release: bump version to 0.2.0.5

Test 'Wer ist Melanie?': das lokale Qwen klammte zu + verwechselte den Frager
('frag Stefan direkt' — Stefan IST der User), weil der schlanke Lokal-Prompt kein
Memory hat. Claude dagegen antwortete diskret + korrekt (und haengte sogar selbst
<voice></voice> an → stumm, 'jemand koennte mithoeren').

Fix: Local-Prompt weist an, bei Fragen zu Stefans Leben/Personen/Beziehungen/
Vergangenheit/gespeichertem Wissen NICHT aus dem Nichts zu antworten, sondern
zu eskalieren (<<ESCALATE>> → Claude mit vollem Gedaechtnis). Die Diskretions-
Regel selbst bleibt (funktioniert auf Claude einwandfrei).

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

.claude/settings.json

@@ -1,7 +1,7 @@
 {
   "permissions": {
     "allow": [
-      "Bash(ssh root@172.0.2.33 \"ls -la /root/ARIA-AGENT/aria-shared/logs/\")"
+      "Bash(ssh root@10.0.0.1 \"ls -la /root/ARIA-AGENT/aria-shared/logs/\")"
     ]
   }
 }

.env.example

@@ -15,7 +15,7 @@ ARIA_AUTH_TOKEN=change-me-to-a-long-random-string
 # App, Bridge, Diagnostic und XTTS-Bridge verbinden sich hierueber.
 # Alle muessen den gleichen Host, Port und Token nutzen.
 
-# Hostname des RVS-Servers (z.B. rvs.example.de oder mobil.hacker-net.de)
+# Hostname des RVS-Servers (z.B. rvs.example.de oder example.com)
 # WICHTIG: muss oeffentlich aufloesbar sein (DNS), nicht nur intern.
 # Wird auch fuer OAuth-Callback-URLs verwendet — Spotify/Google/etc.
 # redirecten Stefan im Browser an https://{RVS_HOST}/oauth/callback/{service}.

README.md

@@ -227,7 +227,7 @@ Danach wird der Proxy gepatcht:
 
    **Warum?** Die npm-Version des Proxys ignoriert das `tools`-Feld komplett und reicht nur einen Prompt-String an die CLI weiter. Claude Code nutzt dann ihre internen Tools (Bash, Read, …) und „simuliert" Aktionen — z.B. `sleep 120` statt `trigger_timer`. Mit den eigenen Adaptern landen ARIA-Tools wieder auf der Linie und Side-Effects (Trigger anlegen, Skills aufrufen, GPS-Tracking schalten) funktionieren. Der Tool-Hook im `routes.js` macht zusaetzlich das interne Claude-Code-Werkzeug-Geschehen fuer den User sichtbar.
 
-**Brain ↔ Bridge ist async**: `_handle_rvs_message` ruft `send_to_core` als `asyncio.create_task` statt `await` — sonst blockierte der WS-recv-Loop bis zu 20 Min und der RVS-Server (mobil.hacker-net.de) droppte die Bridge nach ~4 Min Idle-Timeout. Brain laeuft jetzt im Hintergrund-Task, RVS-Verbindung bleibt waehrend ARIA arbeitet aktiv.
+**Brain ↔ Bridge ist async**: `_handle_rvs_message` ruft `send_to_core` als `asyncio.create_task` statt `await` — sonst blockierte der WS-recv-Loop bis zu 20 Min und der RVS-Server (example.com) droppte die Bridge nach ~4 Min Idle-Timeout. Brain laeuft jetzt im Hintergrund-Task, RVS-Verbindung bleibt waehrend ARIA arbeitet aktiv.
 
 **Wichtige Umgebungsvariablen im Proxy:**
 - `HOST=0.0.0.0` — API von aussen erreichbar (Docker-Netz)

android/android/app/build.gradle

@@ -79,8 +79,8 @@ android {
         applicationId "com.ariacockpit"
         minSdkVersion rootProject.ext.minSdkVersion
         targetSdkVersion rootProject.ext.targetSdkVersion
-        versionCode 20003
+        versionCode 20005
-        versionName "0.2.0.3"
+        versionName "0.2.0.5"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.2.0.3",
+  "version": "0.2.0.5",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/screens/ChatScreen.tsx

@@ -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);
@@ -815,6 +822,7 @@ 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 +1159,7 @@ 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.
@@ -2411,6 +2420,16 @@ 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 === */}

aria-brain/agent.py

@@ -21,12 +21,13 @@ 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
 from local_llm import local_llm_chat
@@ -37,6 +38,8 @@ 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 +69,65 @@ 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 +150,17 @@ 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 +209,28 @@ 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, args, reply}]. Bei match (anchored Regex, "
-                            "match (anchored Regex, case-insensitive) matched, ruft das "
+                            "case-insensitive, gegen den normalisierten Text: lowercase, "
-                            "Brain run_skill(name, args) DIREKT auf und gibt reply zurueck — "
+                            "Endsatzzeichen weg) ruft das Brain run_skill(name, args) DIREKT "
-                            "ohne Claude (~5s Latenz gespart). Match wird gegen den "
+                            "auf und gibt reply zurueck — ohne LLM (instant).\n\n"
-                            "normalisierten Text (lowercase, Endsatzzeichen weg) gemacht; "
+                            "ROBUST SCHREIBEN (wichtig!):\n"
-                            "schreibe Patterns mit ^...$ damit nur exakte Befehle matchen "
+                            "- Immer ^...$ (nur ganze Befehle, keine Teilstrings).\n"
-                            "und nicht Teilstrings (z.B. ^pause$ statt pause). NICHT fuer "
+                            "- **Wortstellung + Synonyme + Fuellwoerter abdecken** in EINEM "
-                            "Skills mit kreativem Output / parametrisierter Logik — die "
+                            "Pattern via Alternativen und optionalen Gruppen. Nicht nur die "
-                            "brauchen Claude. Beispiel: "
+                            "eine Formulierung! Beispiel Pause: "
-                            "[{\"match\":\"^pause$\",\"args\":{\"path\":\"/v1/me/player/pause\",\"method\":\"PUT\"},"
+                            "`^(spotify |musik )?(pause|pausier(e|en)?|stop|stopp|halt|"
-                            "\"reply\":\"Spotify: pausiert ⏸\"}]"
+                            "anhalten)( mal| bitte| spotify| die musik)?$` 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 ⏸\"}]"
                         ),
                     },
                 },
@@ -1055,55 +1139,125 @@ 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
+    # Zwischen Skill-Fast-Path und Claude-Loop: einfache Turns beantwortet das
-    # das lokale Qwen (schlanker Prompt, KEINE Tools) in <1 s. Gated ueber
+    # 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_TOOL_ITERATIONS = 3  # max Tool-Runden lokal, sonst → Claude
+
+    # 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)
+        sys_prompt = router_mod.build_local_system_prompt(IDENTITY_ANCHOR,
-        window = self.conversation.window(project_id=active_project_id)
+                                                          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)
+        # Tool-Loop: lokales Modell darf web_search/memory_search/trigger_timer/
-        local_only = bool(cfg.get("localOnly"))
+        # 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
+            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 (tresult or "").strip().startswith("FEHLER"):
+                        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"):
+        # Sicherheitsnetz: das lokale Modell wickelt seine Antwort manchmal
-            logger.info("[router] lokal fehlgeschlagen (%s) — %s",
+        # faelschlich komplett in <voice>...</voice> (aus dem Kontext imitiert).
-                        res.get("error"), "kein Fallback (localOnly)" if local_only else "→ Claude")
+        # Das wuerde die Anzeige leeren (Display strippt <voice>). Tags raus —
-            if local_only:
+        # der lokale Reply ist kurz, Plain-Text dient Anzeige UND TTS.
-                # Eval-Modus: KEIN Claude. Ehrliche Fehlermeldung statt Stille.
+        final = re.sub(r"</?voice>", "", final).strip()
-                return f"[Lokales LLM nicht erreichbar: {res.get('error', 'unbekannt')}]"
-            return None
-
-        content = (res.get("content") or "").strip()
 
         if local_only:
-            # Erzwungen lokal: Escalation-Marker ignorieren, Antwort so nehmen.
+            final = final.replace(router_mod.ESCALATE_MARKER, "").strip()
-            content = content.replace(router_mod.ESCALATE_MARKER, "").strip()
+            if not final:
-            if not content:
                 return "[Lokales LLM lieferte keine Antwort.]"
-            logger.info("[router] lokal (localOnly) %sms", res.get("elapsedMs"))
+            logger.info("[router] lokal (localOnly) beantwortet")
-            self.conversation.add("assistant", content, project_id=active_project_id)
+            self.conversation.add("assistant", final, project_id=active_project_id)
-            return content
+            return final
 
-        # Normalbetrieb: leere Antwort oder Escalation-Marker → Claude.
+        # Normalbetrieb: leer, Escalation-Marker oder (unwahrscheinlich) ein
-        if not content or router_mod.ESCALATE_MARKER in content:
+        # 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)",
+        logger.info("[router] lokal beantwortet (%d Zeichen)", len(final))
-                    res.get("elapsedMs"), len(content))
+        self.conversation.add("assistant", final, project_id=active_project_id)
-        self.conversation.add("assistant", content, project_id=active_project_id)
+        return final
-        return content
 
     # ── Hauptpfad: ein User-Turn → Tool-Loop → finaler Reply ──
 
@@ -1111,7 +1265,7 @@ 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
@@ -1145,7 +1299,9 @@ 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
+            # 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,
@@ -1159,7 +1315,7 @@ 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()
@@ -1334,10 +1490,33 @@ 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 ───────────────────────────────────────
 
@@ -1778,6 +1957,15 @@ 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
+# STARKE, selbstreferenzielle Break-Marker — identisch zu prompts._IDENTITY_BREAK
-# im Dev-Kontext legitim ueber Claude Code). Erst in Kombination mit einem
+# (dem Laufzeit-Gift-Waechter). Hier dupliziert, damit das Script self-contained
-# zweiten Ablehnungs-Marker ist es eindeutig eine aus-der-Rolle-Antwort.
+# ist (laeuft auch auf dem Host-Python ohne qdrant/prompts-Import). Bewusst NICHT
-_PRIMARY = re.compile(r"claude\s*code", re.IGNORECASE)
+# das blosse Wort "injizier"/"prompt injection" — das nutzt ARIA in Pentest-
-_SECONDARY = re.compile(
+# Antworten legitim (sonst False Positives auf echte Security-Doku, wie im
-    r"injiz|inject|fabriz|fabricat|adoptier|adopting|"
+# Dry-Run gesehen: "Runde 60 … SSRF", "Dein Ziel: LLM …").
-    r"prompt[\s-]*injection|keine echten|nicht (?:real|adopt)",
+_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] = [

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"\b(bild|generier|male?\b|malen|zeichne|foto|"
-    r"spotify|musik|lied|song|playlist|lauter|leiser|"
+    r"skill|projekt|oauth|"
-    r"bild|generier|male?\b|zeichne|foto|"
+    r"licht|lampe|steckdose|rollade|heizung|"
-    r"merk dir|memory|gedächtnis|erinnere dich|"
+    r"kalender|termin|"
-    r"skill|trigger|projekt|oauth|spotify|kalender|termin|"
+    r"maild?|e-?mail|nachricht schreiben)\b",
-    r"such(e|st)?\b|google|internet|news|nachrichten|aktie|kurs|"
-    r"maild?|email|nachricht schreiben|sende)\b",
     re.IGNORECASE,
 )
 
@@ -104,31 +110,56 @@ 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 "
+    "Nur das grosse Modell (nicht du im Schnell-Modus) kann: Bilder generieren, "
-    "Modus): Wetter/Zeit/Websuche, Timer & Erinnerungen, Musik (Spotify) & Licht "
+    "Skills bauen/aendern, Projekte & OAuth verwalten, ins Gedaechtnis SCHREIBEN, "
-    "steuern, Bilder generieren, ins Gedaechtnis schreiben/suchen, Skills bauen, "
+    "sowie tiefe/technische Analysen und langen Code."
-    "Projekte & OAuth verwalten."
 )
 
 
-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 "
+        "Du laeufst gerade als schnelles lokales Modell fuer Alltags-Konversation "
-        "Alltags-Konversation. Antworte knapp, freundlich, auf Deutsch, als ARIA.",
+        "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, "
+        "WICHTIG — du hast Stefans GEDAECHTNIS hier NICHT im Kopf: Bei Fragen zu "
-        "aktuelles Wissen oder Nachschlagen verlangt, oder wo du unsicher bist: "
+        "seinem Leben, zu Personen/Namen, Beziehungen, seiner Vergangenheit, "
-        f"antworte AUSSCHLIESSLICH mit exakt `{ESCALATE_MARKER}` (nichts sonst). "
+        "seinen Vorlieben/Sachen oder anderem gespeicherten Wissen antworte NICHT "
-        "Dann uebernimmt automatisch das grosse Modell mit vollem Zugriff. "
+        "aus dem Nichts (und rate nicht, wer wer ist) — sondern eskaliere. Das "
-        "Lieber einmal eskalieren als falsch raten.",
+        "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-brain/seed_rules.py

@@ -54,8 +54,8 @@ SEED_RULES: List[dict] = [
             "ohne 'stage'/'test'-Marker sind im Zweifel Production.\n"
             "\n"
             "Vorfall (30.05.2026): ARIA hat einen Pentest-Test gegen "
-            "kundencenter.hacker-net.de (Production!) angesetzt statt gegen "
+            "ein Kunden-Produktionssystem (Production!) angesetzt statt gegen "
-            "kundencenter-stage.stressfrei-wechseln.de (Staging). Stefan "
+            "dessen Staging-Umgebung (Staging). Stefan "
             "musste explizit korrigieren. Haette ARIA einen Factory-Reset-"
             "Test ausgefuehrt, waeren echte Kundendaten verloren.\n"
             "\n"

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

@@ -1257,12 +1257,14 @@ 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 +1307,19 @@ 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 +1644,12 @@ 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 +1716,9 @@ 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)
@@ -3367,9 +3386,11 @@ 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 +3409,12 @@ class ARIABridge:
             }
             if stop:
                 req_payload["stop"] = stop
-            logger.info("[rvs] llm_request → llm-adapter (id=%s, msgs=%d, max_tokens=%d)",
+            if tools:
-                        request_id[:8], len(messages), max_tokens)
+                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 +3432,7 @@ 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 +3911,12 @@ 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

@@ -910,6 +910,71 @@
       </div>
     </div>
 
+    <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: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>
+
+        <!-- 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>
+        <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="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 — 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 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>
+
     <!-- OpenClaw-Config-Sektion entfernt — aria-core ist raus. -->
 
   </div><!-- /tab-settings -->
@@ -1521,6 +1586,8 @@
         try { loadBrainStatus(); } catch {}
         // Sprachmodell-Dropdown befuellen (kuratierte Tier-Liste vom Proxy)
         try { loadModelList(); } 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
@@ -1839,6 +1906,7 @@
             ttsText: p.ttsText,
             backupTs: p.backupTs,
             projectId: p.projectId || '',
+            answeredBy: p.answeredBy || '',
           });
           return;
         }
@@ -1940,7 +2008,8 @@
                 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}`;
@@ -2271,6 +2340,18 @@
       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.
@@ -2305,7 +2386,9 @@
       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' });
@@ -2558,7 +2641,7 @@
       // 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;';
@@ -5856,6 +5939,28 @@
 
     // Vor-definierte Info-Blocks
     const INFO_TEXTS = {
+      'local-llm': {
+        title: 'Lokales LLM — schnelle Antworten',
+        html: `
+          <p>Ein kleines, schnelles Modell (<strong>Qwen3 8B</strong>) laeuft auf deiner Gamebox-GPU und beantwortet <strong>einfache Plauder-Turns in &lt;1&nbsp;s</strong>. Alles Schwere, Technische oder Werkzeug-artige (Wetter, Timer, Musik, Bilder, Gedaechtnis, Code) reicht ein Router automatisch an <strong>Claude</strong> weiter.</p>
+          <p><strong>Lokales LLM nutzen</strong> — Master-Schalter. Aus = alle Anfragen laufen wie bisher ueber Claude.</p>
+          <p><strong>Nur lokales LLM</strong> — erzwingt lokal, KEIN Claude-Fallback. Zum Ausprobieren, wie stark das lokale Modell allein ist. Achtung: Werkzeug-Turns (Wetter/Timer/…) funktionieren dann nicht — das lokale Tier hat keine Tools.</p>
+          <p>Die Antwortzeit haengt an deinem Heim-Internet (Gamebox @home, ARIA @RZ). Ist die Gamebox aus/nicht erreichbar, faellt ARIA automatisch auf Claude zurueck.</p>
+        `,
+      },
+      'local-llm-tools': {
+        title: 'Tool-Umfang: Abgespeckt vs. Voll',
+        html: `
+          <p><strong>Abgespeckt</strong> — das lokale Modell bekommt eine kleine, kuratierte Tool-Auswahl (Wetter, Zeit, Gedaechtnis-Suche, Timer, Spotify, Licht). Der Rest laeuft ueber Claude. Passt in den VRAM einer <strong>1×RTX&nbsp;3060 (12&nbsp;GB)</strong>.</p>
+          <p><strong>Voll</strong> — das lokale Modell soll ARIAs komplettes Arsenal kennen. Das sind ~15-20&nbsp;K Tokens Tool-Schemas → passt <em>nicht</em> in ein 8-K-Kontextfenster. Groesseres Fenster kostet VRAM:</p>
+          <ul>
+            <li><strong>12&nbsp;GB (1×3060):</strong> nur „Abgespeckt".</li>
+            <li><strong>24&nbsp;GB (2×3060, eine Box):</strong> Qwen mit grossem Kontext = volles Schema, oder ein groesseres Modell.</li>
+            <li><strong>Cluster:</strong> weitere GPU-Hosts, jeder ein Modell-Server ueber RVS.</li>
+          </ul>
+          <p>Deshalb ist „Voll" hier deaktiviert, bis die Hardware (2.&nbsp;Karte) und die lokale Tool-Loop (B1b) da sind.</p>
+        `,
+      },
       'brain-status': {
         title: 'Gehirn — Status',
         html: `
@@ -6147,6 +6252,84 @@
       if (st) { st.textContent = 'Gesetzt (Freitext) — aria-brain neu starten, damit es greift.'; st.style.color = '#FFD60A'; }
     }
 
+    // ── Einstellungen: Lokales LLM (Plan B) ─────────────────
+    function setLocalLlmStatus(c) {
+      const el = document.getElementById('local-llm-status');
+      if (!el) return;
+      if (!c || !c.enabled) {
+        el.textContent = '⚪ Status: AUS — alle Fragen laufen ueber Claude (wie bisher).';
+        el.style.color = '#8888AA';
+        return;
+      }
+      if (c.localOnly) {
+        el.textContent = '🟡 Status: TESTMODUS — nur lokal, Claude ausgesperrt. Werkzeug-Fragen funktionieren nicht.';
+        el.style.color = '#FFD60A';
+      } else {
+        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');
+        const c = await r.json();
+        const en = document.getElementById('local-llm-enabled');
+        const ol = document.getElementById('local-llm-onlylocal');
+        const tv = document.getElementById('local-llm-toolvariant');
+        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' },
+          body: JSON.stringify(body),
+        });
+        const j = await r.json();
+        if (j.ok) setLocalLlmStatus(j.config);
+      } catch (e) { /* still */ }
+    }
+
     // ── Einstellungen: OpenClaw Config ──────────────────────
 
     // loadOpenClawConfig entfernt — aria-core ist raus.

diagnostic/server.js

@@ -297,6 +297,58 @@ function writeRuntimeConfig(patch) {
 }
 
 // Atomic write: temp-file + rename, laute Logs bei Fehler.
+
+// ── Local-LLM-Config: /shared/config/local_llm.json ─────────────────
+// Der Router im Brain (router.py) liest diese Datei pro Request. Wir schreiben
+// sie hier aus den Diagnostic-Schaltern. Default = alles aus (nur Claude).
+const LOCAL_LLM_CONFIG_FILE = "/shared/config/local_llm.json";
+function readLocalLlmConfig() {
+  try {
+    const p = JSON.parse(fs.readFileSync(LOCAL_LLM_CONFIG_FILE, "utf-8"));
+    return {
+      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", localLlmModel: "qwen3-8b" };
+  }
+}
+function writeLocalLlmConfig(patch) {
+  const cur = readLocalLlmConfig();
+  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));
+  fs.renameSync(tmp, LOCAL_LLM_CONFIG_FILE);
+  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.
@@ -1573,6 +1625,27 @@ 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()));
+  } else if (req.url === "/api/local-llm-config" && req.method === "POST") {
+    let body = "";
+    req.on("data", chunk => { body += chunk; if (body.length > 8192) req.destroy(); });
+    req.on("end", () => {
+      try {
+        const cfg = writeLocalLlmConfig(JSON.parse(body));
+        res.writeHead(200, { "Content-Type": "application/json" });
+        res.end(JSON.stringify({ ok: true, config: cfg }));
+        log("info", "server", `Local-LLM-Config: enabled=${cfg.enabled} localOnly=${cfg.localOnly} tools=${cfg.toolVariant}`);
+      } catch (err) {
+        res.writeHead(400, { "Content-Type": "application/json" });
+        res.end(JSON.stringify({ ok: false, error: err.message }));
+      }
+    });
+    return;
   } else if (req.url === "/api/onboarding") {
     // RVS-Credentials fuer QR-Code App-Onboarding
     res.writeHead(200, { "Content-Type": "application/json" });
@@ -2769,6 +2842,7 @@ 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;
@@ -2795,7 +2869,7 @@ 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)

flux/.env.example

@@ -4,7 +4,7 @@
 # ════════════════════════════════════════════════
 
 # RVS Verbindung (gleiche Daten wie auf der ARIA-VM / xtts/.env)
-RVS_HOST=mobil.hacker-net.de
+RVS_HOST=example.com
 RVS_PORT=444
 RVS_TLS=true
 RVS_TLS_FALLBACK=true

issue.md

@@ -358,7 +358,7 @@ Skills mit Tool-Use.
 
 - [x] **Skill-Erstellung aggressiver als gewollt**: Prompt sagte „Harte Regel — IMMER Skill anlegen wenn pip-Library noetig". ARIA hat das wortwoertlich genommen und bei einer simplen pdf-extract-Frage sofort `skill_create` aufgerufen → Brain 12 Min blockiert (venv 2 min + pip install 10 min Timeout in `skills.py`). App zeigt „ARIA denkt", Bridge emitted nach 5 Min Timeout idle, User ohne Antwort. Fix in `prompts.py`: „Goldene Regel: NIE ungefragt Skills anlegen" + nur bei expliziter Anfrage („mach daraus einen Skill") und auch dann nur wenn die 4 Kriterien (wiederkehrend / nicht-trivial / parametrisierbar / wiederverwendbar) zutreffen. Greift auf der VM nach `docker compose restart aria-brain` ohne Re-Build
 - [x] **Brain-Timeouts 5 Min → 20 Min**: drei verkettete 5-Min-Timeouts (Bridge `urlopen`, Brain `proxy_client`, Proxy `DEFAULT_TIMEOUT` im claude-max-api-proxy npm-Modul) feuerten exakt gleichzeitig. Live in den Logs nachvollzogen: ein Proxy-Call brauchte 4m51s und wurde von der Bridge auf den Sekundenbruchteil genau gekappt. Aufgabenstellungen wie Karten-Rekonstruktion mit 10+ curl-Calls oder PDF-Verarbeitung brauchen aber locker 8–15 Min. Fix: alle drei Timeouts auf 1200 s, plus dritter sed-Patch im docker-compose proxy-Service (`DEFAULT_TIMEOUT = 300000 → 1200000`). App-Stuck-Watchdog auf 1260 s (21 Min, knapp drueber)
-- [x] **RVS-Block waehrend Brain-Call** (mobil.hacker-net.de:444 droppt nach 4 Min idle): `async for raw_message in ws: await _handle_rvs_message(...)` — das await blockierte den recv-Loop solange `send_to_core` lief. Die websockets-Lib beantwortete Pings im Hintergrund, aber der RVS-Server zaehlt nur echte App-Frames und droppt sonst die Verbindung. Symptom: App+Diagnostic zeigten „abgebrochen" obwohl Brain noch arbeitete. Fix: `send_to_core` als `asyncio.create_task` statt `await` — RVS-recv-Loop bleibt frei, neue Messages werden weiter verarbeitet, Verbindung bleibt lebendig
+- [x] **RVS-Block waehrend Brain-Call** (example.com:444 droppt nach 4 Min idle): `async for raw_message in ws: await _handle_rvs_message(...)` — das await blockierte den recv-Loop solange `send_to_core` lief. Die websockets-Lib beantwortete Pings im Hintergrund, aber der RVS-Server zaehlt nur echte App-Frames und droppt sonst die Verbindung. Symptom: App+Diagnostic zeigten „abgebrochen" obwohl Brain noch arbeitete. Fix: `send_to_core` als `asyncio.create_task` statt `await` — RVS-recv-Loop bleibt frei, neue Messages werden weiter verarbeitet, Verbindung bleibt lebendig
 
 ### Gedanken-Stream + Live-Tool-Events
 

xtts/.env.example

@@ -4,7 +4,7 @@
 # ════════════════════════════════════════════════
 
 # RVS Verbindung (gleiche Daten wie auf der ARIA-VM)
-RVS_HOST=mobil.hacker-net.de
+RVS_HOST=example.com
 RVS_PORT=444
 RVS_TLS=true
 RVS_TLS_FALLBACK=true

xtts/docker-compose.yml

@@ -90,22 +90,19 @@ services:
                                                  # Container-Restarts.
     restart: unless-stopped
 
-  # ─── Lokales LLM (Plan B, B0) — llama.cpp-Server (GPU) ────────
+  # ─── Lokales LLM (Plan B, B0.5) — llama-swap (GPU) ────────────
-  # Serviert Qwen3-8B (GGUF Q4_K_M) OpenAI-kompatibel auf :8081, NUR im
+  # llama-swap laedt/swappt mehrere Modelle on-demand (nur eins passt gleich-
-  # Compose-Netz (kein RVS direkt) — die Bruecke macht der llm-adapter.
+  # 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
+  # BLIND GEBAUT (kein Gamebox-Test hier): beim ersten Start
-  # Hugging Face (-hf <repo>:<quant>) und cached es unter /models (persistent
+  # `docker logs -f aria-llama-swap` pruefen. Image bundelt llama-server.
-  # via Bind-Mount -> kein Re-Download bei Restart). Kein manuelles Ablegen
+  llama-swap:
-  # noetig. Modell wechseln = LLM_HF_REPO/LLM_HF_QUANT in der .env aendern +
+    image: ghcr.io/mostlygeek/llama-swap:unified-cuda
-  # Container neu. (Alternativ lokale Datei: command auf -m /models/x.gguf.)
+    container_name: aria-llama-swap
-  #
-  # 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
     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
+      - LLAMA_CACHE=/models                                # llama-server legt -hf-Downloads hier ab
-    command: >
+    command: ["--config", "/app/config.yaml", "--listen", "0.0.0.0:8080"]
-      -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
     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:
+                      stop, tools=None, model=None) -> dict:
-    """Ruft llama.cpp /v1/chat/completions (OpenAI-Format). Gibt
+    """Ruft llama.cpp/llama-swap /v1/chat/completions (OpenAI-Format). Gibt
-    {ok, content, error} zurueck — wirft nie."""
+    {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", "")
+        msg = (data.get("choices") or [{}])[0].get("message", {}) or {}
-        return {"ok": True, "content": content or "", "usage": data.get("usage")}
+        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,
+    if switching:
-                len(res.get("content") or ""))
+        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),
     })