486 lines
21 KiB
Markdown
486 lines
21 KiB
Markdown
# Migration Guide: Google AI Builder Apps -> Local Docker Stack
|
|
|
|
> **WICHTIGER HINWEIS:** Der Gemini-Agent f"."hrt Code **innerhalb** dieses Docker-Containers aus. Er hat keinen Zugriff auf den Docker-Daemon des Host-Systems. Daher kann und wird der Agent **NIEMALS** in der Lage sein, Befehle wie `docker build`, `docker-compose up` oder andere Docker-Management-Aufgaben auszuf.hren. Diese Befehle m.ssen immer vom Benutzer auf dem Host-System ausgef.hrt werden.
|
|
|
|
**Ziel:** Standardisierter Prozess, um eine von Google AI Studio generierte React-App schnell, robust und fehlerfrei in die lokale Docker/Python-Architektur zu integrieren.
|
|
|
|
**Grundsatz:** "Minimalset & Robustheit". Wir bauen keine aufgebl.hten Container, und wir verhindern Timeouts und fehlende Abh.ngigkeiten proaktiv.
|
|
|
|
---
|
|
|
|
## 1. Vorbereitung & Abh.ngigkeiten (Common Pitfalls)
|
|
|
|
Bevor Code kopiert wird, m.ssen die Grundlagen stimmen.
|
|
|
|
### 1.1 Package.json Check
|
|
Generierte Apps haben oft kein `express`, da sie keinen Server erwarten.
|
|
* **Aktion:** "."ffne `package.json` der App.
|
|
* **Pr.fung:** Steht `express` unter `dependencies`?
|
|
* **Fix:**
|
|
```json
|
|
"dependencies": {
|
|
...
|
|
"express": "^4.18.2",
|
|
"cors": "^2.8.5"
|
|
}
|
|
```
|
|
|
|
### 1.2 Datenbank-Datei
|
|
Docker kann keine einzelne Datei mounten, wenn sie auf dem Host nicht existiert.
|
|
* **Fehler:** "Bind mount failed: ... does not exist"
|
|
* **Fix:** VOR dem ersten Start die Datei anlegen:
|
|
```bash
|
|
touch mein_neues_projekt.db
|
|
```
|
|
|
|
### 1.3 Vite Base Path (White Screen Fix)
|
|
Wenn die App unter einem Unterverzeichnis (z.B. `/gtm/`) l.uft, findet sie ihre JS/CSS-Dateien nicht, wenn Vite Standard-Pfade (`/`) nutzt.
|
|
* **Datei:** `vite.config.ts`
|
|
* **Fix:** `base` auf `./` setzen.
|
|
```typescript
|
|
export default defineConfig({
|
|
base: './', // WICHTIG f.r Sub-Pfad Deployment
|
|
// ...
|
|
});
|
|
```
|
|
|
|
### 1.4 Python Dependencies & Shared Libraries (Critical Pitfall)
|
|
Das Projekt nutzt ein zentrales `helpers.py`, das von mehreren Services geteilt wird. Dies f.hrt oft zu `ModuleNotFoundError`, da eine kleine App (wie `gtm-architect`) nicht alle Bibliotheken ben.tigt, die in `helpers.py` importiert werden (z.B. `gspread`, `pandas`).
|
|
|
|
* **Fehler:** `ModuleNotFoundError: No module named 'gspread'`
|
|
* **Ursache:** Die `gtm-architect/requirements.txt` enth.lt `gspread` nicht, aber `helpers.py` versucht es zu importieren.
|
|
* **Fix (in `helpers.py`):** Machen Sie "exotische" Importe optional. Dies ist die robusteste Methode, um die Kompatibilit.t zu wahren, ohne die `requirements.txt` kleiner Apps aufzubl.hen.
|
|
|
|
```python
|
|
# Beispiel in helpers.py
|
|
try:
|
|
import gspread
|
|
GSPREAD_AVAILABLE = True
|
|
except ImportError:
|
|
GSPREAD_AVAILABLE = False
|
|
gspread = None # Wichtig, damit Referenzen nicht fehlschlagen
|
|
```
|
|
* **Fix (in `requirements.txt`):** Stellen Sie sicher, dass die f.r die App **unmittelbar** ben.tigten Bibliotheken vorhanden sind. F.r `gtm-architect` sind das:
|
|
```text
|
|
google-generativeai
|
|
google-genai
|
|
Pillow
|
|
requests
|
|
beautifulsoup4
|
|
```
|
|
|
|
### 1.5 Python Syntax & F-Strings
|
|
Multi-Line Prompts k.nnen in Docker-Umgebungen zu **sehr hartn.ckigen Syntaxfehlern** f.hren, selbst wenn sie lokal korrekt aussehen.
|
|
|
|
* **Das Problem:** Der Python-Parser (insbesondere bei `f-strings` in Kombination mit Zahlen/Punkten am Zeilenanfang oder verschachtelten Klammern) kann Multi-Line-Strings (`f"""..."""`) falsch interpretieren, was zu Fehlern wie `SyntaxError: invalid decimal literal` oder `unmatched ')'` f.hrt, auch wenn der Code scheinbar korrekt ist.
|
|
|
|
* **ULTIMATIVE L.SUNG (Maximale Robustheit):**
|
|
1. **Vermeide `f"""` komplett f.r komplexe Multi-Line-Prompts.** Definiere stattdessen den Prompt als **Liste von einzelnen String-Zeilen** und f.ge sie mit `"\n".join(prompt_parts)` zusammen.
|
|
2. **Nutze die `.format()` Methode oder f-Strings in EINZEILIGEN Strings** zur Variablen-Injektion. Dies trennt die String-Definition komplett von der Variablen-Interpolation und ist die robusteste Methode.
|
|
|
|
```python
|
|
# Beispiel: Maximal robust
|
|
prompt_template_parts = [
|
|
"1) Mache dies: {variable_1}",
|
|
"2) Mache das: {variable_2}",
|
|
]
|
|
prompt_template = "\n".join(prompt_template_parts)
|
|
prompt = prompt_template.format(variable_1=wert1, variable_2=wert2)
|
|
# System-Instruktion muss immer noch vorangestellt werden:
|
|
full_prompt = sys_instr + "\n\n" + prompt
|
|
```
|
|
|
|
* **Versionierung f.r Debugging:** Um sicherzustellen, dass die korrekte Version des Codes l.uft, f.ge Versionsnummern in die Start-Logs des Node.js Servers (`server.cjs`) und des Python Orchestrators (`gtm_architect_orchestrator.py`) ein.
|
|
* `server.cjs`: `console.log(`... (Version: ${VERSION})`);`
|
|
* `gtm_architect_orchestrator.py`: `print(f"DEBUG: Orchestrator v{__version__} loaded ...")`
|
|
|
|
* **Signaturen pr.fen:** Shared Libraries (`helpers.py`) haben oft .ltere Signaturen. Immer die tats.chliche Definition pr.fen!
|
|
* Beispiel: `call_openai_chat` unterst.tzt oft kein `system_message` Argument. Stattdessen Prompt manuell zusammenbauen (`sys_instr + "\n\n" + prompt`).
|
|
|
|
### 1.6 Pitfall: Veraltete API-Nutzung & Bibliotheksnamen
|
|
**ACHTUNG:** Dies ist eine der h.ufigsten Fehlerquellen bei der Migration .ltterer KI-Skripte.
|
|
|
|
* **Das Problem 1 (Name):** Der Name des Pakets (`google-generativeai`) stimmt nicht mit dem Import (`import google.genai`) .berein, den neuere Versionen erwarten. In unserem Fall bleiben wir vorerst beim Import von `google.generativeai`.
|
|
* **Installation (`requirements.txt`):** `google-generativeai`
|
|
* **Import (z.B. in `helpers.py`):** `import google.generativeai as genai`
|
|
|
|
* **Das Problem 2 (API-Nutzung):** "."lterer Code verwendet eine `genai.Client`-Klasse, die **nicht mehr existiert**. Dies f.hrt zu einem Absturz.
|
|
* **Fehlerbild im Log:** `AttributeError: module 'google.generativeai' has no attribute 'Client'`
|
|
* **L.sung:** Der Code MUSS auf die moderne `GenerativeModel`-API umgestellt werden. Siehe **Appendix A.4** f.r ein Code-Beispiel.
|
|
|
|
---
|
|
|
|
## 2. Die Backend-Bridge (`server.cjs`)
|
|
|
|
Dies ist der Node.js Server im Container. Er muss **robust** gegen Timeouts sein und Pfade dynamisch erkennen (Dev vs. Prod).
|
|
|
|
**Gold-Standard Template:**
|
|
|
|
```javascript
|
|
const express = require('express');
|
|
const { spawn } = require('child_process');
|
|
const fs = require('fs');
|
|
const path = require('path');
|
|
const app = express();
|
|
const port = 3005; // ANPASSEN!
|
|
|
|
app.use(express.json({ limit: '50mb' }));
|
|
|
|
// 1. Statische Dateien: Robustheit f.r Docker (Flat) vs. Local (Nested)
|
|
const distPath = path.join(__dirname, 'dist'); // Docker Standard
|
|
const isProduction = fs.existsSync(distPath);
|
|
const staticDir = isProduction ? distPath : __dirname;
|
|
console.log(`[Init] Serving static files from: ${staticDir}`);
|
|
app.use(express.static(staticDir));
|
|
|
|
// 2. Python Pfad: Robustheit f.r Sideloading
|
|
let pythonScriptPath = path.join(__dirname, 'mein_orchestrator.py'); // ANPASSEN!
|
|
if (!fs.existsSync(pythonScriptPath)) {
|
|
pythonScriptPath = path.join(__dirname, '../mein_orchestrator.py');
|
|
}
|
|
|
|
// 3. API Routing
|
|
app.post('/api/run', (req, res) => {
|
|
// ... spawn logic ...
|
|
});
|
|
|
|
// 4. SPA Fallback
|
|
app.get('*', (req, res) => {
|
|
res.sendFile(path.join(staticDir, 'index.html'));
|
|
});
|
|
|
|
// 5. Timeout-H.rtung (CRITICAL!)
|
|
const server = app.listen(port, () => {
|
|
console.log(`Server listening on ${port}`);
|
|
});
|
|
server.setTimeout(600000); // 10 Minuten
|
|
server.keepAliveTimeout = 610000;
|
|
server.headersTimeout = 620000;
|
|
```
|
|
|
|
---
|
|
|
|
## 3. Docker Optimierung (Multi-Stage)
|
|
|
|
Wir nutzen **Multi-Stage Builds**, um das Image klein zu halten (kein `src`, keine Dev-Tools im Final Image).
|
|
|
|
**Gold-Standard Dockerfile:**
|
|
|
|
```dockerfile
|
|
# Stage 1: Frontend Build
|
|
FROM node:20-slim AS frontend-builder
|
|
WORKDIR /app
|
|
COPY mein-app-ordner/package.json ./
|
|
RUN npm install
|
|
COPY mein-app-ordner/ .
|
|
RUN npm run build
|
|
|
|
# Stage 2: Runtime
|
|
FROM python:3.11-slim
|
|
WORKDIR /app
|
|
|
|
# Node.js installieren (f.r Server Bridge, optimierte Methode)
|
|
RUN apt-get update && \
|
|
apt-get install -y --no-install-recommends curl ca-certificates && \
|
|
curl -fsSL https://deb.nodesource.com/setup_20.x | bash - && \
|
|
apt-get install -y --no-install-recommends nodejs && \
|
|
rm -rf /var/lib/apt/lists/*
|
|
|
|
# Python Deps (aus der app-spezifischen requirements.txt)
|
|
COPY mein-app-ordner/requirements.txt .
|
|
RUN pip install --no-cache-dir -r requirements.txt
|
|
|
|
# Server & Frontend Artifacts (Flat Structure!)
|
|
COPY mein-app-ordner/server.cjs .
|
|
COPY mein-app-ordner/package.json .
|
|
RUN npm install --omit=dev
|
|
COPY --from=frontend-builder /app/dist ./dist
|
|
|
|
# Python Logic & Shared Libs
|
|
COPY mein_orchestrator.py .
|
|
COPY helpers.py .
|
|
COPY config.py .
|
|
COPY market_db_manager.py .
|
|
|
|
EXPOSE 3005
|
|
CMD ["node", "server.cjs"]
|
|
```
|
|
|
|
---
|
|
|
|
## 4. Docker Compose & Mounts (WICHTIGER PITFALL)
|
|
|
|
**WARNUNG: Lokale Dateien .berschreiben den Container-Code!**
|
|
|
|
Wenn Sie `volumes` f.r das Sideloading verwenden (wie unten gezeigt), werden die Dateien aus Ihrem lokalen Verzeichnis direkt in den Container geladen. Das bedeutet: **Wenn Sie nicht `git pull` auf dem Host-System ausf.hren, bevor Sie den Container neu bauen, wird der Container weiterhin den alten, lokalen Code ausf.hren.**
|
|
|
|
**Workflow:**
|
|
1. "."nderungen im Git-Repository pushen (oder von einem Agent pushen lassen).
|
|
2. **`git pull` auf dem Host-System ausf.hren.** (Dieser Schritt ist entscheidend!)
|
|
3. `docker-compose up -d --build <service-name>` ausf.hren.
|
|
|
|
Beim Sideloading m.ssen **alle** Abh.ngigkeiten gemountet werden, nicht nur das Hauptskript.
|
|
|
|
**Wichtig:** Der Pfad zu `server.cjs` .ndert sich durch die "Flat Structure" im Dockerfile!
|
|
|
|
```yaml
|
|
my-new-app:
|
|
# ... build context ...
|
|
volumes:
|
|
# Logic Sideloading (ALLE Skripte!)
|
|
- ./mein_orchestrator.py:/app/mein_orchestrator.py
|
|
- ./helpers.py:/app/helpers.py # WICHTIG: Shared Libs
|
|
- ./config.py:/app/config.py # WICHTIG: Shared Libs
|
|
- ./market_db_manager.py:/app/market_db_manager.py
|
|
|
|
# Server Sideloading (Ziel ist Root /app/server.cjs!)
|
|
- ./mein-app-ordner/server.cjs:/app/server.cjs
|
|
|
|
# Persistence
|
|
- ./mein_projekt.db:/app/mein_projekt.db
|
|
environment:
|
|
- PYTHONUNBUFFERED=1
|
|
- DB_PATH=/app/mein_projekt.db
|
|
environment:
|
|
- PYTHONUNBUFFERED=1
|
|
- DB_PATH=/app/mein_projekt.db
|
|
```
|
|
|
|
---
|
|
|
|
## 5. Nginx Proxy
|
|
|
|
Achtung beim Routing. Wenn die App unter `/app/` laufen soll, muss der Trailing Slash (`/`) stimmen.
|
|
|
|
```nginx
|
|
location /app/ {
|
|
proxy_pass http://my-new-app:3005/; # Slash am Ende wichtig!
|
|
# ... headers ...
|
|
proxy_read_timeout 1200s; # Timeout passend zum Node Server
|
|
}
|
|
```
|
|
|
|
---
|
|
|
|
## 6. Frontend Anpassungen (React)
|
|
|
|
1. **API Calls:** Alle direkten Aufrufe an `GoogleGenAI` entfernen. Stattdessen `fetch('/api/run', ...)` nutzen.
|
|
2. **Base URL:** In `vite.config.ts` `base: './'` setzen (siehe Punkt 1.3).
|
|
3. **Router:** Falls `react-router` genutzt wird, muss der `basename` gesetzt werden (z.B. `/gtm/`). Bei einfachem State-Routing (wie in den aktuellen Apps) reicht der `base` Config Eintrag.
|
|
|
|
---
|
|
|
|
|
|
## Checkliste vor dem Commit
|
|
|
|
- [ ] `express` in `package.json`?
|
|
- [ ] `vite.config.ts` hat `base: './'`?
|
|
- [ ] `requirements.txt` enth.lt die korrekten (minimalen) Dependencies?
|
|
- [ ] `server.cjs` hat Timeouts (>600s)?
|
|
- [ ] `docker-compose.yml` mountet auch `helpers.py` und `config.py`?
|
|
- [ ] Leere `.db` Datei auf dem Host erstellt?
|
|
- [ ] Dockerfile nutzt Multi-Stage Build?
|
|
|
|
---
|
|
|
|
|
|
## Appendix A: GTM Architect Fixes & Gemini Migration (Jan 2026)
|
|
|
|
### A.1 Problemstellung
|
|
- **SyntaxError bei gro.en Prompts:** Python-Parser (3.11) hatte massive Probleme mit f-Strings, die 100+ Zeilen lang waren und Sonderzeichen enthielten.
|
|
- **Library Deprecation:** `google.generativeai` hat Support eingestellt? Nein, aber die Fehlermeldung im Log deutete auf einen Konflikt zwischen alten `openai`-Wrappern und neuen Gemini-Paketen hin.
|
|
- **L.sung:**
|
|
1. **Prompts ausgelagert:** System-Prompts liegen jetzt in `gtm_prompts.json` und werden zur Laufzeit geladen. Kein Code-Parsing mehr notwendig.
|
|
2. **Native Gemini Lib:** Statt OpenAI-Wrapper nutzen wir jetzt `google.generativeai` direkt via `helpers.call_gemini_flash`.
|
|
3. **Config:** `gtm-architect/Dockerfile` kopiert nun explizit `gtm_prompts.json`.
|
|
|
|
### A.2 Neuer Standard f.r KI-Apps
|
|
F.r zuk.nftige Apps gilt:
|
|
1. **Prompts in JSON/Text-Files:** Niemals riesige Strings im Python-Code hardcoden.
|
|
2. **`helpers.call_gemini_flash` nutzen:** Diese Funktion ist nun der Gold-Standard f.r einfache, stateless Calls. Siehe **Appendix A.4** f.r die korrekte Implementierung.
|
|
3. **JSON im Dockerfile:** Vergesst nicht, die externen Prompt-Files mit `COPY` in den Container zu holen!
|
|
|
|
### A.3 Kritisches Problem & L.sung: `AttributeError` bei Gemini API (Jan 2026)
|
|
- **Problem:** Nach der Migration auf die `google-generativeai` Bibliothek schlugen alle API-Aufrufe mit einem `AttributeError: module 'google.generativeai' has no attribute 'Client'` Fehler fehl.
|
|
- **Log-Analyse:**
|
|
```
|
|
ERROR:helpers:Fehler beim Gemini-Flash-Aufruf: module 'google.generativeai' has no attribute 'Client'
|
|
```
|
|
- **Untersuchung:**
|
|
1. Die erste Annahme, es handle sich um einen falschen Modellnamen (`404 NOT_FOUND`), erwies sich als irref.hrend.
|
|
2. Die Analyse des `helpers.py`-Skripts zeigte, dass der Code versuchte, eine `genai.Client`-Klasse zu verwenden.
|
|
- **Schlussfolgerung & L.sung:**
|
|
Der Fehler lag in der Verwendung einer **veralteten API-Initialisierungsmethode**. Die `google-generativeai`-Bibliothek hat die `Client`-Klasse entfernt und erfordert nun einen modernen Ansatz.
|
|
|
|
**Die Korrektur (implementiert in `helpers.py`):**
|
|
1. **Konfigurieren des API-Schl.ssels:** `genai.configure(api_key="IHR_KEY")`
|
|
2. **Instanziieren des Modells:** `model = genai.GenerativeModel('gemini-1.5-flash-latest')`
|
|
3. **Aufrufen der Generierung:** `response = model.generate_content(...)`
|
|
|
|
Dieser Fix wurde in `helpers.py` umgesetzt und hat die Funktionalit.t des GTM Architect wiederhergestellt. Alle neuen KI-Anwendungen m.ssen diesem Muster folgen.
|
|
|
|
### A.4 Gold-Standard: Gemini API Wrapper (Robust & Dynamic)
|
|
Um die korrekte Implementierung zu standardisieren, hier der "Gold-Standard" Wrapper, wie er in `helpers.py` verwendet wird. Dieser Code ist die Vorlage f.r alle zuk.nftigen Gemini-Aufrufe.
|
|
|
|
```python
|
|
import google.generativeai as genai
|
|
import logging
|
|
|
|
# Annahme: logger und _get_gemini_api_key() sind definiert
|
|
# Annahme: Ein @retry_on_failure Decorator existiert
|
|
|
|
@retry_on_failure
|
|
def call_gemini_flash(prompt, system_instruction=None, temperature=0.3, json_mode=False):
|
|
"""
|
|
Spezifische Funktion f.r Gemini 1.5 Flash Aufrufe mit System-Instruction Support.
|
|
Verwendet die korrekte `GenerativeModel` API.
|
|
"""
|
|
logger = logging.getLogger(__name__)
|
|
|
|
# HAS_GEMINI Check hier weggelassen f.r die Lesbarkeit
|
|
|
|
api_key = _get_gemini_api_key()
|
|
|
|
try:
|
|
# 1. API-Schl.ssel konfigurieren
|
|
genai.configure(api_key=api_key)
|
|
|
|
# 2. Generierungs-Konfiguration definieren
|
|
generation_config = {
|
|
"temperature": temperature,
|
|
"top_p": 0.95,
|
|
"top_k": 40,
|
|
"max_output_tokens": 8192,
|
|
}
|
|
if json_mode:
|
|
generation_config["response_mime_type"] = "application/json"
|
|
|
|
# 3. Modell instanziieren (mit System-Instruktion)
|
|
model = genai.GenerativeModel(
|
|
model_name="gemini-1.5-flash-latest", # Eine stabile, spezifische Version verwenden
|
|
generation_config=generation_config,
|
|
system_instruction=system_instruction
|
|
)
|
|
|
|
# Der Prompt kann ein String oder eine Liste von Teilen sein
|
|
contents = [prompt] if isinstance(prompt, str) else prompt
|
|
|
|
# 4. Inhalt generieren
|
|
response = model.generate_content(contents)
|
|
|
|
return response.text.strip()
|
|
|
|
except Exception as e:
|
|
logger.error(f"Fehler beim Gemini-Flash-Aufruf: {e}")
|
|
if "API_KEY_INVALID" in str(e) or "403" in str(e):
|
|
raise ValueError(f"Invalid API Key: {str(e)}")
|
|
raise e
|
|
```
|
|
|
|
---
|
|
|
|
### A.5 Image Generation 2.0 (Hybrid Approach - Jan 04)
|
|
|
|
Um die Einschr.nkungen der "Text-only" Modelle und die regionale Verf.gbarkeit von Imagen 3 zu umgehen, nutzen wir einen hybriden Ansatz.
|
|
|
|
**1. Anforderungen**
|
|
* **Bibliothek:** `google-genai` (v1.x) MUSS installiert sein (`pip install google-genai`). `google-generativeai` (v0.x) ist veraltet.
|
|
* **Bildverarbeitung:** `Pillow` muss installiert sein (`pip install Pillow`).
|
|
|
|
**2. Die Logik (Text vs. Bild)**
|
|
Das System entscheidet automatisch, welches Modell genutzt wird:
|
|
|
|
* **Szenario A: Generisches Bild (Text-to-Image)**
|
|
* **Modell:** `imagen-4.0-generate-001` (oder `fast`/`ultra` Varianten).
|
|
* **Warum:** Imagen ist spezialisiert auf Text-zu-Bild, aber Imagen 3.0 ist oft 404 (nicht verf.gbar). Imagen 4.0 ist der aktuelle Standard.
|
|
* **Code:** `client.models.generate_images(...)`
|
|
|
|
* **Szenario B: Produkt-Integration (Image-to-Image)**
|
|
* **Modell:** `gemini-2.5-flash-image`.
|
|
* **Warum:** Nur Gemini-Multimodal-Modelle k.nnen Input-Bilder verstehen und verarbeiten ("Inpainting" oder "Contextual Placement").
|
|
* **Wichtig:** Dieses Modell unterst.tzt KEINEN JSON-Mode (`response_mime_type="application/json"` f.hrt zu 400 Error).
|
|
* **Code:** `client.models.generate_content(contents=[image, prompt])`
|
|
|
|
**3. Code-Beispiel (aus `helpers.py`)**
|
|
|
|
```python
|
|
# Import
|
|
from google import genai
|
|
from PIL import Image
|
|
import io
|
|
import base64
|
|
|
|
# ... client setup ...
|
|
|
|
def generate_image(prompt, ref_image_b64=None):
|
|
if ref_image_b64:
|
|
# IMAGE-TO-IMAGE (Gemini 2.5)
|
|
image_data = base64.b64decode(ref_image_b64)
|
|
raw_image = Image.open(io.BytesIO(image_data))
|
|
|
|
# Strict Prompting ist essenziell!
|
|
full_prompt = (
|
|
"Use the provided reference image as the absolute truth. "
|
|
f"Place EXACTLY this product into the scene: {prompt}. "
|
|
"Do NOT alter the product's design."
|
|
)
|
|
|
|
# KEIN config=... mit JSON Mode!
|
|
response = client.models.generate_content(
|
|
model='gemini-2.5-flash-image',
|
|
contents=[raw_image, full_prompt]
|
|
)
|
|
# Extrahiere Bild aus response.candidates[0].content.parts[0].inline_data
|
|
|
|
else:
|
|
# TEXT-TO-IMAGE (Imagen 4.0)
|
|
# Fallback-Kandidaten, falls ein Modell 404 ist
|
|
candidates = ['imagen-4.0-generate-001', 'imagen-4.0-fast-generate-001']
|
|
|
|
for model in candidates:
|
|
try:
|
|
response = client.models.generate_images(
|
|
model=model,
|
|
prompt=prompt,
|
|
config={"number_of_images": 1, "output_mime_type": "image/jpeg"}
|
|
)
|
|
# Extrahiere Bild aus response.generated_images[0].image
|
|
break
|
|
except Exception:
|
|
continue
|
|
```
|
|
|
|
---
|
|
|
|
## 7. Troubleshooting & Lessons Learned (Jan 2026)
|
|
|
|
Diese Fehler traten bei der GTM Architect Migration auf und m.ssen zuk.nftig vermieden werden.
|
|
|
|
### 7.1 Database Initialization (`OperationalError: no such table`)
|
|
* **Problem:** Neue SQLite-Datenbanken (`.db` Files) werden zwar als leere Dateien via `touch` erstellt, enthalten aber keine Tabellen. Der Python-Code st.rzt ab, wenn er versucht, in eine nicht existierende Tabelle zu schreiben.
|
|
* **L.sung:** Die Initialisierungs-Logik (z.B. `python gtm_db_manager.py init`) MUSS beim Start des `server.cjs` aufgerufen werden. Verlasse dich nicht darauf, dass der User dies manuell tut.
|
|
* **Best Practice:** In `server.cjs`:
|
|
```javascript
|
|
const dbScript = path.join(__dirname, 'gtm_db_manager.py');
|
|
require('child_process').spawn('python3', [dbScript, 'init']);
|
|
```
|
|
|
|
### 7.2 Dependency Injection (`ModuleNotFoundError`)
|
|
* **Problem:** Wenn eine `requirements.txt` nachtr.glich hinzugef.gt oder ge.ndert wird, reicht ein einfacher Container-Neustart nicht aus. `pip install` l.uft normalerweise nur w.hrend der Build-Phase.
|
|
* **L.sung:**
|
|
1. **Immer Rebuild:** `docker-compose up -d --build <service>`.
|
|
2. **Startup-Check:** F.r maximale Robustheit kann der `CMD` im Dockerfile so angepasst werden, dass er `pip install` vor dem Server-Start ausf.hrt: `CMD ["/bin/bash", "-c", "pip install -r requirements.txt && node server.cjs"]`.
|
|
|
|
### 7.3 Python Indentation (`IndentationError`)
|
|
* **Problem:** Beim Copy-Paste von Code in `config.py` entstehen oft versehentliche Einr.ckungen (Leerzeichen am Zeilenanfang) bei globalen Variablen. Dies f.hrt dazu, dass der gesamte Python-Prozess beim Import abst.rzt.
|
|
* **L.sung:** `.py` Dateien immer auf strikte Linksb.ndigkeit bei globalen Definitionen pr.fen. Tools wie `flake8` helfen, sind aber im Container oft nicht verf.gbar. Sorgfalt ist entscheidend.
|
|
|
|
### 7.4 Server File Location & Volume Mounts (Sideloading Trap)
|
|
* **Problem:** Im Dockerfile wird `server.cjs` oft in das Root-Verzeichnis kopiert (`COPY gtm-app/server.cjs .`), aber in `docker-compose.yml` wird nur der Unterordner gemountet (`- ./gtm-app:/app/gtm-app`). Da die Node-App im Root läuft, führt sie weiterhin die alte, im Image "eingebackene" Version von `server.cjs` aus. Änderungen auf dem Host werden ignoriert.
|
|
* **Symptom:** Code-Fixes im Node-Server (z.B. Timeouts, E2BIG Fixes) greifen nicht, obwohl die Datei auf dem Host korrekt aussieht.
|
|
* **Lösung:** Den Mount in `docker-compose.yml` explizit auf die ausgeführte Datei lenken:
|
|
```yaml
|
|
volumes:
|
|
- ./mein-app-ordner/server.cjs:/app/server.cjs
|
|
```
|