Add Ollama configuration for English coach

.env.example

@@ -0,0 +1,2 @@
+EXPO_PUBLIC_OLLAMA_BASE_URL=http://localhost:11434
+EXPO_PUBLIC_OLLAMA_MODEL=llama3.2

README.md

@@ -78,6 +78,26 @@ Abhaengigkeiten installieren:
 npm install
 ```
 
+Optionale lokale KI-Konfiguration anlegen:
+
+```bash
+cp .env.example .env
+```
+
+In `.env` kannst du dein Ollama-Modell eintragen:
+
+```text
+EXPO_PUBLIC_OLLAMA_BASE_URL=http://localhost:11434
+EXPO_PUBLIC_OLLAMA_MODEL=llama3.2
+```
+
+Wenn du die App auf einem echten Smartphone mit Expo Go testest, ist `localhost` das Smartphone selbst. Nutze dann die IP deines PCs, zum Beispiel:
+
+```text
+EXPO_PUBLIC_OLLAMA_BASE_URL=http://192.168.10.102:11434
+EXPO_PUBLIC_OLLAMA_MODEL=qwen2.5:7b
+```
+
 App starten:
 
 ```bash
@@ -98,9 +118,9 @@ npm run web
 
 Hinweis: Fuer lokale iOS-Simulator-Builds wird macOS mit Xcode benoetigt. Mit Expo Go kann die App auf einem echten Geraet getestet werden.
 
-## Ollama Integration Geplant
+## Ollama Integration
 
-Der aktuelle Chat nutzt `src/services/mockAiCoach.ts`. Dieser Service ist die vorgesehene Stelle, um spaeter einen echten KI-Client zu integrieren.
+Der Chat nutzt `src/services/ollamaClient.ts` fuer echte lokale KI-Antworten. Falls Ollama nicht erreichbar ist, faellt `src/services/mockAiCoach.ts` automatisch auf Beispielantworten zurueck. Die Modell-Konfiguration liegt in `src/config/ai.ts` und liest Werte aus `.env`.
 
 Moeglicher lokaler Ablauf:
 

src/config/ai.ts

@@ -0,0 +1,4 @@
+export const aiConfig = {
+  ollamaBaseUrl: process.env.EXPO_PUBLIC_OLLAMA_BASE_URL ?? 'http://localhost:11434',
+  ollamaModel: process.env.EXPO_PUBLIC_OLLAMA_MODEL ?? 'llama3.2',
+};

src/services/mockAiCoach.ts

@@ -1,4 +1,6 @@
 import type { EnglishLevel } from '../navigation/types';
+import { aiConfig } from '../config/ai';
+import { askOllama } from './ollamaClient';
 
 const examples: Record<EnglishLevel, string> = {
   A1: 'Fast richtig! Correct: "I am learning English." Warum? Bei "I" nutzt du "am".',
@@ -8,11 +10,15 @@ const examples: Record<EnglishLevel, string> = {
 };
 
 export async function getMockAiReply(input: string, level: EnglishLevel) {
-  await new Promise((resolve) => setTimeout(resolve, 350));
-
   if (!input.trim()) {
     return 'Schreib einen kurzen englischen Satz, dann korrigiere ich ihn fuer dein Level.';
   }
 
-  return `${examples[level]}\n\nDein Satz: "${input.trim()}"`;
+  try {
+    return await askOllama(input.trim(), level);
+  } catch {
+    await new Promise((resolve) => setTimeout(resolve, 350));
+  }
+
+  return `${examples[level]}\n\nDein Satz: "${input.trim()}"\n\nKI Backend vorbereitet: ${aiConfig.ollamaModel}`;
 }

src/services/ollamaClient.ts

@@ -0,0 +1,39 @@
+import { aiConfig } from '../config/ai';
+import type { EnglishLevel } from '../navigation/types';
+
+type OllamaGenerateResponse = {
+  response?: string;
+};
+
+export async function askOllama(input: string, level: EnglishLevel) {
+  const response = await fetch(`${aiConfig.ollamaBaseUrl}/api/generate`, {
+    method: 'POST',
+    headers: {
+      'Content-Type': 'application/json',
+    },
+    body: JSON.stringify({
+      model: aiConfig.ollamaModel,
+      stream: false,
+      prompt: buildPrompt(input, level),
+    }),
+  });
+
+  if (!response.ok) {
+    throw new Error(`Ollama request failed with ${response.status}`);
+  }
+
+  const data = (await response.json()) as OllamaGenerateResponse;
+  return data.response?.trim() || 'Ich konnte keine Antwort erzeugen.';
+}
+
+function buildPrompt(input: string, level: EnglishLevel) {
+  return `Du bist ein freundlicher Englisch-Coach fuer deutsche Lernende.
+Level: ${level}
+Aufgabe:
+1. Korrigiere den englischen Satz.
+2. Erklaere den wichtigsten Fehler kurz auf Deutsch.
+3. Gib eine bessere natuerliche Variante.
+4. Antworte kurz und motivierend.
+
+Satz des Nutzers: ${input}`;
+}