Files
Speech/apps/api/internal/services/aiprompts/brief.json
T
Eugenius Naumenko e274eaab2b Adaptiven A1-Kurs und statistisches Aussprachetraining integrieren
Direkte DeepSeek- und Mistral-Anbindung mit versionierten Aktionsprofilen,
Budgetreservierung, Tokenabrechnung und administrativen Qualitätsprüfungen
ersetzen die Flowise-Abhängigkeit im regulären Betrieb.

840 geprüfte A1-Aufgaben mit geschützter Testauswertung und konkreten offenen
Arbeitsaufträgen ergänzen den Kurs. Inhalts- und Sprachbewertung bleiben von
Azure-Aussprachewerten getrennt; historische Aufgaben und Antworten bleiben erhalten.

Echte Wort- und Phonemmessungen werden mit Herkunft, Aktualität und Nachweisdichte
gebündelt. Go bestimmt Trainingsziele und Wiederholungen, das Modell formuliert
dazu passende Nachsprechübungen. Profilansicht und Auswahlgründe werden angezeigt.

Validierung: Go-Race-Tests mit lokaler PostgreSQL-Integration, go vet,
Web-Build, Audit aller 840 Aufgaben und drei Browser-Smokes mit lokalen
Modell-/Speech-Fixtures bestanden. Keine Produktionsänderungen oder Live-Aufrufe.
2026-11-01 23:23:20 +00:00

69 lines
1.2 KiB
JSON

{
"$schema": "https://json-schema.org/draft/2020-12/schema",
"type": "object",
"additionalProperties": false,
"properties": {
"schema_version": {
"const": 2
},
"module_id": {
"type": "string",
"minLength": 1,
"maxLength": 200
},
"target_language": {
"type": "string",
"minLength": 1,
"maxLength": 50
},
"course_version": {
"const": "a1-v2"
},
"skill": {
"enum": [
"grammar",
"vocabulary",
"listening",
"reading",
"speaking",
"writing"
]
},
"kind": {
"enum": [
"choice",
"short_text",
"free_text",
"repeat_sentence",
"free_speech"
]
},
"objective": {
"type": "string",
"minLength": 1,
"maxLength": 1500
},
"difficulty": {
"type": "string",
"minLength": 1,
"maxLength": 200
},
"reason": {
"type": "string",
"minLength": 1,
"maxLength": 2000
}
},
"required": [
"schema_version",
"module_id",
"target_language",
"course_version",
"skill",
"kind",
"objective",
"difficulty",
"reason"
]
}