feat: Token-Level-LLM-Streaming über WebSocket (#4 Ausbau)

- LLMProvider.stream: Basis-Default (Fallback über complete) + SSE-Streaming
  fuer OpenRouter und lokalen OpenAI-kompatiblen Provider; gemeinsamer Parser sse_delta
- Orchestrator.chat_stream: LLM-Token live via on_token-Callback, danach
  Spoken-Adapter/Normalizer/TTS/Output; Fallback fuer Provider ohne stream
- WS /ws/chat: opt-in {"stream":true} -> ack -> token* -> semantic -> audio -> done
- Tests: 43 gruen (+5: SSE-Parsing, Default-Fallback, WS-Token-Flow)
- Doku aktualisiert; .gitignore: *.wav (generierte Audio-Ausgaben)

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

app/providers/llm/base.py

@@ -1,4 +1,21 @@
+import json
 from abc import ABC, abstractmethod
+from collections.abc import AsyncIterator
+
+
+def sse_delta(line: str) -> str | None:
+    """Extrahiert das Token-Delta aus einer OpenAI-kompatiblen SSE-Zeile (oder None)."""
+    if not line.startswith("data:"):
+        return None
+    data = line[len("data:"):].strip()
+    if not data or data == "[DONE]":
+        return None
+    try:
+        obj = json.loads(data)
+        return obj["choices"][0]["delta"].get("content")
+    except (ValueError, KeyError, IndexError, TypeError):
+        return None
+
 
 class LLMProvider(ABC):
     @abstractmethod
@@ -8,3 +25,15 @@ class LLMProvider(ABC):
         history: list[dict] | None = None,
         session_id: str | None = None,
     ) -> str: ...
+
+    async def stream(
+        self,
+        text: str,
+        history: list[dict] | None = None,
+        session_id: str | None = None,
+    ) -> AsyncIterator[str]:
+        """Token-Stream. Default: kein echtes Streaming -> komplette Antwort als ein Chunk.
+
+        Provider mit SSE-Unterstuetzung ueberschreiben diese Methode.
+        """
+        yield await self.complete(text, history=history, session_id=session_id)