voice: локальный агент (fast-path), tool control_light, смелая тема, RUNBOOK

- lib/agent-local.ts + route.ts: команды-действия исполняет локальная intent-служба
  (под AGENT_URL, с fallback на LLM); инфо-запросы остаются у LLM
- lib/tools/lights.ts: голосовое управление светом через HA (control_light)
- app/globals.css + page.tsx: космическая indigo/aurora тема (токены, kiosk-safe)
- agent/: sidecar-служба (Dockerfile, predict.py), веса монтируются томом
- RUNBOOK.md: вывод в продакшен на мини-ПК

agent/Dockerfile

@@ -0,0 +1,29 @@
+# Sidecar-служба локального агента (intent+slots) для планшета.
+# route.ts зовёт её по HTTP (AGENT_URL) и исполняет команды-действия офлайн.
+#
+# Веса дообученной модели (joint_model/, ~115 МБ) в git НЕ идут и в образ НЕ
+# пекутся — они МОНТИРУЮТСЯ томом в /app/joint_model при запуске (см. RUNBOOK).
+# Базовая ruBERT-tiny2 запекается в образ при сборке, чтобы на старте не ходить
+# в интернет.
+FROM python:3.12-slim
+
+WORKDIR /app
+ENV HF_HUB_DISABLE_XET=1
+
+# CPU-torch из cpu-индекса (без CUDA — образ легче).
+RUN pip install --no-cache-dir --index-url https://download.pytorch.org/whl/cpu torch \
+    && pip install --no-cache-dir transformers sentencepiece
+
+# Запекаем базовую модель в кэш образа (runtime без сети).
+RUN python -c "from transformers import AutoModel, AutoTokenizer; \
+    AutoModel.from_pretrained('cointegrated/rubert-tiny2'); \
+    AutoTokenizer.from_pretrained('cointegrated/rubert-tiny2')"
+
+COPY joint_model_def.py tablet_map.py predict.py ./
+
+ENV THRESHOLD=0.7
+EXPOSE 8091
+
+# Модель ждём в /app/joint_model (том). predict.py --serve поднимает HTTP:
+#   POST /predict {"text": "..."} -> {intent, slots, score, tool}
+CMD ["python", "predict.py", "--serve", "--port", "8091"]