# English AI Coach

English AI Coach ist ein Starterprojekt fuer eine mobile App zum Englischlernen mit KI. Die App hilft Nutzern, kurze englische Saetze zu schreiben, Fehler zu erkennen und Korrekturen mit deutscher Erklaerung zu erhalten.

Das Projekt ist bewusst schlank gehalten: React Native, Expo, TypeScript und React Navigation. Es nutzt keine unnoetigen Expo-only Libraries und ist so vorbereitet, dass spaeter lokale KI ueber Ollama, Speech-to-Text, Text-to-Speech und Push Notifications ergaenzt werden koennen.

## Features MVP

- HomeScreen mit Fortschrittskarte und Mock Daily Reminder
- Level-Auswahl fuer A1, A2, B1 und B2
- ChatScreen mit einfacher User- und AI-Nachrichtenansicht
- Mock KI-Service fuer Beispielkorrekturen
- TypeScript-typisierte Navigation
- Struktur fuer spaetere Services, Hooks und Utilities
- Web/PWA-Ausbau vorbereitet ueber Expo Web

## Beispiel

```text
User: I go yesterday to work

AI Coach:
Good try. Correct: "I went to work yesterday."
"Yesterday" braucht Past Tense.
```

## Tech Stack

- React Native
- Expo
- TypeScript
- React Navigation
- Geplant: Ollama API fuer lokale KI
- Geplant: Speech-to-Text und Text-to-Speech
- Geplant: Push Notifications fuer Daily Reminder

## Projektstruktur

```text
english-ai-coach/
├── App.tsx
├── app.json
├── package.json
├── src/
│   ├── components/
│   │   ├── ChatBubble.tsx
│   │   ├── PrimaryButton.tsx
│   │   └── ProgressCard.tsx
│   ├── hooks/
│   │   └── useDailyReminder.ts
│   ├── navigation/
│   │   ├── AppNavigator.tsx
│   │   └── types.ts
│   ├── screens/
│   │   ├── ChatScreen.tsx
│   │   ├── HomeScreen.tsx
│   │   └── LevelScreen.tsx
│   ├── services/
│   │   └── mockAiCoach.ts
│   ├── theme/
│   │   └── colors.ts
│   └── utils/
│       └── levels.ts
└── README.md
```

## Installation

Voraussetzungen:

- Node.js
- npm
- Expo ueber `npx expo`

Abhaengigkeiten installieren:

```bash
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
npm run start
```

iOS Preview starten:

```bash
npm run ios
```

Web Preview starten:

```bash
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

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:

```text
React Native Chat UI
-> AI Service
-> lokale Ollama API
-> Modell wie llama, qwen oder mistral
-> Antwort mit Korrektur und Erklaerung
```

Fuer eine PWA oder lokale Web-Version kann die App spaeter im Browser laufen und mit einem lokalen Ollama-Server im Netzwerk verbunden werden.

## PWA Idee

Die Web-Version kann spaeter als PWA erweitert werden:

- Auf Home-Bildschirm installieren
- Lokale Ollama-Verbindung konfigurieren
- Daily Reminder ueber Web Push pruefen
- Desktop- und Tablet-Layout optimieren

## Roadmap

- Chat UI erweitern
- Mock KI durch echte KI ersetzen
- Ollama API Client implementieren
- Level-spezifische Prompts erstellen
- Fehleranalyse und Vokabeltraining ergaenzen
- Fortschritt lokal speichern
- Speech-to-Text hinzufuegen
- Text-to-Speech fuer Aussprachetraining hinzufuegen
- Push Notifications fuer taegliche Uebungen einbauen
- PWA-Ausbau pruefen
- App Store Release vorbereiten

## Ziel

Ziel ist ein skalierbares Starterprojekt fuer eine KI-basierte Englischlern-App, die zuerst als mobile Expo-App funktioniert und spaeter lokal mit Ollama oder ueber eine externe KI-API erweitert werden kann.