ai-gm-dev-deploy

name: ai-gm-dev-deploy description: >- Wdrożenie backendu AI-GM w środowisku dev na serwerze 192.168.1.61 (docker-compose.dev.yml), weryfikacja kodu T01–T06 w kontenerze, pytest oraz podgląd gm_plan_json / łuku fabularnego w SQLite.

AI-GM — wdrożenie dev na .61 i weryfikacja Phase 9B (T01–T06)

Kiedy stosować

• Po merge/pushu na develop, gdy trzeba odświeżyć obraz ai-gm-dev-backend na serwerze.
• Gdy użytkownik pyta, czy T05/T06 są wdrożone albo chce sprawdzić treść łuku w planie MG.

Zasada wykonania

Wszystkie komendy z tego skilla wykonuj wyłącznie na serwerze 192.168.1.61 przez SSH. Nie uruchamiaj lokalnie Dockera, pytesta ani żadnych buildów dla tego projektu. Lokalny katalog /home/piotrszmidt/remote_mount/ai-gm jest tylko zmapowanym folderem roboczym do edycji plików.

Stałe

Sekwencja wdrożenia backendu dev

Wykonaj na serwerze (SSH):

ssh piotrszmidt@192.168.1.61
cd /home/piotrszmidt/ai-gm
git fetch origin && git pull origin develop
docker compose -f docker-compose.dev.yml build backend --no-cache
docker compose -f docker-compose.dev.yml up -d backend

Poczekaj na healthy (docker ps). Opcjonalnie: docker restart ai-gm-dev-backend-1 po samym pullu, jeśli kod jest montowany (rzadziej niż pełny build).

Czego nie robić

• Nie wykonuj docker compose up, docker build, pytest ani python ... na lokalnej maszynie.
• Nie traktuj kontenerów lokalnych jako źródła prawdy dla stanu środowiska.
• Nie weryfikuj wdrożenia przez localhost; używaj domeny dev wskazanej poniżej.

Weryfikacja obecności T01–T06 w obrazie

W kontenerze sprawdź pliki i sygnatury (ścieżka aplikacji: /app/app/...):

• T06: app/services/gm_plan_schema.py (gm_plan_is_ready, merge_gm_plan_patch), app/api/campaigns.py (merge PATCH).
• T05: app/services/gm_plan_generation_service.py, w characters.py — generate_initial_gm_plan_with_retries, w turns.py — _require_gm_plan_before_narrative_llm.
• T02–T04: history_summary_service.py — SUMMARY_AUDIENCE_GM, PLAYER_SUMMARY_SYSTEM_APPEND, format_gm_plan_block.
• T01: test tests/test_history_summary_t01_dual_prompt.py.

Testy (w kontenerze, /app):

docker exec -w /app ai-gm-dev-backend-1 python3 -m pytest \
  tests/test_history_summary_t01_dual_prompt.py \
  tests/test_history_summary_t02_audience.py \
  tests/test_history_summary_t03_player_only.py \
  tests/test_history_summary_t04_gm_context.py \
  tests/test_gm_plan_schema.py \
  tests/test_t05_gm_plan_generation.py -q

Logi i sukces generacji planu (T05)

docker logs ai-gm-dev-backend-1 --since 30m 2>&1 | grep -E 'gm_plan_generation_ok|POST /api/campaigns/.*/characters'

Zdarzenie gm_plan_generation_ok przy POST .../characters oznacza zapisanie planu po LLM.

Podgląd treści aktywnego łuku (JSON)

docker exec ai-gm-dev-backend-1 python3 -c "
import json, sqlite3
conn = sqlite3.connect('/data/ai_gm.db')
conn.row_factory = sqlite3.Row
r = conn.execute(
  '''SELECT id, title, gm_plan_json FROM campaigns ORDER BY id DESC LIMIT 1'''
).fetchone()
d = json.loads(r['gm_plan_json'] or '{}')
aid = d.get('active_arc_id')
arc = (d.get('arcs') or {}).get(aid or 'default', {})
print(json.dumps(arc, ensure_ascii=False, indent=2))
"

Publiczna domena dev

aigm-dev.studio-colorbox.com — frontend zwykle za proxy do hosta .61; API musi wskazywać na ten sam backend dev co powyżej (np. proxy do :8100), inaczej UI i wersja API mogą się rozjeżdżać.

Zasada środowiska

Domyślnie nie restartować produkcyjnego ai-gm-backend-1 bez wyraźnej prośby — patrz .cursor/rules/dev-environment.mdc.