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.

tests/test_generate.py

@@ -0,0 +1,146 @@
+"""Tests: Grounding — Post-Validierung, Verweigerungspflicht, Regenerierung.
+
+Der kritische Teil der Pipeline: keine Antwort mit ungültigen Zitaten
+verlässt answer_question.
+"""
+import pytest
+
+from agent.generate import (
+    REFUSAL_MESSAGE,
+    UNCERTAIN_MESSAGE,
+    answer_question,
+    build_user_content,
+    looks_like_refusal,
+    strip_think,
+    validate_answer,
+)
+
+
+class TestValidateAnswer:
+    def test_valid_citation_passes(self):
+        assert validate_answer("ATZ ist Teilzeit [lb-min-01].", ["lb-min-01"]) == []
+
+    def test_unknown_id_is_violation(self):
+        v = validate_answer("ATZ ist xyz [lb-atz-99].", ["lb-min-01"])
+        assert any("lb-atz-99" in x for x in v)
+
+    def test_no_citation_is_violation(self):
+        v = validate_answer("ATZ ist eine Teilzeit.", ["lb-min-01"])
+        assert any("keine KB-ID" in x for x in v)
+
+    def test_refusal_without_citation_is_ok(self):
+        assert validate_answer(REFUSAL_MESSAGE, ["lb-min-01"]) == []
+
+    def test_bare_id_mention_is_detected(self):
+        assert validate_answer("Siehe lb-min-02 für Details.", ["lb-min-02"]) == []
+
+
+class TestRefusalDetection:
+    def test_refusal_phrase(self):
+        assert looks_like_refusal("Dazu enthält die Wissensbasis keine Aussage.")
+
+    def test_refusal_phrase_with_typos_folds(self):
+        assert looks_like_refusal("Dazu enthält die Wissensbasis keine Aussage!")
+
+    def test_normal_answer_is_no_refusal(self):
+        assert not looks_like_refusal("Der Anspruch besteht [lb-min-01].")
+
+    def test_strip_think_removes_block(self):
+        open_tag = "<" + "think" + ">"
+        close_tag = "</" + "think" + ">"
+        text = open_tag + "Reasoning here" + close_tag + "Antwort [lb-min-01]."
+        out = strip_think(text)
+        assert "Reasoning" not in out
+        assert out.strip().startswith("Antwort [lb-min-01].")
+
+
+class TestUserContent:
+    def test_blocks_contain_metadata_header(self, mini_index):
+        from agent.retrieve import Retriever
+
+        r = Retriever(mini_index)
+        try:
+            results = r.search("Altersteilzeit Lohnausgleich")
+            content = build_user_content("Was ist ATZ?", results)
+            assert "Block 1 — [lb-min-01]" in content
+            assert "Stand: 2026-01" in content
+            assert "Frage: Was ist ATZ?" in content
+        finally:
+            r.close()
+
+
+class TestAnswerQuestion:
+    def test_happy_path_verified(self, mini_index, fake_ollama):
+        client = fake_ollama(
+            answers=["Altersteilzeit ist eine Teilzeit mit Lohnausgleich "
+                     "[lb-min-01]. (Stand 2026-01)"]
+        )
+        result = answer_question(
+            "Was ist Altersteilzeit?", mini_index, client=client
+        )
+        assert result["verified"] is True
+        assert result["refused"] is False
+        assert result["citations"] == ["lb-min-01"]
+        assert result["sources"][0]["id"] == "lb-min-01"
+        assert result["sources"][0]["stand"] == "2026-01"
+        assert client.calls == 1
+
+    def test_hallucinated_id_regenerates_then_refuses(self, mini_index, fake_ollama):
+        client = fake_ollama(answers=[
+            "ATZ gilt ab 60. Lebensjahr [lb-atz-99].",
+            "ATZ gilt ab 60. Lebensjahr, siehe [lb-atz-99].",
+        ])
+        result = answer_question(
+            "Was ist Altersteilzeit?", mini_index, client=client
+        )
+        assert result["refused"] is True
+        assert result["verified"] is False
+        assert result["answer"] == UNCERTAIN_MESSAGE
+        assert result["regenerations"] == 1
+        assert result["citations"] == []
+        assert "draft" in result and "lb-atz-99" in result["draft"]
+
+    def test_regeneration_can_recover(self, mini_index, fake_ollama):
+        client = fake_ollama(answers=[
+            "ATZ gilt ab 60 [lb-atz-99].",
+            "ATZ ist Teilzeit mit Lohnausgleich [lb-min-01].",
+        ])
+        result = answer_question(
+            "Was ist Altersteilzeit?", mini_index, client=client
+        )
+        assert result["verified"] is True
+        assert result["regenerations"] == 1
+        assert result["citations"] == ["lb-min-01"]
+
+    def test_empty_retrieval_refuses_deterministically(self, mini_index, fake_ollama):
+        client = fake_ollama(answers=["sollte nie aufgerufen werden"])
+        result = answer_question(
+            "Wie hoch ist der Wechselkurs von Bermuda-Dollar?", mini_index,
+            client=client,
+        )
+        assert result["refused"] is True
+        assert result["answer"] == REFUSAL_MESSAGE
+        assert result["verified"] is True
+        assert client.calls == 0  # kein LLM-Call bei leerem Retrieval
+
+    def test_model_refusal_is_kept(self, mini_index, fake_ollama):
+        client = fake_ollama(answers=[
+            f"Zu dieser Frage: {REFUSAL_MESSAGE}"
+        ])
+        result = answer_question(
+            "Was ist Altersteilzeit?", mini_index, client=client
+        )
+        assert result["refused"] is True
+        assert result["verified"] is True  # Regel-4-konforme Verweigerung
+        assert client.calls == 1
+
+    def test_top_k_limits_context(self, mini_index, fake_ollama):
+        client = fake_ollama(answers=["Teilzeit [lb-min-01]."])
+        result = answer_question(
+            "Altersteilzeit Urlaub Lohnverrechnung", mini_index,
+            client=client, top_k=1,
+        )
+        main = [s for s in result["sources"]]
+        assert result["n_context"] >= 1
+        # Haupt-Blöcke auf top_k begrenzt; cross_ref-Erweiterungen dürfen dazu
+        assert len([s for s in main]) <= result["n_context"]