Files
Speech/apps/api/internal/services/course_bank_test.go
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

24 lines
614 B
Go

package services
import (
"speech-learning-api/internal/store"
"testing"
)
func TestEntireEditorialBankContracts(t *testing.T) {
entries, err := store.BundledBank()
if err != nil {
t.Fatal(err)
}
kinds := map[string]int{}
for _, e := range entries {
if err := ValidateAdaptiveTask(e.Task, "en-US", e.Task.ModuleID, e.Task.Skill); err != nil {
t.Errorf("%s: %v", e.ID, err)
}
kinds[e.Task.Kind]++
}
if kinds["choice"] != 560 || kinds["short_text"] != 70 || kinds["free_text"] != 70 || kinds["repeat_sentence"] != 70 || kinds["free_speech"] != 70 {
t.Fatal("unexpected coverage", kinds)
}
}