Zentrale AGENTS.md mit Architektur, Lern- und Bewertungsregeln, Schutz historischer Daten, Umgang mit Modellkosten und Grenzen produktiver Eingriffe. Verbindliche Prüfabläufe unterscheiden lokale Fixtures und echte Anbieterqualität. README, KI-Betriebsanleitung, Browser-Testhinweise und historische Flowise- Dokumentation beschreiben die direkte Modellanbindung, versionierte Kursbank und statistische Ausspracheplanung. Die Qualitäts-API dokumentiert nun beide Grammatik- und Schreibsuites mit ihren Kosten und begrenzter Aussagekraft. Projektkontext hält die Übergabe und erfolgreiche lokale Verifikation fest. Keine Schlüssel, Produktionsprofile oder personenbezogenen Aufnahmen enthalten.
3.3 KiB
Browserprüfungen für Aufgabenbestand und KI-Anbindung
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.
course-bank.e2e.cjs prüft den Kurs mit 840 Aufgaben, sieben Modulen, allen sechs
Lernbereichen und den fünf Darstellungsformen. Geprüft werden außerdem neue
Aufgabenzuweisungen, Neuladen, unbewertete offene Antworten mit Selbstvergleich
und ein vollständig abgegebener Test ohne vorzeitige Note oder Lösungsausgabe.
Die Prüfung bestätigt, dass dabei keine Modellaufrufe erfasst werden.
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.