Vision: Q3-Augen-Orchestrierung + Folgefragen-Sanitize

- Automatische Vision-Orchestrierung: temporärer Q3-Vision-Server
  (llama.cpp + mmproj) analysiert Bilder, Hauptmodell (Fast/Medium/Long)
  erzeugt die finale Antwort. Zentrale GPU-Lock (Ausschluss mit FLUX),
  Drain, Timeouts, Restore in jedem Fehlerfall.
- Vision-Analyse wird als interne User-Message injiziert (nie als
  Assistant-Turn in Open WebUI).
- Analyse-Cache (LRU, keyed by Bild-Hash): Folgefragen triggern keinen
  neuen Hotswap.
- Sanitize: alle Bild-Parts (image_url/Base64) werden bei jedem Request
  durch die gecachte Analyse ersetzt, Bilddaten entfernt - das
  Nicht-Vision-Hauptmodell bekommt keine Bilder mehr (kein
  image input is not supported).
- /v1/streams/lookup fail-fast während Vision-Swap; /props-Regression
  behoben; POST /vision/test für direkten Test.
- systemd-Unit: VISION_*-Umgebungsvariablen; README dokumentiert Vision.

README.md

@@ -44,6 +44,7 @@ Sprachausgabe bereit (XTTS-v2, CPU-only, OpenAI-kompatibel).
 | `POST /v1/audio/transcriptions` | Deutsche Spracherkennung (whisper.cpp, OpenAI-kompatibel) |
 | `GET /v1/audio/models` | Verfügbare Audio-Modelle (STT + TTS) |
 | `GET /v1/audio/voices` | Verfügbare TTS-Stimmen |
+| `POST /vision/test` | Direkter Vision-Test (Bild + Frage → Q3-Analyse) |
 | alles andere | Transparente Weiterleitung an llama.cpp |
 
 ### Verhalten
@@ -174,6 +175,42 @@ VRAM-Check).
 Das Venv liegt unter `/opt/mike-ai/ai-profile-router/venv/` und wird von
 `install.sh` automatisch angelegt/aktualisiert.
 
+## Vision (Q3 "Augen")
+
+Bilder in `POST /v1/chat/completions` werden automatisch analysiert, ohne
+dass das Hauptmodell (Fast/Medium/Long) ein Vision-Modell braucht:
+
+1. **Neues Bild** (in der letzten User-Message, noch nicht analysiert):
+   Der Router entlädt das Hauptprofil, startet kurzzeitig einen
+   Q3-Vision-Server (llama.cpp + mmproj, Port `VISION_PORT`), analysiert
+   das Bild und stellt das Hauptprofil wieder her. Die Analyse wird im
+   internen Cache (keyed by Bild-Hash) gespeichert.
+2. **Finale Antwort**: Das (wiederhergestellte) Hauptmodell erzeugt die
+   sichtbare Antwort. Die Vision-Analyse wird als interne User-Message
+   injiziert – sie erscheint **nie** als Assistant-Turn in Open WebUI.
+3. **Folgefragen**: Open WebUI schickt den multimodalen Verlauf erneut.
+   Der Router ersetzt **alle** Bild-Parts durch die gecachte Analyse
+   (klar gekennzeichnet) und entfernt Base64/URLs komplett – das
+   Nicht-Vision-Hauptmodell bekommt also keine Bilddaten mehr
+   (kein `image input is not supported`). Bereits analysierte Bilder
+   triggern **keinen** neuen Hotswap (Cache-Treffer).
+
+- **Zentrale GPU-Lock**: Vision und FLUX schließen sich gegenseitig aus
+  (kein gleichzeitiges Modell-Laden).
+- **Fehlerbehandlung**: Bei jedem Fehler wird das Hauptprofil
+  wiederhergestellt; `finally` dient nur als Cleanup-Sicherung.
+- **Test**: `POST /vision/test` mit `{"image_url": "...", "question": "..."}`
+  liefert die Analyse direkt (ohne finale Hauptmodell-Antwort).
+
+### Verhalten während eines Vision-Jobs
+
+- `GET /status` → `vision.phase` (`idle`, `stopping-main`,
+  `loading-vision`, `analyzing`, `unloading-vision`, `restoring-main`)
+  und `vision.analysis_cache_size`.
+- `/v1/streams/lookup` antwortet fail-fast (`[]`), statt zu blockieren.
+- Timing-Log: `Vision-Timing: main_unload=… vision_load=… vision_infer=…
+  vision_unload=… main_restore=… | Gesamt … s`.
+
 ## Sprachausgabe (XTTS-v2, CPU-only)
 
 Der Router stellt lokale Sprachausgabe bereit. Die Synthese läuft
@@ -433,6 +470,16 @@ Die Installation ist idempotent (Update = erneut ausführen).
 | `TTS_WORKER_URL` | `http://127.0.0.1:8085` | TTS-Worker (Router-Seite) |
 | `TTS_TIMEOUT` | `300` | Timeout pro Synthese (s) |
 | `TTS_CONNECT_TIMEOUT` | `5` | Connect-Timeout TTS-Worker (s) |
+| `VISION_MODEL` | `/opt/mike-ai/models/qwen3.8-27b/Qwen3.8-27B-Q3_K_M.gguf` | Q3-Vision-Modell |
+| `VISION_MMPROJ` | `/opt/mike-ai/models/qwen3.8-27b-nvfp4/mmproj-BF16.gguf` | Vision-Projektor |
+| `VISION_CTX` | `32768` | Kontext des Vision-Servers |
+| `VISION_PORT` | `8086` | Port des Vision-Servers (nur lokal) |
+| `VISION_LOAD_TIMEOUT` | `300` | Warten auf Vision-Ready (s) |
+| `VISION_INFER_TIMEOUT` | `300` | Timeout pro Vision-Inferenz (s) |
+| `VISION_UNLOAD_TIMEOUT` | `120` | Warten auf VRAM-Freiheit (s) |
+| `VISION_MAX_TOKENS` | `4096` | Max. Tokens der Vision-Analyse |
+| `VISION_CACHE_MAX` | `64` | Größe des Analyse-Caches (LRU) |
+| `VISION_LOG` | `/opt/mike-ai/ai-profile-router/vision_server.log` | Vision-Server-Log |
 
 TTS-Worker (`mike-ai-xtts.service`):