added Tokens, openrouter, memory system

crates/nazarick-core/src/llm/mod.rs

@@ -1,10 +1,7 @@
 // nazarick-core/src/llm/mod.rs
-//
-// LLM-Modul — Typen und Traits für alle LLM-Provider.
-// Re-exportiert alles damit Nutzer nur `nazarick_core::llm::X` schreiben müssen.
 
 mod types;
 mod traits;
 
-pub use types::{Message, LlmRequest, LlmResponse};
+pub use types::{Message, LlmRequest, LlmResponse, ToolCall, ToolCallFunction};
 pub use traits::{LlmProvider, SkillFormat};

crates/nazarick-core/src/llm/traits.rs

@@ -1,34 +1,33 @@
 // nazarick-core/src/llm/traits.rs
-//
-// LlmProvider Trait — gemeinsame Schnittstelle für alle LLM-Backends.
-// Neue Provider (Ollama, Mistral) implementieren diesen Trait.
 
 use crate::types::Result;
 use crate::llm::types::{LlmRequest, LlmResponse};
 
-/// Format für Skill-Calls das dieser Provider unterstützt.
 #[derive(Debug, Clone, PartialEq)]
 pub enum SkillFormat {
-    /// XML-Tags — funktioniert mit lokalen Modellen
-    /// <skill name="update_personality">...</skill>
+    /// XML-Tags — für lokale Modelle ohne Function Calling
     Xml,
-    /// Native Tool Use — Claude, GPT-4, Mistral API
-    /// Strukturierter JSON-basierter Funktionsaufruf
+    /// Native Tool Use — Ollama, Mistral API, OpenRouter
     ToolUse,
-    /// Skills deaktiviert — Modell folgt keinem Format zuverlässig
+    /// Skills deaktiviert
     None,
 }
 
+impl SkillFormat {
+    /// Parsed aus config.toml String
+    pub fn from_str(s: &str) -> Self {
+        match s {
+            "tool_use" => Self::ToolUse,
+            "none"     => Self::None,
+            _          => Self::Xml,  // default
+        }
+    }
+}
+
 #[async_trait::async_trait]
 pub trait LlmProvider: Send + Sync {
-    /// Sendet eine Anfrage an das LLM und gibt die Antwort zurück.
     async fn complete(&self, request: LlmRequest) -> Result<LlmResponse>;
-
-    /// Gibt den Namen des Providers zurück.
     fn name(&self) -> &str;
-
-    /// Gibt das Skill-Format zurück das dieser Provider unterstützt.
-    /// Standard: Xml — für lokale Modelle.
     fn skill_format(&self) -> SkillFormat {
         SkillFormat::Xml
     }

crates/nazarick-core/src/llm/types.rs

@@ -1,53 +1,56 @@
 // nazarick-core/src/llm/types.rs
-//
-// Gemeinsame Datentypen für alle LLM-Provider.
-// Jeder Provider (LmStudio, Ollama, Mistral) nutzt diese Typen.
 
-/// Repräsentiert eine einzelne Nachricht in einem Gespräch.
-/// Entspricht dem Message-Format das alle gängigen LLM APIs verwenden.
+use serde::Deserialize;
+
 #[derive(Debug, Clone)]
 pub struct Message {
-    /// Rolle des Absenders: "system", "user" oder "assistant"
     pub role: String,
-    /// Inhalt der Nachricht
     pub content: String,
 }
 
 impl Message {
-    /// Erstellt eine System-Nachricht (z.B. den Persönlichkeits-Prompt)
     pub fn system(content: impl Into<String>) -> Self {
         Self { role: "system".to_string(), content: content.into() }
     }
-
-    /// Erstellt eine User-Nachricht
     pub fn user(content: impl Into<String>) -> Self {
         Self { role: "user".to_string(), content: content.into() }
     }
-
-    /// Erstellt eine Assistant-Nachricht (vorherige Antworten für Kontext)
     pub fn assistant(content: impl Into<String>) -> Self {
         Self { role: "assistant".to_string(), content: content.into() }
     }
 }
 
-/// Konfiguration für einen einzelnen LLM-Aufruf.
 #[derive(Debug, Clone)]
 pub struct LlmRequest {
-    /// Der vollständige Gesprächsverlauf inklusive System-Prompt
     pub messages: Vec<Message>,
-    /// Maximale Anzahl Token in der Antwort
     pub max_tokens: u32,
-    /// Kreativität der Antwort (0.0 = deterministisch, 1.0 = sehr kreativ)
     pub temperature: f32,
+    pub tools: Option<Vec<serde_json::Value>>,
+}
+
+impl LlmRequest {
+    pub fn simple(messages: Vec<Message>, max_tokens: u32, temperature: f32) -> Self {
+        Self { messages, max_tokens, temperature, tools: None }
+    }
+}
+
+#[derive(Debug, Clone, Deserialize)]
+pub struct ToolCall {
+    pub id: Option<String>,
+    pub function: ToolCallFunction,
+}
+
+#[derive(Debug, Clone, Deserialize)]
+pub struct ToolCallFunction {
+    pub name: String,
+    pub arguments: String,
 }
 
-/// Antwort eines LLM-Aufrufs.
 #[derive(Debug, Clone)]
 pub struct LlmResponse {
-    /// Der generierte Text
     pub content: String,
-    /// Anzahl der Input-Token (für Usage-Tracking)
     pub tokens_input: u64,
-    /// Anzahl der Output-Token (für Usage-Tracking)
     pub tokens_output: u64,
+    pub tool_calls: Option<Vec<ToolCall>>,
+    pub cost: Option<f64>,
 }