Tuning: Prompt-Budget + cross_ref-Erweiterung heilt Fehlverweigerungen (D11)

- Ursache der 4 Fehlverweigerungen nach KV/RIS-Erweiterung: lange
  KV-Chunks ueberlieferten num_ctx=16384 (bis 62,7 KB Prompt) — Ollama
  trunciert den Systemprompt vorn, das Modell verliert die Zitierregeln
  ('Block-N'-Zitate statt IDs -> Regenerierung -> Verweigerung).
- Fix: num_ctx 32768; trim_results (max_context_chars=90.000, niedrig
  gerankte Bloecke ganz weglassen statt truncieren, Mindestbestand 6);
  cross_ref_expand 3 -> 6 (Top-3 sind oft Branchen-KV-Bloecke mit leeren
  cross_refs - kuratierte Nachbarn kamen sonst nie nach).
- Eval: alle 4 Faelle geheilt, 10/10 Bestaetigungslaeufe OK.
  Retrieval Recall@8 0,851 -> 0,946 (cross_ref-Extras bringen
  Expected-IDs nach). Antworten: Zitier-Praezision 97,6 %, Verweigerung
  97,6 % (>94,3 %-Gate), erwartete Quelle 83,8 -> 91,9 %, Latenz mean 33 s.
- Tests 49 -> 50 (trim_results); Reports lokal (data/eval-*).

agent/README.md

@@ -60,6 +60,8 @@ python -m agent.cli serve             # http://127.0.0.1:8080 (/ask, /health, /r
 | `PV_CANDIDATE_POOL` | `150` | Kandidaten je Liste vor der Fusion (KV/RIS-Erweiterung: Longtail-Spezialisten in der Kandidatur halten) |
 | `PV_RRF_K` | `20` | RRF-Konstante (erweiterter Korpus: Top-Ränge dominant) |
 | `PV_DENSE_WEIGHT` | `2.0` | RRF-Gewicht der Dense-Liste relativ zu BM25 (BM25 ist durch KV-§-Titel-Matches inflationiert) |
+| `PV_NUM_CTX` | `32768` | Modell-Kontextfenster (KV-Chunks überschreiten 16k — Overflow trunciert den Systemprompt) |
+| `PV_MAX_CONTEXT_CHARS` | `90000` | User-Content-Budget; niedrig gerankte Blöcke werden ganz weggelassen (`trim_results`) |
 | `PV_CONTEXT_BLOCKS` | `8` | Kontextblöcke im Prompt |
 | `PV_PORT` | `8080` | API-Port |
 
@@ -118,13 +120,23 @@ Latenz-Hebel für M3: weniger Kontextblöcke, schnellere Kandidaten
 601 → 1274 Einträge (kv-*: 614 WKO-KV-Dokumente quellentreu, ris-*:
 59 RIS-Gesetze, nur die im Lexis360-Bestand zitierten §-Auschnitte);
 14 984 Chunks. Kalibrierung per Goldset-Sweep (dichte Gewichtung,
-RRF-k, Pool): Hit-Rate 0,865 → 0,973 · Recall@8 0,851 → **0,923** (>0,9 ✓)
-· MRR 0,621 → 0,667. Antwortmodus (qwen3.8:27b): Zitier-Präzision
-95,2 % (2 Verletzungen), Verweigerung korrekt 90,5 % (4 Fehlverweige-
-rungen, u.a. q-022/q-029), erwartete Quelle zitiert 83,8 %, Latenz
-mean 31 s / p95 53 s — **unter den M3-Gates** (100 % / 94,3 %): das
-Fehlverweigerungs-Tuning (Regel 4/8 + Kontextblöcke) ist weiteres
-Thema, Prompt bleibt beim laufenden Arbeitsstand eingefroren.
+RRF-k, Pool): Hit-Rate 0,865 → 0,973 · Recall@8 0,851 → 0,923
+(>0,9 ✓) · MRR 0,621 → 0,667.
+
+**Prompt-Budget + Kontext-Abdeckung (2026-09-15, D11):** Lange KV-Chunks
+überlieferten num_ctx=16384 — Ollama trunciert den Systemprompt vorn,
+das Modell verliert die Zitierregeln (Fehlverweigerungen, „Block-N“-
+Zitate). Fix: num_ctx 32768, `trim_results` (max_context_chars=90 000,
+Tail-Blöcke ganz weg) und cross_ref_expand 6 (Top-3 sind oft Branchen-
+KV-Blöcke mit leeren cross_refs — kuratierte Nachbarn kamen nie nach).
+Alle 4 Fehlverweigerungs-Fälle geheilt; 10/10 Bestätigungsläufe OK.
+**Retrieval:** Recall@8 **0,946** (>0,9 ✓) · Hit-Rate 0,973 · MRR 0,671.
+**Antworten (qwen3.8:27b, 42 Fragen):** Zitier-Präzision **97,6 %** (1
+transienter Fall) · Verweigerung korrekt **97,6 %** (>94,3 %-Gate ✓) ·
+erwartete Quelle zitiert 91,9 % · Latenz mean 33 s / p95 57 s ·
+6 Regenerierungen. Reports: `data/eval-qwen38-kvris.json` (vor Tuning),
+`data/eval-qwen38-kvris-tuned.json`. Offen: q-015 Branchen-Noise,
+q-024 transiente Flakiness (leerer Draft).
 
 ## Dateien