release: bump version to 0.2.1.2

Verallgemeinert die Ausgabesteuerung, dynamisch statt hardcoded:
- Zwei Flags: speak (vorlesen?) + converse (danach 30s weiterlauschen?).
  Getrennt, weil 'vorlesen' und 'Dialog offen halten' verschiedene Dinge sind
  ('was laeuft gerade' → vorlesen JA, aber keine 30s).
- Statischer Manifest-Default (speak/converse) PLUS: der Skill kann beide im
  JSON-Output PRO AUFRUF setzen und den Default ueberschreiben — so kann EIN
  Skill gemischt sein (Spotify: 'next' stumm/stop, 'was laeuft' vorlesen/stop).
- chat() gibt jetzt (reply, answered_by, speak, converse) zurueck; gilt fuer
  Fast-Path (converse immer False), local UND Claude (run_*-Skill setzt beide).
- Brain: _last_skill_flags aus Skill-stdout-JSON, _skill_response_flags mergt
  Output > Manifest > False. main.py ChatOut.converse, background.py angepasst.
- Bridge: converse aus /chat gelesen + in Chat-Payload + _process_core_response.
- App: converseRef aus der Payload; onPlaybackFinished endet mit skipPassive
  wenn converse=false (vorlesen ohne 30s).
- Skill-Bau-Anleitung (skill_create/update-Schema): speak+converse dokumentiert
  MIT dem WARUM, damit ARIA sie beim Bauen sinnvoll setzt (nicht nur mechanisch).
- Prompt-Hardcode fuer Spotify-Faehigkeiten raus → Skills beschreiben sich selbst.

Bestehende Skills ohne Flags = false/false = stumm/stop (kein Verhaltenswechsel).

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

android/android/app/build.gradle

@@ -79,8 +79,8 @@ android {
         applicationId "com.ariacockpit"
         minSdkVersion rootProject.ext.minSdkVersion
         targetSdkVersion rootProject.ext.targetSdkVersion
-        versionCode 20009
+        versionCode 20102
-        versionName "0.2.0.9"
+        versionName "0.2.1.2"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.2.0.9",
+  "version": "0.2.1.2",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/screens/ChatScreen.tsx

@@ -338,6 +338,10 @@ const ChatScreen: React.FC = () => {
   // bliebe canPlay auf dem Mount-Initial-Wert haengen (mute ignoriert,
   // oder AsyncStorage-Load nicht beruecksichtigt).
   const ttsCanPlayRef = useRef<boolean>(true);
+  // Letzte Antwort: nach dem Vorlesen 30s weiterlauschen (Gespraech) oder direkt
+  // stoppen? Kommt als 'converse' in der Chat-Payload; onPlaybackFinished liest
+  // es. Default true (Konversation). false = Einzelaktion/Skill-Antwort.
+  const converseRef = useRef<boolean>(true);
 
   const flatListRef = useRef<FlatList>(null);
   const messageIdCounter = useRef(0);
@@ -1209,14 +1213,19 @@ const ChatScreen: React.FC = () => {
         // grau haengen (Reproduktion Stefan im Auto). Hier dieselbe Logik wie
         // bei TTS-Ende anstossen: aktiv → Konversations-Fenster (resume),
         // sonst → Konversation beenden (re-arm).
-        const _isSilent = (message.payload as any).speak === false
+        // Stumm = die Bridge sagt speak=false (Steuerbefehl-Skill via Fast-Path
-          || ((message.payload as any).answeredBy === 'fast-path');
+        // ODER local). Ein Antwort-Skill (speak=true) faellt NICHT hierunter —
+        // der wird vorgelesen + haelt das Gespraech offen. Kein answeredBy-
+        // Fallback mehr: die Bridge schickt speak zuverlaessig mit.
+        // Merken ob nach dem Vorlesen 30s weiterlauschen (Gespraech) oder direkt
+        // stoppen — onPlaybackFinished liest converseRef. Default true.
+        converseRef.current = (message.payload as any).converse !== false;
+        const _isSilent = (message.payload as any).speak === false;
         if (_isSilent && wakeWordService.isConversing()) {
-          if (AppState.currentState === 'active') {
+          // Klarer Steuerbefehl (Liedersteuerung etc.) = KEINE Konversation →
-            wakeWordService.resume();
+          // STOP: direkt zurueck aufs Wake-Word. Kein Gong, keine Aufnahme,
-          } else {
+          // kein 30s-Fenster (skipPassive=true).
-            wakeWordService.endConversation().catch(() => {});
+          wakeWordService.endConversation(true).catch(() => {});
-          }
         }
       }
 
@@ -1446,12 +1455,13 @@ const ChatScreen: React.FC = () => {
   useEffect(() => {
     const unsubPlayback = audioService.onPlaybackFinished(() => {
       if (!wakeWordService.isActive()) return;
-      if (AppState.currentState === 'active') {
+      // Gespraech (gesprochene Antwort): KEIN neuer Gong / kein Aufnahme-Fenster,
-        wakeWordService.resume();
+      // sondern direkt passives Lauschen (30s weiterreden wie mit einem Menschen).
-      } else {
+      // Im Hintergrund gibt's kein Multi-Turn → direkt re-armen (skipPassive).
-        console.log('[Chat] TTS fertig im Background → endConversation (kein Multi-Turn)');
+      // converse=false (Skill-/Einzelantwort, z.B. 'was laeuft gerade') → auch
-        wakeWordService.endConversation().catch(() => {});
+      // ohne 30s: vorlesen + direkt zurueck aufs Wake-Word.
-      }
+      const bg = AppState.currentState !== 'active';
+      wakeWordService.endConversation(bg || !converseRef.current).catch(() => {});
     });
     return () => unsubPlayback();
   }, []);
@@ -2069,10 +2079,20 @@ const ChatScreen: React.FC = () => {
   // forwarded direkt an Brain. Im wake-word-conversing-Fall zusaetzlich
   // endConversation: User hat explizit gestoppt → kein Multi-Turn-Resume.
   const handleVoiceButtonStop = useCallback(async (): Promise<void> => {
+    // Stop WAEHREND des passiven 30s-Lauschens ('listening'): sauber beenden
+    // (zurueck aufs Wake-Word), NICHT den passiven Stream neu starten.
+    // exitPassiveListening cancelt den Stream selbst (via _freeMic) → es feuert
+    // kein leeres Endpoint, das startPassiveStreamingRecording erneut ausloest
+    // (genau das liess die 30s vorher von vorne loslaufen).
+    if (wakeWordService.getState() === 'listening') {
+      console.log('[Chat] Manueller Stop im Passiv-Lauschen → exitPassiveListening (Ende)');
+      await wakeWordService.exitPassiveListening('manual');
+      return;
+    }
     await audioService.stopStreamingRecording('user');
     if (wakeWordService.isConversing()) {
       console.log('[Chat] Manueller Stop in Konversation → endConversation, zurueck zu armed');
-      await wakeWordService.endConversation();
+      await wakeWordService.endConversation(true);  // explizit gestoppt → STOP (kein 30s-Passiv)
     }
   }, []);
 

android/src/screens/SettingsScreen.tsx

@@ -105,6 +105,14 @@ import wakeWordService, {
   KEYWORD_LABELS,
   DEFAULT_KEYWORD,
   WAKE_KEYWORD_STORAGE,
+  WAKE_THRESHOLD_DEFAULT,
+  WAKE_THRESHOLD_MIN,
+  WAKE_THRESHOLD_MAX,
+  loadWakeThreshold,
+  saveWakeThreshold,
+  PASSIVE_LISTEN_DEFAULT_MS,
+  loadPassiveListenMs,
+  savePassiveListenMs,
 } from '../services/wakeword';
 import ModeSelector from '../components/ModeSelector';
 import QRScanner from '../components/QRScanner';
@@ -200,6 +208,8 @@ const SettingsScreen: React.FC = () => {
   const [wakeKeyword, setWakeKeyword] = useState<string>(DEFAULT_KEYWORD);
   const [wakeStatus, setWakeStatus] = useState<string>('');
   const [wakeReadySound, setWakeReadySound] = useState<boolean>(true);
+  const [wakeThreshold, setWakeThreshold] = useState<number>(WAKE_THRESHOLD_DEFAULT);
+  const [passiveSec, setPassiveSec] = useState<number>(Math.round(PASSIVE_LISTEN_DEFAULT_MS / 1000));
   const [editingPath, setEditingPath] = useState(false);
   const [xttsVoice, setXttsVoice] = useState('');
   const [loadingVoice, setLoadingVoice] = useState<string | null>(null);
@@ -322,6 +332,8 @@ const SettingsScreen: React.FC = () => {
       if (saved && (WAKE_KEYWORDS as readonly string[]).includes(saved)) setWakeKeyword(saved);
     });
     isWakeReadySoundEnabled().then(setWakeReadySound);
+    loadWakeThreshold().then(setWakeThreshold).catch(() => {});
+    loadPassiveListenMs().then(ms => setPassiveSec(Math.round(ms / 1000))).catch(() => {});
     updateService.getApkCacheSize().then(setApkCacheInfo).catch(() => {});
     audioService.getTtsCacheSize().then(setTtsCacheInfo).catch(() => {});
     AsyncStorage.getItem('aria_xtts_voice').then(saved => {
@@ -1862,6 +1874,40 @@ const SettingsScreen: React.FC = () => {
           ))}
         </View>
 
+        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Empfindlichkeit</Text>
+        <Text style={styles.toggleHint}>
+          Wie leicht das Wake-Word anspringt. Hoeher = strenger = weniger
+          Fehlauslösung (z.B. durch Musik/Radio, die das Mikro mithoert — der
+          Echo-Canceler kann nur ARIAs eigene Stimme rausrechnen, nicht Spotify),
+          aber du musst evtl. deutlicher sprechen. Default: {WAKE_THRESHOLD_DEFAULT.toFixed(2)}.
+          Wird beim „Speichern + Aktivieren" uebernommen.
+        </Text>
+        <View style={styles.prerollRow}>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.max(WAKE_THRESHOLD_MIN, Math.round((wakeThreshold - 0.05) * 100) / 100);
+              setWakeThreshold(next);
+              saveWakeThreshold(next);
+            }}
+            disabled={wakeThreshold <= WAKE_THRESHOLD_MIN}
+          >
+            <Text style={styles.prerollButtonText}>−0.05</Text>
+          </TouchableOpacity>
+          <Text style={styles.prerollValue}>{wakeThreshold.toFixed(2)}</Text>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.min(WAKE_THRESHOLD_MAX, Math.round((wakeThreshold + 0.05) * 100) / 100);
+              setWakeThreshold(next);
+              saveWakeThreshold(next);
+            }}
+            disabled={wakeThreshold >= WAKE_THRESHOLD_MAX}
+          >
+            <Text style={styles.prerollButtonText}>+0.05</Text>
+          </TouchableOpacity>
+        </View>
+
         <View style={{flexDirection: 'row', gap: 8, marginTop: 16, alignItems: 'center'}}>
           <TouchableOpacity
             style={[styles.connectButton, {flex: 1}]}
@@ -1907,6 +1953,39 @@ const SettingsScreen: React.FC = () => {
             thumbColor={wakeReadySound ? '#FFFFFF' : '#666680'}
           />
         </View>
+
+        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Weiterreden-Fenster (Gespraech)</Text>
+        <Text style={styles.toggleHint}>
+          Nach einer gesprochenen ARIA-Antwort kannst du so lange einfach
+          weiterreden — ohne Wake-Word — bevor zurueck aufs Wake-Word geschaltet
+          wird. Reine Steuerbefehle (z.B. „nächster Titel") beenden sofort.
+          Default: {Math.round(PASSIVE_LISTEN_DEFAULT_MS / 1000)}s.
+        </Text>
+        <View style={styles.prerollRow}>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.max(10, passiveSec - 5);
+              setPassiveSec(next);
+              savePassiveListenMs(next * 1000);
+            }}
+            disabled={passiveSec <= 10}
+          >
+            <Text style={styles.prerollButtonText}>−5</Text>
+          </TouchableOpacity>
+          <Text style={styles.prerollValue}>{passiveSec} s</Text>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.min(60, passiveSec + 5);
+              setPassiveSec(next);
+              savePassiveListenMs(next * 1000);
+            }}
+            disabled={passiveSec >= 60}
+          >
+            <Text style={styles.prerollButtonText}>+5</Text>
+          </TouchableOpacity>
+        </View>
       </View>
       </>)}
 

android/src/services/audio.ts

@@ -1731,11 +1731,39 @@ class AudioService {
         this._stoppedMessageId = activeMsgId;
         console.log('[Audio] Antwort %s als gestoppt markiert', activeMsgId);
       }
-      this.stopPlayback();
+      // NUR die hoerbare Wiedergabe stoppen — Cache-Buffer behalten, damit die
+      // Nachricht spaeter ueber das Lautsprecher-Symbol nachgehoert werden kann.
+      this._silenceAudibleOutput();
     }
   }
   isMuted(): boolean { return this._muted; }
 
+  /** Mund-Button: laufendes Vorlesen SOFORT verstummen lassen, aber den
+   *  PCM-Cache NICHT verwerfen (der Stream cached zu Ende → Nachhoeren via
+   *  Lautsprecher-Symbol bleibt moeglich). Unterschied zu stopPlayback():
+   *  - stopt den AudioTrack IMMER (auch wenn pcmStreamActive schon false ist,
+   *    weil der Stream fertig empfangen wurde aber der AudioTrack seinen Buffer
+   *    noch sekundenlang ausspielt — genau da war der Mund-Button wirkungslos),
+   *  - laesst pcmBuffer/pcmMessageId/pcmStreamActive stehen (Cache laeuft weiter). */
+  private _silenceAudibleOutput(): void {
+    console.log('[Audio] _silenceAudibleOutput: AudioTrack+WAV stoppen, Cache behalten');
+    this.audioQueue = [];
+    this.isPlaying = false;
+    if (this.currentSound) {
+      try { this.currentSound.stop(); this.currentSound.release(); } catch {}
+      this.currentSound = null;
+    }
+    if (this.resumeSound) {
+      try { this.resumeSound.stop(); this.resumeSound.release(); } catch {}
+      this.resumeSound = null;
+    }
+    // AudioTrack IMMER hart stoppen (idempotent) — auch im Drain-Fall.
+    PcmStreamPlayer?.stop().catch(() => {});
+    stopBackgroundAudio().catch(() => {});
+    this._cancelDeferredFocusRelease();
+    AudioFocus?.release().catch(() => {});
+  }
+
   /** Laufende Wiedergabe stoppen + Queue leeren */
   stopPlayback(): void {
     // Idempotent: wenn nichts mehr aktiv ist, NICHT noch einen Focus-Release/

android/src/services/wakeword.ts

@@ -53,6 +53,30 @@ export async function savePassiveListenMs(ms: number): Promise<void> {
 
 export const WAKE_KEYWORD_STORAGE = 'aria_wake_keyword';
 
+// Wake-Word-Empfindlichkeit (openWakeWord-Threshold). Hoeher = strenger =
+// weniger Fehlauslösung (z.B. durch Musik/Radio ueber die Auto-Lautsprecher,
+// die das Mikro mithoert — der App-Echo-Canceler kann nur ARIAs eigenes TTS
+// rausrechnen, NICHT Spotify). Default 0.6 (war 0.5). 0..1.
+export const WAKE_THRESHOLD_DEFAULT = 0.6;
+export const WAKE_THRESHOLD_MIN = 0.3;
+export const WAKE_THRESHOLD_MAX = 0.9;
+export const WAKE_THRESHOLD_STORAGE_KEY = 'aria_wake_threshold';
+
+export async function loadWakeThreshold(): Promise<number> {
+  try {
+    const raw = await AsyncStorage.getItem(WAKE_THRESHOLD_STORAGE_KEY);
+    if (raw != null) {
+      const n = parseFloat(raw);
+      if (isFinite(n) && n >= WAKE_THRESHOLD_MIN && n <= WAKE_THRESHOLD_MAX) return n;
+    }
+  } catch {}
+  return WAKE_THRESHOLD_DEFAULT;
+}
+
+export async function saveWakeThreshold(v: number): Promise<void> {
+  await AsyncStorage.setItem(WAKE_THRESHOLD_STORAGE_KEY, String(v));
+}
+
 /** Verfuegbare Wake-Words — entsprechen den .onnx Dateien in
  *  android/app/src/main/assets/openwakeword/. Custom-Keywords (eigenes
  *  Training via openwakeword Notebook) muessen aktuell als Asset eingebaut
@@ -76,8 +100,9 @@ export const KEYWORD_LABELS: Record<WakeKeyword, string> = {
   hey_rhasspy: 'Hey Rhasspy',
 };
 
-// Detection-Tuning — kann in Settings spaeter konfigurierbar werden.
+// Detection-Tuning. Threshold ist ueber die Settings konfigurierbar
-const DEFAULT_THRESHOLD = 0.5;
+// (loadWakeThreshold) — der Wert hier ist nur der Fallback.
+const DEFAULT_THRESHOLD = WAKE_THRESHOLD_DEFAULT;
 const DEFAULT_PATIENCE = 2;
 const DEFAULT_DEBOUNCE_MS = 1500;
 
@@ -197,7 +222,9 @@ class WakeWordService {
     if (this.initInProgress) return this.initInProgress;
     this.initInProgress = (async () => {
       try {
-        await OpenWakeWord.init(this.keyword, DEFAULT_THRESHOLD, DEFAULT_PATIENCE, DEFAULT_DEBOUNCE_MS);
+        const threshold = await loadWakeThreshold();
+        console.log('[WakeWord] init mit threshold=%s', threshold);
+        await OpenWakeWord.init(this.keyword, threshold, DEFAULT_PATIENCE, DEFAULT_DEBOUNCE_MS);
         // Subscribe nur einmal
         if (!this.eventSub) {
           const emitter = new NativeEventEmitter(NativeModules.OpenWakeWord);
@@ -441,7 +468,10 @@ class WakeWordService {
    *  wuerde sonst OpenWakeWord.stop() rufen weil bargeListening noch true
    *  ist, und unseren frisch re-armierten Listener killen.
    */
-  async endConversation(): Promise<void> {
+  /** @param skipPassive true = KEIN passives Lauschen, direkt zurueck aufs
+   *  Wake-Word (armed). Fuer klare Steuerbefehle (Fast-Path) — nach
+   *  "nächster Titel" will Stefan kein 30s-Fenster, sondern Stop. */
+  async endConversation(skipPassive: boolean = false): Promise<void> {
     if (this.state !== 'conversing') {
       import('./logger').then(m => m.reportAppDebug('wake.end',
         `endConversation called but state=${this.state} → noop`)).catch(()=>{});
@@ -461,7 +491,7 @@ class WakeWordService {
     // (Phase 3) filtert fremde Stimmen weg, der User kann ohne erneute
     // Anrede weitersprechen.
     const passiveMs = await loadPassiveListenMs();
-    if (passiveMs > 0 && this.nativeReady) {
+    if (!skipPassive && passiveMs > 0 && this.nativeReady) {
       this.enterPassiveListening(passiveMs);
       return;
     }

aria-brain/agent.py

@@ -234,6 +234,43 @@ META_TOOLS = [
                             "\"method\":\"PUT\"},\"reply\":\"Spotify: pausiert ⏸\"}]"
                         ),
                     },
+                    "speak": {
+                        "type": "boolean",
+                        "description": (
+                            "STATISCHER Default fuers Vorlesen dieses Skills (TTS). "
+                            "Default false.\n\n"
+                            "WARUM es das gibt: ARIA ist voice-first. Ein reiner "
+                            "STEUERBEFEHL (Spotify next/pause, Licht an) muss NICHT "
+                            "vorgelesen werden — die Aktion selbst ist die Bestaetigung, "
+                            "Vorlesen waere nervig. Ein ANTWORT-Skill dagegen liefert "
+                            "eine Info, die Stefan HOEREN will (Wuerfelergebnis, Status, "
+                            "'was laeuft gerade'). Also: Kommando-Skill=false, "
+                            "Antwort-Skill=true.\n\n"
+                            "PRO AUFRUF (wichtig fuer gemischte Skills!): Wenn EIN Skill "
+                            "beides kann (z.B. Spotify: 'next' = stumm, 'was laeuft' = "
+                            "vorlesen), kann dein run.py im JSON-Output pro Aufruf "
+                            "`speak` (und `converse`, s.u.) setzen — das ueberschreibt "
+                            "diesen statischen Default. Beispiel-Output:\n"
+                            "  next        -> {\"ok\":true,\"speak\":false,\"converse\":false}\n"
+                            "  was_laeuft  -> {\"ok\":true,\"speak\":true,\"converse\":false,"
+                            "\"reply\":\"Laeuft: …\"}"
+                        ),
+                    },
+                    "converse": {
+                        "type": "boolean",
+                        "description": (
+                            "Soll ARIA NACH dieser Skill-Antwort 30s WEITERLAUSCHEN "
+                            "(Dialog), oder direkt zurueck aufs Wake-Word? Default false.\n\n"
+                            "WARUM getrennt von speak: 'vorlesen' und 'weiterreden "
+                            "koennen' sind zwei verschiedene Dinge. 'was laeuft gerade' "
+                            "soll vorgelesen werden (speak=true), aber es ist eine "
+                            "abgeschlossene Einzel-Info — Stefan will danach NICHT ins "
+                            "30s-Mikrofon-Fenster gezwungen werden (converse=false). Nur "
+                            "wenn eine echte Rueckfrage/ein Dialog sinnvoll ist "
+                            "(converse=true). Am besten pro Aufruf im run.py-Output "
+                            "setzen (dynamisch), nicht statisch."
+                        ),
+                    },
                 },
                 "required": ["name", "description", "entry_code"],
             },
@@ -310,6 +347,23 @@ META_TOOLS = [
                             "wieder durch Claude). Wenn nicht angegeben: bleibt unberuehrt."
                         ),
                     },
+                    "speak": {
+                        "type": "boolean",
+                        "description": (
+                            "Statischer Vorlese-Default (siehe skill_create). false = "
+                            "Steuerbefehl/stumm, true = Antwort-Skill/vorlesen. Pro "
+                            "Aufruf via run.py-JSON-Output ueberschreibbar."
+                        ),
+                    },
+                    "converse": {
+                        "type": "boolean",
+                        "description": (
+                            "Statischer Default: nach der Antwort 30s weiterlauschen "
+                            "(Dialog=true) oder direkt zurueck aufs Wake-Word (false, "
+                            "Default). Siehe skill_create. Pro Aufruf via Output "
+                            "ueberschreibbar."
+                        ),
+                    },
                 },
                 "required": ["name"],
             },
@@ -1039,6 +1093,23 @@ def _fold_umlauts(s: str) -> str:
              .replace("ß", "ss"))
 
 
+def _looks_like_skill_action(text: str) -> bool:
+    """Erkennt eine BEHAUPTETE Steuerbefehl-Quittung (v.a. Spotify) im Reply.
+    Genutzt fuer den Anti-Halluzinations-Guard: sagt local sowas, hat aber KEIN
+    Werkzeug gerufen, ist real nichts passiert → eskalieren. Bewusst eng, um
+    normale Konversation ueber Musik nicht zu treffen."""
+    t = (text or "").strip().lower()
+    if not t:
+        return False
+    if t.startswith("spotify:") or t.startswith("spotify -") or t.startswith("musik:"):
+        return True
+    if "playlist" in t and ("abspiel" in t or "spiele" in t or "starte" in t):
+        return True
+    if ("ueberspring" in t or "überspring" in t) and ("titel" in t or "lied" in t or "song" in t):
+        return True
+    return False
+
+
 def _normalize_for_fast_match(text: str) -> str:
     norm = _strip_leading_hint_blocks(text).lower()
     norm = _fold_umlauts(norm)
@@ -1154,6 +1225,8 @@ class Agent:
                     continue
                 args = pat.get("args") or {}
                 reply = pat.get("reply") or f"{skill_name}: ok"
+                # Vorlesen? Folgt dem Skill-Manifest (Default False=Steuerbefehl).
+                self._fast_path_speak = bool(skill.get("speak", False))
                 logger.info("[fast-path] match skill=%s pattern=%r msg=%r",
                             skill_name, rx, user_message[:60])
                 try:
@@ -1221,11 +1294,60 @@ class Agent:
                 break
         return tools
 
+    def _resolve_skill_manifest(self, tname: str) -> Optional[dict]:
+        """run_-Toolname → Skill-Manifest (fuzzy, Bindestrich-Mapping)."""
+        if not tname.startswith("run_"):
+            return None
+        suffix = tname[len("run_"):]
+        m = skills_mod.read_manifest(suffix)
+        if m is None:
+            for cand in skills_mod.list_skills(active_only=False):
+                cn = cand.get("name") or ""
+                if re.sub(r"[^a-zA-Z0-9_]", "_", cn) == suffix:
+                    m = cand
+                    break
+        return m
+
+    def _skill_speak_flag(self, tname: str) -> bool:
+        """speak-Flag eines run_*-Skills aus dem Manifest (Default False)."""
+        if not tname.startswith("run_"):
+            return True
+        return bool((self._resolve_skill_manifest(tname) or {}).get("speak", False))
+
+    def _skill_response_flags(self, tname: str) -> tuple:
+        """(speak, converse) fuer einen gerade ausgefuehrten run_*-Skill.
+        Prioritaet: JSON-Output des Skills (self._last_skill_flags, pro Aufruf) >
+        Manifest-Default > False. So kann EIN Skill pro Operation unterschiedlich
+        sein — 'next' stumm/stop, 'was laeuft' vorlesen aber trotzdem stop."""
+        flags = getattr(self, "_last_skill_flags", None) or {}
+        m = self._resolve_skill_manifest(tname) or {}
+        speak = bool(m.get("speak", False))
+        converse = bool(m.get("converse", False))
+        if isinstance(flags.get("speak"), bool):
+            speak = flags["speak"]
+        if isinstance(flags.get("converse"), bool):
+            converse = flags["converse"]
+        return speak, converse
+
     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
+        # Vorlesen ja/nein fuer diesen lokalen Turn. Default True (Info-Antwort).
+        # Fuehrt local einen Skill (run_*) aus, uebernimmt dessen speak-Flag aus
+        # dem Manifest (Steuerbefehl-Skill=False → stumm, Antwort-Skill=True).
+        # Info-Tools (web_search/memory_search/trigger_timer) lassen es bei True.
+        self._local_turn_speak = True
+        # Nach der Antwort 30s weiterlauschen? Default True (Gespraech/Info via
+        # web_search). Ein run_*-Skill setzt es auf seinen Output-Wert (Default
+        # False = Einzelaktion).
+        self._local_turn_converse = True
+        # Hat local in diesem Turn ueberhaupt einen echten Skill (run_*) gerufen?
+        # Fuer den Anti-Halluzinations-Guard: behauptet local eine Spotify-/Skill-
+        # Aktion OHNE das Tool zu rufen → eskalieren statt eine erfundene
+        # Bestaetigung durchzulassen.
+        self._local_ran_skill = False
         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
@@ -1273,6 +1395,13 @@ class Agent:
                     logger.info("[router] lokal Tool-Call: %s(%s)", tname,
                                 ", ".join(targs.keys()))
                     tresult = self._dispatch_tool(tname, targs)
+                    # Echter Skill (run_*) erfolgreich? Dann uebernimmt dieser
+                    # Turn das speak-Flag des Skills (Steuerbefehl=stumm,
+                    # Antwort-Skill=vorlesen). Letzter Skill gewinnt.
+                    if tname.startswith("run_") and not self._local_tool_failed(tname, tresult):
+                        self._local_turn_speak, self._local_turn_converse = \
+                            self._skill_response_flags(tname)
+                        self._local_ran_skill = True
                     if self._local_tool_failed(tname, tresult):
                         had_error = True
                     messages.append({"role": "tool",
@@ -1318,6 +1447,14 @@ class Agent:
             logger.info("[router] lokal eskaliert → Claude")
             return None
 
+        # Anti-Halluzination: local behauptet manchmal eine Musik-/Skill-Aktion
+        # ('Spotify: …', 'Playlist … abspielen'), OHNE run_spotify gerufen zu
+        # haben → es ist real nichts passiert. Dann eskalieren: Claude ruft das
+        # Tool zuverlaessig. (Echte Skill-Ausfuehrung → _local_ran_skill=True.)
+        if not self._local_ran_skill and _looks_like_skill_action(final):
+            logger.info("[router] lokal: Skill-Aktion behauptet ohne Tool-Call → Claude")
+            return None
+
         logger.info("[router] lokal beantwortet (%d Zeichen)", len(final))
         self.conversation.add("assistant", final, project_id=active_project_id)
         return final
@@ -1367,9 +1504,11 @@ class Agent:
                 metrics.log_fast_path(fast_reply)
             except Exception:
                 pass
-            # Fast-Path = reiner Steuerbefehl → NICHT vorlesen (speak=False).
+            # Vorlesen folgt dem Skill-Manifest (speak): Steuerbefehl=stumm,
-            # System-Flag statt <voice>-Tag: robust, unabhaengig vom Skill-Inhalt.
+            # Antwort-Skill=vorlesen. Default False (reiner Steuerbefehl).
-            return fast_reply, "fast-path", False
+            speak = bool(getattr(self, "_fast_path_speak", False))
+            # Fast-Path = reiner Steuerbefehl → nie ins 30s-Gespraech (converse=False).
+            return fast_reply, "fast-path", speak, False
 
         # 1. User-Turn an die Konversation
         self.conversation.add("user", user_message, source=source,
@@ -1383,7 +1522,11 @@ 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, "local", True  # ARIA-Antwort → vorlesen ok
+            # speak = vorlesen?  converse = danach 30s weiterlauschen? Beides folgt
+            # dem Skill (bzw. Default: Info/Gespraech = vorlesen + 30s).
+            speak = getattr(self, "_local_turn_speak", True)
+            converse = getattr(self, "_local_turn_converse", True)
+            return local_reply, "local", speak, converse
 
         # 2. Hot Memory (alle pinned Punkte)
         hot = self.store.list_pinned()
@@ -1499,6 +1642,13 @@ class Agent:
         # zwei Turns, was OpenAI/Anthropic verwirrt und bei strict tools-Aufrufen
         # zu 400-Errors fuehren kann.
         final_reply = ""
+        # Vorlesen ja/nein fuer diesen Claude-Turn. Default True (Gespraech).
+        # Fuehrt Claude einen Steuerbefehl-Skill (run_*, speak=false) erfolgreich
+        # aus, wird die Antwort NICHT vorgelesen — der Text landet aber normal in
+        # der Bubble (Stefans Wunsch). Antwort-Skills (speak=true) + reine
+        # Konversation bleiben gesprochen.
+        self._claude_turn_speak = True
+        self._claude_turn_converse = True   # Default Gespraech; run_*-Skill setzt es
         try:
             for iteration in range(self.MAX_TOOL_ITERATIONS):
                 result = self.proxy.chat_full(messages, tools=tools,
@@ -1516,6 +1666,12 @@ class Agent:
                     # Tools ausfuehren + Ergebnis als role=tool zurueck
                     for tc in result.tool_calls:
                         tool_result = self._dispatch_tool(tc["name"], tc["arguments"])
+                        # Steuerbefehl-Skill (run_*, speak=false) erfolgreich
+                        # ausgefuehrt → Antwort nicht vorlesen (letzter Skill gewinnt).
+                        _tn = tc.get("name") or ""
+                        if _tn.startswith("run_") and not self._local_tool_failed(_tn, tool_result):
+                            self._claude_turn_speak, self._claude_turn_converse = \
+                                self._skill_response_flags(_tn)
                         # Cap auf 50 KB — passt zur Cap in _dispatch_tool fuer
                         # Skill-Outputs (siehe agent.py weiter unten). 8 KB war
                         # viel zu wenig: Spotify _all=true mit 90 Playlists
@@ -1584,7 +1740,10 @@ class Agent:
         # 7. Assistant-Turn (final reply) in die Conversation
         self.conversation.add("assistant", final_reply,
                               project_id=active_project_id)
-        return final_reply, "claude", True  # ARIA-Antwort → vorlesen ok
+        # speak/converse folgen dem ausgefuehrten Skill (sonst Default: Gespraech).
+        return (final_reply, "claude",
+                bool(getattr(self, "_claude_turn_speak", True)),
+                bool(getattr(self, "_claude_turn_converse", True)))
 
     # ── Tool-Dispatcher ───────────────────────────────────────
 
@@ -1605,6 +1764,8 @@ class Agent:
                     pip_packages=arguments.get("pip_packages", []),
                     config_schema=arguments.get("config_schema") or None,
                     fast_patterns=arguments.get("fast_patterns") or None,
+                    speak=bool(arguments.get("speak", False)),
+                    converse=bool(arguments.get("converse", False)),
                     author="aria",
                 )
                 # Side-Channel-Event: Stefan soll sehen wenn ARIA was anlegt
@@ -1664,6 +1825,10 @@ class Agent:
                 for k in ("entry_code", "readme", "description", "args", "active"):
                     if k in arguments and arguments[k] is not None:
                         patch[k] = arguments[k]
+                if "speak" in arguments and arguments["speak"] is not None:
+                    patch["speak"] = bool(arguments["speak"])
+                if "converse" in arguments and arguments["converse"] is not None:
+                    patch["converse"] = bool(arguments["converse"])
                 if "pip_packages" in arguments and isinstance(arguments["pip_packages"], list):
                     patch["pip_packages"] = arguments["pip_packages"]
                 if "config_schema" in arguments and isinstance(arguments["config_schema"], list):
@@ -1765,6 +1930,18 @@ class Agent:
                             skill_name = cand_name
                             break
                 res = skills_mod.run_skill(skill_name, args=arguments)
+                # Steuer-Flags aus dem Skill-JSON-Output (speak/converse) fuer
+                # DIESEN Aufruf merken. Der Aufrufer (local/claude/fast-path)
+                # liest sie und steuert damit Vorlesen (speak) + 30s-Weiter-
+                # lauschen (converse) — pro Aufruf, dynamisch. Kein JSON / nicht
+                # gesetzt → Aufrufer nimmt Manifest-Default (speak) bzw. False.
+                self._last_skill_flags = None
+                if res.get("ok"):
+                    try:
+                        _j = json.loads((res.get("stdout") or "").strip())
+                        self._last_skill_flags = _j if isinstance(_j, dict) else None
+                    except Exception:
+                        self._last_skill_flags = None
                 # 2000 Zeichen war viel zu wenig — Spotify-JSON ist 5-15 KB,
                 # da wurde der Track-Name regelmaessig abgeschnitten und ARIA
                 # hat aus dem Album-Kontext halluziniert. Claude kann hunderte

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/main.py

@@ -636,6 +636,9 @@ class ChatOut(BaseModel):
     # Soll die Antwort vorgelesen werden? Fast-Path (reiner Steuerbefehl) = False;
     # ARIA-Antworten (local/claude) = True. System-Flag statt <voice>-Tag.
     speak: bool = True
+    # Soll die App nach der Antwort 30s weiterlauschen (Gespraech)? Einzelaktionen/
+    # Skills = False (direkt zurueck aufs Wake-Word), Konversation = True.
+    converse: 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.
@@ -719,7 +722,7 @@ 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, answered_by, speak = await loop.run_in_executor(
+                reply, answered_by, speak, converse = await loop.run_in_executor(
                     None,
                     lambda: a.chat(
                         body.message, source=body.source, project_id=pid,
@@ -743,6 +746,7 @@ async def chat(body: ChatIn, background: BackgroundTasks):
                 project_id=pid,
                 answered_by=answered_by,
                 speak=speak,
+                converse=converse,
             )
     finally:
         _project_pending[pid] = [

aria-brain/router.py

@@ -153,10 +153,19 @@ def build_local_system_prompt(identity_anchor: str, has_tools: bool = False,
             "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).",
+            "- `run_*`-Skills: konkrete Faehigkeiten (z.B. Musik/Spotify u.a.). "
+            "Was ein Skill kann + welche Parameter er nimmt, steht in SEINER "
+            "Tool-Beschreibung — LIES sie und nutze den Skill fuer ALLES was "
+            "dazu passt (nicht nur die offensichtlichen Faelle). Nie selbst eine "
+            "Aktion 'spielen'/'nachschauen', wenn ein Skill das kann.",
             "WICHTIG: Bei reinem Smalltalk ('wie gehts', Begruessung, Meinung) "
             "KEIN Werkzeug — einfach direkt antworten. Werkzeuge nur bei echtem "
             "Bedarf; erfinde keine.",
+            "ANTI-HALLUZINATION (kritisch): Behaupte NIEMALS eine Aktion als "
+            "erledigt, ohne das Werkzeug WIRKLICH aufgerufen zu haben. Keine "
+            "'Spotify: …' / 'Playlist abspielen'-Quittung o.ae. ohne echten "
+            "Skill-Aufruf. Kannst/willst du es nicht per Werkzeug tun, sag es "
+            "ehrlich oder eskaliere — erfinde keine Bestaetigung.",
         ]
     parts += [
         "",

aria-brain/skills.py

@@ -165,6 +165,8 @@ def create_skill(
     author: str = "aria",
     config_schema: Optional[list] = None,
     fast_patterns: Optional[list] = None,
+    speak: bool = False,
+    converse: bool = False,
 ) -> dict:
     """Legt einen neuen Skill an. Wirft ValueError bei ungueltigen Inputs.
 
@@ -215,6 +217,14 @@ def create_skill(
         "author": author,
         "config_schema": _normalize_config_schema(config_schema),
         "fast_patterns": _normalize_fast_patterns(fast_patterns),
+        # speak: soll die Antwort dieses Skills vorgelesen werden (TTS)?
+        # False (Default) = reiner Steuerbefehl (Spotify, Licht) → stumm, App
+        # beendet direkt. True = Antwort-Skill (Info/Ergebnis) → vorlesen.
+        # converse: nach der Antwort 30s weiterlauschen (Dialog)? Default False
+        # (Einzelaktion). Beide sind STATISCHE Defaults — der Skill kann sie im
+        # JSON-Output pro Aufruf ueberschreiben (gemischte Skills).
+        "speak": bool(speak),
+        "converse": bool(converse),
         "version_history": [],
     }
     write_manifest(name, manifest)
@@ -335,10 +345,15 @@ def update_skill(name: str, patch: dict) -> dict:
         # nach archive_current_version manifest neu laden (version_history geupdatet)
         manifest = read_manifest(name) or manifest
 
-    allowed = {"description", "args", "requires", "active", "version", "entry"}
+    allowed = {"description", "args", "requires", "active", "version", "entry",
+               "speak", "converse"}
     for k, v in patch.items():
         if k in allowed:
             manifest[k] = v
+    if "speak" in patch:
+        manifest["speak"] = bool(patch["speak"])
+    if "converse" in patch:
+        manifest["converse"] = bool(patch["converse"])
     if "config_schema" in patch:
         manifest["config_schema"] = _normalize_config_schema(patch["config_schema"])
     if "fast_patterns" in patch:

bridge/aria_bridge.py

@@ -16,6 +16,7 @@ import asyncio
 import base64
 import json
 import logging
+import math
 import mimetypes
 import os
 import re
@@ -32,6 +33,7 @@ from pathlib import Path
 from typing import Optional
 
 import subprocess
+import urllib.parse
 import urllib.request
 import numpy as np
 import sounddevice as sd
@@ -370,6 +372,37 @@ def clean_text_for_tts(text: str) -> str:
     return t.strip()
 
 
+# ── Geo: Bewegungsrichtung aus zwei GPS-Punkten ──────────────
+
+# Fahrtrichtung als Himmelsrichtungs-Adverb (8-Wind, "…waerts"). Index =
+# gerundeter Bearing / 45 (mod 8).
+_COMPASS_ADV = ["nordwaerts", "nordostwaerts", "ostwaerts", "suedostwaerts",
+                "suedwaerts", "suedwestwaerts", "westwaerts", "nordwestwaerts"]
+
+
+def _haversine_m(lat1: float, lon1: float, lat2: float, lon2: float) -> float:
+    """Distanz in Metern zwischen zwei GPS-Punkten."""
+    r = 6371000.0
+    p1, p2 = math.radians(lat1), math.radians(lat2)
+    dp = math.radians(lat2 - lat1)
+    dl = math.radians(lon2 - lon1)
+    a = math.sin(dp / 2) ** 2 + math.cos(p1) * math.cos(p2) * math.sin(dl / 2) ** 2
+    return 2 * r * math.asin(min(1.0, math.sqrt(a)))
+
+
+def _bearing_deg(lat1: float, lon1: float, lat2: float, lon2: float) -> float:
+    """Kompass-Peilung 0..360 (0=Nord) von Punkt1 nach Punkt2."""
+    p1, p2 = math.radians(lat1), math.radians(lat2)
+    dl = math.radians(lon2 - lon1)
+    y = math.sin(dl) * math.cos(p2)
+    x = math.cos(p1) * math.sin(p2) - math.sin(p1) * math.cos(p2) * math.cos(dl)
+    return (math.degrees(math.atan2(y, x)) + 360.0) % 360.0
+
+
+def _heading_word(bearing: float) -> str:
+    return _COMPASS_ADV[round(bearing / 45.0) % 8]
+
+
 # ── STT Engine ───────────────────────────────────────────────
 
 
@@ -1175,8 +1208,28 @@ class ARIABridge:
                 "lat": float(lat),
                 "lon": float(lon),
             })
+            lat, lon = float(lat), float(lon)
+            # Fuer den Standort-Praefix merken (auch fuer Turns ohne frisches GPS).
+            self._last_location = {"lat": lat, "lon": lon}
+            # Fahrtrichtung aus dem Bewegungsvektor. Anker bleibt stehen bis wir
+            # uns >MIN_MOVE_M wirklich wegbewegt haben — so zaehlt echtes Fahren,
+            # nicht das GPS-Jitter im Stand. Stehen wir → letzte Richtung bleibt.
+            # Umdrehen liefert automatisch neue Punkte → neue Richtung.
+            MIN_MOVE_M = 25.0
+            anchor = getattr(self, "_heading_anchor", None)
+            if anchor:
+                moved = _haversine_m(anchor["lat"], anchor["lon"], lat, lon)
+                if moved >= MIN_MOVE_M:
+                    _bg = _bearing_deg(anchor["lat"], anchor["lon"], lat, lon)
+                    self._last_heading = _heading_word(_bg)
+                    self._last_bearing = int(round(_bg)) % 360   # exakte Peilung
+                    self._heading_anchor = {"lat": lat, "lon": lon}
+            else:
+                self._heading_anchor = {"lat": lat, "lon": lon}
         except Exception:
             return
+        # Ortsname im Hintergrund aufloesen (Nominatim, gecacht) — kein Modell.
+        self._maybe_reverse_geocode(float(lat), float(lon))
         # Fire-and-forget: Brain-on-demand-Tick. Wenn Brain nicht antwortet
         # oder langsam ist, blockt das nicht den GPS-Pfad.
         try:
@@ -1184,6 +1237,150 @@ class ARIABridge:
         except Exception:
             pass
 
+    def _maybe_reverse_geocode(self, lat: float, lon: float) -> None:
+        """Loest lat/lon → Ortsname auf, aber nur bei nennenswerter Bewegung
+        (~1 km Raster) und im Hintergrund. Ergebnis landet in
+        self._last_place_name; der Standort-Praefix liest es dann nur ab."""
+        try:
+            key = (round(lat, 3), round(lon, 3))   # ~110 m — fuer Strasse/Hausnr
+        except Exception:
+            return
+        if key == getattr(self, "_geocoded_key", None):
+            return  # diese Gegend schon aufgeloest
+        # Neue Gegend: alten Namen verwerfen, sonst zeigt der Praefix die falsche
+        # Stadt bis der neue Geocode da ist.
+        self._geocoded_key = key
+        self._last_place_name = ""
+        try:
+            self._geocode_task = asyncio.create_task(self._do_reverse_geocode(lat, lon, key))
+        except Exception:
+            self._geocode_task = None
+
+    async def _ensure_place_name(self, lat, lon) -> None:
+        """Stellt (blockierend, mit Timeout) sicher, dass der Ortsname fuer die
+        aktuelle Position da ist — fuer die ERSTE Nachricht an einem neuen Ort,
+        wo der Hintergrund-Geocode noch laeuft. Gecacht → danach instant."""
+        try:
+            lat, lon = float(lat), float(lon)
+            key = (round(lat, 3), round(lon, 3))
+        except Exception:
+            return
+        if key == getattr(self, "_geocoded_key", None) and getattr(self, "_last_place_name", ""):
+            return  # schon aufgeloest
+        if key != getattr(self, "_geocoded_key", None):
+            self._maybe_reverse_geocode(lat, lon)   # startet Task
+        task = getattr(self, "_geocode_task", None)
+        if task is not None and not task.done():
+            try:
+                await asyncio.wait_for(asyncio.shield(task), timeout=6)
+            except Exception:
+                pass  # Timeout/Fehler → Praefix faellt auf reine Koordinaten zurueck
+
+    async def _do_reverse_geocode(self, lat: float, lon: float, key) -> None:
+        """Nominatim-Reverse-Geocode (keyless, gratis). Baut einen moeglichst
+        genauen Ort: Strasse+Hausnummer, PLZ+Stadt, Bundesland; bei Autobahn/
+        Bundesstrasse zusaetzlich die Ref (A 28 / B 75) + best-effort Kilometer
+        (Overpass-Milestone). Setzt self._last_place_name. Fehler → still
+        (Praefix faellt auf reine Koordinaten zurueck)."""
+        base = os.environ.get("NOMINATIM_URL", "https://nominatim.openstreetmap.org").rstrip("/")
+        url = (f"{base}/reverse?lat={lat:.5f}&lon={lon:.5f}&format=jsonv2"
+               f"&zoom=18&addressdetails=1&extratags=1&accept-language=de")
+
+        def _fetch():
+            try:
+                req = urllib.request.Request(url, headers={
+                    # Nominatim verlangt einen aussagekraeftigen User-Agent.
+                    "User-Agent": "ARIA-Assistant/1.0 (personal voice assistant)",
+                })
+                with urllib.request.urlopen(req, timeout=8) as r:
+                    return json.loads(r.read().decode("utf-8", "ignore"))
+            except Exception as exc:
+                logger.debug("[geo] reverse-geocode fehlgeschlagen: %s", exc)
+                return None
+
+        data = await asyncio.get_event_loop().run_in_executor(None, _fetch)
+        if not isinstance(data, dict):
+            return
+        addr = data.get("address") or {}
+        extra = data.get("extratags") or {}
+        road = addr.get("road") or ""
+        house = addr.get("house_number") or ""
+        city = (addr.get("city") or addr.get("town") or addr.get("village")
+                or addr.get("municipality") or addr.get("county") or "")
+        plz = addr.get("postcode") or ""
+        state = addr.get("state") or ""
+        ref = (extra.get("ref") or "").strip()   # z.B. "A 28", "B 75"
+
+        # Strasse + Hausnummer
+        street = (f"{road} {house}".strip()) if road else ""
+        # PLZ + Ort
+        citypart = (f"{plz} {city}".strip()) if plz else city
+
+        segs: list[str] = []
+        # Autobahn/Bundes-/Kreisstrasse? Ref + (best-effort) Kilometer voranstellen.
+        is_road = bool(ref) or any(w in road.lower()
+                                   for w in ("autobahn", "bundesstrasse", "bundesstraße",
+                                             "kreisstrasse", "kreisstraße"))
+        if is_road:
+            label = ref or road
+            km = await self._overpass_km(lat, lon)
+            if km:
+                label = f"{label} bei km {km}"
+            if label:
+                segs.append(label)
+        if street:
+            segs.append(street)
+        if citypart:
+            segs.append(citypart)
+        if state and (state not in citypart):
+            segs.append(state)
+
+        name = ", ".join(s for s in segs if s)
+        if not name:
+            name = data.get("name") or ""
+        # Nur uebernehmen wenn Stefan nicht schon weitergezogen ist (key aktuell).
+        if name and getattr(self, "_geocoded_key", None) == key:
+            self._last_place_name = name
+            logger.info("[geo] %.5f,%.5f → %s", lat, lon, name)
+
+    async def _overpass_km(self, lat: float, lon: float) -> str:
+        """Best-effort Autobahn/Strassen-Kilometer: naechsten OSM-Milestone
+        (highway=milestone mit distance-Tag) im Umkreis suchen. Leer wenn keiner
+        gefunden / Overpass nicht erreichbar. Milestones stehen i.d.R. alle 500 m,
+        also grob (fuer Pannenhilfe 'ca. km X' voellig ausreichend)."""
+        ov = os.environ.get("OVERPASS_URL", "https://overpass-api.de/api/interpreter")
+        query = (f"[out:json][timeout:8];"
+                 f"node(around:900,{lat:.5f},{lon:.5f})[highway=milestone];out;")
+
+        def _fetch():
+            try:
+                body = urllib.parse.urlencode({"data": query}).encode("utf-8")
+                req = urllib.request.Request(ov, data=body, headers={
+                    "User-Agent": "ARIA-Assistant/1.0 (personal voice assistant)",
+                })
+                with urllib.request.urlopen(req, timeout=12) as r:
+                    return json.loads(r.read().decode("utf-8", "ignore"))
+            except Exception as exc:
+                logger.debug("[geo] overpass-km fehlgeschlagen: %s", exc)
+                return None
+
+        d = await asyncio.get_event_loop().run_in_executor(None, _fetch)
+        if not isinstance(d, dict):
+            return ""
+        best_dist = ""
+        best_sq = 1e18
+        for e in (d.get("elements") or []):
+            tags = e.get("tags") or {}
+            dist = tags.get("distance") or tags.get("milestone:distance") or ""
+            elat, elon = e.get("lat"), e.get("lon")
+            if not dist or elat is None or elon is None:
+                continue
+            sq = (float(elat) - lat) ** 2 + (float(elon) - lon) ** 2
+            if sq < best_sq:
+                best_sq = sq
+                best_dist = str(dist)
+        return best_dist.replace(".", ",") if best_dist else ""
+
     async def _trigger_brain_check_now(self) -> None:
         """Brain-Endpoint POST /triggers/check-now anstossen."""
         brain_url = os.environ.get("BRAIN_URL", "http://aria-brain:8080")
@@ -1371,6 +1568,9 @@ class ARIABridge:
                 # und daran haengt das Wake-Word-Re-Arm — sonst bleibt das Ohr
                 # nach einem Fast-Path-Befehl grau haengen.
                 "speak": bool(payload.get("speak", True)) if isinstance(payload, dict) else True,
+                # Nach dieser Antwort 30s weiterlauschen? Steuert das Gespraechs-
+                # Fenster in der App (Skill/Einzelaktion=False, Konversation=True).
+                "converse": bool(payload.get("converse", True)) if isinstance(payload, dict) else True,
             },
             "timestamp": int(asyncio.get_event_loop().time() * 1000),
         })
@@ -1557,14 +1757,33 @@ class ARIABridge:
                 "gesprochen oder gearbeitet hast. Folgendes ist eine Korrektur, "
                 "Ergaenzung oder ein Themenwechsel zu deiner letzten Antwort.]"
             )
-        if location and isinstance(location, dict):
+        # Standort: frische GPS aus der Nachricht, sonst der zuletzt bekannte
-            lat = location.get("lat")
+        # (damit's beim passiven Weiterreden ohne frisches GPS nicht wegfaellt).
-            lon = location.get("lon") or location.get("lng")
+        loc = location if (isinstance(location, dict) and location.get("lat") is not None) \
+            else getattr(self, "_last_location", None)
+        if isinstance(loc, dict):
+            lat = loc.get("lat")
+            lon = loc.get("lon") or loc.get("lng")
             if lat is not None and lon is not None:
+                # Ortsname kommt vom Reverse-Geocode (Nominatim, gecacht) — so
+                # muss KEIN Modell Koordinaten raten (das lokale 8B tippt sonst
+                # daneben, z.B. "Berlin" fuer Oldenburg). Noch nicht aufgeloest
+                # → nur Koordinaten (Claude kann die zur Not selbst deuten).
+                place = getattr(self, "_last_place_name", "")
+                where = f"{place} " if place else ""
+                heading = getattr(self, "_last_heading", "")
+                bearing = getattr(self, "_last_bearing", None)
+                if heading and bearing is not None:
+                    moving = f", unterwegs {heading} ({bearing} Grad)"
+                elif heading:
+                    moving = f", unterwegs {heading}"
+                else:
+                    moving = ""
                 parts.append(
-                    f"[Stefans aktuelle GPS-Position: {float(lat):.6f}, {float(lon):.6f}. "
+                    f"[Stefans aktueller Standort: {where}(GPS {float(lat):.5f}, "
-                    f"Nutze die nur wenn die Frage sich auf seinen Standort bezieht. "
+                    f"{float(lon):.5f}){moving}. Nutze das nur wenn die Frage sich "
-                    f"Erwaehne sie nicht von dir aus, ausser er fragt explizit danach.]"
+                    f"auf seinen Standort/seine Fahrtrichtung bezieht. Erwaehne es "
+                    f"nicht von dir aus, ausser er fragt explizit danach.]"
                 )
         if parts:
             return " ".join(parts) + " " + text
@@ -1712,6 +1931,9 @@ class ARIABridge:
         # Soll vorgelesen werden? Fast-Path (Steuerbefehl) = False. System-Flag
         # vom Brain — robust, unabhaengig von <voice>-Tags im Reply-Text.
         speak = data.get("speak", True)
+        # Nach der Antwort 30s weiterlauschen (Gespraech) oder direkt zurueck aufs
+        # Wake-Word? Einzelaktionen/Skills = False. Reicht die App aus.
+        converse = data.get("converse", True)
 
         # Side-Channel-Events VOR der Chat-Bubble broadcasten (z.B. skill_created)
         # damit sie in der UI vor der Reply auftauchen
@@ -1780,7 +2002,8 @@ class ARIABridge:
         try:
             await self._process_core_response(reply, {"projectId": turn_project_id,
                                                        "answeredBy": answered_by,
-                                                       "speak": speak})
+                                                       "speak": speak,
+                                                       "converse": converse})
         except Exception:
             logger.exception("[brain] _process_core_response Fehler")
             await self._emit_activity("idle", "", project_id=project_id)
@@ -2087,6 +2310,9 @@ class ARIABridge:
                     logger.info("[rvs] App-Chat (mit Anhaengen) project=%s: '%s'",
                                 str(payload.get("projectId") or "") or "(main)", text[:80])
                 else:
+                    _lg = location or getattr(self, "_last_location", None)
+                    if isinstance(_lg, dict) and _lg.get("lat") is not None:
+                        await self._ensure_place_name(_lg.get("lat"), _lg.get("lon") or _lg.get("lng"))
                     core_text = self._build_core_text(text, interrupted, location)
                     logger.info("[rvs] App-Chat%s%s: '%s'",
                                 " [BARGE-IN]" if interrupted else "",
@@ -3184,6 +3410,9 @@ class ARIABridge:
                 logger.warning("[rvs] STT-Text konnte nicht an RVS gesendet werden: %s", e)
 
             # Dann an Brain — der blockt synchron bis ARIA fertig ist.
+            _lg = location or getattr(self, "_last_location", None)
+            if isinstance(_lg, dict) and _lg.get("lat") is not None:
+                await self._ensure_place_name(_lg.get("lat"), _lg.get("lon") or _lg.get("lng"))
             core_text = self._build_core_text(text, interrupted, location)
             await self.send_to_core(core_text,
                                     source="app-voice" + (" [barge-in]" if interrupted else ""),