docs: scope-fix — Jetson extern, F-02-Spike entfernt, DAG vereinfacht

Der Modell-Server ist externer Dienst. F-05 portiert direkt gegen
OpenAI-compat API (MODEL_BASE_URL konfigurierbar). ADR-0004 aktualisiert.
F-03/F-04/F-05 werden nach F-01 parallel frei.

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

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

@@ -1,69 +0,0 @@
-# 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`.
-```