From a9bd832c71d4426491721d6d65a362aa9791b703 Mon Sep 17 00:00:00 2001
From: Mikei386 <44135113+Mikei386@users.noreply.github.com>
Date: Tue, 25 Aug 2026 18:07:28 +0200
Subject: [PATCH] Document Hermes latency budget

---
 docs/CURRENT_REFERENCE.md | 19 +++++++++++++++++--
 1 file changed, 17 insertions(+), 2 deletions(-)

diff --git a/docs/CURRENT_REFERENCE.md b/docs/CURRENT_REFERENCE.md
index 9a5cee3..a8f6816 100644
--- a/docs/CURRENT_REFERENCE.md
+++ b/docs/CURRENT_REFERENCE.md
@@ -96,8 +96,10 @@ Der Router übernimmt:
 
 ## Hermes Agent
 
-- Kontextkompression läuft frühzeitig bei 65 Prozent des jeweiligen
-  Profilfensters. Alte große Werkzeugausgaben werden ab 50.000 Token zunächst
+- Kontextkompression läuft spätestens bei 60.000 Token; die relative
+  65-Prozent-Grenze greift nur, wenn sie noch früher erreicht wird. Damit gilt
+  dieselbe Obergrenze auch für Medium, Large und Ultra und ein Profilwechsel
+  zurück zu Fast bleibt möglich. Alte große Werkzeugausgaben werden ab 50.000 Token zunächst
   ohne Modellaufruf bereinigt; `tail_mode: lean` hält nach der Kompression einen
   kleinen, zusammenhängenden jüngsten Abschnitt. Dadurch sollen keine
   mehrfachen minutenlangen Zusammenfassungen eines bereits weit überfüllten
@@ -136,6 +138,19 @@ Der Router übernimmt:
 - Agent-API: WireGuard-Port 8642 mit eigenem Bearer-Key
 - Profile: Fast 76,8K, Medium 160K, Large 192K, Ultra 262K und Uncensored
   80K; alle verwenden dieselben MCPs, Skills, Sprach- und Sicherheitsvorgaben
+- Profilübergreifende Latenzgrenzen: höchstens 8.192 Ausgabetoken je
+  Modellaufruf (sichtbare Antwort, Tool-Aufruf und verborgenes Denken
+  zusammen), Standard-Reasoning `low`; höhere Denkstufen bleiben pro Sitzung
+  über `/reasoning` wählbar.
+- Automatische Sitzungstitel sind deaktiviert. Sie sind kosmetisch, erzeugten
+  aber auf dem einzelnen llama.cpp-Slot nach dem ersten Turn konkurrierende
+  Modellaufrufe und wiederholte 30-Sekunden-Timeouts.
+- Hermes lädt als feste lokale Werkzeuge nur Web, Terminal, Dateien, Skills,
+  Aufgaben, Memory, Vision und TTS. Überschneidende große Built-ins wie
+  Browser-Automation, Session-Suche, Delegation und Clarify werden nicht in
+  jeden Prompt injiziert. Alle externen Athena-MCPs bleiben vollständig über
+  die verzögerte Werkzeugsuche verfügbar. Dadurch sank der feste Schema-Block
+  im Referenztest von 50.670 auf 27.556 Byte.
 - Der verwaltete Skill `athena-operator` wird aus dem Repository in das
   Standardprofil und alle fünf benannten Profile synchronisiert. Er enthält
   nur die verbindliche Arbeitslogik; Architektur und Ist-Zustand werden