build: document local model runtime

CHANGELOG.md

@@ -12,6 +12,8 @@ Alle wesentlichen Projektänderungen werden hier in verständlicher Form dokumen
 - Eng begrenzte projektinterne Codex-Agentenrollen.
 - Abhängigkeitsfreier Strukturprüfer.
 - Phasenbezogene Empfehlung für Entwicklungswerkzeuge, VS-Code-Erweiterungen, Obsidian und lokale Modelllaufzeiten.
+- Dokumentierte, portable Ollama-Laufzeit 0.32.5 und genau ein lokales Modell
+  `qwen3:8b` außerhalb des Repositories.
 
 ### Changed
 
@@ -21,6 +23,7 @@ Alle wesentlichen Projektänderungen werden hier in verständlicher Form dokumen
 - Vollständigen Erst-Handoff einmalig archiviert und die laufende Übergabe auf einen kompakten aktuellen Stand umgestellt.
 - Isolierte Python-3.12-Entwicklungsumgebung mit uv-Lockfile und Ruff vorbereitet.
 - Offizielle VS-Code-Erweiterungen für Python, Pylance und Python Environments eingerichtet.
+- `qwen3:8b` mit echten deutschen Antworten und GPU-/Zeitmessungen auf der RTX 3060 geprüft.
 
 ### Security
 

docs/CHATGPT_HANDOFF.md

@@ -53,7 +53,11 @@ Rootserver:
 - Toolchain eingerichtet: uv 0.11.32 und CPython 3.12.13 isoliert unter `D:\Javis-Tools`; Ruff 0.16.0 in der lokalen `.venv`.
 - Offizielle VS-Code-Erweiterungen installiert: Python 2026.4.0, Pylance 2026.3.1, Python Environments 1.36.0 und Debugpy 2026.6.0.
 - Windows-PATH und vorhandene Python-Installationen wurden nicht verändert.
-- Ollama oder llama.cpp sind noch nicht installiert.
+- Ollama 0.32.5 ist portabel unter `D:\Javis-Tools\ollama` installiert.
+- Genau ein Modell ist installiert: `qwen3:8b`, GGUF `Q4_K_M`, 5,2 GB, Apache-2.0.
+- Modelle liegen außerhalb von Git unter `D:\Javis-Data\ollama-models`.
+- Der lokale Ollama-Dienst bindet nur an `127.0.0.1:11434`; PATH, Registry,
+  Autostart und Windows-Dienste blieben unverändert.
 - Kein Obsidian-, Laptop- oder Rootserverzugriff wurde implementiert.
 - Keine KI-, Sprach-, Mobil- oder Statusfunktion ist implementiert.
 
@@ -83,6 +87,11 @@ Rootserver:
 - Handoff-Verdichtung als Commit `e6eb995` nach `origin/main` gepusht.
 - Branch `feat/core-chat` von diesem Stand erstellt.
 - uv, CPython 3.12, lokale `.venv`, Ruff, Lockfile und offizielle VS-Code-Python-Erweiterungen eingerichtet.
+- Ollama und llama.cpp anhand offizieller Quellen verglichen; Ollama als einfachere
+  erste Windows-Laufzeit gewählt.
+- Ollama-Archiv gegen die offizielle SHA-256-Prüfsumme verifiziert und portabel installiert.
+- `qwen3:8b` außerhalb des Repositories geladen und mit zwei echten deutschen
+  Modellantworten auf der RTX 3060 geprüft.
 - Obsidian, Ubuntu-Laptop und Rootserver blieben unverändert.
 
 ## Aktuelle Tests
@@ -99,7 +108,18 @@ Letzter bestätigter Grundgerüststand:
 - Python in `.venv`: 3.12.13
 - Ruff in `.venv`: 0.16.0
 
-Für den Textchat existieren noch keine Funktions- oder Modell-Smoke-Tests.
+Lokaler Modell-Smoke-Test:
+
+- Ollama-Version/API: 0.32.5, localhost erreichbar
+- Modell: 5.225.388.164 Byte, 8,2B, Q4_K_M, Apache-2.0
+- kalter Aufruf: 36,19 s Wandzeit, davon 17,53 s Laden, ungefähr 7,22 Token/s
+- warmer kurzer Aufruf: 0,56 s Wandzeit, ungefähr 55,51 Token/s
+- GPU-Belegung: 1.418 MiB vorher, 6.842 MiB mit geladenem Modell
+- Ollama meldet 100 % GPU und 5,6 GB Modellbelegung
+
+Zwölf vorbereitete Unit-Tests für Konfiguration, SQLite, Kern, Provider und CLI
+laufen in der Arbeitskopie bereits erfolgreich; sie sind noch nicht in den
+Feature-Branch übernommen.
 
 ## Git-Stand
 
@@ -108,7 +128,7 @@ Für den Textchat existieren noch keine Funktions- oder Modell-Smoke-Tests.
 - Grundgerüstcommit: `6d04171`
 - letzter Commit vor der Handoff-Verdichtung: `0e82748`
 - Handoff-Verdichtung auf `main`: `e6eb995`
-- aktueller Feature-Commit ist über `git log -1 --oneline` zu bestimmen
+- Python-Entwicklungsumgebung auf dem Feature-Branch: `fa90a5c`
 - `origin` verwendet HTTPS
 - kein Force-Push und keine umgeschriebene Historie
 
@@ -119,11 +139,12 @@ Für den Textchat existieren noch keine Funktions- oder Modell-Smoke-Tests.
 - `0e82748`: Werkzeug-, Token- und Handoff-Regeln
 - `e6eb995`: einmalige Archivierung und Verdichtung des Handoffs
 - aktuell: isolierte Python-Toolchain und reproduzierbare Entwicklungsumgebung
+- aktuell: portable Ollama-Laufzeit und `qwen3:8b` außerhalb von Git verifiziert
 
 ## Offene Entscheidungen und Fehler
 
 - endgültiger Produkt-/Repositoryname bleibt offen
-- lokale Modelllaufzeit und erstes Modell sind noch nicht installiert oder benchmarked
+- Startmechanismus für Ollama ist noch bewusst manuell und nur pro Prozess konfiguriert
 - genauer späterer Obsidian-Schreibbereich ist nicht freigegeben
 - endgültiger Secret-Provider ist offen; lokale Klartext-XML wäre nur restriktiv geschützt und Git-ignoriert zulässig
 - Gaming-PC zeigt derzeit nur 8 statt 16 logische CPU-Prozessoren; Ursache ungeklärt
@@ -143,10 +164,10 @@ Für den Textchat existieren noch keine Funktions- oder Modell-Smoke-Tests.
 
 Der genehmigte nächste Meilenstein ist `feat/core-chat`:
 
-1. Ollama als einfachere Windows-Laufzeit installieren; llama.cpp bleibt dokumentierte Alternative
-2. genau `qwen3:8b` (`Q4_K_M`, 5,2 GB, Apache-2.0) herunterladen und auf der RTX 3060 messen
-3. echten lokalen CLI-Chat mit Provider-Schnittstelle und SQLite-Sitzungen implementieren
-4. Unit-, Ruff-, Persistenz-, Secret- und echten Modell-Smoke-Test ausführen
-5. nur bei vollständig erfüllter Abnahme nach `main` mergen
+1. vorbereiteten lokalen CLI-Chat mit Provider-Schnittstelle und SQLite-Sitzungen
+   in den Feature-Branch übernehmen
+2. Unit-, Ruff-, Persistenz-, Secret- und echten CLI-Modell-Smoke-Test ausführen
+3. Dokumentation und Handoff auf den tatsächlichen Endstand bringen
+4. Feature-Branch pushen und nur bei vollständig erfüllter Abnahme nach `main` mergen
 
 Nicht Teil dieses Meilensteins: Obsidian-Integration, Serverzugriff, Sprache, Mobile Client oder Living-Mind-Code.

docs/LOCAL_MODEL.md

@@ -0,0 +1,61 @@
+# Lokales Modell
+
+Stand: 30.07.2026, erster Windows-Test auf dem Gaming-PC.
+
+## Auswahl
+
+- Laufzeit: Ollama `0.32.5`, portable Windows-Version
+- Modell: `qwen3:8b`
+- Format: GGUF
+- Quantisierung: `Q4_K_M`
+- Parameter: 8,2 Milliarden
+- Kontext laut Modellmetadaten: 40.960 Token; Ollama-Testkontext: 4.096
+- Downloadgröße laut lokaler Ollama-API: 5.225.388.164 Byte, ungefähr 5,2 GB
+- Lizenz: Apache License 2.0
+
+Ollama wurde gegenüber llama.cpp für diesen ersten Windows-Test gewählt, weil die
+offizielle portable Laufzeit ohne Build, Installer, PATH-Änderung oder Systemdienst
+eine stabile lokale HTTP-Schnittstelle bereitstellt. llama.cpp bleibt eine mögliche
+spätere Alternative, falls auf schwächerer Hardware feinere Kontrolle über Kontext,
+Offloading oder Quantisierung benötigt wird.
+
+`qwen3:8b` wurde gewählt, weil die Variante unter 10 GB bleibt, vollständig in den
+12-GB-VRAM der RTX 3060 passt, deutschsprachige Antworten liefert und nach dem
+Download offline über localhost nutzbar ist.
+
+## Speicherorte
+
+- portable Laufzeit: `D:\Javis-Tools\ollama`
+- Modellablage: `D:\Javis-Data\ollama-models`
+- Repository: enthält weder Laufzeit noch Modell
+
+Die Ablage wird beim Start des Dienstes über `OLLAMA_MODELS` nur für diesen Prozess
+gesetzt. PATH, Registry, Autostart und Windows-Dienste wurden nicht verändert.
+
+## Gemessener Test
+
+Hardware: AMD Ryzen 7 9700X, 64 GB RAM, Nvidia RTX 3060 12 GB, Windows 11.
+
+- Laufzeit-Archiv: 1.457.824.795 Byte
+- verifizierte SHA-256:
+  `7c941ae084569d298062d29f8139163a3187c76dbca0479c70d085e78fd8c7bb`
+- kalter deutscher Zweitsatz-Test: 36,19 Sekunden Wandzeit
+- davon Modell-Ladezeit: 17,53 Sekunden
+- Ausgabe: 49 Token mit ungefähr 7,22 Token/Sekunde
+- warmer kurzer Test: 0,56 Sekunden Wandzeit
+- Ausgabe: 19 Token mit ungefähr 55,51 Token/Sekunde
+- GPU-Grundbelegung vor Laden: 1.418 MiB
+- GPU-Belegung bei geladenem Modell/Test: 6.842 MiB
+- beobachtete zusätzliche VRAM-Belegung: ungefähr 5.424 MiB
+- `ollama ps`: 5,6 GB, 100 % GPU, Kontext 4.096
+
+Die Messwerte sind Momentaufnahmen und hängen von Prompt, Kontext, bereits belegtem
+VRAM und Warmzustand ab.
+
+## Grenze
+
+Dieses Modell ist der bestätigte erste Gaming-PC-Test, nicht automatisch das
+endgültige Modell für den ASUS-Laptop mit GTX 1050 4 GB. Dort müssen später
+kleineres Modell, stärkere Quantisierung, teilweises CPU-Offloading und tatsächliche
+Antwortqualität separat gemessen werden. Ein Laptop-Deployment gehört nicht zu
+diesem Arbeitspaket.

docs/NEXT_SESSION.md

@@ -2,7 +2,8 @@
 
 ## Ziel
 
-Nächstes Arbeitspaket auf `feat/core-chat`: genau eine lokale Modelllaufzeit und ein echter lokaler CLI-Textchat mit SQLite-Sitzungen.
+Nächstes Arbeitspaket auf `feat/core-chat`: den vorbereiteten lokalen CLI-Textchat
+mit SQLite-Sitzungen übernehmen, vollständig testen und dokumentieren.
 
 ## Vor Änderungen erneut prüfen
 
@@ -13,10 +14,10 @@ Nächstes Arbeitspaket auf `feat/core-chat`: genau eine lokale Modelllaufzeit un
 
 ## Vorgeschlagener Umfang
 
-- Ollama und llama.cpp offiziell vergleichen; nur eine Laufzeit und ein Modell unter ungefähr 10 GB installieren
 - lokale Konfiguration, Provider-Schnittstelle und SQLite-Sitzungen implementieren
 - CLI mit neuen, gelisteten und fortsetzbaren Sitzungen
-- Unit-, Ruff-, Persistenz-, Secret- und echter Modell-Smoke-Test
+- Unit-, Ruff-, Persistenz-, Secret- und echter CLI-Modell-Smoke-Test
+- Feature-Branch pushen und nur bei erfüllter Abnahme nach `main` mergen
 
 ## Nicht beginnen
 

docs/PROJECT_STATUS.md

@@ -1,6 +1,6 @@
 # Projektstatus
 
-Stand: Toolchain-Arbeitspaket auf `feat/core-chat`, 30.07.2026.
+Stand: lokale Modelllaufzeit auf `feat/core-chat`, 30.07.2026.
 
 ## Erreicht
 
@@ -15,10 +15,15 @@ Stand: Toolchain-Arbeitspaket auf `feat/core-chat`, 30.07.2026.
 - uv 0.11.32 und CPython 3.12.13 isoliert unter `D:\Javis-Tools` installiert
 - lokale `.venv`, reproduzierbares `uv.lock` und Ruff 0.16.0 eingerichtet
 - offizielle VS-Code-Erweiterungen Python, Pylance und Python Environments installiert
+- Ollama 0.32.5 portabel und ohne Systemänderungen unter `D:\Javis-Tools` installiert
+- `qwen3:8b` (Q4_K_M, 5,2 GB, Apache-2.0) unter `D:\Javis-Data` geladen
+- zwei echte deutsche Modellantworten erfolgreich vollständig auf der RTX 3060 erzeugt
+- kalter Test 36,19 s, warmer Kurztest 0,56 s; geladene GPU-Belegung 6.842 MiB
 
 ## Nicht implementiert
 
-KI, Chat, Provider, Gedächtnis, Obsidian-Adapter, Tools, Serverzugriff, Sprache, Mobile Client und Living-Mind-Frontend.
+CLI-Chat, Provider im Repository, Sitzungsspeicher, Obsidian-Adapter, Tools,
+Serverzugriff, Sprache, Mobile Client und Living-Mind-Frontend.
 
 ## Git
 
@@ -29,4 +34,6 @@ KI, Chat, Provider, Gedächtnis, Obsidian-Adapter, Tools, Serverzugriff, Sprache
 
 ## Bekannte Einschränkung
 
-Die Toolchain ist nutzbar, ohne den Windows-`PATH` zu verändern. Eine lokale Modelllaufzeit und der Textchat sind noch nicht implementiert.
+Toolchain und lokale Modelllaufzeit sind nutzbar, ohne den Windows-`PATH`, Registry,
+Autostart oder Windows-Dienste zu verändern. Der Textchat ist als Nächstes in den
+Feature-Branch zu übernehmen und vollständig gegen das reale Modell zu prüfen.