build: document local model runtime

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.