fix(ram): nur ein grosses Modell resident (Analyse starb im OOM-Killer)

rkllm_server braucht 6,5 GB von 7,74 GB. Blieb daneben ein anderer
Dauerhelfer resident, wurde rkllm beim Laden OOM-getoetet -- bei #101 in
allen 5 Startversuchen, weil das Retry nichts freigab. Ausloeser war der
warme CT2-Whisper-Daemon, den die 2-Sekunden-Aufnahme davor gestartet
hatte. Zweiter Fall: rkllm blieb nach der Analyse fuer immer resident, und
der Suchindex startete e5-small daneben.

gate.js bekommt eine Freigabe-Registry (registerReleaser/freeRam/
killAndWait, verdrahtet in server.js wie setProbe). Vor jedem rkllm-Versuch
und vor dem NPU-Whisper-Lauf werden die anderen Helfer beendet und ihr
Prozessende abgewartet; analyzeRecording gibt rkllm vor dem Suchindex frei.
Alle Helfer starten faul neu.

Verifiziert mit der Abfolge, die scheiterte: 12-s-Clip (CT2-Daemon
resident) -> Analyse #101 laeuft durch (221 s, done), rkllm lud in 22 s,
kein OOM, danach 5,3 GB frei statt 100 MB.

app/server.js

@@ -12,8 +12,26 @@ import * as diar from './diar.js';
 import * as spk from './spk.js';
 import * as search from './search.js';
 import * as emb from './emb.js';
+import * as gate from './gate.js';
 const pexec = promisify(execFile);
 
+// Der Recorder ist die einzige Wahrheit darueber, ob gerade aufgenommen
+// wird. gate.js fragt sie hier ab, statt recorder.js zu importieren (das
+// waere ein Zyklus, weil recorder.js llm.js importiert).
+gate.setProbe(() => rec.isRecording());
+
+// Wer sich wie freigeben lässt, wenn ein großes Modell RAM braucht (gate.freeRam).
+// Hier verdrahtet, damit gate.js keines der Module importieren muss (Zyklen) —
+// dasselbe Muster wie setProbe oben. Jeder Helfer startet faul neu.
+gate.registerReleaser('rkllm', async () => {
+  if (!llm.status().running) return false;
+  await llm.stopServer();
+  return true;
+});
+gate.registerReleaser('cpu-transcriber', () => rec.stopTranscribeDaemon());
+gate.registerReleaser('text-embedder', () => emb.stop());
+gate.registerReleaser('spk-embedder', () => spk.stop());
+
 // Glossary → { soundalike(lowercased): correctTerm }. Only entries WITH
 // soundalikes get a deterministic swap; term-only entries are left to the LLM hint.
 function glossaryMap(glossary) {
@@ -254,7 +272,7 @@ async function analyzeRecording(id) {
   // spk-embed helper OOM-dies next to it ("spk beendet" per cluster, #71 got
   // 48 raw speakers). llm.analyze() below respawns it (~96s load, noise
   // against a 15-min analysis).
-  llm.stopServer();
+  await llm.stopServer();
   await pexec('sudo', ['-n', '/opt/callrec/aime-cpucap.sh', '1608000']).catch(() => {});
   try {
     const rec = await db.getRecording(id);
@@ -312,6 +330,13 @@ async function analyzeRecording(id) {
     a.participants = (a.participants || []).map(p => applyGlossaryText(p, gmap));
     a.todos = (a.todos || []).map(t => applyGlossaryText(t, gmap));
     await db.updateAnalysis(id, { ...a, status: 'done' });
+    // rkllm ist ab hier fertig und wird freigegeben, BEVOR der Suchindex unten
+    // das e5-Modell (1,15 GB) startet: am 2026-08-07 traf genau diese Reihenfolge
+    // den OOM-Killer, der den residenten rkllm erschlug (13:27:09, dmesg). Vorher
+    // blieb rkllm nach einer Analyse für immer resident — das war der Zustand
+    // "nur noch 100 MB frei", in dem jeder weitere Helferstart russisches
+    // Roulette war. Preis: die nächste Analyse lädt das Modell neu (~96 s).
+    await llm.stopServer();
     // A speaker can be named WHILE the analysis runs (it takes ~15 min, and the
     // marker/voiceprint passes themselves rename clusters). The finished text
     // still carries the label from analysis start ("Sprecher 1"), so patch it
@@ -373,6 +398,10 @@ function withNpuLock(label, fn) {
   const waiting = npuDepth - 1;
   const run = npuChain.then(async () => {
     if (waiting > 0) console.log(`npu-queue: ${label} start (${waiting} ahead done)`);
+    // Nie neben einer laufenden Aufnahme: rkllm haelt ~6,7 GB von 7,74 GB,
+    // eine zweite schwere Last traf am 2026-08-06 den globalen OOM-Killer
+    // und nahm den Dienst mit. Siehe gate.js.
+    await gate.waitIdle(label);
     try { return await fn(); }
     finally { npuDepth--; }
   });
@@ -411,7 +440,7 @@ async function transcribeAndAnalyze(id, wavFile, numSpeakers) {
     await db.updateAnalysis(id, { title: null, summary: null, todos: null, status: 'error' }).catch(() => {});
     return; // no transcript -> skip LLM analysis
   }
-  analyzeRecording(id);
+  await analyzeRecording(id);
 }
 
 app.post('/api/record/stop', wrap(async (req, res) => {
@@ -593,7 +622,7 @@ app.post('/api/search/answer', wrap(async (req, res) => {
   try {
     res.json(await withNpuLock('search-answer', () => search.answer(q, hits)));
   } finally {
-    llm.stopServer();
+    await llm.stopServer();
   }
 }));
 app.get('/api/search/status', wrap(async (req, res) => {
@@ -666,7 +695,10 @@ async function rediarize(id, numSpeakers) {
   // Free the resident rkllm first — diar's consolidation embeds every cluster
   // via TitaNet, which OOM-dies next to a resident 5.9GB LLM (see
   // analyzeRecording; on #71 that silently yielded 48 raw speakers).
-  llm.stopServer();
+  // Abwarten: ein nicht abgewartetes stopServer() laesst proc/ready gesetzt,
+  // bis das exit-Event eintrifft — der naechste ask() schreibt dann in die
+  // tote Pipe (EPIPE, riss am 2026-08-06 den Dienst mit).
+  await llm.stopServer();
   // Diarization runs on the A76 cores; the board is fanless, so cap the clock
   // for the whole run (transcribeWav does this for the record path — rediarize
   // is the other entry point and must do it too, or a long re-diar overheats).