0 Fork 0

Files

T

Sven 9e71fe3a11 Anrufer- und Webhook-Verarbeitung verbessern

2026-11-02 15:58:53 +01:00

48 KiB

Raw Blame History

SwyxWeb

React-Frontend mit Spring-Boot-Backend. Die Startseite verbindet sich aus dem Browser heraus per WebSocket mit der SwyxTray-App (ws://127.0.0.1:17654/ws), meldet eingehende Anrufe und startet ausgehende Anrufe.

Standardmäßig öffnet sich ein Dashboard mit der Historie eingegangener Anrufe: Rufnummer, Name (falls übermittelt), Datum, Uhrzeit und Leitung, neueste zuerst. Die Historie lässt sich nach Rufnummer oder Name durchsuchen; Kennzahlen zeigen alle eingegangenen Anrufe, die heutigen Anrufe und unterschiedliche Rufnummern. GET /api/calls liest dafür die gespeicherten incoming-Ereignisse aus MongoDB, auch aus früheren Sitzungen. Das Dashboard aktualisiert sich alle fünf Sekunden. Verbindungs- und Ende-Ereignisse erscheinen nicht als zusätzliche Anrufe.

Der Schalter Dev oben in der Kopfzeile blendet die bisherige Oberfläche mit Anrufen, Adressdaten, Webhook, Tabs und Verbindung ein. Er ist beim Laden der Seite ausgeschaltet. Beim Umschalten bleiben Eingaben und die SwyxTray-Verbindung erhalten; Anruf-Popups und Benachrichtigungen funktionieren auch im Dashboard.

Job-Datensätze unterstützen zusätzlich zur Auftragsadresse url die optionale Kartenadresse map_url, beispielsweise "map_url": "https://vhs.assecutor.org/?jb=21891233&cr=13385". Ist eine HTTP(S)-Kartenadresse vorhanden, erscheint im Anruf-Popup neben dem zugeordneten Job Karte öffnen. Ein Klick öffnet diese Adresse in einem neuen Browser-Tab. Bei fehlender, leerer oder ungültiger Adresse bleibt der Knopf ausgeblendet.

Das Backend übernimmt map_url sowohl über POST /api/webhook/jobs als auch über POST /api/webhook mit "type": "job" in die MongoDB-Sammlung jobs. Dort heißt das Feld ebenfalls map_url; GET /api/jobs/{id} gibt den gespeicherten Wert zurück. Ein erneut gesendeter Job ersetzt den bisherigen Datensatz einschließlich der Kartenadresse. Bestehende Jobs ohne Kartenadresse bleiben lesbar; zum Ergänzen die vollständigen Jobdaten mit map_url erneut senden. Eine Schema-Migration ist nicht erforderlich.

Der Telefonbuchimport über POST /api/addresses aktualisiert Name und Beschreibung, erhält aber vorhandene Rollen, Kundenkennungen, Job-Zuordnungen und Sprungadressen. Diese Felder werden nur durch vollständige Adressdaten über die Webhooks ersetzt; so können dort beispielsweise mit job_ids: [] alte Job-Zuordnungen entfernt werden.

SwyxWeb/
├── backend/    Spring Boot 4.1 (Java 21, Maven Wrapper)
└── frontend/   React 19 + TypeScript + Vite

Wer verbindet sich mit wem?

Die WebSocket-Verbindung wird ausschließlich im Browser aufgebaut – in SwyxTrayClient.ts über new WebSocket(url). Das Backend baut keine eigene WebSocket-Verbindung auf; es hat zwei Aufgaben:

GET /api/config liefert dem Frontend die Zieladresse, damit sie nicht im JS-Bundle fest verdrahtet ist (konfigurierbar in application.properties).
Es nimmt unter POST /api/webhook Adressdaten fremder Systeme entgegen und reicht sie an die offenen Browser weiter (siehe Webhook).
Es stellt unter seinem eigenen Port einen SwyxTray-Mock bereit, um die Startseite ohne echte Telefonanlage testen zu können (siehe unten). Der läuft nur mit dem Spring-Profil mock; im Normalbetrieb – und damit auch im Container – gibt es ihn nicht.

Zwei getrennte Ports: 8080 ist der Port dieser Anwendung (REST-API und, mit Profil mock, der Mock), 17654 der Port der SwyxTray-App auf dem Arbeitsplatz des Anwenders. Sie sind unabhängig voneinander.

Protokoll der SwyxTray-App

Quelle: Mitschnitt gegen die laufende App (Version 1.0.0.0, protocol: 1) am 13.08.2026. Mit der Tab-Verwaltung meldete die App im hello protocol: 6, mit der Adresssuche protocol: 7, mit dem Adress-Cache protocol: 8; die älteren Nachrichten sind unverändert geblieben. Implementiert in protocol.ts und SwyxTrayClient.ts.

Leitungen werden über die 1-basierte Leitungsnummer line adressiert. Seit Protokoll 10 tragen Snapshots und Anrufereignisse außerdem callId aus dem SDK. Aufnahmebefehle verlangen beide Werte, damit verspätete Befehle keinen Folgeanruf auf derselben Leitung treffen.

Die App schickt vollständige snapshot-Nachrichten und zusätzlich call-Ereignisse (incoming, outgoing, connected, ended). SwyxWeb verarbeitet auch ältere Versionen ausschließlich über die Snapshots. Gesprächsenden werden bei beiden Nachrichtenreihenfolgen nur einmal in den Verlauf übernommen.

Begrüßung (App → Seite, beim Verbinden)

{ "app": "SwyxTray", "version": "1.0.0.0", "protocol": 1, "session": 7, "type": "hello" }

Direkt danach folgt der erste Snapshot.

Snapshot (App → Seite, bei jeder Änderung)

{ "connected": true, "serverUp": true, "overall": "Ringing", "statusText": "Eingehender Ruf",
  "user": "Muster, M.", "server": "127.0.0.1", "type": "snapshot",
  "lines": [
    { "line": 1, "state": "LSRinging", "stateCode": 3, "stateText": "klingelt",
      "peer": "001602107449", "peerNumber": "001602107449", "peerName": "",
      "busy": true, "selected": true },
    { "line": 2, "state": "LSInactive", "stateCode": 0, "stateText": "frei",
      "peer": "unbekannt", "peerNumber": "", "peerName": "", "busy": false, "selected": false }
  ] }

state trägt die Namen der CLMgr-Aufzählung LineState, stateText den Klartext aus SwyxIt!. Belegt sind bisher LSInactive / 0 / "frei" und LSRinging / 3 / "klingelt". callStateOf bildet beides auf incoming · outgoing · connected ab und wertet dabei Name und Klartext aus; ein unbekannter Zustand gilt als belegt, damit eine klingelnde Leitung nie stillschweigend verschwindet. peer ist die fertige Anzeigeform, "unbekannt" der Platzhalter für „keine Gegenstelle". Freie Leitungen schickt die App immer mit; die Startseite blendet sie aus.

Kommandos (Seite → App)

// ->
{ "id": 7, "cmd": "call", "number": "+49 30 1234567" }
// <- Quittung, id gespiegelt
{ "id": 7, "ok": true, "line": 2, "type": "result" }
// <- Fehlerfall (ungültige Nummer, keine Verbindung zu SwyxIt!)
{ "id": 7, "ok": false, "error": "…", "type": "result" }

ok: true heißt nur, dass CLMgr den Auftrag angenommen hat – gewählt wird asynchron. Der tatsächliche Verlauf kommt danach über die folgenden Snapshots. Die Startseite weist im Wählbereich darauf hin.

Kommando	Felder	Zweck	Antwort
`call`	`number`	Wählvorgang starten	`line`
`answer`	`line`	Anruf annehmen	–
`hangup`	`line`	Anruf beenden/ablehnen	–
`ping`	–	Verbindungstest	–
`status`	–	Snapshot anfordern	–
`focus`	`title`, `url`	Fenster in den Vordergrund holen	`focused`
`tabs`	–	Offene Tabs des Firefox-Plugins auflisten	`tabs`
`opentab`	`url`	Neuen Tab öffnen	`tabId`
`closetab`	`tabId`	Tab schließen	–
`contacts`	`query`	Adressdaten des Swyx-Clients durchsuchen	`contacts`
`addresses`	–	Adress-Cache der App am Stück abrufen	`addresses`

Alles andere quittiert die App mit "Unbekanntes Kommando '…'.", ein fehlendes cmd mit "Feld 'cmd' fehlt.".

Fenster in den Vordergrund holen

// ->
{ "id": 9, "cmd": "focus", "title": "Kundenakte Muster GmbH", "url": "https://crm.example.local/kunden/4711" }
// <- Fenster war da und ist jetzt vorn
{ "type": "result", "id": 9, "ok": true, "focused": true }
// <- kein Fenster gefunden, stattdessen Browser mit der URL gestartet
{ "type": "result", "id": 9, "ok": true, "focused": false }

title wird als Teilzeichenkette gesucht, unabhängig von der Groß-/Kleinschreibung – "swyxit" findet also das Fenster „SwyxIt!". url ist optional und wird nur benutzt, wenn kein Fenster passt; fehlt sie in diesem Fall, antwortet die App mit ok: false und "Kein Fenster mit Titel '…' gefunden und keine URL angegeben.". Ein fehlender oder leerer Titel ergibt "Feld 'title' fehlt.".

Seit der Umstellung des Tab-Bereichs benutzt die Startseite focus nicht mehr; das Kommando bleibt aber im Protokoll und in SwyxTrayClient.focusWindow() erhalten.

Tabs des Firefox-Plugins

Die drei Tab-Kommandos reicht die SwyxTray-App unverändert an das Firefox-Plugin durch – gemeint sind also die Tabs des Firefox auf dem Rechner der App, nicht die Bereiche der Startseite. Es sind dieselben Kanäle, die auch die Tray-Menüpunkte Lese Tabs, Tab öffnen und Tab schliessen benutzen.

// ->
{ "id": 12, "cmd": "tabs" }
// <-
{ "type": "result", "id": 12, "ok": true, "tabs": [
    { "id": 43, "title": "Kundenakte", "url": "https://crm.example.local/kunden/4711", "active": true },
    { "id": 44, "title": "SwyxWeb", "url": "http://localhost:5173/", "active": false } ] }

// ->
{ "id": 13, "cmd": "opentab", "url": "https://crm.example.local/kunden/4711" }
// <-
{ "type": "result", "id": 13, "ok": true, "tabId": 43 }

// ->  tabId stammt aus einer tabs-Antwort
{ "id": 14, "cmd": "closetab", "tabId": 43 }
// <-
{ "type": "result", "id": 14, "ok": true }

url muss eine absolute http(s)-Adresse sein – dieselbe Prüfung wie bei focus; sonst antwortet die App mit ok: false. Ist kein Plugin verbunden, endet jedes der drei Kommandos nach dem Zeitfenster von rund fünf Sekunden ebenfalls mit ok: false. Deshalb wartet die Startseite auf diese drei Kommandos 15 statt 10 Sekunden (SwyxTrayClient.ts).

Auch hier gilt: die App meldet Tab-Änderungen nicht von selbst. Die Liste wird nach jedem Öffnen und Schließen neu über tabs geholt.

Adressdaten des Swyx-Clients

Seit Protokoll 7 gibt die App das globale Telefonbuch der Anlage heraus – dieselben Einträge, die SwyxIt! im Adressbuch zeigt.

// ->
{ "id": 20, "cmd": "contacts", "query": "abt" }
// <-
{ "type": "result", "id": 20, "ok": true, "contacts": [
    { "name": "Abt, Bettina", "number": "7587", "description": "S-SB" },
    { "name": "Abdul, Rokhsareh", "number": "5215", "description": "" } ] }

Wichtig für die Anzeige – alles gegen die laufende App sondiert:

query ist Pflicht. Ein fehlender, leerer oder nur aus Leerzeichen bestehender Begriff und einer über 128 Zeichen ergeben dieselbe Meldung: "Feld 'query' fehlt oder ist zu lang (max. 128 Zeichen)." Ein vollständiges Auflisten gibt es nicht; der Bereich der Startseite ist deshalb eine Suche.
Gesucht wird als Teilzeichenkette in Name und Rufnummer, Groß-/Kleinschreibung egal. Die description (Standortkürzel wie „HH-MT") wird nicht durchsucht.
Sortiert nach Namen, höchstens 100 Treffer – gekürzt wird stillschweigend, es gibt kein Feld dafür. Ein limit im Kommando ignoriert die App.
description ist bei vielen Einträgen "". Namen sind nicht eindeutig: dieselbe Person kommt mit mehreren Durchwahlen vor.
query muss eine Zeichenkette sein; eine Zahl quittiert die App mit "Ungueltiges JSON." – und zwar ohne id, die Antwort lässt sich also keinem Kommando zuordnen. SwyxTrayClient.searchContacts() schickt deshalb immer Text.

Die number ist die Durchwahl in der Form, die call direkt annimmt – die Einträge im Bereich „Adressdaten" haben darum einen „Anrufen"-Knopf.

Adress-Cache (Protokoll 8)

Seit Protokoll 8 hält die App die Adressdaten selbst vor und gibt sie am Stück heraus – ohne Suchbegriff und ohne Deckel. Das ersetzt im Normalfall die 110 Einzelabfragen des nächsten Abschnitts.

// ->
{ "id": 5, "cmd": "addresses" }
// <-
{ "type": "result", "id": 5, "ok": true,
  "addresses": [ { "name": "Muster GmbH", "number": "+493012345",
                   "description": "Globales Telefonbuch" } ] }

Dieselben Daten schickt die App außerdem unaufgefordert, direkt nach dem ersten Snapshot und wenn sich ihr Cache ändert:

{ "type": "addresses", "addresses": [ … ] }

Diese Push-Nachricht ist die einzige Nachricht der App ohne id und ohne ok – sie ist damit keine Quittung und wird von parseAddresses gelesen, nicht von parseResult. Die Einträge tragen dieselben Felder wie bei contacts.

Ein leeres addresses ist ein gültiger Zustand und heißt „Cache ist leer" – nicht „keine Antwort". Stand 21.08.2026 meldet die Anlage genau das: das Kommando wird mit ok: true beantwortet, der Cache ist aber leer, und der Push beim Verbinden trägt []. Deshalb bleiben die Einzelabfragen als Rückfallebene bestehen.

Rückfallebene: den Gesamtbestand aus Einzelabfragen holen

Kennt die App das Kommando addresses nicht oder ist ihr Cache leer, setzt directory.ts den Bestand aus vielen contacts-Abfragen zusammen. Der Trick steckt in der Wahl der Suchbegriffe:

Jeder Eintrag hat eine Rufnummer, und die ist eine reine Ziffernfolge. Eine Nummer mit mindestens zwei Ziffern enthält deshalb mindestens eines der hundert Paare "00"…"99". Die Vereinigung dieser hundert Abfragen ist damit nachweislich vollständig – solange keine davon am Deckel hängt.

Dazu kommen die zehn einstelligen Abfragen "0"…"9": eine einstellige Rufnummer (etwa 0 für eine Zentrale) käme in keinem Paar vor. Macht 110 Abfragen.

Gegen die Anlage gemessen (21.08.2026):


Einträge insgesamt	404
Abfragen	110 (keine Verfeinerung nötig)
größte Trefferzahl eines Ziffernpaars	59 – also weit unter dem Deckel von 100
einstellige Abfragen am Deckel	7 von 10 (deshalb genügen sie allein nicht)
Dauer	rund 6,7 s
Rufnummern	durchgehend 4- bis 6-stellig, rein numerisch

Die App beantwortet die Abfragen nacheinander; mehrere gleichzeitig zu schicken bringt kaum etwas (110 Abfragen: 7,2 s einzeln, 6,3 s zu viert). Deshalb der Wartedialog.

Was passiert, wenn doch eine Abfrage gekürzt wird? Dann verfeinert der Durchlauf sie – vorn und hinten je eine Ziffer angehängt, denn eine Teilzeichenkette kann an beiden Enden weitergehen. Das erfasst jeden Eintrag, dessen Rufnummer länger ist als die gekappte Abfrage. Bleibt eine Abfrage auch dreistellig noch gekürzt, meldet der Bereich den Bestand ausdrücklich als unvollständig, statt eine gekürzte Liste als vollständig auszugeben.

Die eine verbleibende Lücke, offen benannt: Ein Eintrag, dessen Rufnummer genau einer gekappten Abfrage entspricht, ließe sich nicht nachladen. Bei vier- bis sechsstelligen Rufnummern betrifft das nur den Fall einer einstelligen Rufnummer bei gleichzeitig gekappter einstelliger Abfrage.

Die Regeln des Protokolls stehen in protocol.test.ts, die des Gesamtabrufs in directory.test.ts – darunter die wörtlich mitgeschnittene Nachricht eines echten eingehenden Anrufs.

Funktionen der Startseite

Die Seite ist in fünf Bereiche aufgeteilt (Tabs.tsx):

Tab	Inhalt
Anrufe	Rufnummer wählen (`call`), belegte Leitungen mit Aktionen und dem Zustand der App (`statusText`, angemeldeter Benutzer, Warnung bei `connected: false`), Verlauf der Anrufereignisse
Adressdaten	Der gesamte Bestand des Telefonbuchs. Zuerst aus dem Adress-Cache, den die App beim Verbinden von selbst schickt – dann steht er sofort und ohne Wartedialog. Sonst über `addresses`, und erst wenn auch das nichts liefert, über rund 110 Einzelabfragen hinter einem Wartedialog mit Fortschritt und „Abbrechen". Die Anzeige nennt die Herkunft. Danach liegt alles im Browser: das Filtern über Name, Durchwahl und Standortkürzel läuft ohne weitere Abfrage. Ein Klick auf „Anrufen" wählt die Durchwahl (`call`)
Webhook	Was ein fremdes System an `POST /api/webhook` geschickt hat – jüngste Nachricht zuerst, jede mit ihrem JSON im Original. Die Seite hört über Server-Sent Events mit, unabhängig vom geöffneten Bereich: Eine Nachricht erscheint sofort, und ist gerade ein anderer Bereich offen, zeigt der Tab die Zahl der ungesehenen Nachrichten
Tabs	Offene Tabs des Firefox-Plugins anzeigen (`tabs`), einzeln schließen (`closetab`) und eine URL als neuen Tab öffnen (`opentab`); die Liste wird beim ersten Öffnen des Bereichs und nach jeder Änderung geholt, die eingetippte URL übersteht einen Reload (`localStorage`)
Verbindung	Adresse, Verbinden/Trennen, Benachrichtigungen erlauben, Diagnose: Rohnachrichten-Log, Status abfragen, Freitext senden

Die Meldung eines eingehenden Anrufs steht bewusst über den Tabs – mit Leitungsnummer, Name und Rufnummer, „Annehmen"/„Ablehnen" –, damit sie in keinem Bereich untergeht. Liegt der Browser-Tab im Hintergrund, kommt zusätzlich eine System-Benachrichtigung (nach Erlaubnis).

Weiteres:

Der Verlauf entsteht aus dem Vergleich aufeinanderfolgender Snapshots.
Eine Nachricht, die keinem der drei Typen entspricht, wird im Log ausdrücklich als „nicht erkannt" vermerkt statt still verworfen.
Automatischer Reconnect mit exponentiellem Backoff, nur nach unerwartetem Abbruch.

Webhook für Adressdaten fremder Systeme

Ein anderes System kann Adressdaten per POST an die Anwendung schicken; die Startseite zeigt sie im Bereich Webhook an. Anders als alles Übrige läuft das nicht über die SwyxTray-App, sondern allein über das Backend.

curl -X POST https://swyxweb.appcreation.de/api/webhook \
  -H "Content-Type: application/json" \
  -H "X-Webhook-Token: …" \
  -d '{"name":"Muster GmbH","number":"+493012345","description":"CRM-Import"}'

Die Quittung nennt die vergebene Nummer und die Eingangszeit:

{ "id": 1, "receivedAt": "2026-08-24T12:38:01.563742294Z" }

Der generische Webhook nimmt beliebiges JSON an – Objekt wie Liste. Ausnahme: "type":"job" und POST /api/webhook/jobs verlangen ein einzelnes Job-Objekt mit positiver ganzzahliger id im Java-Long-Wertebereich und passenden Feldtypen. Ungültige Jobs ergeben HTTP 400, werden nicht archiviert und erscheinen nicht im Verlauf oder Ereignisstrom. Die Quittung gültiger Daten bestätigt die Annahme; die MongoDB-Speicherung läuft weiterhin asynchron.

Die Startseite zeigt angenommene Nutzlasten unverändert. Nur die Kopfzeile eines Eintrags fasst name und number zusammen, wenn es sie gibt, und zählt sonst Felder bzw. Einträge (summarize).

Endpunkt	Zweck
`POST /api/webhook`	Nachricht abliefern. `415` bei falschem Content-Type, `400` bei kaputtem JSON, `413` über der Größengrenze, `401` bei falschem Token
`POST /api/webhook/jobs`	Einen Job abliefern. Zusätzlich `400` bei fehlender/ungültiger `id` oder unpassenden Feldtypen; gilt auch für `"type":"job"` am generischen Webhook
`GET /api/webhook/events`	Strom für die Startseite (Server-Sent Events)
`GET /api/webhook/history`	Verlauf, damit ein später geöffneter Bereich die vorigen Nachrichten sieht
`DELETE /api/webhook/history`	Verlauf leeren – das macht der Knopf „Leeren"

Wie die Nachricht in den Browser kommt

Über Server-Sent Events, nicht über den WebSocket: Der gehört der SwyxTray-App. Die Startseite hält eine EventSource auf /api/webhook/events offen (useWebhook.ts) – einseitig, über dieselbe HTTPS-Verbindung wie die Seite, und der Browser baut sie nach einem Abbruch von selbst wieder auf.

Zwei Vorkehrungen, damit dabei nichts verloren geht:

Das Backend hält die letzten 50 Nachrichten im Speicher (WebhookService). Beim Wiederverbinden schickt der Browser die Last-Event-ID mit, und alles Jüngere wird nachgeliefert. Nachlieferung und Anmeldung am laufenden Strom sind gegen gleichzeitige POSTs abgesichert; Ereignisse bleiben dabei in Id-Reihenfolge. Über einen Neustart hinaus wird nichts aufgehoben.
Alle 25 Sekunden geht ein Kommentar (:ping) durch die Leitung, damit ein Reverse Proxy die ruhende Verbindung nicht kappt.

Die Antwort trägt außerdem X-Accel-Buffering: no und Cache-Control: no-cache. Ohne den ersten Kopf sammelt nginx die Ereignisse in seinem Puffer und gibt sie erst später aus – die Nachricht erschiene dann verspätet oder scheinbar gar nicht. nginx wertet ihn aus, andere Proxys ignorieren ihn folgenlos. Steht vor der Anwendung etwas anderes als nginx, muss dort die Pufferung für /api/webhook/events abgeschaltet sein (bei Apache mod_proxy: flushpackets=on).

Doppelte Nachrichten sind dadurch normal – der Bereich holt beim Start den Verlauf und hört auf den Strom. Entschieden wird über die id (mergeEvent).

Token

app.webhook.token=            # leer ⇒ jeder Aufruf wird angenommen
app.webhook.history=50        # so viele Nachrichten bleiben im Speicher
app.webhook.max-size=262144   # größte Nutzlast in Byte

Für die öffentlich erreichbare Instanz gehört hier ein Geheimnis hinein. /api/webhook liegt unter derselben Adresse wie die Startseite und ist damit aus dem Internet erreichbar; ohne Token kann jeder beliebiges JSON in die Anzeige schreiben. Ist der Wert leer, weist das Backend beim Start ausdrücklich darauf hin (WARN).

Im Container:

docker run -d -p 8080:8080 -e APP_WEBHOOK_TOKEN=… … gitea.appcreation.de/sven/swyxweb:0.9.13

Das Token gilt nur für POST. Verlauf und Ereignisstrom bleiben offen – sie liefern dasselbe, was die Seite ohnehin jedem Betrachter zeigt.

Starten

Aus VS Code

Im Debug-Panel die Compound-Konfiguration „SwyxWeb starten (Backend + Frontend)" wählen (launch.json). Sie startet das Backend im Debugger, danach den Vite-Dev-Server und öffnet Chrome, sobald dieser bereit ist – Breakpoints funktionieren auf beiden Seiten. „Stop" beendet beides zusammen.

Alternative „SwyxWeb starten (lokaler Test gegen SwyxTray-Mock)": startet das Backend mit dem Profil mock, /api/config liefert dann ws://localhost:8080/ws, die Startseite spricht also mit dem SwyxTray-Mock.

Benötigte Extensions: Extension Pack for Java (Backend) und JavaScript Debugger (im VS Code enthalten, für Vite und Chrome).

Backend

cd backend
./mvnw spring-boot:run

Läuft auf http://0.0.0.0:8080. Achtung: Auf diesem Rechner belegt bereits ein anderes Projekt Port 8080 – dann auf einen freien Port ausweichen:

./mvnw spring-boot:run -Dspring-boot.run.arguments="--server.port=8081"

Der Port der SwyxTray-App (17654) ändert sich dadurch nicht.

Frontend

cd frontend
npm install
npm run dev

Öffnet http://localhost:5173. Der Vite-Dev-Server leitet /api an http://localhost:8080 weiter (überschreibbar per VITE_BACKEND_URL). Die WebSocket-Verbindung läuft nicht über diesen Proxy – der Browser verbindet sich direkt mit der SwyxTray-App.

Ohne echte Telefonanlage testen

Der Mock ist Opt-in. Sein WebSocket-Endpunkt /ws und seine Steuer-Endpunkte /api/mock/** hängen am Spring-Profil mock (MockProfile) – ohne das Profil existieren die Bohnen nicht und beide Pfade antworten mit 404. So kann der Mock nicht versehentlich in einer Produktivumgebung mitlaufen; das Container-Image setzt das Profil bewusst nicht. Einschalten:
cd backend && ./mvnw spring-boot:run -Dspring-boot.run.profiles=mock
java -jar app.jar --spring.profiles.active=mock      # oder SPRING_PROFILES_ACTIVE=mock
Abgesichert ist beides durch je einen Test in BackendApplicationTests (ohne Profil keine Mock-Bohne) und MockProfileTests (mit Profil alle da).

Der SwyxTrayMockHandler spricht dasselbe Protokoll: hello (mit protocol: 8), Snapshot und Adress-Cache beim Verbinden, Quittungen auf call/answer/hangup/ping/status/focus/tabs/opentab/closetab/contacts/addresses und nach jeder Änderung einen vollständigen Snapshot über alle vier Leitungen. Einen eingehenden Anruf auslösen:

curl -X POST "http://localhost:8080/api/mock/incoming-call?number=%2B493012345&name=Muster%20GmbH"

Für focus täuscht der Mock die Fenster „SwyxIt!", „SwyxWeb – Google Chrome" und „Kundenakte Muster GmbH" vor (Teilzeichenkette, Schreibweise egal). Ein passender Titel ergibt focused: true, ein unbekannter mit URL focused: false, ein unbekannter ohne URL denselben Fehler wie die echte App. Geöffnet wird natürlich nichts – der Mock protokolliert nur.

Für die Tab-Kommandos spielt der Mock das Firefox-Plugin und führt eine Tabliste im Speicher – anfangs „SwyxWeb" und „Kundenakte Muster GmbH". opentab hängt einen Tab an und liefert dessen tabId, closetab entfernt ihn; eine unbekannte Kennung ergibt "Kein Tab mit der Kennung …", eine relative Adresse denselben Fehler wie die echte App. Geöffnet wird auch hier nichts. Der Mock bildet den Fall „kein Plugin verbunden" nicht nach; er antwortet immer sofort.

Für contacts führt der Mock ein Telefonbuch mit 154 Einträgen – groß genug, dass der Bereich „Adressdaten" dieselbe Arbeit leisten muss wie gegen die Anlage. Drei Sonderfälle sind absichtlich dabei: zweimal „Muster, Max" mit verschiedenen Durchwahlen (Namen sind nicht eindeutig), Einträge ohne Beschreibung, und „Zentrale" mit der Rufnummer 0 – die steckt in keinem Ziffernpaar und wird nur über die einstelligen Abfragen gefunden.

Er hält sich an dieselben Regeln wie die echte App: Teilzeichenkette in Name und Rufnummer, Schreibweise egal, nach Namen sortiert, gekappt bei 100 Treffern, und derselbe Fehlertext für einen fehlenden, leeren oder zu langen Suchbegriff.

Denselben Bestand gibt der Mock als Adress-Cache heraus – auf addresses und beim Verbinden als Push. Der Cache lässt sich leeren, um die Rückfallebene zu prüfen; dann verhält er sich wie die Anlage zurzeit:

curl -X POST "http://localhost:8080/api/mock/address-cache?filled=false"   # -> Einzelabfragen
curl -X POST "http://localhost:8080/api/mock/address-cache?filled=true"    # -> Cache

Jedes Umschalten schickt allen Verbundenen sofort einen neuen Push.

Die Startseite muss dazu auf ws://localhost:8080/ws zeigen – entweder im Adressfeld eintragen oder das Backend mit --spring.profiles.active=mock --app.websocket.host=localhost --app.websocket.port=8080 starten (macht die VS-Code-Konfiguration „lokaler Test" automatisch).

Konfiguration der WebSocket-Adresse

Es gilt die erste Quelle, die etwas liefert:

Priorität	Quelle	Beispiel
1	Eingabefeld auf der Startseite	zur Laufzeit änderbar
2	`GET /api/config` vom Backend	`app.websocket.host` in `application.properties`
3	`VITE_WS_URL` aus `frontend/.env`	siehe .env.example
4	Default im Code	`ws://127.0.0.1:17654/ws`

Backend-seitig:

server.port=8080                     # Port dieser Anwendung

app.websocket.host=127.0.0.1   # SwyxTray-App
app.websocket.port=17654
app.websocket.path=/ws
app.websocket.secure=false           # true ⇒ wss://

Build und Tests

cd backend  && ./mvnw clean package     # erzeugt target/backend-0.0.1-SNAPSHOT.jar
cd frontend && npm test && npm run build

Um das Frontend aus dem Backend auszuliefern, frontend/dist/* nach backend/src/main/resources/static/ kopieren und neu packen.

Deployment als Docker-Container

Das Dockerfile baut das React-Frontend und das Java-Backend in ein Image mit Java, Python und Whisper. Der Container liefert die Oberfläche und REST-API über Port 8080 aus und läuft als Benutzer swyx (UID 10001). Der Healthcheck prüft sowohl /api/config als auch den lokalen Whisper-Worker.

Die Verarbeitung erfolgt über WAV → SwyxWeb → Whisper im selben Container → Transkript in SwyxWeb. Verwendet wird faster-whisper mit large-v3-turbo, CPU und INT8. Das Modell wird beim Image-Build heruntergeladen und mitgeliefert; zur Laufzeit sind weder Modelldownload noch externer Transkriptionsdienst nötig. Der Worker lauscht ausschließlich auf 127.0.0.1:8765 innerhalb des Containers. Das Java-Backend verwendet dafür APP_TRANSCRIPTION_BASE_URL=http://127.0.0.1:8765. WAV-Dateien und Aufträge liegen dauerhaft im Volume unter /data/transcriptions. Ein Worker verarbeitet die Aufnahmen nacheinander; unterbrochene Aufträge werden beim nächsten Start wieder aufgenommen. Ist ein LLM konfiguriert, erstellt der Worker anschließend eine Zusammenfassung über dessen OpenAI-kompatible API. Die WAV bleibt lokal; an das konfigurierte LLM wird ausschließlich der Text gesendet. Eine Sprecherzuordnung ist nicht enthalten.

Mit Docker Compose:

# Einmalig bei einem frischen Checkout; vorhandene .env bleibt erhalten.
test -f .env || cp .env.example .env
docker compose up -d --build

Die lokale .env enthält die interne Worker-Adresse, WHISPER_THREADS (Standard: 4), die LLM-Einstellungen, den SwyxWeb-Port und die SwyxTray-Adresse einschließlich APP_WEBSOCKET_PATH und APP_WEBSOCKET_SECURE. Auch APP_WEBHOOK_TOKEN und SPRING_MONGODB_URI werden an den Container weitergereicht. Compose liest sie automatisch; auch die beiden VS-Code- Backend-Startkonfigurationen laden diese Datei. .env ist aus Git und Docker-Build-Kontext ausgeschlossen; .env.example enthält nur öffentliche Standardwerte.

Oder direkt:

docker build -t swyxweb .
docker run -d -p 8080:8080 \
  --env-file .env \
  --add-host host.docker.internal:host-gateway \
  -e APP_WEBSOCKET_HOST=127.0.0.1 \
  -e APP_WEBSOCKET_PORT=17654 \
  -v swyxweb-transcriptions:/data/transcriptions \
  --name swyxweb swyxweb

Die interne Worker-Adresse lautet APP_TRANSCRIPTION_BASE_URL=http://127.0.0.1:8765. Für den Container zunächst mindestens 4 GB RAM einplanen; der tatsächliche Bedarf hängt auch von Länge und Format der Aufnahmen ab. Das Image ist durch das mitgelieferte Modell größer und der erste Build benötigt einen Download. Ein anderes CTranslate2-Whisper-Modell kann über die beiden Build-Argumente WHISPER_MODEL_REPO und WHISPER_MODEL_REVISION ausgewählt werden.

Bei einer Unterbrechung bleibt die WAV in der SwyxTray-Warteschlange, bis der Worker die dauerhafte Speicherung mit einer Auftragskennung bestätigt. Das Volume enthält WAV-Dateien, Transkripte und Zusammenfassungen ohne automatische Löschfrist; docker compose down behält es, docker compose down -v löscht es. Beide Prozesse werden gemeinsam beendet; beendet sich einer unerwartet, endet auch der Container und Compose kann ihn neu starten.

Alle app.websocket.*-Werte sind zur Laufzeit über Umgebungsvariablen setzbar (APP_WEBSOCKET_HOST, _PORT, _PATH, _SECURE), das Bundle muss dafür nicht neu gebaut werden. Der Java-Heap verwendet -XX:MaxRAMPercentage=25.0, damit Speicher für Whisper verfügbar bleibt; überschreibbar mit -e JAVA_OPTS=…. Soll die WebSocket-Adresse ausnahmsweise fest ins Bundle, geht das beim Bauen mit --build-arg VITE_WS_URL=ws://…/ws.

In die Registry schieben erledigt docker_push.sh – es baut für linux/amd64 und pusht in die Paket-Registry des Gitea nach gitea.appcreation.de/sven/swyxweb (REGISTRY_IMAGE im Skript). Die Versionsnummer ist Pflicht und wird zum Tag des Images; sie wird bewusst nicht aus der pom.xml abgeleitet:

docker login gitea.appcreation.de
./docker_push.sh 0.9.13             # baut und pusht :0.9.13
./docker_push.sh 0.9.13 --dry-run   # nur bauen, nicht pushen

Ohne Argument bricht das Skript mit der Kurzhilfe ab. Zulässig ist das Format x.y.z.

Ein lokaler Maven- oder npm-Lauf ist vorher nicht nötig; beides passiert im Image-Build. Die beiden Build-Stufen laufen dabei nativ auf der Architektur des bauenden Rechners (--platform=$BUILDPLATFORM) – JS-Bundle und Jar sind architekturunabhängig. Das Laufzeit-Image samt Python-Abhängigkeiten wird für die Zielarchitektur gebaut; der Modelldownload läuft ebenfalls auf der Architektur des bauenden Rechners.

Der SwyxTray-Mock ist nicht dabei: SPRING_PROFILES_ACTIVE bleibt leer, also fehlen /ws und /api/mock/** (siehe Ohne echte Telefonanlage testen). Für eine Vorführung ohne Telefonanlage lässt er sich am einzelnen Container einschalten: -e SPRING_PROFILES_ACTIVE=mock.

Zwei Dinge, die der Container nicht lösen kann:

Läuft die Seite hinter HTTPS, blockiert der Browser die unverschlüsselte Verbindung zur SwyxTray-App. Dann braucht die App selbst TLS und APP_WEBSOCKET_SECURE=true (⇒ wss://).
Die WebSocket-Verbindung baut der Browser des Anwenders auf, nicht der Container. Port 17654 muss also vom Arbeitsplatz aus erreichbar sein, nicht vom Docker-Host.

Hinweise

HTTPS-Seite ⇒ wss://: Ein über HTTPS ausgelieferter Browser blockiert unverschlüsselte ws://-Verbindungen (Mixed Content). Im Dev-Betrieb über http:// ist ws:// in Ordnung.
CORS/Origin: Der Mock akzeptiert alle Origins (setAllowedOriginPatterns("*")), damit der Vite-Dev-Server auf Port 5173 sich verbinden kann. Für die Produktion einschränken – siehe WebSocketConfig.java und CorsConfig.java.
Firewall: Die Verbindung geht per Vorgabe an 127.0.0.1, bleibt also auf dem Rechner und braucht keine Freigabe. Zeigt die Adresse auf einen anderen Rechner, muss dort Port 17654 eingehend freigegeben sein – sonst scheitert der Verbindungsaufbau ohne aussagekräftige Browser-Fehlermeldung.
System-Benachrichtigungen verlangen eine Benutzerinteraktion zur Erlaubniserteilung und funktionieren nur über https:// oder localhost.

Gesprächsaufnahme (Protokoll 10)

Annehmen in der Leitungsliste oder im Kundenpopup startet nach bestätigter Sprechverbindung automatisch eine Aufnahme. SwyxWeb sendet dafür zuerst answer und danach recording.start für dieselbe line und callId. Während eines Gesprächs stehen Aufnahme starten, Aufnahme stoppen und Auflegen auch im Dashboard zur Verfügung. Das Ende erscheint als Hinweis und im Ereignisverlauf.

{"id":21,"cmd":"recording.start","line":1,"callId":4711}
{"id":22,"cmd":"recording.stop","line":1,"callId":4711}
{"type":"call","event":"ended","line":1,"callId":4711,"peerNumber":"123"}

Ein Ende, ein anderer Anruf auf derselben Leitung, eine unterbrochene Verbindung oder 15 Sekunden ohne Sprechverbindung brechen den automatischen Start ab. Eine abgewiesene Annahme startet keine Aufnahme. Ein Aufnahmefehler wird angezeigt, ohne die erfolgreiche Annahme als fehlgeschlagen auszugeben. Mit Tray-Versionen vor Protokoll 10 bleibt die Annahme nutzbar; die fehlende Aufnahmefunktion wird angezeigt. Die Tray-App muss nach ihrem Update neu gestartet werden.

recordingRequested zeigt den zuletzt vom SDK angenommenen Aufnahmeauftrag der Tray-App. Deshalb lautet die Anzeige Aufnahme angefordert: Das SDK liefert keinen lesbaren Aufnahmestatus oder Nachweis einer geschriebenen Datei. Änderungen direkt in SwyxIt! sind damit nicht nachweisbar. Dateiname und Speicherort bleiben in der Aufnahmekonfiguration von SwyxIt!; es wird kein Mikrofon des Browsers verwendet. Grundlage sind IClientLineDisp.DispStartRecording() und DispStopRecording() aus dem Swyx Client SDK.

Der Backend-Mock im Profil mock bildet Protokoll 10 mit Anrufkennungen, Aufnahmebefehlen und Ende-Ereignissen ab. Er erzeugt keine Audiodateien.

Geprüft: Frontendtests einschließlich asynchroner Annahme, Fehler, Timeout, Leitungswiederverwendung und Verbindungsabbruch; Backend-Protokolltest für Annehmen → Start → Stop → Ende. Ein echter Audio-Mitschnitt muss auf dem Windows-Arbeitsplatz mit eingerichteter SwyxIt!-Aufnahme geprüft werden.

Automatische WAV-Übergabe nach Gesprächsende

Mit SwyxTray Protokoll 11 läuft die Übergabe automatisch:

SwyxTray ordnet dem über recording.start gestarteten Aufnahmeabschnitt eine UUID zu.
Nach bestätigtem recording.stop oder Gesprächsende sucht die App die neue WAV im von SwyxIt! gemeldeten Aufnahmeordner (IClientConfig.RecordedConversationsPath). Ein Aufnahmestopp bereitet die Datei nur lokal vor und gibt sie noch nicht frei.
Erst nach stabiler Dateigröße, abgeschlossenem RIFF-Dateikopf und exklusivem Lesezugriff erstellt sie eine dauerhafte Kopie in %LOCALAPPDATA%\SwyxTray\recordings.
Erst nach bestätigtem Gesprächsende wird die fertige WAV über die bereits offene WebSocket-Verbindung in Blöcken an den Browser geschickt. Es gibt dafür keinen zusätzlichen HTTP-Dateiserver und keine Upload-Zieladresse in SwyxTray. Telefonbefehle bleiben währenddessen möglich.
Der Browser übergibt sie an POST /api/transcriptions im SwyxWeb-Backend. Dieses leitet sie an POST /api/jobs des lokalen Whisper-Workers weiter, mit Sprache de, Zusammenfassungsart style=meeting und Idempotency-Key: swyxweb:<recordingId>.
Whisper startet die Transkription automatisch. SwyxWeb fragt den Auftrag alle drei Sekunden ab und zeigt das Gesprächstranskript direkt aufgeklappt unter Aufnahmen · Transkript & Zusammenfassung an, sobald es vorliegt. Das konfigurierte LLM ergänzt anschließend die Zusammenfassung. Das Transkript bleibt auch sichtbar, wenn die Zusammenfassung fehlschlägt. Ein erneuter Versuch setzt dann direkt bei der Zusammenfassung an, ohne Whisper erneut auszuführen.

Der Browser bestätigt SwyxTray die Übergabe erst mit der vom Transkriptionsdienst zurückgegebenen Auftragskennung. Die Tray-App speichert die Bestätigung dauerhaft und entfernt dann ihre temporäre Kopie. Die originale SwyxIt!-WAV bleibt erhalten. Ohne Bestätigung bleiben Aufnahmen in der Warteschlange, auch nach einem Neustart. Beim Wiederverbinden werden offene Aufnahmen und die letzten 100 übergebenen Aufträge erneut gemeldet. Dadurch erscheint das Ergebnis auch nach einem Neuladen wieder, sobald der Browser mit derselben Tray-App verbunden ist.

Die SwyxWeb-Seite muss für die Übertragung geöffnet und verbunden sein. Übertragungs- und Serverfehler werden alle 15 Sekunden erneut versucht. Der Worker verhindert doppelte Aufträge anhand der UUID, des Dateihashes und der Einstellungen. Dauerhafte Ablehnungen (z. B. ungültige WAV oder Kennungskonflikt) werden angezeigt. Bei einer fehlgeschlagenen Verarbeitung lässt sich der bestehende Auftrag fortsetzen.

Ein bloßer COM-/Server-Verbindungsabbruch oder Halten gilt nicht als Gesprächsende. Die Übergabe ist unabhängig davon, wer oder welche Anwendung das Gespräch beendet: Auflegen in SwyxWeb, SwyxIt! oder am Telefon, Auflegen der Gegenstelle und die bestätigte Freigabe oder Wiederbelegung der Leitung lösen denselben Ablauf aus. Ein Auflege- oder Aufnahmestopp-Befehl aus SwyxWeb ist dafür nicht erforderlich. Endet das Gespräch während einer Unterbrechung, wird die wartende Aufnahme nach dem Wiederverbinden und der Bestätigung des Endes automatisch übergeben. Auch nach einem Aufnahmestopp bleiben Download und manuelle Übergabe bis zum Ende des Gesprächs gesperrt. Auflegen wird beim Klick deaktiviert und wartet auf die Ende-Bestätigung; eine reine Kommandoquittung reicht nicht. Danach verschwindet das Gespräch aus den belegten Leitungen. Ein verspäteter Auflegebefehl mit alter callId kann keine inzwischen neu belegte Leitung beenden. Bereits vorhandene WAV-Dateien werden nicht automatisch gewählt. Ist die Zuordnung mehrdeutig (z. B. mehrere neue Dateien oder überlappende Aufnahmeabschnitte), erscheint statt eines möglicherweise falschen Uploads ein Fehler mit manueller Dateiauswahl. Die Automatik erfasst die über SwyxWeb/Tray gestarteten Aufnahmeabschnitte; direkt in SwyxIt! gestartete Mitschnitte sind diesem Ablauf nicht automatisch zugeordnet.

Lokale Transkription und LLM-Zusammenfassung

Im Docker-Container startet der Whisper-Worker automatisch. Für die Entwicklung ohne Docker kann er in einer eigenen Python-Umgebung gestartet werden; dazu muss ein vollständiges CTranslate2-Whisper-Modell bereits lokal vorliegen:

python3 -m venv transcription/.venv
transcription/.venv/bin/pip install -r transcription/requirements.txt
WHISPER_MODEL_PATH=/pfad/zum/whisper-modell WHISPER_DATA_DIR=/pfad/zu/auftraegen \
  transcription/.venv/bin/python -m uvicorn service:app --app-dir transcription --host 127.0.0.1 --port 8765

Die lokalen VS-Code-Backend-Startkonfigurationen lesen die Worker-Adresse aus der Projektdatei .env. Für einen Backend-Start im Terminal aus backend:

APP_TRANSCRIPTION_BASE_URL=http://127.0.0.1:8765 ./mvnw spring-boot:run

Außerhalb von Docker bleibt der Upload ohne diese Einstellung deaktiviert. Die Seite prüft die Konfiguration alle 30 Sekunden erneut. Die Worker-Adresse gilt aus Sicht des Java-Backends.

Die Zusammenfassung wird vollständig in diesem Projekt gesteuert. In .env stehen dafür folgende Einstellungen:

Variable	Bedeutung
`LLM_BASE_URL`	OpenAI-kompatible Basis-URL, einschließlich eines benötigten `/v1`-Präfixes
`LLM_MODEL`	Exakte Modell-ID des gewählten Servers
`LLM_API_KEY`	Optionaler Bearer-API-Schlüssel; bleibt bei Servern ohne Authentifizierung leer
`LLM_TIMEOUT_SECONDS`	Zeitlimit pro HTTP-Anfrage, Standard `120` Sekunden
`LLM_CHUNK_CHARS`	Textlänge pro Abschnitt, Standard `12000` Zeichen; an das Kontextfenster des Modells anpassen

LLM_BASE_URL und LLM_MODEL müssen gemeinsam gesetzt werden. Beide bleiben in der Vorlage leer: Dann arbeitet Whisper wie bisher ohne Zusammenfassung. Beispiel für ein LLM auf dem Docker-Host:

LLM_BASE_URL=http://host.docker.internal:1234/v1
LLM_MODEL=modell-id-des-servers
LLM_API_KEY=

Für einen anderen OpenAI-kompatiblen Server dessen Basis-URL und Modell-ID eintragen; bei OpenAI lautet die Basis-URL https://api.openai.com/v1. Der Worker sendet POST <LLM_BASE_URL>/chat/completions mit model und messages und liest choices[0].message.content gemäß der Chat-Completions-API. API-Schlüssel gelangen weder ins Frontend noch ins Image oder in Auftragsdaten. Compose übergibt die Variablen beim Start; Änderungen werden mit docker compose up -d übernommen. Beim Python-Start ohne Docker die LLM_*-Werte in der Umgebung des Workers setzen; das Java-Backend braucht diese Werte nicht.

Lange Transkripte werden abschnittsweise zusammengefasst und anschließend zusammengeführt. Unterstützt werden die Stile standard, short und meeting. Das Transkript wird vor dem LLM-Aufruf dauerhaft gespeichert. Bei Zeitüberschreitung, HTTP-Fehler, unvollständiger LLM-Konfiguration oder ungültiger Antwort wird der Auftrag als fehlgeschlagen angezeigt; Verarbeitung erneut versuchen wiederholt nur die Zusammenfassung. Dasselbe gilt nach einem Neustart während der Zusammenfassung. Bereits zuvor abgeschlossene Aufträge werden beim Aktivieren des LLM nicht automatisch erneut verarbeitet.

Nach dem Update SwyxTray und den SwyxWeb-Container mit dem neuen Stand starten und die Browserseite neu laden. Protokoll 10 und der Backend-Mock bieten weiterhin manuelle WAV-Zuordnung; der Mock erzeugt keine Audiodateien.

SwyxWeb-Endpunkt	Funktion
`GET /api/transcriptions/config`	Aktivierungszustand und maximale Dateigröße
`POST /api/transcriptions`	Multipart: `file` (WAV), `recordingId` (UUID), optional `language`, `style`
`GET /api/transcriptions/{jobId}`	Status, Transkript und optionale Zusammenfassung
`POST /api/transcriptions/{jobId}/retry`	Fehlgeschlagenen Auftrag fortsetzen

WebSocket-Dateiprotokoll 11

recording.start/recording.stop, ihre Quittungen und Snapshots tragen recordingId. Ein doppelter Start liefert die bereits bestehende UUID zurück. Nach Dateifertigstellung und bestätigtem Gesprächsende, beim Verbinden und auf status meldet SwyxTray:

{"type":"recording.ready","transport":"websocket","recordingId":"12345678-1234-1234-1234-123456789abc","line":1,"callId":4711,"callEnded":true,"filename":"12345678-1234-1234-1234-123456789abc.wav","bytes":320044}

Der Browser fordert mit {"id":23,"cmd":"recording.download","recordingId":"…"} die Datei an. Jede binäre WebSocket-Nachricht enthält 12 Headerbytes: ASCII SWYX, danach Kommando-ID und Byte-Offset als jeweils 32-Bit-Little-Endian, anschließend höchstens 65536 WAV-Bytes. Die abschließende result-Quittung bestätigt das Ende des Downloads. Der Browser prüft Reihenfolge und die angekündigte Gesamtlänge (maximal 500 MB). Nach einem Abbruch wird die vollständige Datei erneut angefordert.

Nach erfolgreichem Backend-Upload folgt {"id":24,"cmd":"recording.ack","recordingId":"…","jobId":"<32 Hexzeichen>"}. recording.status meldet waiting_call_end, waiting, error oder submitted. callEnded bestätigt das Gesprächsende unabhängig vom Aufnahmestopp; vorher weist die Tray-App Downloads und Empfangsbestätigungen zurück. Bei submitted steht die Auftragskennung in jobId. Mehrere Tabs verwenden denselben Auftrag. Die frühere HTTP-recording.ready-Variante wird im Frontend weiterhin gelesen, aber von dieser Tray-Version nicht verwendet.

Geprüft sind Windows-Dateisperren, Dateifertigstellung, Mehrdeutigkeiten, Neustart, Binärtransfer über echte WebSockets, Abbruch/Wiederverbindung und Empfangsbestätigung; außerdem Frontend, Java-Weiterleitung und lokale WAV-Verarbeitung. Ein Browsertest lief über die echte Windows-Outbox und WebSocket-Session zur SwyxWeb-API, mit synthetischer WAV und simulierten Modellergebnissen. Ein echter SwyxIt!-Mitschnitt bleibt als Praxistest offen.

Für den integrierten Whisper-Worker wurden zusätzlich eine deutsche Sprach-WAV über die SwyxWeb-API in einem Container mit --network none, doppelte Uploads, die Wiederholung eines fehlgeschlagenen Auftrags, ein Container-Neustart und ein Worker-Abbruch während der Transkription geprüft. Der unterbrochene Auftrag wurde nach dem Start automatisch abgeschlossen; fertige Transkripte blieben erhalten. Die LLM-Anbindung wurde mit einem lokalen OpenAI-kompatiblen HTTP-Testserver geprüft: Request-Format, optionaler Bearer-Schlüssel, Zeitüberschreitungen, Fehlerantworten, lange Transkripte und Wiederaufnahme der Zusammenfassung. Ein Container-Test mit echtem Whisper und simulierter LLM-Antwort bestätigt, dass ein HTTP-503-Fehler das Transkript erhält und der erneute Versuch ohne erneute WAV-Verarbeitung gelingt. Zusätzlich wurde eine synthetische deutsche Sprach-WAV vollständig über die SwyxWeb-API mit echtem Whisper im Container und einem echten OpenAI-kompatiblen LLM verarbeitet. Transkript und Zusammenfassung wurden dabei erfolgreich erstellt; die Verbindungsdaten bleiben in der lokalen .env. Die Worker-Tests einschließlich echter WAV-Dekodierung lassen sich mit Python und den Testabhängigkeiten ausführen:

python3 -m venv transcription/.venv
transcription/.venv/bin/pip install -r transcription/requirements-test.txt
transcription/.venv/bin/pytest -q transcription/tests

48 KiB Raw Blame History Unescape Escape