fix: KI-Analyse deckt standardmäßig ALLE Inhalte ab (kein Limit-Risiko)

Das per-Scan-Limit (max_pages/images_per_scan) war ein Sicherheitsrisiko:
Inhalte jenseits des Fensters blieben über viele Scans ungeprüft. Eine
KI-Bildanalyse ist aber nur sinnvoll, wenn ALLE Bilder geprüft werden.

Neu, sauber getrennt:
- Geänderte/neue/geflaggte Inhalte werden IMMER sofort geprüft (Echtzeit-
  Schutz), ungeachtet jeder Drossel — auch wenn das Limit klein ist.
- Die Limits drosseln NUR den historischen Altbestand und sind per Default
  0 = unbegrenzt → der erste Scan deckt den kompletten Bestand ab. Dank
  Hash-Cache eine einmalige Ausgabe; Folge-Scans prüfen nur noch Neues.
- Positiver Wert bleibt als optionale Drossel nur für sehr große Sites.

Tests: 257 grün (+2: geänderte Seite trotz Drossel=1 geprüft; image-Bestand
backlog=0 deckt alle Bilder in einem Scan ab). Default-Werte 20/15 → 0.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

scanner/ai_analyzer.py

@@ -317,7 +317,10 @@ def _analyze_text(cfg, ai_cfg, api_key, snap, diff, entries, result, router, exe
             order_fps.append(fp)
         fp_urls[fp].append(url)
 
-    budget = text_cfg.get("max_pages_per_scan", 20)
+    # Drossel NUR für den historischen Bestand; 0 = unbegrenzt. Geänderte/neue Seiten
+    # werden IMMER geprüft (Echtzeit-Schutz), ungeachtet des Limits.
+    backlog_limit = text_cfg.get("max_pages_per_scan", 0)
+    backlog_used = 0
     tasks, miss_fps = [], []
     for fp in order_fps:
         entry = entries.get(fp)
@@ -325,11 +328,14 @@ def _analyze_text(cfg, ai_cfg, api_key, snap, diff, entries, result, router, exe
             for url in fp_urls[fp]:
                 result["cache_hits"] += 1
                 _maybe_finding(result, entry, fp, url, ai_cfg)
-        elif budget > 0:
-            miss_fps.append(fp)
-            tasks.append((fp, _text_task(fp_text[fp], site_context, models, ai_cfg, api_key, router)))
-            budget -= 1
-        # else: Kostendeckel erreicht — nächster Scan holt den Rest nach
+            continue
+        is_changed = any(u in changed for u in fp_urls[fp])
+        if not is_changed and backlog_limit and backlog_used >= backlog_limit:
+            continue  # Bestands-Drossel erreicht — nächster Scan holt den Rest nach
+        miss_fps.append(fp)
+        tasks.append((fp, _text_task(fp_text[fp], site_context, models, ai_cfg, api_key, router)))
+        if not is_changed:
+            backlog_used += 1
 
     classified = _classify_batch(tasks, executor)
     dirty = False
@@ -379,11 +385,14 @@ def _analyze_images(cfg, ai_cfg, api_key, snap, diff, entries, result, router, e
     known_img_urls = {e["url"] for e in entries.values() if e.get("kind") == "image"}
     coverage_urls = current_img_urls - known_img_urls
 
-    # Priorität: geänderte/geflaggte Bilder zuerst, dann mit dem Restbudget Abdeckung aufbauen.
+    # Geänderte/geflaggte Bilder: IMMER prüfen (Echtzeit-Schutz, nie gedeckelt).
+    # Bestands-Abdeckung: Drossel optional; 0 = unbegrenzt (volle Abdeckung im ersten Scan).
     priority = sorted((changed_img_urls | flagged_img_urls) & current_img_urls)
     coverage = sorted(coverage_urls - set(priority))
-    budget = img_cfg.get("max_images_per_scan", 15)
-    fetch_urls = (priority + coverage)[:budget]
+    backlog_limit = img_cfg.get("max_images_per_scan", 0)
+    if backlog_limit and backlog_limit > 0:
+        coverage = coverage[:backlog_limit]
+    fetch_urls = priority + coverage
     if not fetch_urls:
         return False
 

scanner/config.py

@@ -119,7 +119,9 @@ DEFAULT_CONFIG: dict = {
                 "google/gemini-2.5-flash-lite",            # Stufe 3: günstig bezahlt, zuverlässig
             ],
             "min_chars": 200,        # nur Seitentexte ab dieser Größe prüfen
-            "max_pages_per_scan": 20,  # Kostendeckel pro Lauf
+            # Drossel NUR für den historischen Bestand; 0 = unbegrenzt (volle Abdeckung im
+            # ersten Scan). Geänderte/neue Seiten werden IMMER geprüft, ungeachtet dieses Werts.
+            "max_pages_per_scan": 0,
         },
         "image": {
             "enabled": True,
@@ -128,7 +130,9 @@ DEFAULT_CONFIG: dict = {
                 "nvidia/nemotron-nano-12b-v2-vl:free",   # Stufe 2: free, Vision
                 "google/gemini-2.5-flash-lite",          # Stufe 3: günstig bezahlt, Vision
             ],
-            "max_images_per_scan": 15,
+            # Drossel NUR für den Bild-Altbestand; 0 = unbegrenzt (volle Abdeckung im ersten
+            # Scan). Geänderte/neue/geflaggte Bilder werden IMMER geprüft, ungeachtet des Werts.
+            "max_images_per_scan": 0,
         },
         # Vorbereitet, default aus — Medien sind auf statischen Heimat-Seiten selten.
         "audio": {