fix: Chat streaming uses same full prompt as execute_agent_task

The /chat/send SSE stream was building a stripped-down system prompt
without any Frankenbot command documentation (@CREATE_SUBTASK, @SEND_EMAIL,
@SEND_TELEGRAM etc.), so agents never knew to emit these commands during
web chat sessions — tasks were never created, emails never sent.

Extract build_agent_prompt() as shared function used by both
execute_agent_task() and the streaming chat generator.

app.py

@@ -503,32 +503,25 @@ def get_agent_prompt(agent_key):
     return prompt_content
 
 
-def execute_agent_task(agent_key, user_prompt, extra_context=""):
+def build_agent_prompt(agent_key, user_prompt, extra_context=""):
     """
-    Führt einen echten Agenten-Task via opencode aus.
+    Baut den vollständigen kombinierten Prompt (System + User) für einen Agenten.
-    System-Prompt wird als --prompt übergeben, User-Prompt als Message.
+    Wird sowohl von execute_agent_task() als auch vom Streaming-Chat verwendet,
+    damit beide exakt denselben Prompt — inkl. aller Kommandos — erhalten.
     """
     system_prompt = get_agent_prompt(agent_key)
-
     if not system_prompt:
-        return f"⚠️ Kein System-Prompt für Agent '{agent_key}' gefunden."
+        return None
 
-    # Agent-Struktur sicherstellen
     dirs = ensure_agent_structure(agent_key)
     work_dir = dirs['work_dir']
-    
-    # Memory-Zusammenfassung laden
     memory_summary = get_agent_memory_summary(agent_key)
-
-    # Wissensdatenbank-Pfad (im Orchestrator-Ordner)
     kb_file = os.path.join(os.path.dirname(__file__), 'agents', 'orchestrator', 'knowledge', 'diversityball_knowledge.md')
-    
+
-    # Team-Members laden (nur für Orchestrator)
     team_summary = ""
     if agent_key == 'orchestrator':
         team_summary = "\n\n" + get_team_member_summary()
 
-    # System-Prompt = Agent-Rolle + Memory + Team + Kommandos (OHNE große Wissensdatenbank!)
     full_system = f"""{system_prompt}
 
 ## Deine Erinnerungen:
@@ -618,9 +611,20 @@ Email: [Email-Adresse]
 - Liefere immer eine vollständige, direkt verwertbare Antwort
 {extra_context}"""
 
-    # System-Prompt + User-Prompt zusammen als eine Message
+    return f"{full_system}\n\n---\n\n{user_prompt}"
-    # (--prompt flag gibt leere Antwort, daher alles in eine Message)
+
-    combined_message = f"{full_system}\n\n---\n\n{user_prompt}"
+
+def execute_agent_task(agent_key, user_prompt, extra_context=""):
+    """
+    Führt einen echten Agenten-Task via opencode aus.
+    """
+    combined_message = build_agent_prompt(agent_key, user_prompt, extra_context)
+
+    if not combined_message:
+        return f"⚠️ Kein System-Prompt für Agent '{agent_key}' gefunden."
+
+    dirs = ensure_agent_structure(agent_key)
+    work_dir = dirs['work_dir']
     
     # Modell aus Konfiguration holen
     model = get_agent_model(agent_key)
@@ -2382,24 +2386,10 @@ def chat_send():
             
             dirs = ensure_agent_structure(agent_key)
             work_dir = dirs['work_dir']
-            memory_summary = get_agent_memory_summary(agent_key)
-            kb_file = os.path.join(os.path.dirname(__file__), 'agents', 'orchestrator', 'knowledge', 'diversityball_knowledge.md')
-            
-            team_summary = ""
-            if agent_key == 'orchestrator':
-                team_summary = "\n\n" + get_team_member_summary()
-            
-            full_system = f"""{system_prompt}
 
-## Deine Erinnerungen:
+            # Vollständigen System-Prompt über build_agent_prompt() bauen —
-{memory_summary}{team_summary}
+            # identisch zu execute_agent_task(), damit alle Kommandos dokumentiert sind
-
+            combined_message = build_agent_prompt(agent_key, prompt)
-## Wissensdatenbank:
-Die Wissensdatenbank liegt unter: {kb_file}
-- Du hast Zugriff auf das Internet via WebFetch-Tool
-- Dein Arbeitsverzeichnis: {work_dir}"""
-            
-            combined_message = f"{full_system}\n\n---\n\n{prompt}"
             model = get_agent_model(agent_key)
             
             # OpenCode mit Streaming aufrufen