Ollama-URL korrigiert (100.103.83.12:11435) und M1/M2 gegen Echt-System validiert

Der Host betreibt zwei Ollama-Instanzen: 11434 (fast leer, 0.16.2) und
11435 (Ziel-Instanz, 0.32.13, Modell-Zoo) — Port nicht mehr auf 11434
'korrigieren' (Dokumentation + Skill + Config-Default angepasst).

Validierung gegen das echte System: bge-m3 per API gepullt, Hybrid-Index
(3005 Chunks, 100 % eingebettet, 144 s), M1-Akzeptanz erreicht (Recall@8
0,952 > 0,9; Hit-Rate 0,968). Antwortmodus-Eval mit qwen3.8:27b (Thinking
verifiziert aus): Zitier-Präzision 100 % (4 Regenerierungen), Verweigerung
korrekt 94,3 %, Latenz mean 32 s. ATZ-Konfliktfall korrekt beide Werte
mit Warnung. generate.py: sources enthaelt jetzt nur zitierte Quellen;
Systemprompt ohne redundante Quellenzeile.

Bake-off-Feld (M3) bereits installiert: qwen3.6:27B, gemma4:26b,
mistral-small3.1:24b, gemma4:12B.

.agents/MEMORY.md

@@ -5,46 +5,50 @@ Rollender Übergabe-Log für agent-Threads. Workflow: `.agents/SKILL.md`
 
 ## Current focus
 
-M1 (Index + Retrieval) und M2 (Ollama-Generierung + Grounding + API) sind
-implementiert. Ausstehend: Host-Validierung mit Ollama (Dense-Index,
-Antwortmodus-Eval) und Modell-Bake-off (M3). Odoo-Integration (M4) ist
-separat zu planen.
+M1 und M2 sind **fertig und gegen den echten Ollama validiert**.
+Offen: Modell-Bake-off (M3) mit den bereits installierten Kandidaten
+und Prompt-Tuning der Fehlverweigerungen. Odoo-Integration (M4) separat
+zu planen.
 
 ## Completed (2026-09-14)
 
-- **Planung** (`planung.md`): Architektur, Grounding-Regeln, Modellfeld
-  (Bake-off: qwen3.8:27b primär, qwen3:32b, gemma3:27b, mistral-small3.2:24b,
-  qwen3:14b als Latenz-Untergrenze), Meilensteine M1–M4.
-- **Skill** `.agents/skills/pv-rag-agent/SKILL.md`: verbindliche Regeln für
-  die Implementierung (Grounding, Architektur-Entscheidungen, Gates,
-  Modellwechsel-Protokoll).
-- **Commits**: `25eb285` (Wissensbasis-Import 601 Layer-2-Einträge +
-  .gitignore), `bf8191b` (Planung + Skills). Noch nicht gepusht — Remote
-  `http://localhost:3003/fegger/pv-agent.git` ist aus der Zed-Sandbox nicht
-  erreichbar; User muss vom Host pushen.
-- **Implementierung M1+M2** (`agent/`-Paket): kb.py (Parsing + kb.json-Gate),
-  ingest.py (3005 Chunks aus 601 Einträgen, FTS5 + Vektoren-Cache),
-  retrieve.py (Hybrid BM25+Dense/RRF, Stand-Boost, cross_ref-Erweiterung),
-  generate.py (Systemprompt, Post-Validierung, 1× Regenerierung, dann
-  Verweigerung), ollama_client.py (embed/chat, think-Flag-Fallback),
-  api.py (/ask /health /reindex), cli.py, eval/ (Goldset 31 Fragen,
-  evaluate.py), web/index.html, 41 offline Tests (grün).
-- **Baseline BM25-only**: Hit-Rate 0,871 · Recall@8 0,855 · MRR 0,476
-  (31 Fragen). 4 Fehltreffer: Komposita/Stamm-Schwächen (aliquotiert↔
-  Aliquotierung, Mindestlohngesetz) — Dense-Suche soll diese beheben.
+- **Planung** (`planung.md`): Architektur, Grounding-Regeln, Modellfeld,
+  Meilensteine M1–M4; **Skill** `.agents/skills/pv-rag-agent/SKILL.md`.
+- **Commits**: `25eb285` (Wissensbasis-Import), `bf8191b` (Planung +
+  Skills), `2cba72a` (M1+M2-Implementierung, 41 Tests).
+- **Implementierung M1+M2** (`agent/`): kb/ingest/retrieve/generate/
+  ollama_client/api/cli/eval, Goldset 31 Fragen, Test-Chat.
+- **Ollama-Anbindung verifiziert** (Ziel-Instanz `http://100.103.83.12:11435`,
+  Ollama 0.32.13): `bge-m3` per API gepullt; `qwen3.8:27b` war bereits
+  installiert. Hybrid-Index: 3.005 Chunks, alle eingebettet (144 s).
+- **M1-Akzeptanz erreicht**: Retrieval Hybrid Hit-Rate 0,968 ·
+  Recall@8 **0,952** (>0,9 ✓) · MRR 0,690 (BM25-only: 0,871/0,855/0,476).
+- **M2-Antwortmodus-Eval** (qwen3.8:27b, Thinking aus): Zitier-Präzision
+  **100 %** (4 Regenerierungen, alle geheilt) · Verweigerung korrekt
+  94,3 % · erwartete Quelle zitiert 80,6 % · Latenz mean 32 s / p95 53 s.
+  Report: `data/eval-qwen38.json`.
+- Der ATZ-Konfliktfall (28,5 vs. 27,5 %) wird korrekt mit ⚠ und beiden
+  IDs beantwortet; harte Verweigerung (UStVA, Retrieval nicht leer)
+  funktioniert.
 
 ## Open issues / blockers
 
-- **Ollama aus Zed-Sandbox nicht erreichbar** (100.183.83.12:11435 und
-  localhost:3003 beide geblockt): Dense-Index, Antwortmodus-Eval und
-  Bake-off müssen auf dem Host laufen. Kommandos: `agent/README.md`
-  Abschnitt „Deployment auf dem Host".
-- **Modelle noch nicht gepullt**: auf dem Host `ollama pull qwen3.8:27b`,
-  `ollama pull bge-m3` (plus Bake-off-Kandidaten).
-- **Reranker** (bge-reranker-v2-m3): API-Unterstützung der installierten
-  Ollama-Version prüfen — Design funktioniert ohne.
-- **qwen3.8-Think-Parameter**: `think: false` wird im Request gesendet
-  (Auto-Fallback ohne Flag bei 400/404); exaktes Verhalten am Host testen.
+- **Push**: Remote localhost:3003 aus der Sandbox nicht erreichbar — User
+  pusht vom Host.
+- **Fehlverweigerungen**: q-008 (Abfertigung/Verfügungsmöglichkeiten),
+  q-031 (Mindestlohngesetz) — breite Fragen, Retrieval erfolgreich, Modell
+  verweigert. M3-Tuning: Regel-4-Formulierung lockern („behandle den
+  behandelten Teil“) oder Kontextblöcke erhöhen. Vorher Prompt einfrieren
+  für den Bake-off-Vergleich.
+- **Latenz**: mean 32 s/ Antwort ist hoch (Dense 27B + große Prompts).
+  Hebel: weniger Kontextblöcke (aktuell 8+6), schnellere Kandidaten.
+- **Cloud-Modelle** (`*:cloud` auf der Ollama-Instanz) sind für Antworten
+  tabu (Anforderung: lokal). Nicht versehentlich konfigurieren.
+- **Bake-off M3**: Kandidaten sind bereits installiert — `qwen3.8:27B`,
+  `qwen3.6:27B`, `gemma4:26b`, `mistral-small3.1:24b`, `gemma4:12B`
+  (Latenz-Untergrenze). Achtung: Plan nennt mistral-small3.**2**:24b —
+  installiert ist 3.1; 3.2 ggf. noch pullen oder 3.1 als Proxy.
+  Pro Kandidat: `PV_ANSWER_MODEL=<tag> python -m agent.cli eval --answers`.
 - **M4 Odoo**: native LLM-Module des konkreten Odoo-19-Stands verifizieren
   (keine API-Annahmen); Option A (dünnes Custom-Modul + Service-API) ist
   Default.