docs: bring docs/ and build_archive.py up to date

Die docs/ waren gegenüber den neuen Features veraltet.

- SECURITY_AND_OPERATIONS.md: Netzwerk-Exposition (Loopback-Default,
  --expose/--api-key inkl. 401-Verhalten der Endpunkte), DNS-Pinning,
  --start/--change unter Lock + --force, --change validate-before-remove,
  Chat-Parameter (max_tokens/chat_temperature/--stream), ${ENV}-Expansion,
  --check-Exit-Codes, smoke.sh, ChatReply; Fehler-Tabelle erweitert
  (401, Trunkierung, Docker-health vs. HTTP-OK).
- How_to_use.md: Abschnitt zu den neuen Optionen.
- Archiv-Report: Testzahl (130) und Dateiliste aktualisiert.
- build_archive.py: scripts/ in INCLUDE_DIRS (sonst fehlt smoke.sh im Archiv),
  test_actions.py/How_to_use.md/smoke.sh in REQUIRED_FILES aufgenommen.

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

docs/Archiv_fertig_-_Check_und_Installation.md

@@ -4,13 +4,13 @@ Was gebaut wurde
 
 Statt manuell zu tarballen, gibt es jetzt ein eigenständiges Python-Skript build_archive.py, das:
 
-Prüft, ob alle 27 erforderlichen Projektdateien vorhanden sind (Quellcode, Tests, Doku, Manpage, Config-Beispiel)
+Prüft, ob alle erforderlichen Projektdateien vorhanden sind (Quellcode, Tests, Doku, Manpage, Config-Beispiel, scripts/smoke.sh)
 
 pyproject.toml-Abhängigkeiten gegen requirements.txt abgleicht
 
 Die deklarierte Abhängigkeit (requests>=2.31,<3) in einer frischen, isolierten virtuellen Umgebung installiert, um echte Installierbarkeit zu bestätigen (nicht nur einen Trockenlauf)
 
-Die vollständige Test-Suite (93 Tests, alle grün) laufen lässt
+Die vollständige Test-Suite (aktuell 130 Tests, alle grün) laufen lässt
 
 Das .tar.gz über Pythons tarfile-Modul baut (nicht rohes Shell-tar)
 
@@ -24,7 +24,7 @@ Enthaltene Projektstruktur
 
 src/llamacppctl/ — die vollständige Implementierung: cli.py, config.py, prompt_io.py (SSRF-gehärtete Eingabeschicht), docker_ops.py, http_ops.py, lock_ops.py, actions.py, main.py
 
-tests/ — 93 Tests (Prompt-Quellen, Datei-/URL-Sicherheit mit gemockter DNS-Auflösung, Konfigurationsauflösung, CLI-Validierung, Docker-/HTTP-Operationen mit gemocktem subprocess/requests, File-Locking)
+tests/ — 130 Tests (Prompt-Quellen, Datei-/URL-Sicherheit mit gemockter DNS-Auflösung, Konfigurationsauflösung, CLI-Validierung, Docker-/HTTP-Operationen mit gemocktem subprocess/requests, File-Locking)
 
 docs/SECURITY_AND_OPERATIONS.md — vollständige Architektur-, Konfigurations- und Sicherheitsdokumentation
 

docs/How_to_use.md

@@ -18,7 +18,16 @@ Besonderheiten gegenüber den ursprünglichen Shell-Skripten:
 
 - `--change` nutzt eine exklusive Dateisperre (`/tmp/llamacppctl.<container_name>.lock`), damit zwei gleichzeitige Modellwechsel für denselben Container sich nicht in die Quere kommen.
 - Die Start-Bereitschaftsprüfung (`--start`/`--change`) wartet auf eine echte Chat-Completion-Antwort, nicht nur auf einen offenen Port — das ist zuverlässiger als ein reiner Port-Check.
-- `--dry-run` zeigt dir den vollständigen `docker run`-Befehl an, ohne ihn auszuführen — praktisch, um vor einer echten Änderung zu prüfen, was passieren würde.
+- `--dry-run` zeigt dir den vollständigen `docker run`-Befehl an, ohne ihn auszuführen (reine Vorschau: kein Lock, kein Container-Abriss).
+- `--change` validiert den Modellpfad **vor** dem Entfernen des laufenden Containers und läuft — wie `--start` — unter Lock; `--force` umgeht einen hängenden Lock.
 
-Die vollständige Referenz zu allen Optionen steht in der Manpage (`man/llamacppctl.1`) und in `README.md`/`docs/SECURITY_AND_OPERATIONS.md` im Archiv.
+Neuere Optionen (Details in Manpage/README):
+
+- **Antwortsteuerung:** `--max-tokens` (Reasoning-Modelle brauchen viel Budget, sonst leere Antwort), `--chat-temp`, und `--stream` für token-weise Live-Ausgabe bei `--chat`.
+- **Netzwerk/Auth:** Port wird per Default nur auf `127.0.0.1` veröffentlicht; `--expose` bindet auf alle Interfaces, `--api-key` schützt die Chat-API (Bearer-Token).
+- **Scriptbar:** `--check` liefert Exit-Code 0 (läuft/erreichbar) bzw. 5 — geeignet für Monitoring/Cron.
+- **`hf_home`** darf Env-Variablen enthalten, z. B. `hf_home = ${HF_HOME}`.
+- **End-to-End-Test:** `scripts/smoke.sh` (opt-in) gegen einen echten Server.
+
+Die vollständige Referenz zu allen Optionen steht in der Manpage (`man/llamacppctl.1`) und in `README.md`/`docs/SECURITY_AND_OPERATIONS.md`.
 

docs/SECURITY_AND_OPERATIONS.md

@@ -9,13 +9,14 @@ Betriebsmodus auf einem dedizierten GPU-Host.
 ```
 src/llamacppctl/
   cli.py         Argumentparsing (argparse) + semantische Cross-Field-Validierung
-  schema.py      Dataclasses: ServerConfig, PromptConfig, CheckResult
+  schema.py      Dataclasses: ServerConfig, PromptConfig, ChatReply, CheckResult
   config.py      INI-Konfiguration laden/mergen -> ServerConfig/PromptConfig
+                 (inkl. ${ENV}- und ~-Expansion in hf_home)
   prompt_io.py   Sicherheitsgehärtete Eingabeschicht für System-/User-Prompts
   docker_ops.py  Alle Docker-Interaktionen (subprocess mit Argumentlisten)
-  http_ops.py    HTTP-Health-Checks und Chat-Completions gegen die
-                 OpenAI-kompatible llama.cpp-API
-  lock_ops.py    Exklusives, nicht-blockierendes File-Locking für --change
+  http_ops.py    HTTP-Health-Checks, Chat-Completions und SSE-Streaming gegen
+                 die OpenAI-kompatible llama.cpp-API
+  lock_ops.py    Exklusives, nicht-blockierendes File-Locking für --start/--change
   actions.py     Orchestrierung: do_start, do_check, do_stop, do_change, do_chat
   main.py        Dünner Einstiegspunkt: parse -> validate -> resolve -> dispatch
 ```
@@ -37,13 +38,26 @@ testbar von der Orchestrierung.
    `container_name=va_llm`, `gpu_device=1`, `jinja/fa/kv_unified/
    cont_batching/no_context_shift=true`, `reasoning=on`,
    `cache_type_k/v=q4_0`, `batch_size=1024`, `ubatch_size=512`,
-   `timeout=300`, `poll_interval=2`, …).
+   `timeout=300`, `poll_interval=2`, `expose=false`, `api_key=`,
+   `max_tokens=2048`, `chat_temperature=`, …).
 2. **`[default]`**-Sektion — überschreibt die eingebauten Defaults global.
 3. **`[model.<profile>]`**-Sektion — ausgewählt über `--profile <name>`,
    überschreibt `[default]` selektiv (nur gesetzte Schlüssel).
 4. **CLI-Overrides** — z. B. `--image`, `--host-port`, `--container-name`,
    `--ctx-size`, … überschreiben alles Vorherige.
 
+`hf_home` unterstützt Environment-Variablen und `~` (z. B. `hf_home = ${HF_HOME}`);
+die Expansion erfolgt in `build_server_config()` über `os.path.expandvars` +
+`expanduser`.
+
+Neben den Container-/Server-Parametern liefert die Auflösung auch die
+**Chat-Request-Parameter** (`PromptConfig`, wirken nur auf `--chat` und die
+Antwort nach `--start`, nicht auf den Container): `max_tokens` (Default 2048;
+Reasoning-Modelle brauchen viel Budget, sonst bricht die Antwort mitten im
+„Denken“ ab und `content` ist leer) und `chat_temperature` (leer = die
+Server-`temp` gilt). CLI-Overrides: `--max-tokens`, `--chat-temp`. Die Ausgabe
+kann mit `--stream` token-weise (SSE) erfolgen.
+
 `[prompt.<name>]`-Sektionen werden **separat** aufgelöst und liefern
 ausschließlich einen *Fallback*-Systemprompt (`system_prompt = ...`). Ein
 explizit übergebener `-s/--system`, `--system-file` oder `--system-url`
@@ -147,6 +161,13 @@ Nach erfolgreicher Zielvalidierung (`load_text_url()`):
   einen falschen (zu niedrigen) `Content-Length`-Header sendet, keinen
   Speicher-Erschöpfungsangriff durchführen kann.
 - Antwort muss gültiges UTF-8 sein.
+- **DNS-Pinning gegen Rebinding:** `validate_url_target()` löst den Hostnamen
+  auf und klassifiziert die IPs; der eigentliche `requests.get` würde jedoch
+  **erneut** auflösen (TOCTOU-Fenster). `_pin_dns()` beschränkt `socket.getaddrinfo`
+  für die Dauer des Requests auf genau die bereits validierten IPs — löst der
+  Name zwischenzeitlich auf eine andere (z. B. private) Adresse um, wird der
+  Connect mit `gaierror` abgebrochen. TLS/SNI und Zertifikatsprüfung bleiben
+  intakt, weil die URL weiterhin den Hostnamen trägt.
 
 ### 3.3 Warum das wichtig ist
 
@@ -175,16 +196,42 @@ mehrbenutzerfähigen Wrapper um `llamacppctl`).
   Profile gezielt auf unterschiedliche GPUs (z. B. RTX 3090 #1/#2) gepinnt
   werden können.
 
-## 5. Locking (`--change`)
+### 4.1 Netzwerk-Exposition und API-Key
+
+Die llama.cpp-OpenAI-API ist standardmäßig **nicht** authentifiziert. Deshalb:
+
+- Der Port wird per Default nur auf **`127.0.0.1`** veröffentlicht
+  (`_port_publish()` -> `-p 127.0.0.1:<host_port>:<container_port>`), d. h. der
+  Endpunkt ist **nicht** aus dem LAN erreichbar. `--expose`/`expose = true`
+  bindet auf alle Interfaces (`-p <host_port>:<container_port>`).
+- Wird exponiert, sollte per `--api-key`/`api_key` ein Schlüssel gesetzt werden.
+  Er wird dem Server übergeben (`--api-key`) und vom Tool als
+  `Authorization: Bearer <key>` auf jeder Anfrage mitgesendet.
+- **Wichtig:** llama.cpp schützt damit `/v1/chat/completions` (ohne Key -> 401),
+  lässt aber `/health` und `/v1/models` bewusst offen (für Health-Checks). Die
+  Reachability-Checks des Tools (`check_health`/`check_models`) funktionieren
+  daher auch ohne Key; nur die Chat-Endpunkte verlangen ihn.
+
+## 5. Locking (`--start` / `--change`)
 
 `lock_ops.FileLock` verwendet `fcntl.flock(LOCK_EX | LOCK_NB)` auf einer
 Lock-Datei unter `/tmp/llamacppctl.<container_name>.lock` (Default, ableitbar
-über `--lock-file`). `--change` hält den Lock über die gesamte
-Stop-Reconfigure-Restart-Sequenz. Ein zweiter, gleichzeitiger `--change`-Aufruf
-für **denselben** `container_name` schlägt sofort mit `LockError` (Exit-Code
-6) fehl, statt zu blockieren oder Race-Conditions am Container zu riskieren.
-Da der Lock-Pfad an `container_name` gekoppelt ist, blockieren sich zwei
-Profile mit unterschiedlichem `container_name` gegenseitig nicht.
+über `--lock-file`). **Sowohl `--start` als auch `--change`** halten den Lock
+über die gesamte (Stop-)Reconfigure-Restart-Sequenz. Ein zweiter, gleichzeitiger
+Aufruf für **denselben** `container_name` schlägt sofort mit `LockError`
+(Exit-Code 6) fehl, statt zu blockieren oder Race-Conditions am Container zu
+riskieren. Da der Lock-Pfad an `container_name` gekoppelt ist, blockieren sich
+zwei Profile mit unterschiedlichem `container_name` gegenseitig nicht.
+
+`--force` umgeht einen belegten Lock bewusst (mit Warnung auf stderr) — gedacht
+für hängende/verwaiste Locks. Zusätzlich lässt `--force` `--stop`
+Inkonsistenzen (z. B. halb erstellte Container) schlucken, statt mit
+Docker-Fehler abzubrechen.
+
+`--dry-run` ist eine reine Vorschau und nimmt **weder** den Lock **noch**
+entfernt es den Container; `--change` validiert außerdem den Modellpfad
+**vor** dem Entfernen des laufenden Containers, sodass eine Fehlkonfiguration
+keinen vermeidbaren Ausfall verursacht.
 
 ## 6. `--dry-run` und `--print-effective-config` als Sicherheitswerkzeuge
 
@@ -235,7 +282,11 @@ ctx_size = 131072
   dem, was tatsächlich in Docker läuft.
 - `--check --profile <name>` ist der empfohlene Weg für Monitoring/Cronjobs,
   um sowohl Container-Status als auch tatsächliche Inferenzfähigkeit
-  (`chat_ok`) zu prüfen.
+  (`chat_ok`) zu prüfen. `--check` ist **scriptbar**: Exit-Code 0, wenn der
+  Container läuft und HTTP erreichbar ist, sonst 5.
+- Für einen End-to-End-Test gegen einen echten Docker + llama.cpp-Server
+  (`--api-key`-Round-Trip, Streaming, Exit-Codes) gibt es das opt-in Skript
+  `scripts/smoke.sh` (eigener Container/Port, Cleanup am Ende).
 
 ## 8. Installation, Nutzung, Fehlersuche
 
@@ -253,3 +304,6 @@ Häufige Fehlerbilder:
 | `resolved to blocked IP ...` | URL löst auf eine private/loopback/reserved Adresse auf | Ziel korrigieren oder bewusst `--allow-private-url` setzen (nur für vertrauenswürdige interne Ziele) |
 | `lock busy: /tmp/llamacppctl.<name>.lock` | Ein anderer `--change`-Lauf für denselben `container_name` läuft bereits | Warten, bis der andere Lauf beendet ist, oder Ursache des hängenden Laufs prüfen |
 | `Server did not become ready within <n>s` | Modell braucht länger zum Laden als `timeout`, oder Startfehler | `--timeout` erhöhen, `--logs` für Container-Log-Tail nutzen |
+| `chat completion returned HTTP 401: Invalid API Key` | Server verlangt `api_key`, das Tool sendet keinen/falschen | `--api-key`/`api_key` passend setzen |
+| Leere Antwort + `Hinweis: ... abgeschnitten (finish_reason=length)` | Reasoning-Modell hat das `max_tokens`-Budget im „Denken“ verbraucht | `--max-tokens`/`max_tokens` erhöhen |
+| `--check` meldet `health=unhealthy`, obwohl der Server antwortet | bildeigener Docker-Healthcheck vs. eigene HTTP-Probe des Tools | unkritisch: `HTTP: OK` + Exit 0 zählt; Docker-Health ist separat |