Prompt v2 + Kontext-Section-Prioritaet: Fehlverweigerungen behoben (D8)

Diagnose: q-008 bekam die 'Verweise'-Navigationssektion von lb-end-03 als
Kontext (BM25-Langennormalisierung bevorzugt duenne Chunks) -> inhaltlose
Bloecke -> korrekte Verweigerung nach Regel 4. q-031 enthaelt eine falsche
Praemisse (kein 'Mindestlohngesetz' in Oesterreich; Wissensbasis sagt:
kein gesetzlich betraglich festgelegtes Mindestentgelt).

Fixes: (a) retrieve.py _representative_chunk - pro Eintrag beste Inhalts-
sektion (Zusammenfassung > Kernwerte > Rechtsgrundlagen > Payroll >
sonstige > Verweise), Section-Swap aus dem Index falls nur 'Verweise'
rangiert; (b) generate.py Prompt v2 - Regel 4 erlaubt Teilantworten,
Regel 8 verlangt Prämisse-Korrektur mit Muster-Beispiel.

Bestaetigungslauf qwen3.8:27b (35 Fragen): Zitier-Praezision 100 % (8
Regenerierungen, alle geheilt), Verweigerung korrekt 94,3 %, erwartete
Quelle 83,9 % (v1 80,6 %), mean 34 s. q-008 + q-031 behoben; verbleibender
bekannter Fall q-029 (breite Survey-Frage, sicherer Fehlermodus).
Retrieval-Metriken unveraendert (Recall@8 0,952). 41 Tests gruen.

.agents/MEMORY.md

@@ -58,11 +58,13 @@ zu planen).
 
 - **Push**: Remote localhost:3003 aus der Sandbox nicht erreichbar — User
   pusht vom Host.
-- **Fehlverweigerungen**: q-008 (Abfertigung/Verfügungsmöglichkeiten),
-  q-031 (Mindestlohngesetz) — breite Fragen, Retrieval erfolgreich, Modell
-  verweigert. M3-Tuning: Regel-4-Formulierung lockern („behandle den
-  behandelten Teil“) oder Kontextblöcke erhöhen. Vorher Prompt einfrieren
-  für den Bake-off-Vergleich.
+- **Fehlverweigerungen — Stand nach Prompt v2:** q-008 und q-031 sind
+  **behoben** (Section-Priorität + Regel 8). Verbleibend: q-029
+  („Welche Neuerungen behandelt WIKU Personal aktuell 2026?“) — breite
+  Survey-Frage über 12 Hefte; Kontext enthält echte Zusammenfassungen,
+  Modell verweigert trotzdem (sicherer Fehlermodus). Mögliche spätere
+  Hebel: Survey-Rule im Prompt, mehr Kontextblöcke oder Map-Reduce-artige
+  Zusammenfassung. Weitere Iterationen erst mit neuen Evaluationsdaten.
 - **Latenz**: mean 32 s/ Antwort ist hoch (Dense 27B + große Prompts).
   Hebel: weniger Kontextblöcke (aktuell 8+6), schnellere Kandidaten.
 - **Cloud-Modelle** (`*:cloud` auf der Ollama-Instanz) sind für Antworten
@@ -92,6 +94,17 @@ zu planen).
   (100 % Zitier-Präzision, 94,3 % Verweigerung korrekt). `gemma4:26b` als
   dokumentierter Latenz-Kandidat; ein Modellwechsel läuft nur erneut über
   das dokumentierte Protokoll (Skill).
+- **D8 (Prompt-Tuning 2026-09-14):** Prompt v2 + Kontext-Section-
+  Priorität. (a) Regel 4 erlaubt Teilantworten bei unvollständiger Deckung;
+  Regel 8 verlangt Prämisse-Korrektur statt Verweigerung (Muster-Beispiel
+  „Mindestlohngesetz“). (b) `_representative_chunk` wählt pro Eintrag die
+  beste **Inhaltssektion** (Zusammenfassung > Kernwerte > Rechtsgrundlagen
+  > Payroll > sonstige; „Verweise“ nur als letzter Rückgriff — BM25
+  rangiert die dünnen Navigations-Chunks bevorzugt, q-008-Ursache).
+  Ergebnis v1→v2: Zitier-Präzision 100 % gehalten; q-008 + q-031 behoben;
+  erwartete Quelle 80,6 → 83,9 %; Verweigerung 94,3 % (Fehler getauscht:
+  neu q-029 — breite Survey-Frage über 12 Hefte, sicherer Fehlermodus).
+  Report `data/eval-qwen38-v2.json`.
 - **Bake-off-Protokoll** (Skill): Modellwechsel nur über dokumentierten
   Goldset-Vergleich; Kriterium: Zitier-Präzision > Verweigerungs-
   korrektheit > Latenz.