GUI und neue Erklärungen verwenden gemeinsam native_language. Deutsch und Russisch sind die beiden Muttersprachen; Englisch bleibt die Lernsprache. Kompatibilitätsfelder werden atomar gekoppelt, widersprüchliche Eingaben abgewiesen und bestehende Profile sowie eingefrorene Inhalte erhalten. Ergänzt vollständige russische GUI-Kataloge und 840 geprüfte Aufgabenansichten in sieben Modulen einschließlich A1-Test, mit getrennten Sprachrollen für Ausgangs- und Lernmaterial. Äquivalente Ansichten teilen ihre Nachweisidentität. Stabile API-Fehlercodes, neue deterministische Hilfen und Trainingsbegründungen berücksichtigen die Muttersprache. Dokumentiert das Sprachmodell in AGENTS.md. Validierung: Go-Race-Suite mit eigener lokaler PostgreSQL-Testdatenbank, go vet, Web-Build, Offline-Bank-/Variantenaudit, Diff-Prüfung sowie lokale Browser-Smokes für Sprachen, Kurs, Administration, Aussprache und Aufnahme. Keine Live-Anbieter, Produktionsprofile, Deployment-Schritte oder historischen Neubewertungen.
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-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.