feat: Aufgaben mit Abbildungen (docling-Markdown), mit Gegenprobe beim Ablesen

Eingebettete Base64-Bilder und Bilddateien werden aus dem Aufgabentext gelöst und nur
der Verstehensstufe als Bild übergeben; sie überträgt jede Abbildung in Text. Eine
zweite, unabhängige Lesung wird Zahl für Zahl verglichen (bei Abweichung entscheidet
eine dritte, sonst reliable=False). Alle weiteren Stufen rechnen mit der Übertragung,
der Report zeigt Original und Übertragung nebeneinander. LLM_MODEL_UNDERSTANDING
wählt das Bildmodell.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

understanding/understand.py

@@ -3,24 +3,52 @@ from pathlib import Path
 from typing import List
 
 from core.llm import LLMSession
-from core.model_schema import CheckIssue, TaskUnderstanding
+from core.model_schema import CheckIssue, FigureInput, FigureReading, TaskUnderstanding
+from understanding.figures import image_parts
 
 UNDERSTAND_PROMPT_FILE = Path(__file__).parent / "Verstehen-Prompt.txt"
+FIGURE_PROMPT_FILE = Path(__file__).parent / "Abbildungs-Prompt.txt"
+
+
+def _content(text: str, figures: List[FigureInput]):
+    """Reiner Text – oder, mit Abbildungen, eine Liste aus Text und Bildern (OpenAI-Format)."""
+    if not figures:
+        return text
+    hinweis = (f"\n\nDER AUFGABE LIEGEN {len(figures)} ABBILDUNG(EN) BEI – sie folgen als Bilder; "
+               "übertrage jede vollständig in figures.")
+    return [{"type": "text", "text": text + hinweis}, *image_parts(figures)]
+
+
+def _create_with_images(session: LLMSession, response_model, messages, step: str, figures):
+    """Wie session.create – mit verständlicher Meldung, falls das Modell keine Bilder annimmt."""
+    try:
+        return session.create(response_model, messages, step=step)
+    except Exception as exc:
+        if figures and any(w in str(exc).lower() for w in ("image", "vision", "modalit", "multimodal")):
+            raise RuntimeError(f"Das Modell dieser Stufe nimmt offenbar keine Bilder an ({str(exc)[:160]}). "
+                               "Ein Bildmodell über LLM_MODEL_UNDERSTANDING wählen.") from exc
+        raise
 
 
 def understand_task(session: LLMSession, task: str, issues: List[CheckIssue] = (),
-                    data_prompt: str = "") -> TaskUnderstanding:
-    """Stufe 0: erfassen, was im Text steht – Teilfragen, Zahlen, Machbarkeit. Noch kein Modell."""
+                    data_prompt: str = "", figures: List[FigureInput] = ()) -> TaskUnderstanding:
+    """Stufe 1: erfassen, was im Text steht – Teilfragen, Zahlen, Machbarkeit, Abbildungen. Noch kein Modell."""
     nachtrag = ""
     if issues:
         nachtrag = ("\n\nDEIN VORIGER VERSUCH WAR UNVOLLSTÄNDIG:\n"
                     + "\n".join(f"- [{i.code}] {i.message}" for i in issues)
                     + "\nErfasse die fehlenden Punkte, behalte den Rest bei.")
-    return session.create(
-        TaskUnderstanding,
-        [
-            {"role": "system", "content": UNDERSTAND_PROMPT_FILE.read_text(encoding="utf-8")},
-            {"role": "user", "content": f"AUFGABENTEXT:\n{task}\n\n{data_prompt}{nachtrag}".strip()},
-        ],
-        step="Verstehen",
-    )
+    text = f"AUFGABENTEXT:\n{task}\n\n{data_prompt}{nachtrag}".strip()
+    return _create_with_images(session, TaskUnderstanding, [
+        {"role": "system", "content": UNDERSTAND_PROMPT_FILE.read_text(encoding="utf-8")},
+        {"role": "user", "content": _content(text, list(figures))},
+    ], "Verstehen", figures)
+
+
+def read_figures(session: LLMSession, task: str, figures: List[FigureInput]) -> FigureReading:
+    """Unabhängige Übertragung nur der Abbildungen – die Gegenprobe zur Verstehensstufe."""
+    text = f"AUFGABENTEXT (nur zur Einordnung der Abbildungen):\n{task}"
+    return _create_with_images(session, FigureReading, [
+        {"role": "system", "content": FIGURE_PROMPT_FILE.read_text(encoding="utf-8")},
+        {"role": "user", "content": _content(text, figures)},
+    ], "Abbildungen", figures)