# Voice-Agent — LXC-Frontend

FastAPI + statisches HTML/JS. Läuft im LXC-Container, stellt die Weboberfläche, verwaltet Jobs (SQLite) und ruft den Mac-Worker per HTTP an. Macht selbst **keine** AI-Verarbeitung.

## Lokal starten (Entwicklung)

```bash
cd lxc-frontend
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# Für lokalen Test ohne Mac kann der Mac-Worker mit WHISPER_ENGINE=mock laufen
uvicorn app.main:app --reload --port 8000
```

Öffnen: http://localhost:8000

## Auf LXC deployen

`deploy/install.sh` macht alles: Repo klonen, venv anlegen, systemd-Service und Nginx einrichten. Siehe Haupt-`README.md`.

## API

| Methode | Pfad | Zweck |
|---|---|---|
| GET | `/` | Web-UI |
| GET | `/health` | LXC-Health |
| GET | `/api/mac/health` | Mac-Worker-Erreichbarkeit |
| POST | `/api/jobs` | multipart: `audio`, `title` → Job anlegen |
| GET | `/api/jobs` | Liste aller Jobs |
| GET | `/api/jobs/{id}` | Job-Detail |
| GET | `/api/jobs/{id}/download/{kind}` | `kind` ∈ `docx`, `transcript`, `summary`, `protocol` |

## Datenfluss

```
Upload → SQLite-Job → BackgroundTask
  → Mac: /api/transcribe (multipart)
  → Mac: /api/summarize (JSON)
  → Mac: /api/protocol (JSON)
  → Mac: /api/export/docx (JSON) → DOCX
→ Ergebnisse landen in /var/lib/voice-agent/results/{job_id}/
```