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.
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.
- Flowise im Browser oeffnen: http://localhost:3000
- Einen Chatflow oder Agentflow fuer
A1 English Teachererstellen. - Den System Prompt aus
prompts/a1_teacher_system.mdverwenden. - Den Chatflow speichern und die ID in
.envsetzen:
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.