Files
Speech/flowise
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
..
2026-06-07 22:20:57 +00:00

Flowise Setup

Flowise laeuft in Docker als Service flowise und ist vom Backend intern ueber http://flowise:3000 erreichbar.

MVP-Agent

Fuer Agentflow V2 nutze zuerst die konkrete Anleitung in agentflow-v2-setup.md. Sie passt zur aktuellen Go-Backend-Anbindung, die Flowise mit question und overrideConfig.sessionId aufruft.

  1. Flowise im Browser oeffnen: http://localhost:3000
  2. Einen Chatflow oder Agentflow fuer A1 English Teacher erstellen.
  3. Den System Prompt aus prompts/a1_teacher_system.md verwenden.
  4. Den Chatflow speichern und die ID in .env setzen:
FLOWISE_CHATFLOW_ID=...

Fuer die naechste Uebung erwartet das Backend JSON-Antworten mit:

{
  "exercise_type": "repeat_sentence",
  "target_language": "en-US",
  "cefr_level": "A1",
  "reference_text": "Hello, my name is Anna.",
  "display_prompt": "Sprich den Satz klar nach.",
  "tts_text": "Hello, my name is Anna.",
  "focus_points": ["name"],
  "success_criteria": ["accuracy above 80"],
  "reason_for_choice": "Kurzer A1-Satz fuer klare Betonung."
}

Feedback und einfache Konversation laufen vorerst lokal im Backend. Wenn keine Chatflow-ID gesetzt ist oder Flowise kein valides JSON liefert, nutzt die API Seed-Uebungen als Fallback.