length-Retry: abgeschnittene Antworten sind die q-024-Ursache, kein Thinking (D14)

- Diagnose: q-024-Flakiness war KEIN Think-Ghost (thinking-Feld leer,
  keine Tags), sondern num_predict=1024 — lange belegte Antworten
  brachen bei done_reason=length ab (3/3 Sondenlaeufe), Zitationen
  wurden unvollstaendig, CITE_RE matchte partielle IDs -> Verletzung ->
  Regenerierungs-Eskalation -> UNCERTAIN.
- Fix: num_predict 1024 -> 2048; OllamaClient.chat_full() liefert
  (content, done_reason); chat_with_length_retry() wiederholt bei
  length einmal mit 2x Budget (technischer Retry, kein Regel-
  Regenerierungszaehler) - im Antwort-, Map- und Regenerierungspfad.
- Voll-Eval (46 Fragen): Zitier-Praezision 100 %, Verweigerung korrekt
  100 % (46/46) - erstmals alle M3-Gates erfuellt; erwartete Quelle
  92,7 %; Latenz mean 39,6 s / p95 78 s (vollstaendige statt
  abgeschnittener Antworten). q-024: 4/4 stabil.
- Tests 59 -> 60. Report lokal data/eval-qwen38-lengthfix.json.

agent/config.py

@@ -51,7 +51,9 @@ class Config:
                            # (KV-Cache @32k ~6-8 GB -> gesamt ~21 GB, Budget ok)
     max_context_chars: int = 90_000  # Budget fuer User-Content; niedrig gerankte
                                      # Bloecke werden weggelassen statt trunciert
-    num_predict: int = 1024
+    num_predict: int = 2048   # Output-Budget; 1024 schnitt lange belegte
+                             # Antworten ab (done_reason=length, q-024-Fall)
+                             # -> unvollstaendige Zitationen
     think: bool = False  # Thinking per Request abschalten (Latenz)
     chat_timeout_s: float = 300.0
     embed_timeout_s: float = 240.0