docs: bootstrap tg-bot-jetson — board, ADRs, state, session-prompts

ROADMAP mit 7 Items (F-01…F-07) und DAG. STATE aktiviert. CONVENTIONS
projektspezifisch ergänzt. ADRs 0002-0004 (Stack, Whitelist, Spike-Gate).
Kaltstartfähige Prompts für F-01 (Skeleton) und F-02 (API-Spike) erzeugt.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

session-prompts/F-02-api-spike.md

@@ -0,0 +1,69 @@
+# Session-Prompt F-02 — Spike: Modell-API-Format (Theorist + Prototyper)
+
+```
+Modell: Opus
+
+Du arbeitest in /Users/tarikmoussa/Desktop/files/agent-swarm-repo auf einem neuen Branch
+`spike/model-api` (von `main`).
+
+WICHTIG: Dies ist ein Research-Spike. Der Branch ist Wegwerf. Kein Produktionscode.
+Spike-Gate-Regeln: `docs/loops/spike-gate.md`
+ADR: `docs/adr/0004-modell-api-spike-first.md`
+
+## Aufgabe
+Bestimme das API-Format des selbst gehosteten Sprachmodells auf dem Jetson Orin Nano Super
+und produziere eine Mini-Spec (`spike/model-api/spec.md`), gegen die F-05 dann portiert.
+
+Hintergrund: Das Modell läuft auf einem lokalen Server. Der wahrscheinlichste
+Backend-Stack ist **Ollama** (exponiert eine OpenAI-kompatible API auf Port 11434)
+oder **llama.cpp HTTP-Server** (Port 8080, eigenes Format). Wir wissen es nicht sicher.
+
+## Phase 1 — Theorist (du selbst, Opus)
+1. Liste die drei wahrscheinlichsten Backend-Optionen für Jetson Orin:
+   - Ollama (`/api/generate`, `/api/chat` oder OpenAI-compat `/v1/chat/completions`)
+   - llama.cpp HTTP (`/completion`)
+   - Custom FastAPI
+2. Für jede Option: notiere das minimale Request-/Response-Schema (JSON).
+3. Schreibe `spike/model-api/spec.md` mit den Schema-Varianten und dem
+   GO-Kriterium: "Antwort ist nicht-leer und unter 30 s".
+
+## Phase 2 — Prototyper (du selbst, Opus)
+Schreibe `spike/model-api/probe.py` — ein minimales, wegwerfbares Python-Skript:
+- Liest MODEL_BASE_URL aus Env-Var (default: http://localhost:11434).
+- Schickt eine kurze Test-Nachricht ("Hallo, antworte mit einem Wort.").
+- Gibt die rohe JSON-Antwort aus.
+- Kommentiert, welches Schema es probiert hat.
+
+Das Skript ist **kein Produktionscode** — kein Error-Handling, keine Abstraktionen.
+
+## Phase 3 — GO/NO-GO
+Dokumentiere in `spike/model-api/result.md`:
+- Welches Backend hast du vorgefunden (oder angenommen)?
+- Funktioniert der Probe erfolgreich? (GO / NO-GO)
+- Exaktes API-Schema für den Connector (Request + Response-Felder).
+- Empfehlung für F-05 Porter (welche Library, welchen Endpoint).
+
+## Akzeptanzkriterien
+- [ ] `spike/model-api/spec.md` enthält ≥ 2 Schema-Varianten mit JSON-Beispielen.
+- [ ] `spike/model-api/probe.py` läuft ohne Import-Fehler (`python spike/model-api/probe.py --help` o. ä.).
+- [ ] `spike/model-api/result.md` enthält ein klares GO oder NO-GO mit Begründung.
+- [ ] GO: Das finale API-Schema ist in `result.md` exakt spezifiziert (Felder, Typen, Endpoint-Pfad).
+- [ ] NO-GO: Ursache dokumentiert + Human-Empfehlung, welches Backend aufzusetzen.
+
+## Nicht anfassen
+`src/`, `tests/`, `pyproject.toml`, `ROADMAP.md`, `STATE.md` — alles außer `spike/model-api/`.
+Kein Produktionscode schreiben. Spike-Branch wird nach GO verworfen.
+
+## Commit & Push
+- Conventional Commit: `docs: spike model-api format discovery [GO/NO-GO]`
+- Trailer: `Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>`
+- Push nach `origin spike/model-api`.
+- Kein PR — Leader entscheidet nach GO/NO-GO über nächsten Schritt.
+
+## Abschluss
+1. `STATE.md` aktualisieren: F-02 Spike-Ergebnis + GO/NO-GO eintragen.
+2. Falls GO: Leader dispatcht F-05 (Porter · Sonnet) mit `result.md` als Spec.
+   Falls NO-GO: Leader markiert F-05 als ⛔ blocked-extern + Human-Eskalation.
+3. Session-Log: `sessions/F-02-<datum>.md`.
+4. Hygiene-Gate: `bash scripts/gate-session-hygiene.sh`.
+```