Align Hermes context window with local 64K model profiles

docs/INFERENCE_LIMITS.md

@@ -20,6 +20,43 @@ Kompatibilitätsnamen für bestehende Sitzungen erreichbar. Sie bezeichnen dann
 ebenfalls das aktiv ausgewählte Modell; die tatsächliche Modelldatei zeigt
 `/props.model_path`. Neue Sitzungen und entbundene Cronjobs verwenden `hermes-local`.
 
+## Kontextgröße und Kompression
+
+Beide Hauptmodellprofile starten mit `--ctx-size 65536`. Hermes muss dieselbe
+Grenze kennen: `model.context_length: 65536` in `~/.hermes/config.yaml`.
+Der lokale Alias `hermes-local` wurde bei der Live-Prüfung vom 23.10.2026 nicht
+zuverlässig erkannt; Hermes meldete einen Fallback auf 256.000 Tokens.
+Die explizite Grenze verhindert eine zu große Annahme bei Kontextverwaltung und
+Platzplanung. Sie vergrößert weder das Modellfenster noch die GPU-Belegung.
+
+`scripts/prepare-workstation.py --configure-hermes` setzt die Grenze bei der
+Einrichtung für Routine- und großes Profil. Bei einem späteren eigenen Profil
+mit anderer `--ctx-size` muss `model.context_length` entsprechend mitgeändert
+werden.
+
+Die bestehende CPU-Kompression bleibt bei `threshold: 0.5` und
+`threshold_tokens: 24000`: Die absolute Obergrenze zieht die Kompression vor
+die rechnerische 50-Prozent-Schwelle von 32.768 Tokens. `target_ratio: 0.2`,
+Schutz der ersten drei und letzten zehn Nachrichten sowie die bestehenden
+Zeitbudgets bleiben erhalten. Die Schwelle ist ein Auslöser, keine harte
+Obergrenze für einzelne Nachrichten oder Werkzeugergebnisse.
+
+Für eine bestehende Installation genügt nach Abschluss laufender Aufträge:
+
+```bash
+cp -p ~/.hermes/config.yaml ~/.hermes/config.yaml.before-context-64k
+hermes config set model.context_length 65536
+hermes config get model.context_length
+systemctl --user restart hermes-gateway.service
+```
+
+Den Sicherungsnamen bei wiederholter Ausführung ändern, damit die frühere
+Sicherung erhalten bleibt. Der Hauptmodell- und CPU-Kompressionsdienst brauchen
+für diese Hermes-Einstellung keinen Neustart. Neue Sitzungen verwenden die neue
+Grenze; bereits im Agentzustand gehaltene Kontextwerte sind kein verlässlicher
+Nachweis. Zur Abnahme eine neue Sitzung öffnen und die Modellantwort sowie das
+Gateway-Protokoll auf erneute Kontext-Fallback-Warnungen prüfen.
+
 ## Drei Schutzebenen
 
 - Der Runner setzt `--n-predict 2048` als Serverstandard. Das ist kein harter