feat(agent): support cost questions and thinking fallback

agent/generate.py

@@ -12,7 +12,7 @@ import time
 
 from .config import Config
 from .normalize import normalize_text
-from .ollama_client import OllamaClient
+from .ollama_client import OllamaClient, OllamaError
 from .query_planner import SubQuery, is_decision_support, plan_queries
 from .retrieve import ChunkResult, Retriever
 
@@ -71,9 +71,18 @@ Verbindliche Regeln:
     von zweckgebundenen Sach- oder Kostenleistungen. Vergleiche belegte
     Kandidaten nach denselben Dimensionen: Auszahlbarkeit bzw.
     Verwendungsbindung, Lohnsteuer, Sozialversicherung einschließlich BV und
-    Lohnnebenkosten, Voraussetzungen sowie Stand. Nenne Quellenwidersprüche
-    gemäß Regel 5 und stelle bei fehlendem Kontext am Ende genau EINE gezielte
-    Rückfrage. Sind [wk-akt-04] und [lb-sva-03] beide als Block-Köpfe im
+    Lohnnebenkosten, Voraussetzungen sowie Stand. Nennt die Frage konkrete
+    Eckdaten (z. B. Bruttolohn, Betrag, Einmaligkeit, Barzahlung), wende die
+    belegten Sätze unmittelbar auf diesen Fall an: rechne mit den im Kontext
+    genannten Sätzen die Arbeitgeberkosten Schritt für Schritt (Lohnsteuer,
+    SV einschließlich DB und DZ, allfällige KommSt) und gib die Gesamtbelastung
+    an. Belege jede in die Rechnung eingehende Zahl mit [ID] und Stand; steht
+    ein Rechenwert nur allgemein im Kontext (z. B. Jahressechstel,
+    Bemessungsgrundlage), nenne diese Annahme explizit. Fehlt hingegen ein für
+    die Berechnung wesentlicher Parameter, stelle am Ende genau EINE gezielte
+    Rückfrage — nicht zusätzlich, wenn die Rechnung mit den Kontextwerten
+    möglich ist. Nenne Quellenwidersprüche
+    gemäß Regel 5. Sind [wk-akt-04] und [lb-sva-03] beide als Block-Köpfe im
     Kontext vorhanden, stelle den Konflikt ausdrücklich mit ⚠ dar:
     [wk-akt-04] nennt die Mitarbeiterprämie 2026 SV-/BV-pflichtig;
     [lb-sva-03] ordnet sie systematisch in den taxativen Katalog
@@ -268,7 +277,11 @@ def answer_question(
     if cfg.planner_enabled:
         try:
             sub_queries, planned, qtype = plan_queries(question, client, cfg)
-            sub_queries = sub_queries[: cfg.planner_max_queries] or sub_queries[:1]
+            if not is_decision_support(question):
+                # LLM-Pläne bleiben auf die Maximalzahl begrenzt; der
+                # deterministische Abgaben-Vergleichsplan liefert nur gezielte
+                # Queries (max. 5) und darf sie vollständig behalten.
+                sub_queries = sub_queries[: cfg.planner_max_queries] or sub_queries[:1]
         except Exception:
             sub_queries, planned, qtype = [SubQuery(text=question)], False, "specific"
 
@@ -332,28 +345,41 @@ def answer_question(
     def chat(msgs, num_predict: int | None = None):
         """Ein Chat-Zug; liefert (gestrippter Content, done_reason).
         Bei done_reason='length' (Antwort bei num_predict abgeschnitten)
-        sind Zitationen ggf. unvollstaendig — der Aufrufer ruft einmal mit
-        doppeltem Budget neu (technischer Retry, kein Regel-Regeneration)."""
+        sind Zitationen ggf. unvollständig — der Aufrufer ruft einmal mit
+        doppeltem Budget neu (technischer Retry, kein Regel-Regeneration).
+        Liefert das Modell bei aktivem Thinking leeren Content (Antwort nur
+        im thinking-Feld bzw. Budget im Thinking aufgebraucht), wird einmal
+        ohne Thinking wiederholt."""
         budget = num_predict or cfg.num_predict
-        if hasattr(client, "chat_full"):
-            raw, done_reason = client.chat_full(
-                cfg.answer_model,
-                msgs,
-                temperature=cfg.temperature,
-                num_ctx=cfg.num_ctx,
-                num_predict=budget,
-                think=cfg.think,
+
+        def call(use_think: bool):
+            if hasattr(client, "chat_full"):
+                return client.chat_full(
+                    cfg.answer_model,
+                    msgs,
+                    temperature=cfg.temperature,
+                    num_ctx=cfg.num_ctx,
+                    num_predict=budget,
+                    think=use_think,
+                )
+            return (
+                client.chat(
+                    cfg.answer_model,
+                    msgs,
+                    temperature=cfg.temperature,
+                    num_ctx=cfg.num_ctx,
+                    num_predict=budget,
+                    think=use_think,
+                ),
+                "stop",
             )
-        else:
-            raw = client.chat(
-                cfg.answer_model,
-                msgs,
-                temperature=cfg.temperature,
-                num_ctx=cfg.num_ctx,
-                num_predict=budget,
-                think=cfg.think,
-            )
-            done_reason = "stop"
+
+        try:
+            raw, done_reason = call(cfg.think)
+        except OllamaError:
+            if not cfg.think:
+                raise
+            raw, done_reason = call(False)
         return strip_think(raw), done_reason
 
     def chat_with_length_retry(msgs):