# jr-sql-ai (Terminal-first SQL Server 2022 Expert KI, lokal)

Lokale Expert-KI für **SQL Server 2022** (T-SQL, Views, Stored Procedures, Execution Plans, UTF-8 Migration),
aufrufbar **vom Terminal**, ohne direkte DB-Verbindung (nur Copy & Paste / Dateien).

Die KI läuft lokal via **Ollama** in Docker und wird über ein kleines CLI (`sqlai`) genutzt.

---

## Features

- **Schmaler Tech-Stack:** Docker + Ollama + Bash + curl + python
- **Terminal-first:** `sqlai ask ...` / `sqlai analyze-tsql ...` etc.
- **Ohne DB-Verbindung:** nur Analyse/Planung/Empfehlung anhand von Input
- **Auto-Updates:** Runtime + Models via `scripts/update.sh` und optional `systemd --user` Timer
- **Warmup:** nach Updates (und optional nach Bootstrap) wird ein kurzer Request gesendet (schneller “First Real Query”)
- **Selftest:** `scripts/selftest.sh` prüft End-to-End (Docker, API, Models, echte Anfrage)
- **Resilient:** Model-Fallback (wenn Expert-Model fehlt → Base-Model)
- **Viele Logs:** jedes Script schreibt nachvollziehbare Logs nach `./logs/`

---

## Voraussetzungen (Arch Linux)

- `docker` + `docker compose`
- `curl`
- `python`
- optional (für GPU): NVIDIA Container Toolkit + Compose GPU-Konfiguration

---

## Repository Struktur (Kurzüberblick)

- `bin/sqlai` – CLI (ask + Analyse-Modi) inkl. Logging & Model-Fallback
- `scripts/bootstrap.sh` – startet Container, pullt Modelle, baut Expert-Model, Warmup
- `scripts/update.sh` – pullt Runtime+Modelle, rebuild Expert-Model, Warmup
- `scripts/selftest.sh` – End-to-End Check inkl. echter Anfrage
- `docker-compose.yml` – Ollama Service (Host networking, optional GPU)
- `Modelfile` – Expert-Systemprompt (SQL Server 2022 Fokus)
- `prompts/` – Prompt-Library (Copy & Paste Templates)
- `systemd/user/` – optionaler Daily Update Timer (User Service)

---

# 1) Installation / Build (Bootstrap)

## 1.1 Repo auspacken / klonen
Wenn du ein tar.gz erhalten hast:
```bash
tar -xzf jr-sql-ai.tar.gz
cd jr-sql-ai