release: bump version to 0.2.1.4

colorForScannerFrame existiert in react-native-camera-kit v13 nicht (No-Op) —
entfernt. Die Lib markiert zudem etliche optionale CameraScreen-Props faelschlich
als required (defaultProps fuellen sie zur Laufzeit); Props lokal als any
gespreadet, um die fehlerhaften .d.ts zu umgehen ohne Runtime-Verhalten zu
aendern. scanBarcode/onReadCode bleibt die korrekte v13-Barcode-API.

Projekt jetzt komplett tsc-clean (0 Fehler).

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 20101
+        versionCode 20104
-        versionName "0.2.1.1"
+        versionName "0.2.1.4"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.2.1.1",
+  "version": "0.2.1.4",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/components/QRScanner.tsx

@@ -121,13 +121,20 @@ const QRScanner: React.FC<QRScannerProps> = ({ visible, onScan, onClose }) => {
       <View style={styles.container}>
         {hasPermission ? (
           <>
+            {/* react-native-camera-kit v13: die .d.ts markiert viele OPTIONALE
+                CameraScreen-Props faelschlich als required (defaultProps fuellen
+                sie zur Laufzeit) und kennt colorForScannerFrame nicht — der war
+                ein No-Op und ist raus. scanBarcode/onReadCode ist die korrekte
+                v13-Barcode-API. Props als any spreaden, um die kaputten Lib-Typen
+                zu umgehen, ohne echten Code zu veraendern. */}
             <CameraScreen
-              scanBarcode={true}
+              {...({
-              onReadCode={handleBarcodeScan}
+                scanBarcode: true,
-              showFrame={true}
+                onReadCode: handleBarcodeScan,
-              frameColor="#0096FF"
+                showFrame: true,
-              laserColor="#0096FF"
+                frameColor: '#0096FF',
-              colorForScannerFrame="#0096FF"
+                laserColor: '#0096FF',
+              } as any)}
             />
 
             {/* Overlay oben */}

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);
@@ -990,6 +994,7 @@ const ChatScreen: React.FC = () => {
       // file_from_aria: ARIA hat eine Datei rausgegeben → als ARIA-Bubble anzeigen
       if (message.type === 'file_from_aria') {
         const p = message.payload || {};
+        const sp = (p.serverPath as string) || '';
         const ariaMsg: ChatMessage = {
           id: nextId(),
           sender: 'aria',
@@ -1000,10 +1005,20 @@ const ChatScreen: React.FC = () => {
             name: (p.name as string) || 'datei',
             size: (p.size as number) || 0,
             mimeType: (p.mimeType as string) || '',
-            serverPath: (p.serverPath as string) || '',
+            serverPath: sp,
           }],
         };
-        setMessages(prev => capMessages([...prev, ariaMsg]));
+        setMessages(prev => {
+          // Falls die Chat-Bubble mit dieser Datei schon da ist (Event-Reihen-
+          // folge kann variieren, und die chat-Payload traegt die files jetzt
+          // selbst), keine doppelte Solo-Bubble anlegen.
+          if (sp && prev.some(m =>
+            m.sender === 'aria' && m.attachments?.some(a => a.serverPath === sp)
+          )) {
+            return prev;
+          }
+          return capMessages([...prev, ariaMsg]);
+        });
         return;
       }
 
@@ -1152,26 +1167,53 @@ const ChatScreen: React.FC = () => {
 
         const text = (message.payload.text as string) || '';
         const ts = message.timestamp;
+        // ARIA-Dateien, die DIREKT an dieser Chat-Bubble haengen (Bridge schickt
+        // sie jetzt in der chat-Payload mit — vorher kamen sie nur als separates
+        // file_from_aria-Event, wodurch der Anhang live nicht an der Nachricht
+        // erschien, sondern erst nach einem Seitenwechsel/Reload).
+        const incomingFiles = Array.isArray((message.payload as any).files)
+          ? (message.payload as any).files as Array<any> : [];
+        const fileAttachments: Attachment[] = incomingFiles.map(f => ({
+          type: (typeof f.mimeType === 'string' && f.mimeType.startsWith('image/')) ? 'image' : 'file',
+          name: f.name || 'datei',
+          size: f.size || 0,
+          mimeType: f.mimeType || '',
+          serverPath: f.serverPath || '',
+        }));
+        const incomingPaths = new Set(
+          fileAttachments.map(a => a.serverPath).filter(Boolean) as string[]
+        );
         // Duplikat-Schutz: gleicher Text innerhalb 5s ignorieren
         setMessages(prev => {
           const isDuplicate = prev.some(m =>
             m.sender === 'aria' && m.text === text && Math.abs(m.timestamp - ts) < 5000
           );
           if (isDuplicate) return prev;
+          const payloadAtts = (message.payload.attachments as Attachment[] | undefined) || [];
+          const mergedAtts = [...payloadAtts, ...fileAttachments];
           const ariaMsg: ChatMessage = {
             id: nextId(),
             sender: 'aria',
             text,
             timestamp: ts,
-            attachments: message.payload.attachments as Attachment[] | undefined,
+            attachments: mergedAtts.length ? mergedAtts : undefined,
             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) || '',
           };
+          // Die separate file_from_aria-Bubble (leerer Text, nur Datei), die kurz
+          // zuvor fuer DIESE Datei ankam, entfernen — sonst doppelt (einmal solo,
+          // einmal an der Text-Bubble). Nur solche mit passendem serverPath.
+          const deduped = incomingPaths.size
+            ? prev.filter(m => !(
+                m.sender === 'aria' && !m.text && (m.attachments?.length) &&
+                m.attachments.every(a => a.serverPath && incomingPaths.has(a.serverPath))
+              ))
+            : prev;
           // ARIA hat geantwortet → alle User-Bubbles davor als 'delivered'
           // markieren (WhatsApp-Doppelhaken ✓✓). Brain hat sie verarbeitet.
-          return capMessages([...prev, ariaMsg]).map(m =>
+          return capMessages([...deduped, ariaMsg]).map(m =>
             m.sender === 'user'
               && (m.deliveryStatus === 'sent' || m.deliveryStatus === 'sending')
               ? { ...m, deliveryStatus: 'delivered' }
@@ -1213,6 +1255,9 @@ const ChatScreen: React.FC = () => {
         // 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()) {
           // Klarer Steuerbefehl (Liedersteuerung etc.) = KEINE Konversation →
@@ -1451,8 +1496,10 @@ const ChatScreen: React.FC = () => {
       // Gespraech (gesprochene Antwort): KEIN neuer Gong / kein Aufnahme-Fenster,
       // sondern direkt passives Lauschen (30s weiterreden wie mit einem Menschen).
       // Im Hintergrund gibt's kein Multi-Turn → direkt re-armen (skipPassive).
+      // converse=false (Skill-/Einzelantwort, z.B. 'was laeuft gerade') → auch
+      // ohne 30s: vorlesen + direkt zurueck aufs Wake-Word.
       const bg = AppState.currentState !== 'active';
-      wakeWordService.endConversation(bg).catch(() => {});
+      wakeWordService.endConversation(bg || !converseRef.current).catch(() => {});
     });
     return () => unsubPlayback();
   }, []);
@@ -1528,9 +1575,15 @@ const ChatScreen: React.FC = () => {
       } else {
         // Kein Speech im Window → Konversation beenden
         console.log('[Chat] STT-Endpoint ohne Text (reason=%s) — endConversation', ev.reason);
-        // Placeholder-Bubble wieder weg
+        // NUR den noch UNAUFGELOESTEN Platzhalter entfernen. Nach manuellem Stop
+        // klappt oft ein zweites, LEERES stream_end-Endpoint nach (das Audio war
+        // schon vom echten Endpoint transkribiert) — das darf die bereits mit
+        // dem STT-Text gefuellte Bubble NICHT loeschen, sonst verschwindet die
+        // Sprachnachricht obwohl ARIA schon an der Antwort arbeitet.
         if (ev.audioRequestId) {
-          setMessages(prev => prev.filter(m => m.audioRequestId !== ev.audioRequestId));
+          setMessages(prev => prev.filter(m =>
+            !(m.audioRequestId === ev.audioRequestId
+              && m.text.includes('Spracheingabe wird verarbeitet'))));
         }
         // Bei Passive-Listen + speaker_mismatch oder no-speech: erneut passiv
         // lauschen (Timer im wakeword-service laeuft weiter, regelt das Ende).
@@ -1942,49 +1995,6 @@ const ChatScreen: React.FC = () => {
     }, timeoutMs);
   }, []);
 
-  const sendTextMessage = useCallback(async () => {
-    const text = inputText.trim();
-
-    // Wenn pending Anhaenge vorhanden → Anhaenge + Text zusammen senden
-    if (pendingAttachments.length > 0) {
-      sendPendingAttachments(text);
-      return;
-    }
-
-    if (!text) return;
-
-    setInputText('');
-
-    // Barge-In: laufende ARIA-Aktivitaet abbrechen wenn welche da ist.
-    const wasInterrupted = interruptAriaIfBusy();
-    const location = await getCurrentLocation();
-
-    const cmid = nextClientMsgId();
-    const activePid = focusedProjectIdRef.current;
-    const userMsg: ChatMessage = {
-      id: nextId(),
-      sender: 'user',
-      text,
-      timestamp: Date.now(),
-      clientMsgId: cmid,
-      deliveryStatus: connectionStateRef.current === 'connected' ? 'sending' : 'queued',
-      sendAttempts: 1,
-      projectId: activePid,
-    };
-    setMessages(prev => capMessages([...prev, userMsg]));
-
-    console.log('[Chat] sende cmid=%s voice=%s speed=%s interrupted=%s project=%s',
-                cmid, localXttsVoiceRef.current || '(default)', ttsSpeedRef.current, wasInterrupted, activePid || '(main)');
-    dispatchWithAck(cmid, 'chat', {
-      text,
-      voice: localXttsVoiceRef.current,
-      speed: ttsSpeedRef.current,
-      interrupted: wasInterrupted,
-      projectId: activePid,
-      ...(location && { location }),
-    });
-  }, [inputText, getCurrentLocation, pendingAttachments, sendPendingAttachments, interruptAriaIfBusy, dispatchWithAck]);
-
   // Anfrage abbrechen — nur den fokussierten Kontext (kontext-scoped Cancel).
   const cancelRequest = useCallback(() => {
     const pid = focusedProjectIdRef.current || '';
@@ -2070,6 +2080,16 @@ 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');
@@ -2181,6 +2201,53 @@ const ChatScreen: React.FC = () => {
     setInputText('');
   }, [pendingAttachments, getCurrentLocation, dispatchWithAck]);
 
+  // Reine Text-Nachricht senden. Steht bewusst NACH interruptAriaIfBusy und
+  // sendPendingAttachments — beide stehen in seinem deps-Array, und wenn es
+  // davor deklariert waere, laendeten sie dort in der Temporal Dead Zone
+  // (tsc TS2448/2454; lief nur zufaellig, weil Babel const→var hebt).
+  const sendTextMessage = useCallback(async () => {
+    const text = inputText.trim();
+
+    // Wenn pending Anhaenge vorhanden → Anhaenge + Text zusammen senden
+    if (pendingAttachments.length > 0) {
+      sendPendingAttachments(text);
+      return;
+    }
+
+    if (!text) return;
+
+    setInputText('');
+
+    // Barge-In: laufende ARIA-Aktivitaet abbrechen wenn welche da ist.
+    const wasInterrupted = interruptAriaIfBusy();
+    const location = await getCurrentLocation();
+
+    const cmid = nextClientMsgId();
+    const activePid = focusedProjectIdRef.current;
+    const userMsg: ChatMessage = {
+      id: nextId(),
+      sender: 'user',
+      text,
+      timestamp: Date.now(),
+      clientMsgId: cmid,
+      deliveryStatus: connectionStateRef.current === 'connected' ? 'sending' : 'queued',
+      sendAttempts: 1,
+      projectId: activePid,
+    };
+    setMessages(prev => capMessages([...prev, userMsg]));
+
+    console.log('[Chat] sende cmid=%s voice=%s speed=%s interrupted=%s project=%s',
+                cmid, localXttsVoiceRef.current || '(default)', ttsSpeedRef.current, wasInterrupted, activePid || '(main)');
+    dispatchWithAck(cmid, 'chat', {
+      text,
+      voice: localXttsVoiceRef.current,
+      speed: ttsSpeedRef.current,
+      interrupted: wasInterrupted,
+      projectId: activePid,
+      ...(location && { location }),
+    });
+  }, [inputText, getCurrentLocation, pendingAttachments, sendPendingAttachments, interruptAriaIfBusy, dispatchWithAck]);
+
   // --- Rendering ---
 
   const renderMessage = ({ item }: { item: ChatMessage }) => {

aria-brain/agent.py

@@ -237,19 +237,38 @@ META_TOOLS = [
                     "speak": {
                         "type": "boolean",
                         "description": (
-                            "Soll die Antwort dieses Skills VORGELESEN werden (TTS)? "
+                            "STATISCHER Default fuers Vorlesen dieses Skills (TTS). "
-                            "Default false. \n"
+                            "Default false.\n\n"
-                            "- false = reiner STEUERBEFEHL (Spotify next/pause, Licht, "
+                            "WARUM es das gibt: ARIA ist voice-first. Ein reiner "
-                            "Rollade): es gibt nichts vorzulesen, die App beendet direkt "
+                            "STEUERBEFEHL (Spotify next/pause, Licht an) muss NICHT "
-                            "und lauscht wieder aufs Wake-Word (knackig, wie ein "
+                            "vorgelesen werden — die Aktion selbst ist die Bestaetigung, "
-                            "Kommando).\n"
+                            "Vorlesen waere nervig. Ein ANTWORT-Skill dagegen liefert "
-                            "- true = ANTWORT-Skill: das Ergebnis ist eine Information, "
+                            "eine Info, die Stefan HOEREN will (Wuerfelergebnis, Status, "
-                            "die Stefan HOEREN will (z.B. ein Wuerfelergebnis, ein "
+                            "'was laeuft gerade'). Also: Kommando-Skill=false, "
-                            "Nachschlage-Wert, ein Status). Dann wird die Antwort "
+                            "Antwort-Skill=true.\n\n"
-                            "vorgelesen und das Gespraechs-Fenster bleibt offen.\n"
+                            "PRO AUFRUF (wichtig fuer gemischte Skills!): Wenn EIN Skill "
-                            "Gilt fuer Fast-Path UND wenn das lokale LLM den Skill "
+                            "beides kann (z.B. Spotify: 'next' = stumm, 'was laeuft' = "
-                            "aufruft. Im Zweifel bei Kommandos false, bei "
+                            "vorlesen), kann dein run.py im JSON-Output pro Aufruf "
-                            "Frage-Antwort-Skills true."
+                            "`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."
                         ),
                     },
                 },
@@ -265,6 +284,27 @@ META_TOOLS = [
             "parameters": {"type": "object", "properties": {}},
         },
     },
+    {
+        "type": "function",
+        "function": {
+            "name": "skill_get",
+            "description": (
+                "Liest einen EXISTIERENDEN Skill VOLLSTAENDIG: Manifest (inkl. "
+                "args, fast_patterns, speak/converse) + kompletter entry_code "
+                "(der echte Python-Code) + README. IMMER vor `skill_update` "
+                "aufrufen, damit du den bestehenden Code SIEHST und ihn gezielt "
+                "aenderst statt blind zu ueberschreiben (Blind-Rewrite killt "
+                "leicht funktionierende Teile!)."
+            ),
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "name": {"type": "string", "description": "Skill-Name."},
+                },
+                "required": ["name"],
+            },
+        },
+    },
     {
         "type": "function",
         "function": {
@@ -331,8 +371,18 @@ META_TOOLS = [
                     "speak": {
                         "type": "boolean",
                         "description": (
-                            "Vorlesen ja/nein (siehe skill_create). false = "
+                            "Statischer Vorlese-Default (siehe skill_create). false = "
-                            "Steuerbefehl/stumm, true = Antwort-Skill/vorlesen."
+                            "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."
                         ),
                     },
                 },
@@ -1064,6 +1114,56 @@ 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 _claims_live_media_state(text: str) -> bool:
+    """Erkennt eine BEHAUPTETE Live-Zustands-Auskunft, die NUR ein Werkzeug
+    wissen kann: aktueller Song/Interpret, Restzeit, was gerade laeuft, welches
+    Geraet spielt. local erfindet das gern (mal 'Midnight City von M83', mal
+    'The House Of House') ohne run_spotify zu rufen. Ohne echten Skill-Aufruf ist
+    das reine Halluzination → eskalieren (Claude ruft das Tool zuverlaessig).
+
+    Bewusst auf Medien-/Wiedergabe-Zustand begrenzt, damit normale Musik-
+    Konversation ('ich mag M83') NICHT getroffen wird — es muss nach einer
+    konkreten Ist-Zustands-Auskunft klingen."""
+    t = (text or "").strip().lower()
+    if not t:
+        return False
+    # Restzeit/Abspielposition ('noch 52 Sekunden', 'Restzeit 2:34').
+    if "restzeit" in t or "restlaufzeit" in t:
+        return True
+    if re.search(r"\bnoch\s+\d+\s*(sekunde|minute|sek|min)", t):
+        return True
+    # 'aktueller Song/Titel/Lied heisst/ist …' / 'es laeuft gerade …' /
+    # 'spielt gerade …' / 'jetzt laeuft …' — Ist-Zustands-Auskunft.
+    if re.search(r"(aktuell\w*\s+(song|titel|lied|stueck|track))", t):
+        return True
+    if re.search(r"(l(ae|ä)uft|spielt)\s+(gerade|jetzt|aktuell|zurzeit|grade)", t):
+        return True
+    if re.search(r"(gerade|jetzt|zurzeit|grade)\s+(l(ae|ä)uft|spielt)", t):
+        return True
+    # Skip-Quittung, die einen konkreten Folgetitel behauptet ('… ist jetzt „X"').
+    if ("ueberspring" in t or "übersprung" in t or "uebersprung" in t) and (
+            "song" in t or "titel" in t or "lied" 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)
@@ -1179,8 +1279,12 @@ 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).
+                # Vorlesen/Weiterlauschen folgen dem Skill — GENAU wie bei local/
+                # Claude: Manifest-Default, vom Skill-Output pro Aufruf ueber-
+                # schreibbar. Also NICHT generell converse=False: ein Fast-Path-
+                # Skill darf ein Dialog-Skill sein.
                 self._fast_path_speak = bool(skill.get("speak", False))
+                self._fast_path_converse = bool(skill.get("converse", False))
                 logger.info("[fast-path] match skill=%s pattern=%r msg=%r",
                             skill_name, rx, user_message[:60])
                 try:
@@ -1193,6 +1297,16 @@ class Agent:
                     tail = (res.get("stderr") or res.get("stdout") or "").strip().splitlines()
                     hint = (tail[-1] if tail else "")[:120]
                     return f"{skill_name}: {reply} — Fehler: {hint or 'siehe Brain-Log'}"
+                # Per-Aufruf-Override aus dem Skill-JSON-Output (falls vorhanden).
+                try:
+                    _j = json.loads((res.get("stdout") or "").strip())
+                    if isinstance(_j, dict):
+                        if isinstance(_j.get("speak"), bool):
+                            self._fast_path_speak = _j["speak"]
+                        if isinstance(_j.get("converse"), bool):
+                            self._fast_path_converse = _j["converse"]
+                except Exception:
+                    pass
                 return reply
         return None
 
@@ -1248,11 +1362,10 @@ class Agent:
                 break
         return tools
 
-    def _skill_speak_flag(self, tname: str) -> bool:
+    def _resolve_skill_manifest(self, tname: str) -> Optional[dict]:
-        """speak-Flag eines run_*-Skills aus dem Manifest (Default False =
+        """run_-Toolname → Skill-Manifest (fuzzy, Bindestrich-Mapping)."""
-        Steuerbefehl/stumm). Loest run_-Name → Skill fuzzy auf (Bindestriche)."""
         if not tname.startswith("run_"):
-            return True
+            return None
         suffix = tname[len("run_"):]
         m = skills_mod.read_manifest(suffix)
         if m is None:
@@ -1261,7 +1374,28 @@ class Agent:
                 if re.sub(r"[^a-zA-Z0-9_]", "_", cn) == suffix:
                     m = cand
                     break
-        return bool((m or {}).get("speak", False))
+        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]:
@@ -1273,9 +1407,28 @@ class Agent:
         # 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
+        # B1a-Rueckbau (bewusst): local ist TOOL-LOS — nur reines Reden. Ein 8B
+        # ist ein unzuverlaessiger Tool-Caller: mit Werkzeug in der Hand erfindet
+        # er lieber eine plausible Antwort ('der Song ist X'), statt das Tool zu
+        # rufen — das war die Halo-Quelle UND zwang zu per-Skill-Guards. Ohne
+        # Tools KANN er kein Skill-Ergebnis faelschen. Alles mit Grundwahrheit
+        # (Fakt/Live-Zustand/Gedaechtnis/Aktion) gehoert an Claude oder an den
+        # deterministischen Fast-Path — nicht an den 8B. WIE es dorthin kommt:
+        # das Modell eskaliert SELBST (<<ESCALATE>>, siehe Prompt) — bewusst KEINE
+        # Input-Wortliste im Router. Der Output-Guard unten faengt ab, wenn der
+        # 8B doch mal statt zu eskalieren einen Live-Zustand behauptet.
+        tools = []
 
         sys_prompt = router_mod.build_local_system_prompt(IDENTITY_ANCHOR,
                                                           has_tools=bool(tools))
@@ -1324,7 +1477,9 @@ class Agent:
                     # 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._skill_speak_flag(tname)
+                        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",
@@ -1370,6 +1525,15 @@ 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) or _claims_live_media_state(final)):
+            logger.info("[router] lokal: Aktion/Live-Zustand 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
@@ -1422,7 +1586,9 @@ class Agent:
             # Vorlesen folgt dem Skill-Manifest (speak): Steuerbefehl=stumm,
             # Antwort-Skill=vorlesen. Default False (reiner Steuerbefehl).
             speak = bool(getattr(self, "_fast_path_speak", False))
-            return fast_reply, "fast-path", speak
+            # converse folgt dem Skill (Manifest/Output) — nicht mehr generell False.
+            converse = bool(getattr(self, "_fast_path_converse", False))
+            return fast_reply, "fast-path", speak, converse
 
         # 1. User-Turn an die Konversation
         self.conversation.add("user", user_message, source=source,
@@ -1436,10 +1602,11 @@ 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:
-            # speak folgt dem Skill: Steuerbefehl-Skill (speak=false) → stumm +
+            # speak = vorlesen?  converse = danach 30s weiterlauschen? Beides folgt
-            # App beendet direkt; Antwort-Skill/Info-Tool → vorlesen + Gespraech.
+            # dem Skill (bzw. Default: Info/Gespraech = vorlesen + 30s).
             speak = getattr(self, "_local_turn_speak", True)
-            return local_reply, "local", speak
+            converse = getattr(self, "_local_turn_converse", True)
+            return local_reply, "local", speak, converse
 
         # 2. Hot Memory (alle pinned Punkte)
         hot = self.store.list_pinned()
@@ -1561,6 +1728,7 @@ class Agent:
         # 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,
@@ -1582,7 +1750,8 @@ class Agent:
                         # 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._skill_speak_flag(_tn)
+                            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
@@ -1651,8 +1820,10 @@ class Agent:
         # 7. Assistant-Turn (final reply) in die Conversation
         self.conversation.add("assistant", final_reply,
                               project_id=active_project_id)
-        # speak folgt dem ausgefuehrten Skill (Steuerbefehl=stumm), sonst True.
+        # speak/converse folgen dem ausgefuehrten Skill (sonst Default: Gespraech).
-        return final_reply, "claude", bool(getattr(self, "_claude_turn_speak", True))
+        return (final_reply, "claude",
+                bool(getattr(self, "_claude_turn_speak", True)),
+                bool(getattr(self, "_claude_turn_converse", True)))
 
     # ── Tool-Dispatcher ───────────────────────────────────────
 
@@ -1674,6 +1845,7 @@ class Agent:
                     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
@@ -1725,6 +1897,29 @@ class Agent:
                     f"- {s['name']} ({s['execution']}) {'aktiv' if s.get('active', True) else 'DEAKTIVIERT'}: {s.get('description', '')}"
                     for s in items
                 )
+            if name == "skill_get":
+                sk_name = (arguments.get("name") or "").strip()
+                if not sk_name:
+                    return "FEHLER: name ist Pflicht."
+                src = skills_mod.read_skill_source(sk_name)
+                if src is None:
+                    return f"FEHLER: Skill '{sk_name}' nicht gefunden."
+                m = src["manifest"]
+                # Manifest kompakt + kompletter Code, damit ARIA gezielt aendern kann.
+                meta = {
+                    "name": m.get("name"), "description": m.get("description"),
+                    "execution": m.get("execution"), "entry": m.get("entry"),
+                    "active": m.get("active"), "args": m.get("args"),
+                    "requires": m.get("requires"),
+                    "config_schema": m.get("config_schema"),
+                    "fast_patterns": m.get("fast_patterns"),
+                    "speak": m.get("speak"), "converse": m.get("converse"),
+                }
+                return (
+                    f"MANIFEST:\n{json.dumps(meta, ensure_ascii=False, indent=2)}\n\n"
+                    f"ENTRY-CODE ({src['entry']}):\n{src['entry_code']}\n\n"
+                    f"README:\n{src.get('readme') or '(leer)'}"
+                )
             if name == "skill_update":
                 skill_name = (arguments.get("name") or "").strip()
                 if not skill_name:
@@ -1735,6 +1930,8 @@ class Agent:
                         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):
@@ -1836,6 +2033,18 @@ 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

@@ -75,6 +75,16 @@ _TOOL_HINTS = re.compile(
     re.IGNORECASE,
 )
 
+# HINWEIS (bewusst KEINE Live-/Topic-Wortliste mehr): frueher stand hier ein
+# _LIVE_HINTS-Blacklist (Wetter/Musik/Uhrzeit/… → Claude). Das war die falsche
+# Idee — aus offenem Freitext die Absicht per Wortliste zu erraten ist NIE
+# vollstaendig, jeder Miss = ein Halo. Die generische Loesung ist keine groessere
+# Regex, sondern: das Modell entscheidet selbst („brauche ich Grundwahrheit/ein
+# Tool? → <<ESCALATE>>", siehe build_local_system_prompt). Ein 8B kann das noch
+# nicht zuverlaessig → local bleibt per Einstellung abschaltbar; ein staerkeres
+# lokales Modell uebernimmt spaeter genau diese Selbst-Erkennung. Absicherung ist
+# der Output-Guard in agent.py, nicht eine Input-Wortliste.
+
 # Technik-/Tiefe-Marker → Claude (lokales 8B soll das nicht raten).
 _HARD_HINTS = re.compile(
     r"```|"                                    # Codeblock
@@ -86,6 +96,18 @@ _HARD_HINTS = re.compile(
 
 _MAX_LEN_FOR_LOCAL = 220   # laengere Nachrichten = eher komplexe Aufgaben → Claude
 
+# Expliziter Nutzer-Wunsch „nimm das grosse Modell". Stefan sagt oft „frag Clodi"
+# / „benutze direkt Claude" — dann soll der Turn NICHT lokal versucht werden,
+# sondern direkt an Claude gehen. „Clodi/Clody" ist sein Kosename fuer Claude und
+# meint praktisch immer Routing; „claude"/„grosses modell" nur in Imperativ-Kontext
+# (nimm/nutze/frag/…), damit reine Trivia „was ist Claude" nicht faelschlich matcht.
+_FORCE_CLAUDE = re.compile(
+    r"\b(clodi|clody)\b"
+    r"|\b(nimm|nutze|benutze|verwende|frag(e|st)?|nimms?t?|mit|via|direkt|per)\b"
+    r"[^.?!]*\b(claude|gro(ss|ß)es?\s+modell)\b",
+    re.IGNORECASE,
+)
+
 
 def _strip_leading_hint_blocks(text: str) -> str:
     """Fuehrende `[ ... ]`-Hint-Bloecke (GPS, Barge-In von der Bridge) weg —
@@ -108,6 +130,10 @@ def should_try_local(user_message: str, cfg: dict) -> bool:
     msg = _strip_leading_hint_blocks(user_message)
     if not msg or len(msg) > _MAX_LEN_FOR_LOCAL:
         return False
+    # Expliziter „nimm Claude/Clodi"-Wunsch → nie lokal (User hat entschieden).
+    if _FORCE_CLAUDE.search(msg):
+        logger.info("[router] expliziter Claude-Wunsch erkannt → nicht lokal")
+        return False
     if _TOOL_HINTS.search(msg):
         return False
     if _HARD_HINTS.search(msg):
@@ -122,10 +148,16 @@ def should_try_local(user_message: str, cfg: dict) -> bool:
 # kein volles Memory (B1a).
 
 # Was das lokale Tier NICHT selbst kann → dafuer eskaliert es an Claude.
+# Seit dem B1a-Rueckbau hat local KEINE Werkzeuge mehr: es kann nichts
+# nachschlagen und nichts steuern. Alles was aktuelle Grundwahrheit oder eine
+# Aktion braucht, gehoert ans grosse Modell.
 _AWARENESS = (
-    "Nur das grosse Modell (nicht du im Schnell-Modus) kann: Bilder generieren, "
+    "Du hast im Schnell-Modus KEINE Werkzeuge — du kannst nichts nachschlagen und "
-    "Skills bauen/aendern, Projekte & OAuth verwalten, ins Gedaechtnis SCHREIBEN, "
+    "nichts steuern. Nur das grosse Modell kann: aktuelle Infos holen (Wetter, "
-    "sowie tiefe/technische Analysen und langen Code."
+    "News, Uhrzeit, Preise), Musik/Spotify steuern oder den laufenden Song "
+    "nennen, Timer setzen, Bilder generieren, Skills bauen/aendern, Projekte & "
+    "OAuth verwalten, ins Gedaechtnis schreiben, sowie tiefe/technische Analysen "
+    "und langen Code. Fuer ALL das eskalierst du."
 )
 
 
@@ -153,10 +185,26 @@ 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.",
+            "Das gilt GENAUSO fuer Live-Auskuenfte: Nenne NIEMALS einen aktuellen "
+            "Songtitel, Interpreten, die Restzeit oder was gerade laeuft/welches "
+            "Geraet spielt, ohne den passenden Skill (z.B. run_spotify) WIRKLICH "
+            "aufgerufen und sein Ergebnis gelesen zu haben. Kein Tool-Ergebnis = du "
+            "weisst es NICHT — dann eskaliere, statt einen Titel/eine Zeit zu raten. "
+            "Gib nur weiter, was im Skill-Ergebnis wirklich steht; hat der Skill "
+            "keinen Titel geliefert (z.B. nur 'OK: next'), erfinde auch keinen.",
         ]
     parts += [
         "",

aria-brain/skills.py

@@ -139,6 +139,26 @@ def read_manifest(name: str) -> Optional[dict]:
         return None
 
 
+def read_skill_source(name: str) -> Optional[dict]:
+    """Manifest + kompletter entry_code + README eines Skills. Damit ARIA einen
+    Skill LESEN kann bevor sie ihn per skill_update aendert (sonst Blind-Rewrite,
+    der bestehende Funktionen killt)."""
+    m = read_manifest(name)
+    if m is None:
+        return None
+    d = _skill_dir(name)
+    entry = m.get("entry", "run.sh")
+    try:
+        code = (d / entry).read_text(encoding="utf-8")
+    except Exception as exc:
+        code = f"(entry-Datei '{entry}' nicht lesbar: {exc})"
+    try:
+        readme = (d / "README.md").read_text(encoding="utf-8")
+    except Exception:
+        readme = ""
+    return {"manifest": m, "entry": entry, "entry_code": code, "readme": readme}
+
+
 def write_manifest(name: str, manifest: dict) -> None:
     d = _skill_dir(name)
     d.mkdir(parents=True, exist_ok=True)
@@ -166,6 +186,7 @@ def create_skill(
     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.
 
@@ -218,9 +239,12 @@ def create_skill(
         "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 +
+        # beendet direkt. True = Antwort-Skill (Info/Ergebnis) → vorlesen.
-        # Gespraechs-Fenster. Gilt fuer Fast-Path UND local-Skill-Ausfuehrung.
+        # 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)
@@ -341,12 +365,15 @@ 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", "speak"}
+    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
@@ -293,10 +295,17 @@ def clean_text_for_tts(text: str) -> str:
     if not text:
         return ""
 
-    # <voice>...</voice> wenn vorhanden → nur das nehmen
+    # <voice>...</voice> wenn vorhanden → nur diesen Inhalt lesen. ABER: ein
+    # LEERES <voice></voice> darf die Sprachausgabe nicht verstummen lassen.
+    # Claude haengt reflexartig manchmal ein leeres Tag an (v.a. bei Spotify-
+    # Antworten) — frueher wurde daraus text="" → gar keine TTS (Playlist-Wechsel
+    # 'Prodigy' stumm, 'Fliegen' gesprochen, rein je nachdem ob Claude Inhalt ins
+    # Tag schrieb). Leeres/whitespace-Tag → ignorieren und den normalen Text lesen.
     voice_match = _re_tts.search(r'<voice>([\s\S]*?)</voice>', text, _re_tts.IGNORECASE)
-    if voice_match:
+    if voice_match and voice_match.group(1).strip():
         text = voice_match.group(1)
+    else:
+        text = _re_tts.sub(r'<voice>[\s\S]*?</voice>', ' ', text, flags=_re_tts.IGNORECASE)
 
     t = text
 
@@ -370,6 +379,37 @@ 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 +1215,28 @@ 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 +1244,150 @@ 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")
@@ -1356,6 +1560,13 @@ class ARIABridge:
                 "text": display_text,
                 "sender": "aria",
                 "messageId": message_id,
+                # ARIA-Dateien DIREKT an der Chat-Bubble mitschicken — sonst kommt
+                # der Anhang live nur als separates file_from_aria-Event (eigene
+                # Bubble) und taucht an der Nachricht erst nach einem Seiten-
+                # wechsel auf (Reload aus chat_backup, das die files kennt). Selbe
+                # Struktur wie im Backup, damit App live == Reload rendert.
+                "files": [{"serverPath": f["serverPath"], "name": f["name"],
+                           "mimeType": f["mimeType"], "size": f["size"]} for f in aria_files],
                 # backupTs = der ts in chat_backup.jsonl. Wird von Clients als
                 # Bubble-ID fuer das Mülltonne-Loeschen verwendet (delete_message_request).
                 "backupTs": assistant_backup_ts,
@@ -1371,6 +1582,9 @@ 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 +1771,33 @@ 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 +1945,9 @@ 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 +2016,8 @@ 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 +2324,9 @@ 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 +3424,9 @@ 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 ""),