feat(agent): support cost questions and thinking fallback

tests/test_generate.py

@@ -53,6 +53,10 @@ def test_system_prompt_requires_contextual_decision_support():
     assert "genau EINE gezielte" in SYSTEM_PROMPT
     assert "Regelnummern niemals" in SYSTEM_PROMPT
     assert "spekuliere nicht mit Trainingswissen" in SYSTEM_PROMPT
+    # Anwendung auf den konkreten Einzelfall (Kostenaufstellung)
+    assert "Arbeitgeberkosten Schritt für Schritt" in SYSTEM_PROMPT
+    assert "nenne diese Annahme explizit" in SYSTEM_PROMPT
+    assert "nicht zusätzlich, wenn die Rechnung" in SYSTEM_PROMPT
 
 
 class TestDecisionSupportValidation:
@@ -244,6 +248,43 @@ def test_trim_results_drops_tail_under_budget():
     assert trim_results(blocks, None) is blocks
 
 
+def test_thinking_only_empty_content_retries_without_think(mini_index):
+    """think=true: qwen3.8 lieferte fallweise leeren content (Antwort nur im
+    thinking-Feld). Ein OllamaError auf dem think-Zug -> einmaliger Retry ohne
+    thinking; die Anfrage scheitert nicht mehr mit 503."""
+    from agent.ollama_client import OllamaError
+
+    class ThinkingClient:
+        def __init__(self):
+            self.think_flags = []
+
+        def chat_full(self, model, messages, temperature=0.1, num_ctx=16384,
+                      num_predict=1024, think=False):
+            self.think_flags.append(think)
+            if think:
+                raise OllamaError(
+                    "empty response from qwen3.8:27b (keys: ['message'])"
+                )
+            return "Barauszahlung ist lohnsteuerpflichtig [lb-min-01].", "stop"
+
+        def chat(self, *a, **k):
+            raise AssertionError("chat() sollte via chat_full laufen")
+
+        def close(self):
+            pass
+
+    import dataclasses
+
+    cfg = dataclasses.replace(mini_index, think=True)
+    client = ThinkingClient()
+    result = answer_question(
+        "Was passiert bei einer Barauszahlung?", cfg, client=client
+    )
+    assert result["verified"] is True
+    assert result["citations"] == ["lb-min-01"]
+    assert client.think_flags == [True, False]
+
+
 def test_length_retry_doubles_budget(mini_index):
     """done_reason='length' (abgeschnittene Antwort) -> ein technischer
     Retry mit doppeltem num_predict; zaehlt nicht als Regel-Regenerierung."""