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/generate.py

@@ -69,6 +69,24 @@ def looks_like_refusal(answer: str) -> bool:
     )
 
 
+def trim_results(results: list[ChunkResult], max_chars: int | None) -> list[ChunkResult]:
+    """Prompt-Budget: niedrig gerankte Blöcke (hinten, meist cross_ref-Extras)
+    ganz weglassen, statt das Modell-Fenster truncieren zu lassen — bei
+    Overflow schneidet Ollama den Systemprompt weg und das Modell verliert
+    die Zitierregeln (Fehlverweigerungen/Fließtext-Zitationen, D10-Follow-up).
+    Mindestens 6 Blöcke bleiben erhalten."""
+    if not max_chars:
+        return results
+    out = list(results)
+
+    def total(rows: list[ChunkResult]) -> int:
+        return sum(len(r.title) + len(r.section) + len(r.text) + 64 for r in rows)
+
+    while out and total(out) > max_chars and len(out) > 6:
+        out.pop()
+    return out
+
+
 def build_user_content(question: str, results: list[ChunkResult]) -> str:
     blocks = []
     for i, r in enumerate(results, 1):
@@ -130,6 +148,7 @@ def answer_question(
     finally:
         if own_retriever:
             retriever.close()
+    results = trim_results(results, cfg.max_context_chars)
 
     def finish(answer, refused, verified, citations, regenerations=0,
                draft=None, sources=None):