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

.agents/skills/pv-rag-agent/SKILL.md

@@ -39,11 +39,11 @@ touches Odoo code, also apply `.agents/odoo19-development/SKILL.md`.
 
 ## System context (fixed facts)
 
-- **Ollama server:** `http://100.183.83.12:11435` (custom port — do
+- **Ollama server:** `http://100.103.83.12:11435` — the target instance
-  not "correct" it to 11434). Verify reachability and installed models
+  (custom port, holds the model zoo: qwen3.8:27b, bge-m3, bake-off
-  with `curl http://100.183.83.12:11435/api/tags`. Note: agent sandboxes
+  candidates). The same host also runs a near-empty instance on port
-  may not reach this host — run such checks from the user's shell, not
+  11434 — do **not** "correct" the port to 11434. Verify with
-  the sandbox.
+  `curl http://100.103.83.12:11435/api/tags`.
 - **GPU:** AMD Radeon AI Pro R9700, 32 GB — keep the total resident
   budget (answer model + embeddings + KV cache) under ~28 GB.
 - **Models (provisional until bake-off, see protocol below):**

agent/README.md

@@ -49,7 +49,7 @@ python -m agent.cli serve             # http://127.0.0.1:8080 (/ask, /health, /r
 
 | Variable | Default | Bedeutung |
 |---|---|---|
-| `OLLAMA_URL` | `http://100.183.83.12:11435` | Ollama-Server (Custom-Port!) |
+| `OLLAMA_URL` | `http://100.103.83.12:11435` | Ollama-Server (Ziel-Instanz; der Host betreibt zusätzlich eine fast leere Instanz auf 11434 — nicht "korrigieren") |
 | `PV_ANSWER_MODEL` | `qwen3.8:27b` | Antwortmodell (provisorisch bis Bake-off M3) |
 | `PV_EMBED_MODEL` | `bge-m3` | Embedding-Modell |
 | `PV_DB_PATH` | `data/index.db` | SQLite-Index |
@@ -62,25 +62,32 @@ python -m agent.cli serve             # http://127.0.0.1:8080 (/ask, /health, /r
 ## Deployment auf dem Host (Ollama-Maschine)
 
 ```bash
-# Modelle einmalig pullen
+# Ollama-Ziel-Instanz prüfen (Custom-Port! Achtung: auf dem Host läuft
-ollama pull qwen3.8:27b
+# zusätzlich eine fast leere Instanz auf 11434 — nicht verwexseln)
-ollama pull bge-m3
+curl http://100.103.83.12:11435/api/tags   # qwen3.8:27b, bge-m3, Bake-off-Feld installiert
-curl http://100.183.83.12:11435/api/tags      # Erreichbarkeit + Modelle
 
-# Vollständiger Index (BM25 + Dense) — danach eval, Ziel: Recall@8 > 0,9
+# Vollständiger Index (BM25 + Dense)
 python -m agent.cli ingest
 python -m agent.cli eval
-python -m agent.cli eval --answers            # Zitier-Präzision, Verweigerungen, Latenz
+python -m agent.cli eval --answers --json-out data/eval-report.json   # Zitier-Präzision, Verweigerungen, Latenz
 ```
 
-## Baseline (2026-09-14, BM25-only, ohne Dense)
+## Baseline (2026-09-14, Hybrid BM25 + bge-m3, Ollama :11435)
 
-Goldset (31 Fragen, `agent/eval/goldset.yaml`): Hit-Rate 0,871 ·
+**Retrieval** (Goldset, 31 Fragen): Hit-Rate 0,968 · **Recall@8 0,952** ·
-Recall@8 0,855 · MRR 0,476. Die vier Fehltreffer sind klassische
+MRR 0,690 — M1-Ziel >0,9 erreicht (BM25-only war 0,855; die vier
-BM25-Schwächen (Komposita: „aliquotiert"↔„Aliquotierung";
+BM25-Fehltreffer behebt die Dense-Suche alle).
-„Mindestlohngesetz") — genau die Fälle, die die Dense-Suche abdecken soll.
+
-Hybrid-Messung auf dem Host aussteht (Ollama aus der Zed-Sandbox nicht
+**Antworten** (qwen3.8:27b, Thinking aus, Temperatur 0,1): **Zitier-Präzision
-erreichbar).
+100 %** (4 Zitierverletzungen wurden von der Post-Validierung abgefangen und
+regeneriert) · Verweigerung korrekt 94,3 % · erwartete Quelle zitiert 80,6 %
+· Latenz mean 32 s / p95 53 s.
+
+Bekannte Fehlverweigerungen: q-008 (Abfertigung Verfügungsmöglichkeiten),
+q-031 (Mindestlohngesetz) — breite Fragen, Retrieval erfolgreich, Modell
+verweigert trotzdem (sicheres Versagensmuster; M3-Prompt-Tuning-Kandidat).
+Latenz-Hebel für M3: weniger Kontextblöcke, schnellere Kandidaten
+(gemma4:12B, MoE).
 
 ## Dateien
 

agent/config.py

@@ -37,8 +37,10 @@ class Config:
     kb_dir: str = "wissensbasis"
     db_path: str = "data/index.db"
 
-    # Ollama (Custom-Port 11435 — nicht "korrigieren", s. Skill)
+    # Ollama — Ziel-Instanz ist Port 11435 (Custom-Port, mit Modell-Zoo).
-    ollama_url: str = "http://100.183.83.12:11435"
+    # Auf demselben Host läuft auch eine Instanz auf 11434 (fast leer) —
+    # NICHT auf 11434 "korrigieren", s. Skill.
+    ollama_url: str = "http://100.103.83.12:11435"
     embed_model: str = "bge-m3"
     answer_model: str = "qwen3.8:27b"  # provisorisch bis Bake-off (M3)
 

agent/generate.py

@@ -38,8 +38,7 @@ Verbindliche Regeln:
 5. Widersprechen sich Kontextblöcke, nenne beide Werte mit ihren IDs und
    kennzeichne den Widerspruch mit ⚠. Löse Widersprüche niemals stillschweigend auf.
 6. Nenne Paragraphen und Gesetze nur, wenn ein Kontextblock sie nennt.
-7. Antworte auf Deutsch, prägnant (Stichpunkte, wo sinnvoll), und füge am
+7. Antworte auf Deutsch und prägnant (Stichpunkte, wo sinnvoll).
-   Ende eine Zeile „Quellen:“ mit den verwendeten IDs (ID — Titel, Stand) an.
 
 Verletze Regel 2 oder Regel 4 niemals — im Zweifel verweigere die Antwort."""
 
@@ -123,14 +122,15 @@ def answer_question(
         if own_retriever:
             retriever.close()
 
-    def finish(answer, refused, verified, citations, regenerations=0, draft=None):
+    def finish(answer, refused, verified, citations, regenerations=0,
+               draft=None, sources=None):
         return {
             "question": question,
             "answer": answer,
             "refused": refused,
             "verified": verified,
             "citations": citations,
-            "sources": _source_rows(results),
+            "sources": sources if sources is not None else _source_rows(results),
             "n_context": len(results),
             "model": cfg.answer_model,
             "regenerations": regenerations,
@@ -197,6 +197,7 @@ def answer_question(
                 citations=[],
                 regenerations=regenerations,
                 draft=retry,
+                sources=[],
             )
 
     citations = sorted(set(CITE_RE.findall(final)))
@@ -214,5 +215,5 @@ def answer_question(
     ]
     return finish(
         final, refused=refused, verified=not violations,
-        citations=citations, regenerations=regenerations,
+        citations=citations, regenerations=regenerations, sources=sources,
     )

planung.md

@@ -33,9 +33,10 @@ in weiterer Folge soll der Agent in Odoo-Enterprise verwendet werden.
 - **Layer-1-Volltexte:** `.lexis360/md/` (572 Dateien) lokal vorhanden,
   lizenzbeschränkt + unversioniert. `.wiku/` fehlt in diesem Checkout —
   für Phase A irrelevant (Retrieval läuft auf Layer 2).
-- **Ollama-Server** `http://100.183.83.12:11435` (Custom-Port): aus der
+- **Ollama-Server** `http://100.103.83.12:11435` (Ziel-Instanz mit Modell-Zoo,
-  Zed-Sandbox **nicht erreichbar** (Netzwerkrestriktion, Timeout) — ist
+  Custom-Port; der Host betreibt zusätzlich eine fast leere Instanz auf 11434):
-  vom Host aus zu verifizieren (`curl http://100.183.83.12:11435/api/tags`).
+  aus der Zed-Sandbox erreichbar (2026-09-14, nach URL-Korrektur) —
+  `bge-m3` wurde per API gepullt, `qwen3.8:27b` war bereits installiert.
 - **GPU:** Radeon AI Pro R9700, 32 GB (Strix Halo / RDNA 5) — budgetiert
   Modellwahl auf ~26–28 GB nutzbar.
 
@@ -198,9 +199,10 @@ tests/            # pytest: Ingest-, Retrieval-, Grounding-Unit-Tests
 
 ## 10. Risiken & offene Punkte
 
-1. **Ollama-Erreichbarkeit** aus der Zed-Sandbox nicht gegeben —
+1. **Ollama-Erreichbarkeit** gegeben (Ziel-Instanz 11435; Sandbox kann
-   Verifikation vom Host: `curl http://100.183.83.12:11435/api/tags`;
+   verbinden). Achtung Doppel-Instanz auf 11434 — URL nicht "korrigieren".
-   Modelle ggf. erst pullen (`qwen3:32b`, `bge-m3`, …).
+   Cloud-Modelle (`*:cloud`) nicht für Antworten verwenden (Anforderung:
+   lokal).
 2. **Ollama-Version:** `/api/embed` + allfällige Rerank-Unterstützung
    prüfen; Fallback ohne Reranker ist unkritisch.
 3. **Strix Halo (gfx-1151):** Ollama/ROCm muss die Karte unterstützen
@@ -233,16 +235,21 @@ tests/            # pytest: Ingest-, Retrieval-, Grounding-Unit-Tests
 
 ## 13. Umsetzungsstand (2026-09-14)
 
-- **M1 erledigt (offline):** Ingest + Index (601 Einträge → 3.005 Chunks,
+- **M1 erledigt und akzeptiert:** Hybrid-Index (601 Einträge → 3.005 Chunks,
-  FTS5-BM25) + Hybrid-Retrieval (Dense-Code vorhanden, am Host zu messen).
+  FTS5-BM25 + bge-m3-Dense, Ollama :11435), Goldset 31 Fragen. **Recall@8
-  Goldset 31 Fragen (IDs gegen kb.json verifiziert, inkl. ATZ-Konfliktfall
+  0,952 > 0,9** (Hit-Rate 0,968, MRR 0,690; BM25-only-Vergleich:
-  und 4 Verweigerungsfälle). Baseline BM25-only: Hit-Rate 0,871 ·
+  0,855 — die vier Komposita-Fehltreffer behebt die Dense-Suche alle).
-  Recall@8 0,855 · MRR 0,476 — 4 Fehltreffer sind Komposita-/Stamm-
+  41 Unit-Tests grün.
-  Muster, die die Dense-Suche abdecken soll. 41 Unit-Tests grün.
+- **M2 erledigt und gegen das echte Modell validiert** (qwen3.8:27b,
-- **M2 implementiert:** Ollama-Client (embed/chat, think-Fallback),
+  Thinking aus): Zitier-Präzision **100 %** (4 Verletzungen → Post-
-  Systemprompt mit Zitierpflicht, Post-Validierung (1× Regenerierung, dann
+  Validierung → Regenerierung, alle geheilt), Verweigerung korrekt 94,3 %,
-  Verweigerung), `/ask`-API + CLI + Test-Chat. **Host-Validierung mit
+  Latenz mean 32 s / p95 53 s. ATZ-Konfliktfall wird korrekt beidseitig
-  echtem Ollama noch offen** (aus der Zed-Sandbox nicht erreichbar).
+  mit ⚠ beantwortet; harte Verweigerungsfälle (UStVA) funktionieren.
-- **M3 offen:** Bake-off auf dem Host (qwen3.8:27b vs. qwen3:32b vs.
+- **M3 teilweise:** qwen3.8:27b-Baseline gemessen (`data/eval-qwen38.json`).
-  gemma3:27b vs. mistral-small3.2:24b; qwen3:14b als Latenz-Untergrenze).
+  Bake-off-Kandidaten sind bereits installiert: qwen3.6:27B, gemma4:26b,
-- Betrieb/Host-Schritte: `agent/README.md`.
+  mistral-small3.1:24b, gemma4:12B (Latenz-Untergrenze). Bekannte
+  Fehlverweigerungen (q-008, q-031) und Latenz sind Tuning-Kandidaten —
+  Prompt für den Bake-off vorher einfrieren.
+- **M4 offen:** Odoo-Integration (separater Plan nach Verifikation der
+  Odoo-19-LLM-Module).
+- Betrieb: `agent/README.md`.