feat(llm): lokales llama.cpp-Modell (va_llm) als zentrale, sprachoptimierte KI

- scripts/llm-server/: start/stop/status fuer llama.cpp-Server (Port 8001, GPU 1,
  Modell Qwen3.6-35B-A3B-Uncensored, Alias va_llm) - alles per ENV ueberschreibbar
- Defaults auf den lokalen Server umgestellt (config.py, .example-Configs, .env.example)
- Provider local-openai-compatible sprachoptimiert: Reasoning aus
  (chat_template_kwargs.enable_thinking=false) + knapper Sprach-System-Prompt,
  optional max_tokens/temperature - Antwort ~9x schneller, kurze vorlesbare Texte
- Makefile-Targets llm-up/llm-down/llm-status
- Doku (README, BEDIENUNGSANLEITUNG) auf llama.cpp statt Ollama aktualisiert

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

.env.example

@@ -45,9 +45,16 @@ DEFAULT_OUTPUT_ENDPOINT=local-default
 # DEFAULT_STT_PROVIDER=openrouter
 # DEFAULT_LLM_PROVIDER=local-openai-compatible
 # DEFAULT_TTS_PROVIDER=openrouter
-LOCAL_LLM_BASE_URL=http://127.0.0.1:11434/v1
+# Lokaler llama.cpp-Server (zentrale, unzensierte KI). Start: scripts/llm-server/start-llm-server.sh
+# LOCAL_LLM_MODEL muss dem --alias des Servers entsprechen (Default: va_llm).
+LOCAL_LLM_BASE_URL=http://127.0.0.1:8001/v1
 LOCAL_LLM_API_KEY=dummy
-LOCAL_LLM_MODEL=llama3.1
+LOCAL_LLM_MODEL=va_llm
+# Tempo-Hebel fuer den Sprach-Loop: Reasoning aus + knappe, vorlesbare Antworten.
+# LOCAL_LLM_DISABLE_REASONING=true   # Qwen3-Denkphase abschalten (deutlich schneller)
+# LOCAL_LLM_MAX_TOKENS=0             # 0 = serverseitiges Limit (-n); z. B. 256 kappt lange Antworten
+# LOCAL_LLM_TEMPERATURE=0.3
+# LOCAL_LLM_SYSTEM_PROMPT=Du bist ein gesprochener Sprachassistent. Antworte kurz ...
 
 # --- Lokales STT (faster-whisper; nur mit  pip install -e .[local] ) ---------
 FASTER_WHISPER_MODEL=base          # tiny|base|small|medium|large-v3