"  # B0.5: llama-swap-Key
+        tools = self._build_local_tools()  # B1b: kuratierte Tools
 
-        sys_prompt = router_mod.build_local_system_prompt(IDENTITY_ANCHOR)
-        # Nur die letzten paar Turns ans lokale Modell — es ist fuer kurze
-        # Plauder-Turns da. Volles Fenster (bis 50) wuerde das Prefill aufblaehen
-        # und den Speed-Vorteil auffressen (gemessen: 12 Turns → ~2,6s statt ~0,8s).
+        sys_prompt = router_mod.build_local_system_prompt(IDENTITY_ANCHOR,
+                                                          has_tools=bool(tools))
+        # Nur die letzten paar Turns ans lokale Modell (Speed — volles Fenster
+        # wuerde das Prefill aufblaehen).
         window = self.conversation.window(project_id=active_project_id)[-self._LOCAL_WINDOW_TURNS:]
         messages = [{"role": "system", "content": sys_prompt}]
         messages += [{"role": t.role, "content": t.content} for t in window]
 
-        res = local_llm_chat(messages, max_tokens=400, temperature=0.5)
-        local_only = bool(cfg.get("localOnly"))
+        # Tool-Loop: lokales Modell darf web_search/memory_search/trigger_timer/
+        # Spotify aufrufen. Ergebnisse zurueck, bis es final (ohne tool_calls) antwortet.
+        final = ""
+        for _ in range(self._LOCAL_TOOL_ITERATIONS):
+            res = local_llm_chat(messages, max_tokens=500, temperature=0.5,
+                                 tools=tools, model=local_model)
+            if not res.get("ok"):
+                logger.info("[router] lokal fehlgeschlagen (%s) — %s", res.get("error"),
+                            "kein Fallback (localOnly)" if local_only else "→ Claude")
+                if local_only:
+                    return f"[Lokales LLM nicht erreichbar: {res.get('error', 'unbekannt')}]"
+                return None
+            # Metric: dieser lokale Call (echte usage-Tokens wenn der Adapter sie
+            # liefert). Erfasst pro Tool-Runde — mehrere Runden = mehrere Calls.
+            try:
+                metrics.log_local_call(res.get("model") or local_model, messages,
+                                       res.get("content") or "", res.get("usage"))
+            except Exception:
+                pass
+            tcs = res.get("tool_calls")
+            if tcs:
+                messages.append({"role": "assistant",
+                                 "content": res.get("content") or "",
+                                 "tool_calls": tcs})
+                had_error = False
+                for tc in tcs:
+                    fn = tc.get("function") or {}
+                    tname = fn.get("name") or ""
+                    try:
+                        targs = json.loads(fn.get("arguments") or "{}")
+                    except Exception:
+                        targs = {}
+                    logger.info("[router] lokal Tool-Call: %s(%s)", tname,
+                                ", ".join(targs.keys()))
+                    tresult = self._dispatch_tool(tname, targs)
+                    if self._local_tool_failed(tname, tresult):
+                        had_error = True
+                    messages.append({"role": "tool",
+                                     "tool_call_id": tc.get("id") or "",
+                                     "name": tname,
+                                     "content": (tresult or "")[:6000]})
+                # GENERAL (kein per-Skill-Code): scheitert ein Tool-Call, macht
+                # das grosse Modell weiter — es baut komplexe/rohe API-Calls
+                # zuverlaessiger und behandelt Fehler besser. So muss der Router
+                # NICHT wissen, welche Skill-Aufrufe "schwer" sind; das lokale
+                # Tier probiert, und bei Fehler uebernimmt Claude.
+                if had_error and not local_only:
+                    logger.info("[router] lokaler Tool-Fehler → Claude uebernimmt")
+                    return None
+                continue  # naechste Runde mit Tool-Ergebnissen
+            final = (res.get("content") or "").strip()
+            break
+        else:
+            logger.info("[router] lokal Tool-Loop-Limit → %s",
+                        "Fallback (localOnly)" if local_only else "Claude")
+            if not local_only:
+                return None
+            final = final or "[Lokales LLM: Tool-Loop-Limit erreicht.]"
 
-        if not res.get("ok"):
-            logger.info("[router] lokal fehlgeschlagen (%s) — %s",
-                        res.get("error"), "kein Fallback (localOnly)" if local_only else "→ Claude")
-            if local_only:
-                # Eval-Modus: KEIN Claude. Ehrliche Fehlermeldung statt Stille.
-                return f"[Lokales LLM nicht erreichbar: {res.get('error', 'unbekannt')}]"
-            return None
-
-        content = (res.get("content") or "").strip()
+        # Sicherheitsnetz: das lokale Modell wickelt seine Antwort manchmal
+        # faelschlich komplett in <voice>...</voice> (aus dem Kontext imitiert).
+        # Das wuerde die Anzeige leeren (Display strippt <voice>). Tags raus —
+        # der lokale Reply ist kurz, Plain-Text dient Anzeige UND TTS.
+        final = re.sub(r"</?voice>", "", final).strip()
 
         if local_only:
-            # Erzwungen lokal: Escalation-Marker ignorieren, Antwort so nehmen.
-            content = content.replace(router_mod.ESCALATE_MARKER, "").strip()
-            if not content:
+            final = final.replace(router_mod.ESCALATE_MARKER, "").strip()
+            if not final:
                 return "[Lokales LLM lieferte keine Antwort.]"
-            logger.info("[router] lokal (localOnly) %sms", res.get("elapsedMs"))
-            self.conversation.add("assistant", content, project_id=active_project_id)
-            return content
+            logger.info("[router] lokal (localOnly) beantwortet")
+            self.conversation.add("assistant", final, project_id=active_project_id)
+            return final
 
-        # Normalbetrieb: leere Antwort oder Escalation-Marker → Claude.
-        if not content or router_mod.ESCALATE_MARKER in content:
+        # Normalbetrieb: leer, Escalation-Marker oder (unwahrscheinlich) ein
+        # Identity-Break → Claude uebernehmen.
+        if (not final or router_mod.ESCALATE_MARKER in final
+                or looks_like_identity_break(final)):
             logger.info("[router] lokal eskaliert → Claude")
             return None
 
-        logger.info("[router] lokal beantwortet in %sms (%d Zeichen)",
-                    res.get("elapsedMs"), len(content))
-        self.conversation.add("assistant", content, project_id=active_project_id)
-        return content
+        logger.info("[router] lokal beantwortet (%d Zeichen)", len(final))
+        self.conversation.add("assistant", final, project_id=active_project_id)
+        return final
 
     # ── Hauptpfad: ein User-Turn → Tool-Loop → finaler Reply ──
 
@@ -1116,7 +1328,7 @@ class Agent:
 
     def chat(self, user_message: str, source: str = "",
              project_id: Optional[str] = None,
-             pending_queue: Optional[list[str]] = None) -> str:
+             pending_queue: Optional[list[str]] = None) -> tuple:
         """Verarbeitet eine User-Nachricht — pro Request project_id explizit
         angegeben (leer = Hauptchat). Kein globaler active_project-State mehr —
         so laufen parallele /chat-Requests fuer verschiedene Projekte echt
@@ -1150,7 +1362,14 @@ class Agent:
             self.conversation.add("assistant", fast_reply, project_id=active_project_id)
             if active_project_id:
                 projects_mod.touch_project(active_project_id)
-            return fast_reply
+            # Metric: Fast-Path spart einen ganzen Claude-Call zum Nulltarif.
+            try:
+                metrics.log_fast_path(fast_reply)
+            except Exception:
+                pass
+            # Fast-Path = reiner Steuerbefehl → NICHT vorlesen (speak=False).
+            # System-Flag statt <voice>-Tag: robust, unabhaengig vom Skill-Inhalt.
+            return fast_reply, "fast-path", False
 
         # 1. User-Turn an die Konversation
         self.conversation.add("user", user_message, source=source,
@@ -1164,7 +1383,7 @@ class Agent:
         # teure Claude-Aufbau + Tool-Loop wird uebersprungen. Sonst None → Claude.
         local_reply = self._try_local_fast_lane(user_message, active_project_id)
         if local_reply is not None:
-            return local_reply
+            return local_reply, "local", True  # ARIA-Antwort → vorlesen ok
 
         # 2. Hot Memory (alle pinned Punkte)
         hot = self.store.list_pinned()
@@ -1339,10 +1558,33 @@ class Agent:
                 logger.warning("Konnte Error-Marker nicht persistieren: %s", add_exc)
             raise
 
+        # Gift-Waechter: faellt Claude trotz --system-prompt + Seed aus der Rolle
+        # (Identity-Break), NICHT persistieren — sonst vergiftet dieser eine Turn
+        # die History und loest bei schwachen Folgeturns eine Kaskade aus (das
+        # Modell setzt seine eigene Ablehnung fort). Ein Retry holt per
+        # Nondeterminismus meist die ARIA-Antwort; sonst sichere Fallback-Antwort.
+        # So kann ein einzelner Ausrutscher nie snowballen.
+        if looks_like_identity_break(final_reply):
+            logger.warning("[guard] Identity-Break in Antwort erkannt — Retry")
+            try:
+                retry = self.proxy.chat_full(messages, tools=tools,
+                                             project_id=active_project_id)
+                retry_text = (retry.content or "").strip()
+            except Exception as exc:
+                logger.warning("[guard] Retry fehlgeschlagen: %s", exc)
+                retry_text = ""
+            if retry_text and not looks_like_identity_break(retry_text):
+                logger.info("[guard] Retry lieferte saubere Antwort")
+                final_reply = retry_text
+            else:
+                logger.warning("[guard] Retry weiter Break/leer — Fallback, Break NICHT persistiert")
+                final_reply = ("Hey, ich bin ARIA. \U0001F60A Bei mir ist alles bereit — "
+                               "sag mir einfach, was du brauchst.")
+
         # 7. Assistant-Turn (final reply) in die Conversation
         self.conversation.add("assistant", final_reply,
                               project_id=active_project_id)
-        return final_reply
+        return final_reply, "claude", True  # ARIA-Antwort → vorlesen ok
 
     # ── Tool-Dispatcher ───────────────────────────────────────
 
@@ -1783,6 +2025,15 @@ class Agent:
                 except Exception as e:
                     logger.exception("memory_search fehlgeschlagen")
                     return f"FEHLER: {e}"
+            if name == "web_search":
+                query = (arguments.get("query") or "").strip()
+                if not query:
+                    return "FEHLER: query ist Pflicht."
+                try:
+                    n = int(arguments.get("max_results", 5))
+                except (TypeError, ValueError):
+                    n = 5
+                return _web_search(query, max(1, min(n, 10)))
             if name == "memory_update":
                 pid = (arguments.get("id") or "").strip()
                 if not pid:

aria-brain/background.py

@@ -150,7 +150,7 @@ async def _fire(trigger: dict, agent_factory) -> None:
 
     try:
         agent = agent_factory()
-        reply = agent.chat(prompt, source="trigger")
+        reply, _, _ = agent.chat(prompt, source="trigger")
         events = agent.pop_events()
         logger.info("[trigger] %s gefeuert → ARIA-Reply: %s", name, reply[:80])
         triggers_mod.append_log(name, {"event": "reply", "text": reply[:500]})

aria-brain/clean_poisoned_turns.py

@@ -41,19 +41,28 @@ import shutil
 import sys
 from pathlib import Path
 
-# "claude code" ist fuer sich genommen noch kein Beweis (Stefan und ARIA reden
-# im Dev-Kontext legitim ueber Claude Code). Erst in Kombination mit einem
-# zweiten Ablehnungs-Marker ist es eindeutig eine aus-der-Rolle-Antwort.
-_PRIMARY = re.compile(r"claude\s*code", re.IGNORECASE)
-_SECONDARY = re.compile(
-    r"injiz|inject|fabriz|fabricat|adoptier|adopting|"
-    r"prompt[\s-]*injection|keine echten|nicht (?:real|adopt)",
+# STARKE, selbstreferenzielle Break-Marker — identisch zu prompts._IDENTITY_BREAK
+# (dem Laufzeit-Gift-Waechter). Hier dupliziert, damit das Script self-contained
+# ist (laeuft auch auf dem Host-Python ohne qdrant/prompts-Import). Bewusst NICHT
+# das blosse Wort "injizier"/"prompt injection" — das nutzt ARIA in Pentest-
+# Antworten legitim (sonst False Positives auf echte Security-Doku, wie im
+# Dry-Run gesehen: "Runde 60 … SSRF", "Dein Ziel: LLM …").
+_BREAK = re.compile(
+    r"ich\s+bin\s+(?:allerdings\s+|ja\s+|nach\s+wie\s+vor\s+|weiterhin\s+)*claude|"
+    r"i'?m\s+(?:still\s+|actually\s+)?claude\s+code|i\s+am\s+claude\b|"
+    r"erfundene[nr]?\s+(?:tool|persona|schemas)|fabricated\s+persona|"
+    r"fabrizierte?\s+(?:persona|gespr|konversation)|fabricated\s+conversation|"
+    r"fake[- ]persona|injizierte[rn]?\s+(?:system-?prompt|kontext|persona)|"
+    r"injected\s+(?:system\s*prompt|persona|context)|"
+    r"diese\s+session\s+enthält\s+(?:einen|eine)\b.{0,40}injizier|"
+    r"this\s+session\s+(?:contains|has|keeps|repeatedly)\b.{0,40}(?:inject|fabricat|fake)|"
+    r"nicht\s+real\s+in\s+dieser\s+(?:umgebung|session)|not\s+real\s+in\s+this",
     re.IGNORECASE,
 )
 
 
 def is_poison(content: str) -> bool:
-    return bool(_PRIMARY.search(content) and _SECONDARY.search(content))
+    return bool(_BREAK.search(content or ""))
 
 
 def get_content(obj: dict) -> str:

aria-brain/local_llm.py

@@ -29,14 +29,21 @@ LOCAL_LLM_HTTP_TIMEOUT_SEC = float(os.environ.get("LOCAL_LLM_HTTP_TIMEOUT_SEC",
 
 
 def local_llm_chat(messages: list, *, max_tokens: int = 512,
-                   temperature: float = 0.7, stop=None) -> dict:
+                   temperature: float = 0.7, stop=None, tools=None,
+                   model=None) -> dict:
     """Ein Chat-Call ans lokale LLM. messages = [{role, content}, ...].
-    Blockierend (urllib) — im Brain laeuft chat() ohnehin im Executor-Thread."""
+    model (B0.5): welches Modell llama-swap laden soll. tools (B1b): optionale
+    OpenAI-Tool-Defs; das Ergebnis kann dann result['tool_calls'] enthalten.
+    Blockierend (urllib) — chat() laeuft ohnehin im Executor-Thread."""
     if not isinstance(messages, list) or not messages:
         return {"ok": False, "error": "messages leer/ungueltig"}
     req = {"messages": messages, "max_tokens": max_tokens, "temperature": temperature}
     if stop:
         req["stop"] = stop
+    if tools:
+        req["tools"] = tools
+    if model:
+        req["model"] = model
     try:
         body = json.dumps(req).encode("utf-8")
         http_req = urllib.request.Request(

aria-brain/main.py

@@ -630,6 +630,12 @@ class ChatOut(BaseModel):
     turns: int
     distilling: bool
     events: list = Field(default_factory=list)
+    # Welcher Backend die Antwort erzeugt hat: "local" (Qwen), "claude",
+    # "fast-path" (Skill/Regex). Fuer den Quell-Badge in Diagnostic.
+    answered_by: str = "claude"
+    # Soll die Antwort vorgelesen werden? Fast-Path (reiner Steuerbefehl) = False;
+    # ARIA-Antworten (local/claude) = True. System-Flag statt <voice>-Tag.
+    speak: bool = True
     # Echo der project_id die dieser Turn hatte. Bridge nutzt sie damit die
     # ausgehende Chat-Bubble sauber getaggt in der richtigen Thread-Bahn der
     # UI landet.
@@ -713,7 +719,7 @@ async def chat(body: ChatIn, background: BackgroundTasks):
                 # Sync-Aufruf im Executor damit wir den Event-Loop nicht blocken —
                 # chat() macht HTTP-Calls (Proxy) die 30-60s dauern koennen.
                 loop = asyncio.get_running_loop()
-                reply = await loop.run_in_executor(
+                reply, answered_by, speak = await loop.run_in_executor(
                     None,
                     lambda: a.chat(
                         body.message, source=body.source, project_id=pid,
@@ -735,6 +741,8 @@ async def chat(body: ChatIn, background: BackgroundTasks):
                 distilling=needs_distill,
                 events=a.pop_events(),
                 project_id=pid,
+                answered_by=answered_by,
+                speak=speak,
             )
     finally:
         _project_pending[pid] = [
@@ -809,6 +817,7 @@ def projects_archive(project_id: str):
 class ProjectUpdateBody(BaseModel):
     name: Optional[str] = None
     description: Optional[str] = None
+    hidden: Optional[bool] = None
 
 
 @app.patch("/projects/{project_id}")

aria-brain/metrics.py

@@ -52,25 +52,55 @@ def _messages_tokens(messages: list) -> int:
     return total
 
 
-def log_call(model: str, messages_in: list, reply_text: str = "") -> None:
-    """Eine Call-Metric anhaengen. Robust gegen Fehler (silent fail)."""
+def _append(model: str, tokens_in: int, tokens_out: int, source: str) -> None:
+    """Ein Metric-Entry auf Disk anhaengen. Robust (silent fail)."""
     try:
-        tokens_in = _messages_tokens(messages_in)
-        tokens_out = _estimate_tokens(reply_text)
         line = json.dumps({
             "ts": int(time.time() * 1000),
             "model": model,
-            "in": tokens_in,
-            "out": tokens_out,
+            "in": int(tokens_in),
+            "out": int(tokens_out),
+            "source": source,          # "claude" | "local" | "fast-path"
         })
         METRICS_FILE.parent.mkdir(parents=True, exist_ok=True)
         with METRICS_FILE.open("a", encoding="utf-8") as f:
             f.write(line + "\n")
-        # Sanftes Rotate ohne hohe IO-Kosten — nur alle 1000 Calls checken
         if (tokens_in + tokens_out) % 1000 < 4:
             _maybe_rotate()
     except Exception as exc:
-        logger.warning("metrics.log_call: %s", exc)
+        logger.warning("metrics._append: %s", exc)
+
+
+def log_call(model: str, messages_in: list, reply_text: str = "",
+             source: str = "claude") -> None:
+    """Claude-Call-Metric anhaengen (Tokens per chars/4-Schaetzung)."""
+    _append(model, _messages_tokens(messages_in), _estimate_tokens(reply_text), source)
+
+
+def log_local_call(model: str, messages_in: list, reply_text: str = "",
+                   usage: dict | None = None) -> None:
+    """Lokaler-LLM-Call-Metric. Nutzt echte usage-Tokens (prompt/completion)
+    wenn der Adapter sie liefert, sonst chars/4-Schaetzung wie bei Claude.
+    Quelle = 'local' — damit die Ersparnis-Rechnung local von claude trennt."""
+    tokens_in = tokens_out = None
+    if isinstance(usage, dict):
+        pt = usage.get("prompt_tokens")
+        ct = usage.get("completion_tokens")
+        if isinstance(pt, (int, float)):
+            tokens_in = int(pt)
+        if isinstance(ct, (int, float)):
+            tokens_out = int(ct)
+    if tokens_in is None:
+        tokens_in = _messages_tokens(messages_in)
+    if tokens_out is None:
+        tokens_out = _estimate_tokens(reply_text)
+    _append(model or "local", tokens_in, tokens_out, "local")
+
+
+def log_fast_path(reply_text: str = "") -> None:
+    """Fast-Path (reiner Skill, KEIN LLM) — spart einen ganzen Claude-Call zum
+    Nulltarif. tokens_in=0 (kein Prompt ans LLM), out = winzige Quittung."""
+    _append("fast-path", 0, _estimate_tokens(reply_text), "fast-path")
 
 
 def _maybe_rotate() -> None:
@@ -95,6 +125,11 @@ def aggregate(window_seconds: int) -> dict:
     tokens_in = 0
     tokens_out = 0
     by_model: dict[str, int] = {}
+    # Aufschluesselung nach Quelle (claude / local / fast-path) fuer die
+    # Ersparnis-Anzeige im Diagnostic.
+    def _src_bucket() -> dict:
+        return {"calls": 0, "tokens_in": 0, "tokens_out": 0}
+    by_source: dict[str, dict] = {}
     if METRICS_FILE.exists():
         try:
             for raw in METRICS_FILE.read_text(encoding="utf-8").splitlines():
@@ -107,11 +142,19 @@ def aggregate(window_seconds: int) -> dict:
                     continue
                 if obj.get("ts", 0) < cutoff_ms:
                     continue
+                ti = int(obj.get("in") or 0)
+                to = int(obj.get("out") or 0)
                 calls += 1
-                tokens_in += int(obj.get("in") or 0)
-                tokens_out += int(obj.get("out") or 0)
+                tokens_in += ti
+                tokens_out += to
                 m = obj.get("model", "?")
                 by_model[m] = by_model.get(m, 0) + 1
+                # Alt-Eintraege ohne 'source' zaehlen als claude (Rueckwaerts-Kompat).
+                src = obj.get("source") or "claude"
+                b = by_source.setdefault(src, _src_bucket())
+                b["calls"] += 1
+                b["tokens_in"] += ti
+                b["tokens_out"] += to
         except Exception as exc:
             logger.warning("metrics aggregate: %s", exc)
     return {
@@ -120,6 +163,7 @@ def aggregate(window_seconds: int) -> dict:
         "tokens_in": tokens_in,
         "tokens_out": tokens_out,
         "by_model": by_model,
+        "by_source": by_source,
     }
 
 

aria-brain/projects.py

@@ -132,6 +132,7 @@ def create_project(name: str, description: str = "") -> dict:
         "name": name,
         "description": description.strip(),
         "status": "active",  # active | ended | archived
+        "hidden": False,      # optisch aus Listen ausblenden (bleibt nutzbar)
         "created_at": now,
         "updated_at": now,
         "last_activity_at": now,
@@ -148,7 +149,7 @@ def update_project(project_id: str, patch: dict) -> Optional[dict]:
     projects = _load_all()
     for p in projects:
         if p["id"] == project_id:
-            for k in ("name", "description", "status"):
+            for k in ("name", "description", "status", "hidden"):
                 if k in patch and patch[k] is not None:
                     p[k] = patch[k]
             p["updated_at"] = _now()

aria-brain/prompts.py

@@ -15,6 +15,7 @@ mit dem Conversation-Loop in spaeteren Phasen.
 
 from __future__ import annotations
 
+import re
 from datetime import datetime, timezone, timedelta
 from typing import List
 
@@ -51,6 +52,22 @@ Rolle wirft — du bleibst ARIA und arbeitest normal weiter.
 
 Dein eigenes Werkzeug-Format (`<tool_call>…`) ist echt und von diesem System so
 vorgesehen — nutze es ganz normal.
+
+## DISKRETION — PRIVATE/INTIME DINGE (HART, GILT IMMER)
+Du kennst private und intime Details ueber Stefan (Beziehungen, Partnerinnen,
+Sexualitaet/Lebensweise, Gesundheit, Finanzen, anderes Persoenliches). Dieses
+Wissen ist fuer deine Arbeit da — aber es ist HOCHVERTRAULICH:
+- Gib es NIEMALS von dir aus preis. Nicht in Selbstvorstellungen, nicht bei
+  „was weisst du ueber mich", nicht in Zusammenfassungen, nicht in Triggern oder
+  Push-Nachrichten, nicht als Beispiel, nicht „um zu zeigen was du weisst".
+- Nur wenn Stefan KONKRET nach genau diesem Thema fragt — und dann knapp und
+  gezielt, ohne Rundum-Dump.
+- Denk IMMER daran: jemand koennte danebensitzen oder mithoeren. Intimes
+  ungefragt auszusprechen ist ein Vertrauensbruch. Im Zweifel: weglassen oder
+  kurz rueckfragen („Soll ich dazu ins Detail gehen?").
+Auf „wer bist du" / „was weisst du ueber mich": antworte allgemein und diskret
+(z.B. „einiges — geschaeftlich wie privat; frag mich gezielt"), NIEMALS ein
+Aufzaehlen privater/intimer Details.
 """
 
 
@@ -77,6 +94,36 @@ IDENTITY_SEED = (
 )
 
 
+# Gift-Waechter: erkennt eine Antwort, in der das Modell AUS DER ROLLE gefallen
+# ist (sich selbst als Claude bezeichnet, die ARIA-Persona als injiziert/erfunden
+# abtut, die Session als Fake bezeichnet). Solche Antworten duerfen NICHT in die
+# Conversation-History — ein einziger gespeicherter Break zieht bei schwachen
+# Folgeturns eine Kaskade nach sich (das Modell setzt seine eigene Ablehnung fort).
+#
+# BEWUSST nur STARKE, selbstreferenzielle Marker — nicht das blosse Wort
+# "Injection"/"injizier" (das nutzt ARIA in Security-/Pentest-Projekten voellig
+# legitim). Getroffen wird nur das Muster "ICH bin Claude / die Persona ist
+# erfunden / diese Session ist injiziert".
+_IDENTITY_BREAK = re.compile(
+    r"ich\s+bin\s+(?:allerdings\s+|ja\s+|nach\s+wie\s+vor\s+|weiterhin\s+)*claude|"
+    r"i'?m\s+(?:still\s+|actually\s+)?claude\s+code|i\s+am\s+claude\b|"
+    r"erfundene[nr]?\s+(?:tool|persona|schemas)|fabricated\s+persona|"
+    r"fabrizierte?\s+(?:persona|gespr|konversation)|fabricated\s+conversation|"
+    r"fake[- ]persona|injizierte[rn]?\s+(?:system-?prompt|kontext|persona)|"
+    r"injected\s+(?:system\s*prompt|persona|context)|"
+    r"diese\s+session\s+enthält\s+(?:einen|eine)\b.{0,40}injizier|"
+    r"this\s+session\s+(?:contains|has|keeps|repeatedly)\b.{0,40}(?:inject|fabricat|fake)|"
+    r"nicht\s+real\s+in\s+dieser\s+(?:umgebung|session)|not\s+real\s+in\s+this",
+    re.IGNORECASE,
+)
+
+
+def looks_like_identity_break(text: str) -> bool:
+    """True, wenn eine ARIA-Antwort aus der Rolle gefallen ist. Fuer den
+    Gift-Waechter im Agent (nicht persistieren + Retry)."""
+    return bool(text and _IDENTITY_BREAK.search(text))
+
+
 def build_time_section() -> str:
     """Aktueller Zeitstempel — damit ARIA Timer korrekt anlegen kann
     und Watcher-Conditions mit hour_of_day etc. einordenbar bleiben."""

aria-brain/router.py

@@ -30,7 +30,8 @@ CONFIG_PATH = os.environ.get("LOCAL_LLM_CONFIG", "/shared/config/local_llm.json"
 
 ESCALATE_MARKER = "<<ESCALATE>>"
 
-DEFAULT_CONFIG = {"enabled": False, "localOnly": False, "toolVariant": "slim"}
+DEFAULT_CONFIG = {"enabled": False, "localOnly": False,
+                  "toolVariant": "slim", "localLlmModel": "qwen3-8b"}
 
 
 def load_config() -> dict:
@@ -42,6 +43,9 @@ def load_config() -> dict:
             "enabled": bool(data.get("enabled", False)),
             "localOnly": bool(data.get("localOnly", False)),
             "toolVariant": data.get("toolVariant", "slim") or "slim",
+            # Welches lokale Modell llama-swap laden soll (B0.5). Muss zu einem
+            # Key in xtts/llama-swap/config.yaml passen.
+            "localLlmModel": (data.get("localLlmModel") or "qwen3-8b").strip(),
         }
     except (FileNotFoundError, json.JSONDecodeError):
         return dict(DEFAULT_CONFIG)
@@ -57,15 +61,17 @@ def load_config() -> dict:
 # lokale Tier soll nur die klaren Plauder-Turns abgreifen; Fehlklassifikation
 # faengt zusaetzlich das <<ESCALATE>> im Modell selbst ab.
 
-# Wortstämme, die auf Tool-/Aktionsbedarf hindeuten → nicht lokal (in B1a).
+# CLAUDE-ONLY-Themen → nicht lokal. Seit B1b hat das lokale Tier Werkzeuge
+# (web_search, memory_search, trigger_timer, Spotify), daher gehen Wetter, News,
+# Fakten, Timer, Musik, Gedaechtnis-Suche jetzt LOKAL. Nur was das lokale Tier
+# nicht kann bleibt hier: Bilder, Skills, Projekte, OAuth, Smart-Home (keine
+# Anbindung), Kalender/Mail (kein Tool).
 _TOOL_HINTS = re.compile(
-    r"\b(wetter|temperatur|regne|timer|erinner|weck|licht|lampe|steckdose|"
-    r"spotify|musik|lied|song|playlist|lauter|leiser|"
-    r"bild|generier|male?\b|zeichne|foto|"
-    r"merk dir|memory|gedächtnis|erinnere dich|"
-    r"skill|trigger|projekt|oauth|spotify|kalender|termin|"
-    r"such(e|st)?\b|google|internet|news|nachrichten|aktie|kurs|"
-    r"maild?|email|nachricht schreiben|sende)\b",
+    r"\b(bild|generier|male?\b|malen|zeichne|foto|"
+    r"skill|projekt|oauth|"
+    r"licht|lampe|steckdose|rollade|heizung|"
+    r"kalender|termin|"
+    r"maild?|e-?mail|nachricht schreiben)\b",
     re.IGNORECASE,
 )
 
@@ -81,6 +87,17 @@ _HARD_HINTS = re.compile(
 _MAX_LEN_FOR_LOCAL = 220   # laengere Nachrichten = eher komplexe Aufgaben → Claude
 
 
+def _strip_leading_hint_blocks(text: str) -> str:
+    """Fuehrende `[ ... ]`-Hint-Bloecke (GPS, Barge-In von der Bridge) weg —
+    sonst blaeht der Praefix die Laenge auf und verfaelscht die Heuristik."""
+    s = (text or "").strip()
+    prev = None
+    while prev != s:
+        prev = s
+        s = re.sub(r"^\s*\[[^\]]*\]\s*", "", s)
+    return s
+
+
 def should_try_local(user_message: str, cfg: dict) -> bool:
     """True, wenn der Router diesen Turn (B1a, reden-only) lokal versuchen soll.
     localOnly überschreibt die Heuristik (dann IMMER lokal)."""
@@ -88,7 +105,7 @@ def should_try_local(user_message: str, cfg: dict) -> bool:
         return False
     if cfg.get("localOnly"):
         return True
-    msg = (user_message or "").strip()
+    msg = _strip_leading_hint_blocks(user_message)
     if not msg or len(msg) > _MAX_LEN_FOR_LOCAL:
         return False
     if _TOOL_HINTS.search(msg):
@@ -104,31 +121,56 @@ def should_try_local(user_message: str, cfg: dict) -> bool:
 # (WAS ARIA kann, ohne volle Schemas) + Escalation-Regel. KEINE Tool-Schemas,
 # kein volles Memory (B1a).
 
+# Was das lokale Tier NICHT selbst kann → dafuer eskaliert es an Claude.
 _AWARENESS = (
-    "ARIA kann ausserdem (ueber ihr grosses Backend, nicht in diesem schnellen "
-    "Modus): Wetter/Zeit/Websuche, Timer & Erinnerungen, Musik (Spotify) & Licht "
-    "steuern, Bilder generieren, ins Gedaechtnis schreiben/suchen, Skills bauen, "
-    "Projekte & OAuth verwalten."
+    "Nur das grosse Modell (nicht du im Schnell-Modus) kann: Bilder generieren, "
+    "Skills bauen/aendern, Projekte & OAuth verwalten, ins Gedaechtnis SCHREIBEN, "
+    "sowie tiefe/technische Analysen und langen Code."
 )
 
 
-def build_local_system_prompt(identity_anchor: str, pinned_persona: str = "") -> str:
+def build_local_system_prompt(identity_anchor: str, has_tools: bool = False,
+                              pinned_persona: str = "") -> str:
     """Schlanker System-Prompt fuers lokale LLM. identity_anchor = derselbe
-    Anker wie bei Claude (Rolle haelt); pinned_persona optional kurz."""
+    Anker wie bei Claude (Rolle haelt)."""
     parts = [
         identity_anchor.strip(),
         "",
         "## SCHNELL-MODUS",
-        "Du laeufst gerade als schnelles lokales Modell fuer einfache, kurze "
-        "Alltags-Konversation. Antworte knapp, freundlich, auf Deutsch, als ARIA.",
+        "Du laeufst gerade als schnelles lokales Modell fuer Alltags-Konversation "
+        "und einfache Aufgaben. Antworte knapp, freundlich, auf Deutsch, als ARIA.",
+        "WICHTIG zur Ausgabe: Antworte in ganz NORMALEM Text. Verwende KEINE "
+        "`<voice>`-Tags, kein `[FILE:]`, kein `<tool_call>`, kein HTML/Markup — "
+        "nur ein oder zwei natuerliche Saetze. (Der Text wird direkt angezeigt "
+        "UND vorgelesen.)",
+    ]
+    if has_tools:
+        parts += [
+            "",
+            "## DEINE WERKZEUGE — nur nutzen wenn die Frage es WIRKLICH braucht",
+            "- `web_search`: aktuelle Infos aus dem Netz — Wetter, News, Fakten, "
+            "Preise, Oeffnungszeiten. Bei Wetter: nimm Stefans Ort aus dem "
+            "GPS-Hinweis in der Nachricht.",
+            "- `memory_search`: in ARIAs Gedaechtnis nachsehen (lesen).",
+            "- `trigger_timer`: Timer/Erinnerung setzen ('in 10 Minuten…').",
+            "- `run_spotify`: Musik steuern (naechster Titel, Pause, weiter).",
+            "WICHTIG: Bei reinem Smalltalk ('wie gehts', Begruessung, Meinung) "
+            "KEIN Werkzeug — einfach direkt antworten. Werkzeuge nur bei echtem "
+            "Bedarf; erfinde keine.",
+        ]
+    parts += [
         "",
-        "## WAS DU HIER NICHT TUST",
+        "## WAS DU HIER NICHT KANNST",
         _AWARENESS,
-        "Fuer alles, was ein Werkzeug/eine Aktion braucht, tiefer/technischer wird, "
-        "aktuelles Wissen oder Nachschlagen verlangt, oder wo du unsicher bist: "
-        f"antworte AUSSCHLIESSLICH mit exakt `{ESCALATE_MARKER}` (nichts sonst). "
-        "Dann uebernimmt automatisch das grosse Modell mit vollem Zugriff. "
-        "Lieber einmal eskalieren als falsch raten.",
+        "WICHTIG — du hast Stefans GEDAECHTNIS hier NICHT im Kopf: Bei Fragen zu "
+        "seinem Leben, zu Personen/Namen, Beziehungen, seiner Vergangenheit, "
+        "seinen Vorlieben/Sachen oder anderem gespeicherten Wissen antworte NICHT "
+        "aus dem Nichts (und rate nicht, wer wer ist) — sondern eskaliere. Das "
+        "grosse Modell kennt das Gedaechtnis und antwortet diskret.",
+        "Dafuer — und bei tiefen/technischen Fragen, langem Code, oder wenn du "
+        f"unsicher bist — antworte AUSSCHLIESSLICH mit exakt `{ESCALATE_MARKER}` "
+        "(nichts sonst). Dann uebernimmt das grosse Modell mit vollem Zugriff. "
+        "Lieber einmal eskalieren als falsch raten oder ein Werkzeug erfinden.",
     ]
     if pinned_persona.strip():
         parts += ["", "## PERSONA", pinned_persona.strip()]

aria-data/searxng/settings.yml

@@ -0,0 +1,25 @@
+# SearXNG-Config fuer ARIA (self-hosted Meta-Suche, Backend fuers web_search-Tool).
+# Erbt alle Default-Engines; wir ueberschreiben nur das Noetige:
+#  - JSON-Format aktiviert (Default AUS) -> Brain kann /search?format=json rufen
+#  - Rate-Limiter aus -> programmatischer Brain-Zugriff wird nicht geblockt
+#  - eigener secret_key (interne Instanz auf aria-net, nicht oeffentlich exponiert)
+use_default_settings: true
+
+server:
+  # Interner Dienst auf aria-net, nicht oeffentlich. Trotzdem ein eigener Key.
+  # Bei Bedarf aendern (beliebiger langer Zufallsstring).
+  secret_key: "aria-searxng-6f2c9a1e8b7d4f30a5c1e2d9b8a7f6c3"
+  limiter: false
+  image_proxy: false
+
+search:
+  formats:
+    - html
+    - json
+  # Deutsch bevorzugen (Brain kann per Query-Param ueberschreiben).
+  default_lang: "de"
+
+# Sanftere Timeouts, damit eine langsame Engine die Suche nicht ausbremst.
+outgoing:
+  request_timeout: 5.0
+  max_request_timeout: 10.0

bridge/aria_bridge.py

@@ -149,6 +149,54 @@ def _num_to_words_de(n: int) -> str:
     return str(n)
 
 
+# Vollstaendige Zehner fuer den generischen Konverter (inkl. 60-90).
+_TENS_FULL_DE = {20: "zwanzig", 30: "dreissig", 40: "vierzig", 50: "fuenfzig",
+                 60: "sechzig", 70: "siebzig", 80: "achtzig", 90: "neunzig"}
+
+
+def _below_100_de(n: int) -> str:
+    if n in _NUM_WORDS_DE:            # 0..20
+        return _NUM_WORDS_DE[n]
+    tens = (n // 10) * 10
+    ones = n % 10
+    if ones == 0:
+        return _TENS_FULL_DE[tens]
+    ones_word = "ein" if ones == 1 else _NUM_WORDS_DE[ones]
+    return f"{ones_word}und{_TENS_FULL_DE[tens]}"
+
+
+def _below_1000_de(n: int) -> str:
+    if n < 100:
+        return _below_100_de(n)
+    h, rest = divmod(n, 100)
+    h_word = ("ein" if h == 1 else _NUM_WORDS_DE[h]) + "hundert"
+    return h_word if rest == 0 else h_word + _below_100_de(rest)
+
+
+def _int_to_words_de(n: int) -> str:
+    """Ganzzahl 0..999999 als zusammenhaengendes deutsches Wort
+    ('dreiundzwanzig', 'einhundert', 'zweitausendsechsundzwanzig').
+    Groesser (IDs/Codes) → als Ziffern lassen (der Aufrufer gated zusaetzlich)."""
+    if n < 0:
+        return "minus " + _int_to_words_de(-n)
+    if n < 1000:
+        return _below_1000_de(n)
+    if n < 1_000_000:
+        th, rest = divmod(n, 1000)
+        th_word = ("ein" if th == 1 else _below_1000_de(th)) + "tausend"
+        return th_word if rest == 0 else th_word + _below_1000_de(rest)
+    return str(n)
+
+
+def _spell_standalone_int(m) -> str:
+    """Regex-Callback: freistehende Ganzzahl ausschreiben. Sehr lange
+    Ziffernfolgen (IDs, Codes, Telefonnummern) bleiben Ziffern."""
+    s = m.group(0)
+    if len(s) > 6:
+        return s
+    return _int_to_words_de(int(s))
+
+
 def _time_range_to_words(m):
     """'8:00-9:00 Uhr' → 'acht bis neun Uhr', '8-9 Uhr' → 'acht bis neun Uhr'."""
     h1 = int(m.group(1))
@@ -168,7 +216,7 @@ def _decimal_to_words(m):
     """'0.1' / '0,1' → 'null komma eins', '1,25' → 'eins komma zwei fuenf'."""
     int_part = int(m.group(1))
     dec_part = m.group(2)
-    int_word = _num_to_words_de(int_part) if 0 <= int_part <= 59 else str(int_part)
+    int_word = _int_to_words_de(int_part) if int_part <= 999999 else str(int_part)
     dec_words = " ".join(_num_to_words_de(int(d)) for d in dec_part)
     return f"{int_word} komma {dec_words}"
 
@@ -184,7 +232,7 @@ _UNIT_WORDS = [
     (r'\bkm\b', 'Kilometer'),
     (r'\bm/s\b', 'Meter pro Sekunde'),
     (r'\bkg\b', 'Kilogramm'),
-    (r'\b°C\b', 'Grad Celsius'),
+    (r'\b°C\b', ' Grad Celsius'),
     (r'°C', ' Grad Celsius'),
     (r'\bMbps\b', 'Megabit pro Sekunde'),
     (r'\bGbps\b', 'Gigabit pro Sekunde'),
@@ -301,6 +349,15 @@ def clean_text_for_tts(text: str) -> str:
     # werden, koennen bei Bedarf explizit in _UNIT_WORDS uebersteuert werden.
     t = _re_tts.sub(r'\b([A-Z]{2,5})\b', lambda m: " ".join(m.group(1)), t)
 
+    # Generisches Ausschreiben ALLER verbleibenden freistehenden Ganzzahlen
+    # ('23' → 'dreiundzwanzig', '100' → 'einhundert', '2026' → 'zwei-
+    # tausendsechsundzwanzig'). Laeuft NACH Uhrzeiten/Dezimalzahlen/Einheiten,
+    # die ihre Ziffern schon zu Woertern gemacht haben. Tag-unabhaengig — so
+    # klingen auch Antworten des lokalen LLM (das keine <voice>-Tags nutzt)
+    # sauber. Ziffernfolgen die an ., :, / kleben (IPs, Versionen, Uhrzeit-
+    # Reste) ueberspringen wir, um sie nicht zu zerreissen.
+    t = _re_tts.sub(r'(?<![\d.,:/])\d{1,6}(?![\d.,:/])', _spell_standalone_int, t)
+
     # Anfuehrungszeichen
     t = _re_tts.sub(r'["""„`]', '', t)
 
@@ -1257,12 +1314,14 @@ class ARIABridge:
         # Voice-Tag-Noise als Kontext sieht).
         # File-Marker werden separat als file_from_aria-Events ausgeliefert.
         display_text = strip_voice_tag_for_display(text)
+        _answered_by = (payload.get("answeredBy") or "") if isinstance(payload, dict) else ""
         assistant_backup_ts = self._append_chat_backup({
             "role": "assistant",
             "text": display_text,
             "files": [{"serverPath": f["serverPath"], "name": f["name"],
                        "mimeType": f["mimeType"], "size": f["size"]} for f in aria_files],
             "project_id": turn_pid,
+            "answeredBy": _answered_by,
         })
 
         metadata = payload.get("metadata", {})
@@ -1305,10 +1364,19 @@ class ARIABridge:
                 # Projekt-Zuordnung — App + Diagnostic sortieren die Bubble in
                 # den passenden Projekt-Block. Leer = Hauptchat.
                 "projectId": (payload.get("projectId") or "") if isinstance(payload, dict) else "",
+                # Quell-Backend (local/claude/fast-path) fuer den Diagnostic-Badge.
+                "answeredBy": (payload.get("answeredBy") or "") if isinstance(payload, dict) else "",
             },
             "timestamp": int(asyncio.get_event_loop().time() * 1000),
         })
 
+        # System-Flag vom Brain: reine Steuerbefehle (Fast-Path) NICHT vorlesen.
+        # Robust und unabhaengig von <voice>-Tags im Text (die ARIA beim
+        # Skill-Rebuild verlieren kann) — die Quelle entscheidet, nicht der Inhalt.
+        if isinstance(payload, dict) and payload.get("speak") is False:
+            logger.info("[core] TTS uebersprungen (speak=False — Fast-Path-Steuerbefehl)")
+            return
+
         # TTS ueber XTTS (XTTS-Bridge auf Gaming-PC)
         if not (getattr(self, 'tts_enabled', True) and should_speak(self.current_mode, is_critical)):
             logger.info("[core] TTS unterdrueckt (Modus: %s)", self.current_mode.config.name)
@@ -1633,6 +1701,12 @@ class ARIABridge:
         # gegeben damit der chat-Broadcast die Bubble dem richtigen Projekt-
         # Block in App + Diagnostic zuordnen kann.
         turn_project_id = (data.get("project_id") or "").strip()
+        # Welcher Backend geantwortet hat (local/claude/fast-path) — fuer den
+        # Quell-Badge in Diagnostic.
+        answered_by = (data.get("answered_by") or "claude").strip()
+        # Soll vorgelesen werden? Fast-Path (Steuerbefehl) = False. System-Flag
+        # vom Brain — robust, unabhaengig von <voice>-Tags im Reply-Text.
+        speak = data.get("speak", True)
 
         # Side-Channel-Events VOR der Chat-Bubble broadcasten (z.B. skill_created)
         # damit sie in der UI vor der Reply auftauchen
@@ -1699,7 +1773,9 @@ class ARIABridge:
         # passend behandelt wird (hier minimal, weil Brain noch keine
         # metadata mitschickt).
         try:
-            await self._process_core_response(reply, {"projectId": turn_project_id})
+            await self._process_core_response(reply, {"projectId": turn_project_id,
+                                                       "answeredBy": answered_by,
+                                                       "speak": speak})
         except Exception:
             logger.exception("[brain] _process_core_response Fehler")
             await self._emit_activity("idle", "", project_id=project_id)
@@ -1710,6 +1786,14 @@ class ARIABridge:
                 "timestamp": int(asyncio.get_event_loop().time() * 1000),
             })
 
+        # Das 'thinking' oben ging mit der REQUEST-projectId raus, das 'idle' in
+        # _process_core_response aber mit der TURN-projectId (Brain kann den Turn
+        # umgeroutet haben, z.B. Voice-Sticky). Weichen sie ab, bekaeme der
+        # Request-Kontext nie sein idle → "ARIA denkt" bliebe dort haengen.
+        # Darum hier zusaetzlich fuer die Request-projectId ein idle.
+        if (project_id or "") != (turn_project_id or ""):
+            await self._emit_activity("idle", "", project_id=project_id)
+
         if data.get("distilling"):
             logger.info("[brain] Destillat laeuft im Hintergrund")
 
@@ -2922,6 +3006,24 @@ class ARIABridge:
             if self._is_duplicate_client_msg(client_msg_id):
                 return
 
+            # Text-Fenster-Dedup: im Auto cancelt der App-No-Speech-Watchdog den
+            # Stream vorzeitig und startet passives Lauschen, waehrend die Bridge
+            # dieselbe Aeusserung parallel noch finalisiert → derselbe Befehl
+            # kaeme zweimal (aus ZWEI verschiedenen audioRequestIds, darum greift
+            # die ID-Idempotenz oben nicht). Identischen Endpoint-Text innerhalb
+            # 5s verwerfen. Genuines "nächstes, nächstes" liegt praktisch immer
+            # weiter auseinander (man hoert den Wechsel erst).
+            _norm_txt = " ".join(text.lower().split())
+            _now_t = asyncio.get_event_loop().time()
+            if (_norm_txt
+                    and _norm_txt == getattr(self, "_last_endpoint_norm", "")
+                    and (_now_t - getattr(self, "_last_endpoint_at", 0.0)) < 5.0):
+                logger.info("[rvs] stt_endpoint Dupe verworfen (gleicher Text <5s): %r",
+                            text[:60])
+                return
+            self._last_endpoint_norm = _norm_txt
+            self._last_endpoint_at = _now_t
+
             # App-Focus aus stt_stream_start-Registry auflösen (falls die
             # App-Version die projectId noch nicht mitschickt: leer = Hauptchat).
             stream_req_id = payload.get("requestId", "") or ""
@@ -3367,9 +3469,11 @@ class ARIABridge:
     _LLM_TIMEOUT_S = 30.0
 
     async def _local_llm(self, messages: list, max_tokens: int = 512,
-                         temperature: float = 0.7, stop=None) -> dict:
+                         temperature: float = 0.7, stop=None, tools=None,
+                         model=None) -> dict:
         """Schickt einen llm_request an den llm-adapter (Gamebox), wartet auf
-        llm_response. Rueckgabe: {ok, content, model, elapsedMs} oder {ok:False, error}."""
+        llm_response. tools (B1b) werden durchgereicht; tool_calls kommen zurueck.
+        Rueckgabe: {ok, content, tool_calls, model, elapsedMs} oder {ok:False, error}."""
         if self.ws_rvs is None:
             return {"ok": False, "error": "RVS-Verbindung nicht aktiv"}
         if not isinstance(messages, list) or not messages:
@@ -3388,8 +3492,12 @@ class ARIABridge:
             }
             if stop:
                 req_payload["stop"] = stop
-            logger.info("[rvs] llm_request → llm-adapter (id=%s, msgs=%d, max_tokens=%d)",
-                        request_id[:8], len(messages), max_tokens)
+            if tools:
+                req_payload["tools"] = tools
+            if model:
+                req_payload["model"] = model
+            logger.info("[rvs] llm_request → llm-adapter (id=%s, msgs=%d, max_tokens=%d, tools=%d, model=%s)",
+                        request_id[:8], len(messages), max_tokens, len(tools) if tools else 0, model or "-")
             ok = await self._send_to_rvs({
                 "type": "llm_request",
                 "payload": req_payload,
@@ -3407,6 +3515,7 @@ class ARIABridge:
             return {
                 "ok": True,
                 "content": result.get("content", ""),
+                "tool_calls": result.get("tool_calls"),
                 "model": result.get("model"),
                 "elapsedMs": result.get("elapsedMs"),
             }
@@ -3885,9 +3994,12 @@ class ARIABridge:
                         temperature = float(data.get("temperature"))
                     except (TypeError, ValueError):
                         temperature = 0.7
+                    _tools = data.get("tools") if isinstance(data.get("tools"), list) else None
+                    _model = data.get("model") if isinstance(data.get("model"), str) else None
                     result = await self._local_llm(
                         messages=messages, max_tokens=max_tokens,
                         temperature=temperature, stop=data.get("stop"),
+                        tools=_tools, model=_model,
                     )
                     status = 200 if result.get("ok") else 502
                     await _send_response(writer, status, result)

diagnostic/index.html

@@ -912,30 +912,66 @@
 
     <div class="settings-section">
       <h2>Lokales LLM (schnelle Antworten) <button class="info-btn" onclick="showInfo('local-llm')" title="Wie funktioniert das?">ℹ</button></h2>
-      <div class="card" style="max-width:500px;">
-        <div style="font-size:11px;color:#8888AA;margin-bottom:10px;line-height:1.5;">
-          Ein schnelles lokales Modell (Qwen3 auf der Gamebox) beantwortet einfache
-          Plauder-Turns in unter 1&nbsp;Sekunde; alles Schwere/Werkzeug-artige geht
-          weiter an Claude. Schreibt <code>/shared/config/local_llm.json</code> —
-          der Router im Brain liest sie live (kein Neustart noetig).
+      <div class="card" style="max-width:540px;">
+        <div style="font-size:11px;color:#8888AA;margin-bottom:12px;line-height:1.55;">
+          Ein schnelles lokales Modell (<strong>Qwen3</strong> auf der Gamebox) beantwortet
+          <strong>leichte Fragen in unter 1&nbsp;Sekunde</strong>. Was schwerer wird, gibt es
+          automatisch an <strong>Claude</strong> ab. Aenderungen greifen sofort
+          (kein Neustart) — geschrieben nach <code>/shared/config/local_llm.json</code>.
         </div>
-        <label style="display:flex;align-items:center;gap:8px;margin-bottom:8px;font-size:12px;color:#E0E0F0;cursor:pointer;">
-          <input type="checkbox" id="local-llm-enabled" onchange="saveLocalLlmConfig()" style="margin:0;">
-          <span>Lokales LLM nutzen <span style="color:#8888AA;">(aus = alles ueber Claude)</span></span>
+
+        <!-- Master -->
+        <label style="display:flex;align-items:flex-start;gap:8px;margin-bottom:4px;font-size:13px;color:#E0E0F0;cursor:pointer;">
+          <input type="checkbox" id="local-llm-enabled" onchange="saveLocalLlmConfig()" style="margin:2px 0 0 0;">
+          <span><strong>Lokales LLM einschalten</strong></span>
         </label>
-        <label style="display:flex;align-items:center;gap:8px;margin-bottom:10px;font-size:12px;color:#E0E0F0;cursor:pointer;">
-          <input type="checkbox" id="local-llm-onlylocal" onchange="saveLocalLlmConfig()" style="margin:0;">
-          <span>Nur lokales LLM — kein Claude-Fallback <span style="color:#8888AA;">(zum Testen)</span></span>
+        <div style="font-size:10px;color:#8888AA;margin:0 0 12px 24px;line-height:1.5;">
+          <strong style="color:#4ADE80;">AN:</strong> leichte Fragen → lokal (schnell), schwere → Claude.&nbsp;
+          <strong style="color:#8888AA;">AUS:</strong> alles laeuft ueber Claude (wie bisher). — <em>Das ist der Normal-Betrieb.</em>
+        </div>
+
+        <!-- Nur lokal -->
+        <label style="display:flex;align-items:flex-start;gap:8px;margin-bottom:4px;font-size:13px;color:#E0E0F0;cursor:pointer;">
+          <input type="checkbox" id="local-llm-onlylocal" onchange="saveLocalLlmConfig()" style="margin:2px 0 0 0;">
+          <span><strong>Nur lokales LLM</strong> — Claude komplett aussperren</span>
         </label>
-        <div style="display:flex;align-items:center;gap:8px;margin-bottom:6px;">
-          <span style="font-size:12px;color:#8888AA;">Tool-Umfang:</span>
+        <div style="font-size:10px;color:#8888AA;margin:0 0 12px 24px;line-height:1.5;">
+          <strong style="color:#FFD60A;">Nur zum Testen.</strong> Erzwingt IMMER das lokale Modell — auch bei
+          schweren Fragen, ohne Claude-Rettung. So siehst du, was Qwen allein kann. Werkzeug-Fragen
+          (Wetter/Timer/…) funktionieren dann nicht. <strong>Fuer den Alltag: AUS lassen.</strong>
+        </div>
+
+        <!-- Tool-Umfang -->
+        <div style="display:flex;align-items:center;gap:8px;margin-bottom:4px;">
+          <span style="font-size:13px;color:#E0E0F0;"><strong>Werkzeuge lokal:</strong></span>
           <select id="local-llm-toolvariant" onchange="saveLocalLlmConfig()" style="background:#1E1E2E;border:1px solid #333;border-radius:4px;padding:6px 8px;color:#E0E0F0;font-family:inherit;font-size:12px;">
-            <option value="slim">Abgespeckt (kuratierte Tools)</option>
-            <option value="full" disabled>Voll (braucht mehr VRAM)</option>
+            <option value="slim">Abgespeckt — kuratierte Tools</option>
+            <option value="full" disabled>Voll — ganzes Arsenal (braucht mehr VRAM)</option>
           </select>
           <button class="info-btn" onclick="showInfo('local-llm-tools')" title="Voll: wie viel VRAM?">ℹ</button>
         </div>
-        <div id="local-llm-status" style="font-size:10px;color:#6a6a88;margin-top:6px;min-height:12px;"></div>
+        <div style="font-size:10px;color:#8888AA;margin:0 0 6px 0;line-height:1.5;">
+          Welche Werkzeuge das lokale Modell <em>selbst</em> ausfuehren darf. „Voll" ist gesperrt,
+          bis eine 2.&nbsp;Grafikkarte da ist (siehe&nbsp;ⓘ).
+          <br><span style="color:#FFD60A;">Aktueller Stand (B1a): das lokale Modell <strong>plaudert nur</strong> — Werkzeuge macht noch Claude. Lokale Tools kommen mit B1b.</span>
+        </div>
+
+        <!-- Lokales Modell (llama-swap, B0.5) -->
+        <div style="display:flex;align-items:center;gap:8px;margin:12px 0 4px 0;padding-top:10px;border-top:1px solid #2a2a3a;">
+          <span style="font-size:13px;color:#E0E0F0;"><strong>Lokales Modell:</strong></span>
+          <select id="local-llm-model" onchange="saveLocalLlmConfig()" style="flex:1;background:#1E1E2E;border:1px solid #333;border-radius:4px;padding:6px 8px;color:#E0E0F0;font-family:inherit;font-size:12px;">
+            <option value="">(lade Liste…)</option>
+          </select>
+          <button class="btn secondary" onclick="loadLocalModelList()" title="Liste neu laden" style="padding:4px 8px;font-size:10px;">↻</button>
+        </div>
+        <div id="local-llm-model-desc" style="font-size:10px;color:#8888AA;margin:0 0 2px 0;line-height:1.5;"></div>
+        <div style="font-size:10px;color:#FFD60A;margin:0 0 4px 0;line-height:1.5;">
+          Beim ersten Wechsel zu einem Modell lädt die Gamebox das GGUF (mehrere GB) —
+          die <strong>erste Antwort dauert dann länger</strong>, danach ist es gecacht.
+          Liste kommt aus <code>/shared/config/local_models.json</code> (Keys = xtts/llama-swap/config.yaml).
+        </div>
+
+        <div id="local-llm-status" style="font-size:11px;color:#6a6a88;margin-top:8px;padding-top:8px;border-top:1px solid #2a2a3a;min-height:14px;"></div>
       </div>
     </div>
 
@@ -992,6 +1028,18 @@
       </div>
     </div>
 
+    <div class="settings-section">
+      <h2>Lokales LLM & Claude-Ersparnis <button class="info-btn" onclick="showInfo('local-savings')" title="Wie wird die Ersparnis gerechnet?">ℹ</button></h2>
+      <div class="card">
+        <div style="font-size:11px;color:#8888AA;margin-bottom:10px;">
+          Turns, die das <strong style="color:#B392F0;">lokale LLM</strong> (Qwen) oder ein reiner <strong style="color:#F0B85E;">Skill-Fast-Path</strong> uebernommen hat — jeder davon ist ein Claude-Call, der NICHT passiert ist. Die lokalen Tokens laufen auf deiner eigenen Hardware (kein Subscription-Quota).
+        </div>
+        <div id="savings-grid" style="display:grid;grid-template-columns:repeat(auto-fit,minmax(150px,1fr));gap:8px;font-size:12px;">
+          <div class="metric-cell"><div class="metric-label">–</div><div class="metric-value">–</div></div>
+        </div>
+      </div>
+    </div>
+
     <div class="settings-section">
       <h2>Bootstrap & Migration <button class="info-btn" onclick="showInfo('bootstrap')" title="Was sind die drei Wege?">ℹ</button></h2>
       <div class="card" style="line-height:1.6;">
@@ -1047,6 +1095,7 @@
       <div style="display:flex;justify-content:space-between;align-items:center;margin-bottom:8px;">
         <h2 style="margin:0;">📁 Projekte</h2>
         <div>
+          <button class="btn secondary" id="toggle-hidden-btn" onclick="toggleShowHidden()" style="padding:4px 10px;font-size:11px;" title="Versteckte Projekte ein-/ausblenden">👁 Versteckte anzeigen</button>
           <button class="btn secondary" onclick="loadProjects()" style="padding:4px 10px;font-size:11px;">🔄 Aktualisieren</button>
           <button class="btn" onclick="openCreateProjectModal()" style="padding:4px 10px;font-size:11px;">+ Neues Projekt</button>
         </div>
@@ -1375,6 +1424,7 @@
     let focusedContextId = localStorage.getItem('diag_focused_context_id') || '';
     let diagQueueStatus = {};
     let diagProjectsCache = [];
+    let diagShowHiddenStrip = false;   // versteckte Projekte im Streifen zeigen?
 
     function updateChatVisibilityByFocus() {
       for (const box of [chatBox, document.getElementById('chat-box-fs')]) {
@@ -1415,20 +1465,79 @@
         if (s.queue_size > 0) return { color: '#FFD60A', label: `Queue: ${s.queue_size}` };
         return { color: '#34C759', label: 'idle' };
       };
+      // Projekt-Chip MIT Auge (verstecken/sichtbar). Auge hat eigenes onclick
+      // + stopPropagation, damit der Klick nicht den Kontext wechselt.
+      const projChip = (p, isFocus, dotColor, subline) => {
+        const hidden = !!p.hidden;
+        const bg = isFocus ? 'rgba(52,199,89,0.15)' : '#1E1E2E';
+        const border = isFocus ? '#34C759' : '#2A2A3E';
+        const eye = hidden ? '👁' : '🙈';
+        const eyeTitle = hidden ? 'Wieder dauerhaft sichtbar machen' : 'Verstecken (aus dem Streifen ausblenden)';
+        return `<div style="flex:0 0 auto;padding:6px 10px;background:${bg};border:1px solid ${border};border-radius:6px;display:flex;align-items:center;gap:6px;min-width:120px;${hidden ? 'opacity:0.5;' : ''}">
+          <div onclick="switchDiagFocus('${p.id}')" style="cursor:pointer;display:flex;align-items:center;gap:6px;min-width:0;">
+            <div style="width:8px;height:8px;border-radius:4px;background:${dotColor};"></div>
+            <div style="display:flex;flex-direction:column;min-width:0;">
+              <div style="color:${isFocus?'#34C759':'#E0E0F0'};font-size:12px;font-weight:600;white-space:nowrap;overflow:hidden;text-overflow:ellipsis;max-width:200px;">📁 ${escapeHtml(p.name)}${hidden ? ' <span style="color:#B392F0;font-size:9px;font-weight:700;">versteckt</span>' : ''}</div>
+              <div style="color:#8888AA;font-size:10px;">${subline}</div>
+            </div>
+          </div>
+          <span onclick="event.stopPropagation();setStripProjectHidden('${p.id}',${!hidden})" title="${eyeTitle}" style="cursor:pointer;font-size:14px;padding:2px 4px;user-select:none;">${eye}</span>
+        </div>`;
+      };
       const cards = [];
       // Hauptchat
       const mainDot = dotFor('__main__');
       cards.push(chip('', '💬 Hauptchat', focusedContextId === '', mainDot.color, mainDot.label || 'idle'));
-      // Projekte — nur active/ended, sortiert nach letzter Aktivitaet
+      // Projekte — nur active/ended, sortiert nach letzter Aktivitaet.
+      // Versteckte standardmaessig raus; per Toggle-Chip einblendbar.
+      let hiddenCount = 0;
       for (const p of diagProjectsCache) {
         if (p.status === 'archived') continue;
+        if (p.hidden) {
+          hiddenCount++;
+          if (!diagShowHiddenStrip) continue;
+        }
         const d = dotFor(p.id);
         const sub = d.label || `${p.turn_count} Turns`;
-        cards.push(chip(p.id, `📁 ${p.name}`, focusedContextId === p.id, d.color, sub));
+        cards.push(projChip(p, focusedContextId === p.id, d.color, sub));
+      }
+      // Toggle-Chip am Ende (nur wenn es versteckte gibt oder gerade gezeigt werden)
+      if (hiddenCount > 0 || diagShowHiddenStrip) {
+        const tLabel = diagShowHiddenStrip
+          ? `🙈 versteckte ausblenden (${hiddenCount})`
+          : `👁 versteckte anzeigen (${hiddenCount})`;
+        cards.push(`<div onclick="toggleDiagHiddenStrip()" title="Versteckte Projekte ein-/ausblenden" style="cursor:pointer;flex:0 0 auto;padding:6px 10px;background:#0D0D18;border:1px dashed #3A3A50;border-radius:6px;display:flex;align-items:center;color:#B392F0;font-size:11px;font-weight:600;white-space:nowrap;">${tLabel}</div>`);
       }
       strip.innerHTML = cards.join('');
     }
 
+    function toggleDiagHiddenStrip() {
+      diagShowHiddenStrip = !diagShowHiddenStrip;
+      renderContextStrip();
+    }
+
+    async function setStripProjectHidden(id, hidden) {
+      try {
+        const r = await fetch(`/api/brain/projects/${encodeURIComponent(id)}`, {
+          method: 'PATCH',
+          headers: { 'Content-Type': 'application/json' },
+          body: JSON.stringify({ hidden: !!hidden }),
+        });
+        if (!r.ok) throw new Error('HTTP ' + r.status);
+        // Wenn wir das gerade fokussierte Projekt verstecken (und Versteckte nicht
+        // eingeblendet sind), zurueck auf Hauptchat — sonst haengt der Focus an
+        // einem unsichtbaren Chip.
+        if (hidden && id === focusedContextId && !diagShowHiddenStrip) {
+          switchDiagFocus('');
+        }
+        // Lokal sofort aktualisieren (der /api/brain-Proxy broadcastet zusaetzlich
+        // project_changed an App + andere Tabs).
+        await refreshDiagProjectsCache();
+      } catch (e) {
+        alert('Verstecken/Anzeigen fehlgeschlagen: ' + e.message);
+      }
+    }
+
     async function refreshDiagQueueStatus() {
       try {
         const r = await fetch('/api/brain/projects/queue-status');
@@ -1550,8 +1659,8 @@
         try { loadBrainStatus(); } catch {}
         // Sprachmodell-Dropdown befuellen (kuratierte Tier-Liste vom Proxy)
         try { loadModelList(); } catch {}
-        // Lokales-LLM-Schalter aus /shared/config/local_llm.json laden
-        try { loadLocalLlmConfig(); } catch {}
+        // Lokales-LLM: erst Modell-Liste (Dropdown), dann Config (Auswahl setzen)
+        try { loadLocalModelList().then(() => loadLocalLlmConfig()); } catch {}
       };
 
       // Brain-Status periodisch refreshen damit die Card live bleibt
@@ -1726,8 +1835,10 @@
         }
 
         if (msg.type === 'project_changed') {
-          // ARIA hat in einem Tool-Call ein Projekt erstellt/betreten/verlassen/beendet.
-          // Liste neu laden falls sichtbar.
+          // Projekt geaendert (ARIA-Tool, App/Diagnostic-Verstecken, …) →
+          // BEIDE Projekt-UIs live aktualisieren: den Kontext-Streifen (Main)
+          // und die vertikale Liste (Einstellungen).
+          refreshDiagProjectsCache();
           loadProjects();
           return;
         }
@@ -1870,6 +1981,7 @@
             ttsText: p.ttsText,
             backupTs: p.backupTs,
             projectId: p.projectId || '',
+            answeredBy: p.answeredBy || '',
           });
           return;
         }
@@ -1971,7 +2083,8 @@
                 const trashBtn = m.ts
                   ? `<button class="bubble-trash" title="Diese Bubble loeschen" onclick="deleteDiagBubble(${m.ts})">🗑</button>`
                   : '';
-                const innerHtml = `${trashBtn}${linked}<div class="meta">${escapeHtml(m.meta)} — ${time}</div>`;
+                const histBadge = srcBadgeHtml(m.type, m.answeredBy || '');
+                const innerHtml = `${trashBtn}${linked}<div class="meta">${escapeHtml(m.meta)}${histBadge} — ${time}</div>`;
                 for (const b of boxes) {
                   const el = document.createElement('div');
                   el.className = `chat-msg ${m.type}`;
@@ -2302,6 +2415,18 @@
       return t.trim();
     }
 
+    // Quell-Badge (local/claude/fast-path) fuer ARIA-Bubbles — in Live + History genutzt.
+    function srcBadgeHtml(type, answeredBy) {
+      if (type !== 'received' || !answeredBy) return '';
+      const M = {
+        'local':     { t: '⚡ lokal',     c: '#34C759' },
+        'claude':    { t: 'Claude',       c: '#0096FF' },
+        'fast-path': { t: '⚡ Fast-Path', c: '#AF7BFF' },
+      };
+      const b = M[answeredBy] || { t: answeredBy, c: '#8888AA' };
+      return `<span title="Antwort erzeugt von: ${escapeHtml(answeredBy)}" style="display:inline-block;margin-left:6px;padding:1px 6px;border-radius:8px;font-size:9px;font-weight:bold;background:${b.c}22;color:${b.c};border:1px solid ${b.c}55;">${b.t}</span>`;
+    }
+
     function addChat(type, text, meta, options) {
       // [FILE: /shared/uploads/aria_xxx.ext]-Marker aus dem Antworttext entfernen —
       // die Datei kommt separat via file_from_aria-Event als eigene Bubble.
@@ -2336,7 +2461,9 @@
       const trashBtn = backupTs
         ? `<button class="bubble-trash" title="Diese Bubble loeschen" onclick="deleteDiagBubble(${backupTs})">🗑</button>`
         : '';
-      const html = `${trashBtn}${linked}${ttsBlock}${gpsBlock}<div class="meta">${escapeHtml(meta)} — ${new Date().toLocaleTimeString('de-DE')}</div>`;
+      // Quell-Badge: welcher Backend die Antwort erzeugt hat (nur ARIA-Bubbles)
+      const srcBadge = srcBadgeHtml(type, (options && options.answeredBy) || '');
+      const html = `${trashBtn}${linked}${ttsBlock}${gpsBlock}<div class="meta">${escapeHtml(meta)}${srcBadge} — ${new Date().toLocaleTimeString('de-DE')}</div>`;
 
       // Thinking-Indikator ausblenden bei neuer Nachricht
       updateThinkingIndicator({ activity: 'idle' });
@@ -2589,7 +2716,7 @@
       // Liste neu aufbauen
       list.innerHTML = '';
       let anyLoading = false, anyError = false;
-      const labels = { f5tts: 'F5-TTS', whisper: 'Whisper STT', flux: 'FLUX Image-Gen' };
+      const labels = { f5tts: 'F5-TTS', whisper: 'Whisper STT', flux: 'FLUX Image-Gen', llm: 'Lokales LLM' };
       for (const [s, info] of Object.entries(_serviceState)) {
         const row = document.createElement('div');
         row.style.cssText = 'display:flex;align-items:center;gap:6px;';
@@ -2938,16 +3065,28 @@
             <div style="color:${!activeId ? '#34C759' : '#E0E0F0'};font-weight:600;">💬 Hauptchat ${!activeId ? '<span style="font-size:10px;font-weight:800;">✓ AKTIV</span>' : ''}</div>
             <div style="color:#555570;font-size:11px;margin-top:2px;">Standard-Verlauf, keine Projekt-Zuordnung</div>
           </div>`);
+        const showHidden = !!window.__showHidden;
+        let hiddenCount = 0, shownCount = 0;
         for (const p of projects) {
+          const hidden = !!p.hidden;
+          if (hidden) hiddenCount++;
+          // Versteckte nur zeigen wenn der Toggle an ist.
+          if (hidden && !showHidden) continue;
+          shownCount++;
           const isActive = p.id === activeId;
           const since = p.last_activity_at ? new Date(p.last_activity_at * 1000).toLocaleString('de-DE') : '?';
           const ended = p.status === 'ended';
+          // Auge: versteckt → 👁 (wieder sichtbar machen), sichtbar → 🙈 (verstecken).
+          const eyeIcon = hidden ? '👁' : '🙈';
+          const eyeTitle = hidden ? 'Wieder dauerhaft sichtbar machen' : 'Verstecken (aus Listen ausblenden)';
+          const eyeColor = hidden ? '#B392F0' : '#8888AA';
           rows.push(`
-            <div style="padding:12px 14px;border-bottom:1px solid #1E1E2E;${isActive ? 'background:rgba(52,199,89,0.08);border-left:3px solid #34C759;' : ''}">
+            <div style="padding:12px 14px;border-bottom:1px solid #1E1E2E;${isActive ? 'background:rgba(52,199,89,0.08);border-left:3px solid #34C759;' : ''}${hidden ? 'opacity:0.55;' : ''}">
               <div style="display:flex;justify-content:space-between;align-items:flex-start;gap:8px;">
                 <div onclick="switchProject('${p.id}')" style="cursor:pointer;flex:1;">
                   <div style="color:${isActive ? '#34C759' : '#E0E0F0'};font-weight:600;">
-                    📁 ${escapeHtml(p.name)}
+                    ${hidden ? '🙈' : '📁'} ${escapeHtml(p.name)}
+                    ${hidden ? '<span style="color:#B392F0;font-size:10px;font-weight:700;margin-left:6px;background:rgba(179,146,240,0.15);padding:2px 6px;border-radius:3px;">versteckt</span>' : ''}
                     ${ended ? '<span style="color:#FFD60A;font-size:10px;font-weight:700;margin-left:6px;background:rgba(255,214,10,0.15);padding:2px 6px;border-radius:3px;">beendet</span>' : ''}
                     ${isActive ? '<span style="color:#34C759;font-size:10px;font-weight:800;margin-left:6px;">✓ AKTIV</span>' : ''}
                   </div>
@@ -2955,6 +3094,7 @@
                   <div style="color:#555570;font-size:11px;margin-top:4px;">${p.turn_count} Turns · zuletzt ${since}</div>
                 </div>
                 <div style="display:flex;gap:4px;">
+                  <button class="btn secondary" onclick="setProjectHidden('${p.id}', ${!hidden})" style="padding:3px 8px;font-size:10px;color:${eyeColor};" title="${eyeTitle}">${eyeIcon}</button>
                   ${!ended ? `<button class="btn secondary" onclick="endProject('${p.id}', '${escapeHtmlAttr(p.name)}')" style="padding:3px 8px;font-size:10px;" title="Projekt beenden">⏹</button>` : ''}
                   <button class="btn secondary" onclick="archiveProject('${p.id}', '${escapeHtmlAttr(p.name)}')" style="padding:3px 8px;font-size:10px;color:#E55C5C;" title="Archivieren">🗑</button>
                 </div>
@@ -2963,13 +3103,43 @@
         }
         if (projects.length === 0) {
           rows.push('<div style="padding:18px;color:#555570;font-size:12px;text-align:center;">Noch keine Projekte. „+ Neues Projekt" oder sag ARIA „lass uns ein Projekt anlegen".</div>');
+        } else if (shownCount === 0) {
+          rows.push(`<div style="padding:18px;color:#555570;font-size:12px;text-align:center;">Alle ${hiddenCount} Projekte sind versteckt. Klick „👁 Versteckte anzeigen".</div>`);
         }
         listEl.innerHTML = rows.join('');
+
+        // Toggle-Button beschriften (mit Anzahl) + Zustand spiegeln.
+        const thBtn = document.getElementById('toggle-hidden-btn');
+        if (thBtn) {
+          thBtn.textContent = showHidden
+            ? `🙈 Versteckte ausblenden${hiddenCount ? ' ('+hiddenCount+')' : ''}`
+            : `👁 Versteckte anzeigen${hiddenCount ? ' ('+hiddenCount+')' : ''}`;
+          thBtn.style.opacity = hiddenCount ? '1' : '0.5';
+        }
       } catch (e) {
         listEl.innerHTML = `<div style="padding:14px;color:#FF6E6E;font-size:12px;">Fehler: ${e.message}</div>`;
       }
     }
 
+    function toggleShowHidden() {
+      window.__showHidden = !window.__showHidden;
+      loadProjects();
+    }
+
+    async function setProjectHidden(id, hidden) {
+      try {
+        const r = await fetch(`/api/brain/projects/${encodeURIComponent(id)}`, {
+          method: 'PATCH',
+          headers: { 'Content-Type': 'application/json' },
+          body: JSON.stringify({ hidden: !!hidden }),
+        });
+        if (!r.ok) throw new Error('HTTP ' + r.status);
+        // Beim Verstecken bleibt der „anzeigen"-Modus wie er ist; beim
+        // Wieder-Sichtbarmachen sieht man es sofort ohne Umschalten.
+        loadProjects();
+      } catch (e) { alert('Verstecken/Anzeigen fehlgeschlagen: ' + e.message); }
+    }
+
     async function switchProject(projectId) {
       try {
         await fetch('/api/brain/projects/switch', {
@@ -5845,6 +6015,29 @@
       setCell('metrics-h24', d.h24);
       setCell('metrics-d30', d.d30);
 
+      // Lokales LLM & Claude-Ersparnis — pro Fenster: wie viele Claude-Calls
+      // durch local/fast-path vermieden wurden + lokale Token-Last.
+      const savingsGrid = document.getElementById('savings-grid');
+      if (savingsGrid) {
+        const wins = [['letzte 1h', d.h1], ['letzte 5h', d.h5],
+                      ['letzte 24h', d.h24], ['letzte 30 Tage', d.d30]];
+        const z = { calls: 0, tokens_in: 0, tokens_out: 0 };
+        savingsGrid.innerHTML = wins.map(([label, w]) => {
+          const bs = (w && w.by_source) || {};
+          const loc = bs.local || z;
+          const fp = bs['fast-path'] || z;
+          const saved = (loc.calls || 0) + (fp.calls || 0);
+          const locTok = (loc.tokens_in || 0) + (loc.tokens_out || 0);
+          const color = saved > 0 ? '#3FB950' : '#555570';
+          return `<div class="metric-cell">
+            <div class="metric-label">${label}</div>
+            <div class="metric-value" style="color:${color};">${saved} Claude-Calls gespart</div>
+            <div class="metric-sub">lokal ${loc.calls || 0} · fast-path ${fp.calls || 0}</div>
+            <div class="metric-sub">${fmtTokens(locTok)} lokale Tokens (eigene HW)</div>
+          </div>`;
+        }).join('');
+      }
+
       // 5h-Fenster gegen Plan-Limit: Warn-Klassen
       const plan = getActivePlanLimit();
       const limit = plan.h5;
@@ -5887,6 +6080,15 @@
 
     // Vor-definierte Info-Blocks
     const INFO_TEXTS = {
+      'local-savings': {
+        title: 'Lokales LLM & Claude-Ersparnis',
+        html: `
+          <p>Jeder Turn, den das <strong>lokale LLM</strong> oder ein <strong>Fast-Path</strong> (reiner Skill, ganz ohne LLM) beantwortet, ist ein Claude-Call, der <strong>nicht</strong> gegen dein Subscription-Quota laeuft.</p>
+          <p><strong>„Claude-Calls gespart"</strong> = Anzahl der local- + fast-path-Antworten im Zeitfenster. Konservativ gezaehlt: 1 Antwort = mindestens 1 gesparter Claude-Call (bei Tool-Use waeren es real oft mehr).</p>
+          <p><strong>„lokale Tokens"</strong> = Prompt+Antwort-Tokens, die auf deiner eigenen Gamebox-GPU verarbeitet wurden (echte <code>usage</code>-Zahlen vom Modell, sonst chars/4-Schaetzung). Die kosten dich nichts ausser Strom.</p>
+          <p>Fast-Path-Antworten (z.B. „nächstes Lied") haben ~0 Tokens — reiner Skill-Aufruf, kein Modell.</p>
+        `,
+      },
       'local-llm': {
         title: 'Lokales LLM — schnelle Antworten',
         html: `
@@ -6205,18 +6407,41 @@
       const el = document.getElementById('local-llm-status');
       if (!el) return;
       if (!c || !c.enabled) {
-        el.textContent = 'Aus — alle Anfragen laufen ueber Claude.';
-        el.style.color = '#6a6a88';
+        el.textContent = '⚪ Status: AUS — alle Fragen laufen ueber Claude (wie bisher).';
+        el.style.color = '#8888AA';
         return;
       }
       if (c.localOnly) {
-        el.textContent = 'NUR lokal — kein Claude-Fallback (Testmodus). Werkzeug-Turns funktionieren hier nicht.';
+        el.textContent = '🟡 Status: TESTMODUS — nur lokal, Claude ausgesperrt. Werkzeug-Fragen funktionieren nicht.';
         el.style.color = '#FFD60A';
       } else {
-        el.textContent = 'Aktiv — einfache Turns lokal (<1s), Rest → Claude.';
+        el.textContent = '🟢 Status: AKTIV — leichte Fragen lokal (<1s), schwere automatisch an Claude.';
         el.style.color = '#4ADE80';
       }
     }
+    let _localModelsCache = [];
+    let _currentLocalModel = 'qwen3-8b';
+    function updateLocalModelDesc() {
+      const el = document.getElementById('local-llm-model-desc');
+      const sel = document.getElementById('local-llm-model');
+      if (!el || !sel) return;
+      const m = _localModelsCache.find(x => x.id === sel.value);
+      el.textContent = m && m.description ? m.description : '';
+    }
+    async function loadLocalModelList() {
+      try {
+        const r = await fetch('/api/local-models-list');
+        const j = await r.json();
+        _localModelsCache = (j && j.models) || [];
+      } catch (e) { _localModelsCache = []; }
+      const sel = document.getElementById('local-llm-model');
+      if (sel) {
+        sel.innerHTML = _localModelsCache.map(m =>
+          `<option value="${m.id}">${m.display_name || m.id}</option>`).join('') || '<option value="">(keine)</option>';
+        if (_localModelsCache.some(m => m.id === _currentLocalModel)) sel.value = _currentLocalModel;
+        updateLocalModelDesc();
+      }
+    }
     async function loadLocalLlmConfig() {
       try {
         const r = await fetch('/api/local-llm-config');
@@ -6227,15 +6452,24 @@
         if (en) en.checked = !!c.enabled;
         if (ol) ol.checked = !!c.localOnly;
         if (tv) tv.value = (c.toolVariant === 'full') ? 'full' : 'slim';
+        _currentLocalModel = c.localLlmModel || 'qwen3-8b';
+        const sel = document.getElementById('local-llm-model');
+        if (sel && _localModelsCache.some(m => m.id === _currentLocalModel)) {
+          sel.value = _currentLocalModel;
+          updateLocalModelDesc();
+        }
         setLocalLlmStatus(c);
       } catch (e) { /* still */ }
     }
     async function saveLocalLlmConfig() {
+      const modelSel = document.getElementById('local-llm-model');
       const body = {
         enabled: document.getElementById('local-llm-enabled').checked,
         localOnly: document.getElementById('local-llm-onlylocal').checked,
         toolVariant: document.getElementById('local-llm-toolvariant').value,
+        localLlmModel: (modelSel && modelSel.value) || '',
       };
+      updateLocalModelDesc();
       try {
         const r = await fetch('/api/local-llm-config', {
           method: 'POST', headers: { 'Content-Type': 'application/json' },

diagnostic/server.js

@@ -309,9 +309,10 @@ function readLocalLlmConfig() {
       enabled: !!p.enabled,
       localOnly: !!p.localOnly,
       toolVariant: p.toolVariant === "full" ? "full" : "slim",
+      localLlmModel: (typeof p.localLlmModel === "string" && p.localLlmModel) ? p.localLlmModel : "qwen3-8b",
     };
   } catch {
-    return { enabled: false, localOnly: false, toolVariant: "slim" };
+    return { enabled: false, localOnly: false, toolVariant: "slim", localLlmModel: "qwen3-8b" };
   }
 }
 function writeLocalLlmConfig(patch) {
@@ -319,6 +320,7 @@ function writeLocalLlmConfig(patch) {
   if (typeof patch.enabled === "boolean") cur.enabled = patch.enabled;
   if (typeof patch.localOnly === "boolean") cur.localOnly = patch.localOnly;
   if (patch.toolVariant === "slim" || patch.toolVariant === "full") cur.toolVariant = patch.toolVariant;
+  if (typeof patch.localLlmModel === "string" && patch.localLlmModel.trim()) cur.localLlmModel = patch.localLlmModel.trim();
   fs.mkdirSync("/shared/config", { recursive: true });
   const tmp = LOCAL_LLM_CONFIG_FILE + ".tmp";
   fs.writeFileSync(tmp, JSON.stringify(cur, null, 2));
@@ -326,6 +328,27 @@ function writeLocalLlmConfig(patch) {
   return cur;
 }
 
+// ── Lokale Modell-Liste (Diagnostic-Dropdown) ────────────────
+// /shared/config/local_models.json — kuratierte Liste; muss zu den KEYS in
+// xtts/llama-swap/config.yaml passen. Wird bei Bedarf mit Defaults seeded.
+const LOCAL_MODELS_FILE = "/shared/config/local_models.json";
+const DEFAULT_LOCAL_MODELS = [
+  { id: "qwen3-8b", display_name: "Qwen3 8B (Standard)", description: "Bestes Tool-Calling, ~6 GB. Passt auf 12 GB." },
+  { id: "qwen3-4b", display_name: "Qwen3 4B (schneller)", description: "Kleiner + flotter, ~3 GB. Etwas schwaecher." },
+];
+function loadLocalModels() {
+  try {
+    const arr = JSON.parse(fs.readFileSync(LOCAL_MODELS_FILE, "utf-8"));
+    if (Array.isArray(arr) && arr.length && arr.every(m => m && typeof m.id === "string")) return arr;
+  } catch {}
+  // Seed defaults
+  try {
+    fs.mkdirSync("/shared/config", { recursive: true });
+    fs.writeFileSync(LOCAL_MODELS_FILE, JSON.stringify(DEFAULT_LOCAL_MODELS, null, 2));
+  } catch {}
+  return DEFAULT_LOCAL_MODELS;
+}
+
 // ── File-Project-Manifest ───────────────────────────────────────────
 // Jeder Eintrag map[absoluter_pfad] = project_id (leer = Hauptchat).
 // Wird vom files-list-Endpoint + files-set-project gepflegt.
@@ -875,6 +898,11 @@ function connectRVS(forcePlain) {
         // Mode-Broadcast von der Bridge → an Browser-Clients weiterreichen
         log("info", "rvs", `Mode-Broadcast: ${msg.payload?.mode} (${msg.payload?.name})`);
         broadcast({ type: "mode", payload: msg.payload });
+      } else if (msg.type === "project_changed") {
+        // Ein Projekt wurde geaendert (ARIA-Tool, App-Verstecken, …) → an die
+        // Browser-Tabs weiterreichen, damit die Projektliste live neu laedt
+        // (bisher wurde das NICHT geforwardet → Diagnostic aktualisierte nie).
+        broadcast({ type: "project_changed", payload: msg.payload || {} });
       } else if (msg.type === "agent_activity") {
         // Bridge meldet "ARIA denkt/schreibt/tool" oder "idle" — an Browser
         // weiterreichen, damit der Thinking-Indikator im Chat erscheint.
@@ -1574,7 +1602,16 @@ const htmlPath = path.join(__dirname, "index.html");
 
 const server = http.createServer((req, res) => {
   if (req.url === "/" || req.url === "/index.html") {
-    res.writeHead(200, { "Content-Type": "text/html; charset=utf-8" });
+    // no-store: das Dashboard ist eine Single-HTML-App die bei jedem Deploy
+    // neue Inline-JS/CSS bekommt. Ohne Cache-Header servierte der Browser die
+    // alte Version trotz Reload (neue Features tauchten erst nach Hard-Reload
+    // auf) — genau das Symptom „ich seh den Button nicht".
+    res.writeHead(200, {
+      "Content-Type": "text/html; charset=utf-8",
+      "Cache-Control": "no-store, no-cache, must-revalidate",
+      "Pragma": "no-cache",
+      "Expires": "0",
+    });
     res.end(fs.readFileSync(htmlPath, "utf-8"));
   } else if (req.url === "/api/state") {
     res.writeHead(200, { "Content-Type": "application/json" });
@@ -1602,6 +1639,9 @@ const server = http.createServer((req, res) => {
       }
     });
     return;
+  } else if (req.url === "/api/local-models-list" && req.method === "GET") {
+    res.writeHead(200, { "Content-Type": "application/json" });
+    res.end(JSON.stringify({ ok: true, models: loadLocalModels() }));
   } else if (req.url === "/api/local-llm-config" && req.method === "GET") {
     res.writeHead(200, { "Content-Type": "application/json" });
     res.end(JSON.stringify(readLocalLlmConfig()));
@@ -2142,6 +2182,13 @@ const server = http.createServer((req, res) => {
     // mehr als eine Minute.
     const isUpload = /\/attachments(\/upload)?$/.test(targetPath);
     const timeout = isUpload ? 120000 : 60000;
+    // Projekt-Mutationen (create/switch/end/archive/patch inkl. hidden) sollen
+    // alle Clients live aktualisieren. Wir broadcasten nach Erfolg ein
+    // project_changed an RVS — App + andere Diagnostic-Tabs laden dann neu,
+    // ohne Seiten-Refresh (spiegelt das bestehende ARIA-project_changed-Event).
+    const isProjectMutation =
+      /^\/projects\b/.test(targetPath) &&
+      (req.method === "POST" || req.method === "PATCH" || req.method === "DELETE");
     const proxyReq = http.request({
       host: "aria-brain",
       port: 8080,
@@ -2152,6 +2199,17 @@ const server = http.createServer((req, res) => {
     }, (proxyRes) => {
       res.writeHead(proxyRes.statusCode, proxyRes.headers);
       proxyRes.pipe(res);
+      if (isProjectMutation && proxyRes.statusCode >= 200 && proxyRes.statusCode < 300) {
+        try {
+          // An App + Bridge (RVS echot NICHT an den Sender) …
+          sendToRVS_raw({ type: "project_changed",
+                          payload: { reason: "diagnostic" },
+                          timestamp: Date.now() });
+          // … und an die eigenen Browser-Tabs (die haengen am Diag-Server, nicht
+          // direkt am RVS, kriegen den RVS-Broadcast also nicht).
+          broadcast({ type: "project_changed", payload: { reason: "diagnostic" } });
+        } catch (_) {}
+      }
     });
     proxyReq.on("error", (err) => {
       res.writeHead(503, { "Content-Type": "application/json" });
@@ -2816,6 +2874,7 @@ async function handleLoadChatHistory(clientWs) {
       const ts = obj.ts || 0;
       const text = String(obj.text || "");
       const projectId = String(obj.project_id || "");  // Multi-Threading: Kontext-Zuordnung
+      const answeredBy = String(obj.answeredBy || "");  // Quell-Badge (local/claude/fast-path)
       if (obj.role === "user") {
         if (text) messages.push({ type: "sent", text, meta: "Gateway direkt", ts, projectId });
         continue;
@@ -2842,7 +2901,7 @@ async function handleLoadChatHistory(clientWs) {
           projectId,
         });
       }
-      if (text) messages.push({ type: "received", text, meta: "chat:final", ts, projectId });
+      if (text) messages.push({ type: "received", text, meta: "chat:final", ts, projectId, answeredBy });
     }
 
     clientWs.send(JSON.stringify({ type: "chat_history", messages }));

docker-compose.yml

@@ -53,6 +53,21 @@ services:
     networks:
       - aria-net
 
+  # ─── SearXNG (self-hosted Meta-Suche) ────────────────────
+  # Backend fuer das web_search-Tool (B1b). Aggregiert Google/Bing/Brave/… ohne
+  # API-Key, laeuft nur intern auf aria-net. Config: aria-data/searxng/settings.yml
+  # (JSON-Format aktiviert, Rate-Limiter aus fuer den Brain-Zugriff).
+  searxng:
+    image: searxng/searxng:latest
+    container_name: aria-searxng
+    volumes:
+      - ./aria-data/searxng:/etc/searxng
+    environment:
+      - SEARXNG_BASE_URL=http://searxng:8080/
+    restart: unless-stopped
+    networks:
+      - aria-net
+
   # ─── ARIA Brain (Agent + Memory) ─────────────────────────
   # Loest das alte aria-core (OpenClaw) ab. Vector-DB-basiertes
   # Memory, eigener Agent-Loop, SSH zur aria-wohnung-VM.
@@ -86,6 +101,8 @@ services:
       - RVS_HOST=${RVS_HOST:-}
       - RVS_PORT_PUBLIC=${RVS_PORT_PUBLIC:-${RVS_PORT:-443}}
       - RVS_TLS=${RVS_TLS:-true}
+      # SearXNG (self-hosted Meta-Suche) fuer das web_search-Tool (B1b).
+      - SEARXNG_URL=${SEARXNG_URL:-http://searxng:8080}
     volumes:
       - ./aria-data/brain/data:/data                # Memory-Cache + Skills + Models (bind-mount fuer Export)
       - ./aria-data/brain-import:/import:ro         # Quell-MDs fuer den initialen Memory-Import (read-only)

xtts/docker-compose.yml

@@ -90,22 +90,19 @@ services:
                                                  # 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.
+  # ─── Lokales LLM (Plan B, B0.5) — llama-swap (GPU) ────────────
+  # llama-swap laedt/swappt mehrere Modelle on-demand (nur eins passt gleich-
+  # zeitig in die 12 GB). Welches geladen wird, bestimmt das `model`-Feld im
+  # Request — das Brain schickt es aus local_llm.json mit. Erster Load eines
+  # Modells zieht das GGUF via -hf von HF (Cache unter /models, persistent).
+  # OpenAI-kompatibel auf :8080, nur im Compose-Netz; die Bruecke macht der
+  # llm-adapter. Modell-Liste: ./llama-swap/config.yaml.
   #
-  # AUTO-DOWNLOAD: llama.cpp zieht das GGUF beim ersten Start selbst von
-  # Hugging Face (-hf <repo>:<quant>) und cached es unter /models (persistent
-  # via Bind-Mount -> kein Re-Download bei Restart). Kein manuelles Ablegen
-  # noetig. Modell wechseln = LLM_HF_REPO/LLM_HF_QUANT in der .env aendern +
-  # Container neu. (Alternativ lokale Datei: command auf -m /models/x.gguf.)
-  #
-  # 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 Quant auf Q4_K_S/IQ4_XS wechseln.
-  llama:
-    image: ghcr.io/ggml-org/llama.cpp:server-cuda
-    container_name: aria-llama
+  # BLIND GEBAUT (kein Gamebox-Test hier): beim ersten Start
+  # `docker logs -f aria-llama-swap` pruefen. Image bundelt llama-server.
+  llama-swap:
+    image: ghcr.io/mostlygeek/llama-swap:unified-cuda
+    container_name: aria-llama-swap
     deploy:
       resources:
         reservations:
@@ -114,13 +111,11 @@ services:
               count: 1
               capabilities: [gpu]
     volumes:
-      - ./models:/models                         # HF-Download-Cache (persistent)
+      - ./models:/models                                   # HF-Download-Cache (persistent)
+      - ./llama-swap/config.yaml:/app/config.yaml:ro       # Modell-Liste
     environment:
-      - LLAMA_CACHE=/models                       # llama.cpp legt -hf-Downloads hier ab
-    command: >
-      -hf ${LLM_HF_REPO:-Qwen/Qwen3-8B-GGUF}:${LLM_HF_QUANT:-Q4_K_M}
-      --host 0.0.0.0 --port 8081
-      -ngl 99 -c ${LLM_CTX:-8192} --jinja
+      - LLAMA_CACHE=/models                                # llama-server legt -hf-Downloads hier ab
+    command: ["--config", "/app/config.yaml", "--listen", "0.0.0.0:8080"]
     restart: unless-stopped
 
   # ─── Local-LLM-Adapter — RVS <-> llama.cpp (Plan B, B0) ──────
@@ -130,14 +125,15 @@ services:
     build: ./llm-adapter
     container_name: aria-llm-adapter
     depends_on:
-      - llama
+      - llama-swap
     environment:
       - RVS_HOST=${RVS_HOST}
       - RVS_PORT=${RVS_PORT:-443}
       - RVS_TLS=${RVS_TLS:-true}
       - RVS_TLS_FALLBACK=${RVS_TLS_FALLBACK:-true}
       - RVS_TOKEN=${RVS_TOKEN}
-      - LLAMA_URL=http://llama:8081
+      - LLAMA_URL=http://llama-swap:8080
       - LLM_MODEL=${LLM_MODEL:-qwen3-8b}
-      - LLM_TIMEOUT_SEC=${LLM_TIMEOUT_SEC:-60}
+      # Erster Load eines Modells kann ein GGUF ziehen (mehrere GB) — grosszuegig.
+      - LLM_TIMEOUT_SEC=${LLM_TIMEOUT_SEC:-600}
     restart: unless-stopped

xtts/llama-swap/config.yaml

@@ -0,0 +1,42 @@
+# llama-swap Modell-Liste fuer ARIA (Plan B, B0.5).
+# Welches Modell geladen wird, bestimmt das `model`-Feld im Request (das Brain
+# schickt es aus /shared/config/local_llm.json mit). llama-swap laedt es
+# on-demand, swappt bei Bedarf (nur eins passt gleichzeitig in die 12 GB).
+# Erster Load zieht das GGUF via -hf von Hugging Face (Cache unter /models).
+#
+# Die Modell-KEYS hier muessen zu local_models.json (Diagnostic-Dropdown) passen.
+#
+# healthCheckTimeout: Sekunden, die llama-swap auf "Modell bereit" wartet.
+# GROSSZUEGIG, weil der erste Load ein GGUF (mehrere GB) herunterlaedt. Wenn der
+# erste Download laenger dauert und abbricht: hier hochsetzen.
+healthCheckTimeout: 1800
+
+models:
+  # Standard — Qwen3 8B (~6 GB Q4). Bestes Tool-Calling, passt auf 12 GB.
+  "qwen3-8b":
+    cmd: |
+      llama-server --port ${PORT} --host 127.0.0.1
+      -hf Qwen/Qwen3-8B-GGUF:Q4_K_M
+      -ngl 99 -c 8192 --jinja
+    ttl: 3600   # nach 1h Idle entladen (VRAM freigeben)
+
+  # Kleiner + schneller — Qwen3 4B (~3 GB). Fuer noch flottere Antworten,
+  # etwas schwaecher. Guter A/B-Vergleich gegen 8B.
+  "qwen3-4b":
+    cmd: |
+      llama-server --port ${PORT} --host 127.0.0.1
+      -hf Qwen/Qwen3-4B-GGUF:Q4_K_M
+      -ngl 99 -c 8192 --jinja
+    ttl: 3600
+
+  # ── Vorlagen fuer spaeter (auskommentiert; brauchen mehr VRAM / 2. Karte) ──
+  # "qwen3-14b":
+  #   cmd: |
+  #     llama-server --port ${PORT} --host 127.0.0.1
+  #     -hf Qwen/Qwen3-14B-GGUF:Q4_K_M -ngl 99 -c 8192 --jinja
+  #   ttl: 3600
+  # "mistral-small-3":
+  #   cmd: |
+  #     llama-server --port ${PORT} --host 127.0.0.1
+  #     -hf <mistral-small-3-gguf-repo>:Q4_K_M -ngl 99 -c 8192 --jinja
+  #   ttl: 3600

xtts/llm-adapter/adapter.py

@@ -69,11 +69,16 @@ async def _send(ws, mtype: str, payload: dict) -> None:
 
 
 async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
-                      stop) -> dict:
-    """Ruft llama.cpp /v1/chat/completions (OpenAI-Format). Gibt
-    {ok, content, error} zurueck — wirft nie."""
+                      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.
+
+    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,
@@ -81,6 +86,9 @@ async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
     }
     if stop:
         body["stop"] = stop
+    if tools:
+        body["tools"] = tools
+        body["tool_choice"] = "auto"
     if LLM_DISABLE_THINKING:
         # llama.cpp (--jinja) reicht chat_template_kwargs an die Chat-Vorlage
         # weiter. Qwen3 unterdrueckt damit den <think>-Block.
@@ -90,14 +98,34 @@ async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
             r = await client.post(f"{LLAMA_URL}/v1/chat/completions", json=body)
             r.raise_for_status()
             data = r.json()
-        content = (data.get("choices") or [{}])[0].get("message", {}).get("content", "")
-        return {"ok": True, "content": content or "", "usage": data.get("usage")}
+        msg = (data.get("choices") or [{}])[0].get("message", {}) or {}
+        return {
+            "ok": True,
+            "content": msg.get("content") or "",
+            "tool_calls": msg.get("tool_calls") or None,
+            "usage": data.get("usage"),
+        }
     except Exception as e:
         logger.warning("llama.cpp-Call fehlgeschlagen: %s", e)
         return {"ok": False, "content": "", "error": str(e)[:300]}
 
 
+# B0.5-2: Lade-Status ans Diagnostic (service_status, service="llm"). Wir kennen
+# den Download-Fortschritt nicht (llama-swap gibt ihn nicht her), aber wir melden
+# den Zustand bei Modellwechsel: loading -> ready/error. _last_model = aktuell
+# geladenes; _ready_models = in dieser Session schon einmal bereit gewesene
+# (fuer den "frisch geladen"-Hinweis 🎉 bei langem Erst-Load).
+_last_model = None
+_ready_models: set = set()
+
+
+async def _emit_llm_status(ws, state: str, model: str, **extra) -> None:
+    await _send(ws, "service_status",
+                {"service": "llm", "state": state, "model": model, **extra})
+
+
 async def _handle_llm_request(ws, payload: dict) -> None:
+    global _last_model
     req_id = payload.get("requestId", "")
     messages = payload.get("messages") or []
     if not isinstance(messages, list) or not messages:
@@ -108,19 +136,43 @@ async def _handle_llm_request(ws, payload: dict) -> None:
     max_tokens = int(payload.get("max_tokens", 512) or 512)
     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
+    eff_model = model or LLM_MODEL
+
+    # Modellwechsel (oder erster Request) → llama-swap laedt/swappt: Status melden.
+    switching = eff_model != _last_model
+    if switching:
+        await _emit_llm_status(ws, "loading", eff_model)
+
     t0 = time.time()
     res = await _call_llama(messages, max_tokens=max_tokens,
-                            temperature=temperature, stop=stop)
+                            temperature=temperature, stop=stop, tools=tools,
+                            model=model)
     dt = time.time() - t0
-    logger.info("llm_request id=%s -> ok=%s %.2fs content_len=%d",
-                (req_id[:8] if req_id else "?"), res.get("ok"), dt,
-                len(res.get("content") or ""))
+
+    if switching:
+        if res.get("ok"):
+            fresh = (eff_model not in _ready_models) and dt > 25
+            _ready_models.add(eff_model)
+            _last_model = eff_model
+            await _emit_llm_status(ws, "ready", eff_model,
+                                   loadSeconds=round(dt, 1), freshlyDownloaded=fresh)
+        else:
+            # bei Fehler _last_model NICHT setzen → naechster Versuch meldet erneut loading
+            await _emit_llm_status(ws, "error", eff_model,
+                                   error=(res.get("error") or "")[:120])
+    tc = res.get("tool_calls")
+    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,
         "ok": res.get("ok", False),
         "content": res.get("content", ""),
+        "tool_calls": tc,
         "error": res.get("error"),
-        "model": LLM_MODEL,
+        "model": model or LLM_MODEL,
         "elapsedMs": int(dt * 1000),
     })