Files
Speech/deploy/env.production.example
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

30 lines
739 B
Plaintext

# Copy to .env on the VPS and replace all secrets.
POSTGRES_DB=speech
POSTGRES_USER=speech
POSTGRES_PASSWORD=replace-with-long-random-password
APP_JWT_SECRET=replace-with-long-random-secret
CORS_ORIGINS=https://speech.v2202510301049387828.goodsrv.de
DEBUG_ENABLED=false
DEBUG_VERBOSE=false
LOG_LEVEL=info
AZURE_SPEECH_KEY=
AZURE_SPEECH_REGION=
AZURE_ENABLE_MOCK=true
CADDY_DOCKER_NETWORK=web
VITE_API_BASE_URL=/api
# Direct model access. Profiles and USD budgets are configured in the admin UI.
DEEPSEEK_API_KEY=
MISTRAL_API_KEY=
# bank: geprüfter Bestand ohne laufende LLM-Auswahl; ai: bisheriger Generator
COURSE_TASK_MODE=bank
# statistical: gemeinsames Lautprofil; recent: bisherige Auswahl
PRONUNCIATION_STRATEGY=statistical