Casting

WG-Casting – selbst gehostetes Backend (Docker)

Alles-in-einem Container: liefert die App-Seite (wg-tool.html) aus und stellt das eigene Backend (/api, Flask + SQLite) bereit.

                    ┌─────────────  ein Container  ─────────────┐
                    │  gunicorn → Flask server.py               │
                    │    /            App-Seite (wg-tool.html)  │
                    │    /api         Votes/Termine/Bewerber:innen │
                    │  SQLite  /data/casting.db  (Volume)        │
                    └───────────────────────────────────────────┘

Die Bewerber:innen liegen in der Datenbank (Quelle der Wahrheit). Beim allerersten Start wird sie einmalig aus seed_applicants.json befüllt; danach kommen neue ausschließlich über die App dazu.

Schnellstart (lokal oder auf dem Server)

Voraussetzung: Docker mit Compose-Plugin.

cp .env.example .env        # Zugangscode & Mitbewohner:innen anpassen
docker compose up -d --build

→ Seite läuft auf http://localhost:8000. Fertig.

Beim Anmelden den ACCESS_CODE aus der .env eingeben und den eigenen Namen wählen (die Namen kommen aus FLATMATES).

Nützliche Befehle:

docker compose logs -f      # Logs ansehen
docker compose down         # stoppen
docker compose up -d --build   # nach Änderungen neu bauen & starten

Nach dem Ändern der App-Seite (tool/wg-tool.html) oder des Backends muss neu gebaut werden (--build). seed_applicants.json wird nur beim allerersten Start (leere DB) eingelesen – die DB ist danach führend. Neue Bewerber:innen legst du über den Button „➕ Bewerber:in hinzufügen“ an.

KI-Schlüssel (Google Gemini) in der App eintragen

Der Button „➕ Bewerber:in hinzufügen“ lässt dich Name, Alter und den unstrukturierten Bewerbungstext einfügen; Gemini erstellt daraus – anhand von AI-Anleitung.md – automatisch einen strukturierten Eintrag.

Dafür einmalig einen API-Key hinterlegen:

Kostenlosen Key erstellen: https://aistudio.google.com/apikey
In der App oben auf „⚙️ KI-Einstellungen“, Key einfügen, speichern.

Der Key wird serverseitig in der SQLite-DB gespeichert (nicht im Browser), im Volume ./data. Das Standardmodell ist gemini-flash-latest; es lässt sich in denselben Einstellungen überschreiben (oder per GEMINI_MODEL in .env).

Konfiguration (`.env`)

Variable	Bedeutung	Default
`ACCESS_CODE`	gemeinsamer WG-Zugangscode (Seite und Backend)	`wg-casting`
`FLATMATES`	die Mitbewohner:innen, kommagetrennt	(Platzhalter)
`GEMINI_MODEL`	Default-Gemini-Modell (in der App überschreibbar)	`gemini-flash-latest`

ACCESS_CODE und FLATMATES werden beim Container-Start in die ausgelieferte wg-tool.html eingesetzt – kein manuelles Editieren der HTML nötig.

Daten & Backup

Alles (Votes, Verfügbarkeiten, Termine, Bewerber:innen, Gemini-Key) liegt in einer Datei: ./data/casting.db.

cp data/casting.db data/casting-backup-$(date +%F).db     # Backup

Zum kompletten Zurücksetzen den Container stoppen und data/casting.db löschen – beim nächsten Start wird wieder aus den Notizen geseedet.

Auf dem Server öffentlich & mit HTTPS erreichbar machen

Der Container spricht nur HTTP auf Port 8000. Für eine öffentliche Domain mit automatischem HTTPS am einfachsten Caddy davorsetzen (VPS mit Root):

/etc/caddy/Caddyfile:

casting.deine-domain.de {
    reverse_proxy 127.0.0.1:8000
}

Dann DNS-A-Record auf die Server-IP zeigen lassen, systemctl reload caddy – Caddy holt das Let’s-Encrypt-Zertifikat automatisch. In docker-compose.yml kann der Port dann auf 127.0.0.1:8000:8000 beschränkt werden, damit nur Caddy (nicht das offene Internet) direkt an den Container kommt.

Hinweis: Der Zugangscode ist eine leichte Hürde, kein echter Schutz. Den Link nur intern in der WG teilen.

Ohne Docker (Entwicklung)

cd tool/server
python3 -m venv .venv && . .venv/bin/activate
pip install -r requirements.txt
mkdir -p static && cp ../wg-tool.html static/        # App-Seite bereitstellen
CASTING_DB=./casting.db STATIC_DIR=./static ANLEITUNG_PATH=../../AI-Anleitung.md \
  gunicorn -b 127.0.0.1:8000 server:app             # -> http://localhost:8000

(SEED_APPLICANTS zeigt per Default schon auf seed_applicants.json neben server.py.)

Beim Öffnen von wg-tool.html per Doppelklick (file://) läuft die Seite im Testmodus (nur localStorage, kein Backend, keine echte KI).