M1+M2: RAG-Pipeline mit verbindlichem Grounding

agent/-Paket: Ingest (601 Layer-2-Eintraege -> 3005 Chunks, FTS5-BM25 +
Vektoren-Cache), Hybrid-Retrieval (RRF, Stand-Boost, cross_ref-Erweiterung),
Ollama-Client (embed/chat, think-Flag-Fallback, kurzes Connect-Budget),
Systemprompt mit Zitierpflicht, Post-Validierung (zitierte IDs gemaess
Retrieved-Set, 1x Regenerierung, dann Verweigerung), FastAPI (/ask, /health,
/reindex), CLI, Goldset (31 Fragen, IDs gegen kb.json verifiziert, inkl.
ATZ-Konfliktfall + 4 Verweigerungsfaelle), Eval-Suite, Test-Chat.

41 Offline-Tests gruen. Baseline BM25-only: Hit-Rate 0,871 / Recall@8 0,855 /
MRR 0,476. Hybrid-Messung, Antwortmodus-Eval und Modell-Bake-off (M3) auf
dem Host ausstaendig (Ollama aus der Zed-Sandbox nicht erreichbar).

MEMORY.md und planung.md Umsetzungsstand aktualisiert.

agent/cli.py

@@ -0,0 +1,124 @@
+"""CLI des PV RAG Agent.
+
+  python -m agent.cli ingest [--no-embed]   Index (neu) aufbauen
+  python -m agent.cli ask "Frage?" [--top-k N] [--json]
+  python -m agent.cli eval [--answers] [--limit N] [--k 8] [--json-out FILE]
+  python -m agent.cli serve [--host 0.0.0.0]
+"""
+from __future__ import annotations
+
+import argparse
+import json
+import sys
+
+from .config import Config
+
+
+def _cmd_ingest(args: argparse.Namespace, cfg: Config) -> int:
+    import dataclasses
+
+    from .ingest import build_index
+    client = None
+    if args.no_embed:
+        cfg = dataclasses.replace(cfg, embed_off=True)
+    elif not cfg.embed_off:
+        from .ollama_client import OllamaClient
+        client = OllamaClient(
+            cfg.ollama_url,
+            embed_timeout_s=cfg.embed_timeout_s,
+            chat_timeout_s=cfg.chat_timeout_s,
+        )
+        if not client.is_up():
+            print(
+                f"[warn] Ollama unter {cfg.ollama_url} nicht erreichbar — "
+                "Index wird BM25-only aufgebaut.",
+                file=sys.stderr,
+            )
+    try:
+        stats = build_index(cfg, client=client)
+    finally:
+        if client is not None:
+            client.close()
+    print(json.dumps(stats.as_dict(), indent=2, ensure_ascii=False))
+    if stats.embed_error:
+        print(f"[warn] {stats.embed_error}", file=sys.stderr)
+    return 0
+
+
+def _cmd_ask(args: argparse.Namespace, cfg: Config) -> int:
+    from .generate import answer_question
+    try:
+        result = answer_question(args.question, cfg, top_k=args.top_k)
+    except Exception as e:
+        print(
+            f"[Fehler] Antwortgenerierung fehlgeschlagen: "
+            f"{type(e).__name__}: {e}\n"
+            f"Ollama erreichbar unter {cfg.ollama_url}? 'curl {cfg.ollama_url}/api/tags'",
+            file=sys.stderr,
+        )
+        return 2
+    if args.json:
+        print(json.dumps(result, indent=2, ensure_ascii=False))
+        return 0
+    print(result["answer"])
+    if result["sources"]:
+        print("\nQuellen:")
+        for s in result["sources"]:
+            print(f"  - {s['id']} — {s['title']} ({s['stand']})")
+    status = "VERWEIGERT" if result["refused"] else (
+        "OK" if result["verified"] else "UNVERIFIZIERT"
+    )
+    print(
+        f"\n[{status} · {result['model']} · {result['latency_ms']} ms · "
+        f"{result['n_context']} Kontextblöcke]"
+    )
+    return 0
+
+
+def _cmd_eval(args: argparse.Namespace, cfg: Config) -> int:
+    from .eval.evaluate import run_eval
+    return run_eval(cfg, args)
+
+
+def _cmd_serve(args: argparse.Namespace, cfg: Config) -> int:
+    import uvicorn
+    uvicorn.run("agent.api:app", host=args.host, port=cfg.port, log_level="info")
+    return 0
+
+
+def main(argv: list[str] | None = None) -> int:
+    cfg = Config.from_env()
+    parser = argparse.ArgumentParser(prog="agent.cli", description=__doc__)
+    sub = parser.add_subparsers(dest="cmd", required=True)
+
+    p_ingest = sub.add_parser("ingest", help="Index (neu) aufbauen")
+    p_ingest.add_argument("--no-embed", action="store_true",
+                          help="Keine Embeddings erzeugen (BM25-only)")
+
+    p_ask = sub.add_parser("ask", help="Frage stellen")
+    p_ask.add_argument("question")
+    p_ask.add_argument("--top-k", type=int, default=None)
+    p_ask.add_argument("--json", action="store_true")
+
+    p_eval = sub.add_parser("eval", help="Goldset-Evaluation")
+    p_eval.add_argument("--answers", action="store_true",
+                        help="inkl. Antwortgenerierung (benötigt Ollama)")
+    p_eval.add_argument("--limit", type=int, default=None)
+    p_eval.add_argument("--k", type=int, default=8, help="K für Recall@k")
+    p_eval.add_argument("--json-out", default=None)
+
+    p_serve = sub.add_parser("serve", help="HTTP-API starten")
+    p_serve.add_argument("--host", default="127.0.0.1")
+
+    args = parser.parse_args(argv)
+    handlers = {
+        "ingest": _cmd_ingest,
+        "ask": _cmd_ask,
+        "eval": _cmd_eval,
+        "serve": _cmd_serve,
+    }
+    return handlers[args.cmd](args, cfg)
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())