Files
Eugenius Naumenko 8d618b7fe6 Identische Grundlagenwiederholungen im Lernweg gezielt reduzieren
Der thematische Lernweg berücksichtigt bisher gut gelöste Aufgaben nun bei
neuen Schritten. Kürzlich positive Grundlagen führen bevorzugt zu unbekannten,
redaktionell freigegebenen Grammatikbeispielen desselben Satzmusters. Ohne neues
Beispiel können aktuelle oder unabhängig gestützte positive Ergebnisse weitere
identische Grundlagenwiederholungen reduzieren. Ältere, neuere schwache und
unbenotete Ergebnisse werden vorsichtig behandelt; Wortbedeutungen bleiben getrennt.

Berücksichtigte frühere Übung wird separat vom manuellen Überspringen gezählt,
ohne neue Antworten, Noten oder Beherrschungsnachweise zu erzeugen. Gewählte
Transferbeispiele bleiben stabil. Lernwegposition, historische Aufgaben und
Bewertungen sowie Prüfungen bleiben erhalten; unvollständige Prüfungen und
Demoantworten liefern keine positiven Auswahlbelege. Frühere Bewertungen werden
bei einer erneut empfohlenen Aufgabe ausdrücklich eingeklappt gekennzeichnet.

Validierung: Go-Race-Suite mit eigener lokaler PostgreSQL-Testdatenbank, go vet,
Web-Build, Bank-/Varianten-/Sequenzaudit sowie lokale Browser-Smokes für Sprachen,
Kurs und vorherige Bewertungen. Geprüft sind unter anderem Nutzertrennung,
Zeitabstände, neue Fehler, unbenotete Antworten und stabile Transferbeispiele
beim Sprachwechsel. Keine zusätzlichen Modellaufrufe oder Produktionsänderungen.
2026-11-11 19:13:08 +00:00
..

Browserprüfungen für Aufgabenbestand und KI-Anbindung

audio-monitoring.e2e.cjs prüft die gemeinsame Aufnahme-Komponente mit einem synthetischen Mikrofonsignal: standardmäßig keine Mithörbedienung und kein Mithörpfad; nach expliziter Freigabe über enableMonitoring zunächst ausgeschaltetes Mithören, Schalter und Lautstärke während der Aufnahme, tatsächliche Signalpegel, unveränderte WAV-Aufnahme, Stoppen und Unmount, Mikrofonfehler mit erneutem Versuch sowie automatisches Zeitlimit und schmale Ansicht. Ein Wechsel Deutsch → Russisch → Deutsch während einer Aufnahme darf keinen neuen Stream starten oder die Aufnahme abbrechen; auch russische Aufnahme- und Monitoringbeschriftungen werden geprüft. Benötigt Web-Abhängigkeiten und Playwright mit Chromium, aber keine API oder Datenbank. Aus apps/web:

PLAYWRIGHT_MODULE=/pfad/zu/playwright node tests/audio-monitoring.e2e.cjs

Auch diese Prüfung verwendet Port 15175 und muss separat laufen. Sie bestätigt keine echte Kopfhörerqualität oder Gerätelatenz; diese müssen mit echter Hardware geprüft werden.

pronunciation-profile.e2e.cjs prüft das gemeinsame Lautprofil über echte lokale API-/PostgreSQL-Aufnahmen mit ausdrücklich simulierten Speech-Messungen: leerer Einstieg, Nachweise speichern, Wort-/Phonemübersicht, geringe Evidenz, Neuladen und Auswahlbegründung. Es werden nur lokale next_exercise-Fixtureaufrufe gestartet. Keine Aussage über echte Azure- oder Modellqualität.

Aus apps/api:

PRONUNCIATION_BROWSER_SMOKE=1 \
COURSE_TEST_DATABASE_URL='postgres://.../wegwerfbare_testdatenbank' \
PLAYWRIGHT_MODULE=/pfad/zu/playwright \
go test ./internal/httpapi -run TestPronunciationBrowserSmoke -v -count=1

Auch diese Fixture benötigt den freien Port 15175. Alle drei Browser-Smokes nacheinander ausführen, nicht parallel.

languages.e2e.cjs prüft deutsche/russische Kataloge und Platzhalter, die beiden Muttersprachen vor dem Login, Registrierung, Kontosprache nach Anmeldung/Reload, gekoppelte Kompatibilitätsfelder, abgewiesene Konflikte und fehlgeschlagene Speicherung. Ein Sprachwechsel erhält Lernsprache, A2-Niveau und Tagesziel. API-Fehler wechseln anhand ihrer Codes mit der Oberfläche die Sprache.

course-variants.e2e.cjs verwendet ein neues reguläres Konto. Es prüft den russischen Bestand mit 840 Aufgaben, sieben Modulen und sechs Lernbereichen, Sprachrollen, private Hörtexte/Lösungen, unbenotete Antworten sowie eingefrorene Aufgaben nach Sprachwechsel und Reload. Ein russischer Test mit zwölf Aufgaben bleibt nach einem Wechsel über dieselbe Request-ID unverändert abrufbar.

course-sequences.e2e.cjs prüft auf Deutsch und Russisch den empfohlenen Lernweg mit Höreinstieg, Wiederaufnahme nach Reload, unveränderten Schritt bei bloßem Weiterklicken, explizites Überspringen, freie Bereichswahl, klar eingeklappte Bewertungen vorheriger Versuche, Fortsetzung nach einer Antwort und Erhalt beim Wechsel der Muttersprache. Die Kursbank-Fixture startet ihn sequenziell nach dem Varianten-Smoke. Keine Modellaufrufe. Die Go-Datenbanktests prüfen zusätzlich den Weg bis zur gemeldeten Aufgabe über zwei Freunde: passendes Schreiben vor freiem Sprechen, unbenotete Antworten ohne falschen Leistungsnachweis, einmaliges Wiederholungsangebot, Request-Replay, abgewiesene fremde/veraltete Skip-IDs und unveränderte historische Aufgaben.

course-bank.e2e.cjs läuft vollständig mit deutscher und russischer Muttersprache: Aufgabenzuweisung, Bedienung aller fünf Darstellungen, Antwort/Reload, Eingabeerhalt beim Sprachwechsel und vollständig abgegebener Test ohne vorzeitige Note oder Lösungsausgabe. Alle Konten leben im zufälligen lokalen Testschema. Audio und Modelle sind Fixtures; kein Test bestätigt Live-Modell- oder echte Audioqualität.

Aus apps/api mit den unten beschriebenen Voraussetzungen:

BANK_BROWSER_SMOKE=1 \
COURSE_TEST_DATABASE_URL='postgres://.../wegwerfbare_testdatenbank' \
PLAYWRIGHT_MODULE=/pfad/zu/playwright \
go test ./internal/httpapi -run TestBankBrowserSmoke -v -count=1

Diese Prüfung verwendet lokale Modell- und Speech-Fixtures, keine bezahlten Anbieteraufrufe. Sie bestätigt keine echte Azure-Aussprachequalität. Beide Browserprüfungen verwenden Port 15175 und müssen nacheinander laufen; mit beiden Umgebungsvariablen und -run 'Test(AI|Bank)BrowserSmoke' übernimmt Go dies.

ai-admin.e2e.cjs wird über die Go-Integrationstest-Fixture gestartet. Die Fixture verwendet eine ausdrücklich konfigurierte wegwerfbare PostgreSQL-Testdatenbank, ein zufälliges Schema, lokale Anbieter-Testserver, einen Test-Admin und einen lokalen Vite-Prozess. Sie nutzt keine echten Modell-/Azure-Schlüssel und beendet die selbst gestarteten Testdienste. Alle Testdaten im Schema werden entfernt.

Voraussetzungen: Node/npm und Web-Abhängigkeiten, Playwright mit Chromium sowie eine ausschließlich für Tests bestimmte PostgreSQL-Datenbank. Playwright muss nicht als Produktionsabhängigkeit des Projekts installiert sein.

Aus apps/api:

AI_BROWSER_SMOKE=1 \
COURSE_TEST_DATABASE_URL='postgres://.../wegwerfbare_testdatenbank' \
PLAYWRIGHT_MODULE=/pfad/zu/playwright \
go test ./internal/httpapi -run TestAIBrowserSmoke -v -count=1

Der Test benötigt den freien lokalen Port 15175. Er prüft Admin-Profile, Preise, Budget, Modellliste, erfasste Qualitäts-Testaufrufe, private Details ohne Keys, direkten Autor/Prüfer, Hintergrundbewertung, Neuladen, Testlösungsschutz und Reserve-Fallback bei Budgetsperre. Modellantworten kommen von deterministischen Testservern: ein erfolgreicher Lauf bestätigt keine echte Modellqualität oder Azure-Audiofunktion. Live-Tests müssen im Adminbereich bewusst ausgelöst werden.

adaptive-course.e2e.cjs und course-agent.fixture.py sind historische Flowise-Smokes des früheren Stands. Die neue API verwendet deren Flowise-Endpunkt nicht mehr; für den aktuellen Arbeitsbaum die obige Prüfung verwenden.

Die Tests TestFoundationRepetitionPolicy und TestLearningPathAdaptsOnlyFromOwnedGradedEvidence prüfen unmittelbare Doppelwiederholung, zeitversetzte gute Antworten, unbekannte freigegebene Grammatikbeispiele, ältere/neuerdings falsche Ergebnisse, unbenotete und Demoantworten sowie Nutzertrennung. Derselbe gewählte Transfer bleibt bei neuen Anfragen und beim Wechsel der Muttersprache erhalten. Die Anzahl bewerteter Antworten darf durch die Auswahl nie steigen. Unveränderte thematische Vorbereitung bis zur Zwei-Freunde-Aufgabe wird weiterhin separat geprüft.