Initialisiere SillyHome Next Analyseprojekt

.gitignore

@@ -0,0 +1,27 @@
+# Projekt-Scope: thesillyhome-reanalysis
+# Vermeide Störungen aus dem übergeordneten Workspace.
+
+# Isolation: projektinterne Hüterdateien ignorieren,
+# aber keine Steuerdateien aus dem Workspace-Root stumm abschalten.
+!memory/
+!memory/*
+!second-brain/
+!second-brain/*
+
+# Secrets und Umgebungsvariablen
+.env
+.env.local
+.env.*.local
+
+# Vermischte Backup- und temporäre Dateien
+*.sqlite.bak
+*.sqlite.bak-*
+*.log
+*.tmp
+*.swp
+*.swo
+
+# Editor/IDE
+.idea
+.vscode
+*.code-workspace

ARCHITECTURE.md

@@ -0,0 +1,13 @@
+# SillyHome Next — Architekturübersicht
+
+Ziel ist ein lokales, datensparsames, erklärbares Smart-Home-Intelligenzsystem für Home Assistant. Es analysiert Historie, erkennt Gewohnheiten, erstellt Vorhersagen, empfiehlt Automationen und kann auf Wunsch einfach in Automationen übersetzen. Vier Intelligenzebenen sind vorgesehen: regelbasiert, ML-gestützt, LLM-unterstützt und autonomer Hausagent.
+
+## Leitentscheidungen
+
+- Lokal-first und datensparsam; keine Cloudpflicht.
+- Trennung von Datenintegration, Trainingspipeline, Vorhersageservice und Erklärungsschicht.
+- Standardintegration über MQTT und Home Assistant WebSocket plus REST.
+- Schnittstellen über FastAPI und OpenAI-kompatible Endpunkte.
+- Langzeitdaten in PostgreSQL und TimescaleDB; Vektoren für semantische Suche optional.
+- Deployment über Docker Compose; Kubernetes optional für erweiterte Betriebsgrößen.
+- Tests, Docs und Changelog sind Pflichtbestandteil jeder Änderung.

CHANGELOG.md

@@ -0,0 +1,5 @@
+# Changelog
+
+## Unreleased
+- Projektinitiierung
+- Architektur, ADRs und Roadmap

CONTRIBUTING.md

@@ -0,0 +1,3 @@
+# Contributing
+
+Branch nach Feature. Pull Requests mit ADR-Änderungen, Tests und Doku sind Pflicht.

README.md

@@ -0,0 +1,14 @@
+# SillyHome Next
+
+Modern, lokal-first und datenschutzfreundliches Smart-Home-Intelligenzsystem für Home Assistant.
+
+## Motivation
+TheSillyHome zeigte die Idee: statt statischer Regeln das Zuhause aus Verhaltensmustern verstehen. Diese Architektur modernisiert den Ansatz in Richtung Explainable AI, hybride Intelligenzebenen und langlebige Wartbarkeit.
+
+## Ziele
+- Home Assistant und Sensoren/Aktoren verstehen
+- Historie auswerten und Gewohnheiten erkennen
+- Vorhersagen erstellen und erklären
+- Automationen vorschlagen und direkt generieren
+- Lokal-first ohne Cloudpflicht
+- Erweiterbar, testbar, dokumentiert

ROADMAP.md

@@ -0,0 +1,15 @@
+# Roadmap
+
+## Phase 0 — Analyse und Architektur
+- Quellenanalyse
+- ADRs
+- Repo-Setup
+
+## Phase 1 — MVP
+- HA-Integration, Sensordiskover, Modelltraining, Vorhersage-API, Erklärung, UI, Addon-Setup, Tests
+
+## Phase 2 — Erweiterte Intelligenz
+- Zeitreihenmodelle, Reinforcement-Learning-Prototypen, Agentic-Systeme mit Ollama/Litellm
+
+## Phase 3 — Betrieb und Produktivierung
+- Rollback, Backup/Restore, Releases, Dokumentation, Community-Anbindung

docs/adr/ADR-001-data-flow.md

@@ -0,0 +1,17 @@
+# ADR-001: Datenfluss zwischen Home Assistant und Trainingsdaten
+
+## Status
+Angenommen
+
+## Kontext
+Das System muss Historie lesen und Live-Events verarbeiten. OAuth-HA-Zugriff ist aufwändiger, Long-Lived-Tokens sind in lokalen Netzen vertretbar.
+
+## Entscheidung
+- Home Assistant Integration via Long-Lived Access Token oder Supervisor-Service-Account.
+- Historische Daten via SQL-Export/Backup, Lesezugriff auf die Recorder-Datenbank oder REST `/api/history/period`.
+- Live-Events via WebSocket und optional MQTT.
+
+## Konsequenzen
+- Vereinfachung der Integration.
+- Kein permanentes MQTT-Bridge-Setup zwingend.
+- Backup-Granularität und lokale Datenschutzprüfung bleiben erforderlich.

docs/adr/ADR-002-ml-stack.md

@@ -0,0 +1,17 @@
+# ADR-002: ML-Stack und Modellwahl
+
+## Status
+Angenommen
+
+## Kontext
+Es soll lokal laufen, erklärbar bleiben und ohne zwingende Cloud auskommen.
+
+## Entscheidung
+- Regel- und ML-Ebene mit PyTorch, scikit-learn und XGBoost.
+- LLM-Ebene über Ollama-kompatible Modelle oder OpenAI-kompatible LiteLLM-Proxy-Anbindung lokal.
+- Semantik über Sentence-Transformers oder lokale Embeddings.
+
+## Konsequenzen
+- Lokal-first-Betrieb bleibt machbar.
+- Modellwechsel ist durch Schnittstellen-Abstraktion möglich.
+- GPU-Einsatz ist optional und bleibt trennbar.

docs/adr/ADR-003-api-gateway.md

@@ -0,0 +1,16 @@
+# ADR-003: API und Integration Gateway
+
+## Status
+Angenommen
+
+## Kontext
+HA, Addon, UI und externe Dienste müssen stabil integrierbar sein.
+
+## Entscheidung
+- FastAPI als zentraler API-Layer.
+- Endpunkte für Geräte, Sensoren, Vorhersagen, Erklärungen, Automationen und Insights.
+- OpenAI-kompatible Endpunkte für LLM-gestützte Assistenz.
+
+## Konsequenzen
+- Standardisierte Anbindung und klare Versionierung.
+- Einfache Erweiterung für zusätzliche Integrationen.

docs/adr/ADR-004-deployment.md

@@ -0,0 +1,16 @@
+# ADR-004: Deploymentmodell
+
+## Status
+Angenommen
+
+## Kontext
+Das System soll einfach installierbar sein, lokal laufen und wartbar bleiben.
+
+## Entscheidung
+- Docker Compose für Core-Services.
+- HA Addon-Rezepte und Lua-Skripte als optionale Integrationshilfe.
+- Kubernetes-Support bleibt möglich, aber optional.
+
+## Konsequenzen
+- Schneller Einstieg in bestehende HA-Umgebungen.
+- Flexibilität für künftige Betriebsgrößen.

scripts/gitea_setup.py

@@ -0,0 +1,52 @@
+import requests
+import json
+from pathlib import Path
+
+p = Path('/root/.openclaw/secrets/gitea.env')
+env = {}
+for line in p.read_text().splitlines():
+    if '=' in line:
+        k, v = line.split('=', 1)
+        env[k.strip()] = v.strip()
+token = env['GITEA_TOKEN']
+base = 'http://192.168.6.31:3000/api/v1'
+repo = 'pino/sillyhome-next'
+session = requests.Session()
+session.headers.update({'Authorization': f'token {token}', 'Content-Type': 'application/json'})
+
+label_names = ['enhancement','bug','documentation','ai','integration','infra','frontend','backend','tests','devops']
+labels = {}
+for name in label_names:
+    r = session.post(f'{base}/repos/{repo}/labels', json={'name': name, 'color': '0e8a16'})
+    if r.status_code not in (201, 200):
+        print('label create failed', name, r.status_code, r.text[:120])
+    else:
+        labels[name] = r.json()['id']
+print('labels:', labels)
+
+issues = [
+  ('ARCH-001: Projektstruktur und Entwicklungsrichtlinien', '## Aufgabe\n- CONTRIBUTING.md vervollständigen\n- Sprint-Rhythmus festlegen: 2 Wochen, Review Montag\n\n## Akzeptanz\n- CONTRIBUTING.md aktuell', [labels.get('documentation')], 10),
+  ('ARCH-002: ADRs finalisieren und Entscheidungen fixieren', '## Aufgabe\n- ADR-005 Explainability\n- ADR-006 Retention\n\n## Akzeptanz\n- Mindestens 6 ADRs dokumentiert', [labels.get('documentation')], 10),
+  ('INFRA-001: Docker Compose Grundgerüst für lokalen Betrieb', '## Aufgabe\n- docker-compose.yml für API, Scheduler, Worker\n- .env.example und README-Quickstart\n\n## Akzeptanz\n- Lokaler Start in <5 Minuten', [labels.get('infra'), labels.get('devops')], 10),
+  ('DOC-001: README, CHANGELOG und Release-Checkliste pflegen', '## Aufgabe\n- README finalisieren\n- CHANGELOG starten\n- Release-Checkliste anlegen', [labels.get('documentation')], 10),
+  ('INT-001: Home Assistant Datenintegration (REST + Recorder-Lesezugriff)', '## Aufgabe\n- HA REST Client\n- Historische States auslesen\n- Entities erkennen\n\n## Akzeptanz\n- Sensoren/Aktoren erkannt', [labels.get('integration'), labels.get('backend')], 11),
+  ('ML-001: Datenvorverarbeitung und Feature-Pipeline', '## Aufgabe\n- Normalisierung und Zeitfeatures\n- Trainingsformat definieren\n\n## Akzeptanz\n- Reproduzierbare Transformation', [labels.get('backend'), labels.get('ai')], 11),
+  ('ML-002: Regelbasierte Empfehlungen (Ebene 1)', '## Aufgabe\n- Heuristiken implementieren\n- Empfehlungs-API\n\n## Akzeptanz\n- Erste Empfehlungen ausgespielt', [labels.get('ai'), labels.get('backend')], 11),
+  ('API-001: FastAPI-Kern und OpenAPI-Spezifikation', '## Aufgabe\n- FastAPI Grundgerüst\n- Basisendpunkte und Swagger\n\n## Akzeptanz\n- Swagger UI erreichbar', [labels.get('backend'), labels.get('infra')], 11),
+]
+
+existing = session.get(f'{base}/repos/{repo}/issues?state=all&per_page=100').json()
+existing_titles = {i['title'] for i in existing}
+
+for title, body, label_ids, milestone_id in issues:
+    if title in existing_titles:
+        print('skip existing', title)
+        continue
+    payload = {
+        'title': title,
+        'body': body,
+        'labels': [lid for lid in label_ids if lid],
+        'milestone': milestone_id,
+    }
+    r = session.post(f'{base}/repos/{repo}/issues', json=payload)
+    print('issue', title, r.status_code, r.text[:120] if r.status_code not in (201,) else 'created')