Enable cross-chat llama prompt cache reuse

docs/CURRENT_REFERENCE.md

@@ -43,6 +43,9 @@ Zielplattform.
 - RTX 5080 + RTX 3060 im Verhältnis 90:10
 - Flash Attention
 - KV-Cache Q4_0 für K und V
+- explizites Prompt-Caching mit 8.192 MiB profilinternem RAM-Cache
+- `--cache-reuse 256` für die Wiederverwendung langer stabiler Präfixe trotz
+  kleiner späterer Abweichungen
 - MTP Draft, maximal drei Tokens
 - MTP-Akzeptanzschwelle 0,05; im Referenzlauf 77,26 statt 73,88 Tok/s
 - sechs Threads und sechs Batch-Threads
@@ -96,6 +99,18 @@ Der Router übernimmt:
 
 ## Hermes Agent
 
+- Hermes 0.20.5 baut den Systemprompt bereits in drei geordneten Bereichen:
+  einen chatübergreifend stabilen Präfix, sitzungsstabilen Kontext und einen
+  variablen Nachlauf. Der stabile Präfix bleibt bei gleicher Profil- und
+  Werkzeugkonfiguration wortgleich und kann dadurch vom llama.cpp-RAM-Cache
+  wiederverwendet werden.
+- Der RAM-Promptcache lebt nur so lange wie der jeweilige llama.cpp-Prozess.
+  Ein Profilwechsel entlädt das bisherige Modell und damit dessen Cache.
+- Persistente Slot-Dateien (`--slot-save-path`) sind vorerst bewusst nicht
+  aktiviert. Die aktuelle llama.cpp-Linie hat offene Restore-Fehler; ein
+  gemeldetes erfolgreiches Restore kann trotzdem einen vollständigen Prefill
+  auslösen. Erst nach einem isolierten Regressionstest aktivieren.
+
 - 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