uusi projekti

kipina-node

@@ -0,0 +1,131 @@
+#!/bin/bash
+# Kipinä Node — lataa oikea binääri ja käynnistä
+set -e
+
+BASE_URL="https://kipina.studio/download"
+HUB_URL="${KIPINA_HUB:-wss://kipina.studio/ws}"
+OLLAMA_URL="${OLLAMA_URL:-http://localhost:11434}"
+
+# Tunnista OS ja arkkitehtuuri
+OS=$(uname -s | tr '[:upper:]' '[:lower:]')
+ARCH=$(uname -m)
+
+case "$OS-$ARCH" in
+    darwin-arm64)  BINARY="kipina-node-macos-arm64" ;;
+    darwin-x86_64) BINARY="kipina-node-macos-arm64" ;; # Rosetta
+    linux-x86_64)  BINARY="kipina-node-linux-x86_64" ;;
+    linux-aarch64) BINARY="kipina-node-linux-arm64" ;;
+    *) echo "Ei tuettu: $OS-$ARCH"; exit 1 ;;
+esac
+
+echo ""
+echo "  ╔══════════════════════════════════════╗"
+echo "  ║       Kipinä Agentic Node            ║"
+echo "  ╚══════════════════════════════════════╝"
+echo ""
+echo "  OS: $OS ($ARCH)"
+echo ""
+
+# Etsi Ollama-instanssit
+CANDIDATES=(
+    "http://localhost:11434"
+    "http://127.0.0.1:11434"
+    "http://ollama:11434"
+    "http://host.docker.internal:11434"
+)
+
+# Lisää OLLAMA_URL listaan jos asetettu ja ei jo mukana
+if [ -n "$OLLAMA_URL" ]; then
+    ALREADY=false
+    for c in "${CANDIDATES[@]}"; do
+        [ "$c" = "$OLLAMA_URL" ] && ALREADY=true
+    done
+    $ALREADY || CANDIDATES=("$OLLAMA_URL" "${CANDIDATES[@]}")
+fi
+
+echo "  Etsitään Ollama-instansseja..."
+FOUND=()
+for url in "${CANDIDATES[@]}"; do
+    if curl -s --connect-timeout 1 "$url/api/tags" &>/dev/null; then
+        FOUND+=("$url")
+    fi
+done
+
+if [ ${#FOUND[@]} -eq 0 ]; then
+    # Ei löytynyt — yritä käynnistää lokaali
+    if command -v ollama &>/dev/null; then
+        echo "  Käynnistetään Ollama..."
+        ollama serve &>/dev/null &
+        sleep 3
+        if curl -s --connect-timeout 1 "http://localhost:11434/api/tags" &>/dev/null; then
+            OLLAMA_URL="http://localhost:11434"
+            echo "  ✓ Ollama käynnistetty ($OLLAMA_URL)"
+        else
+            echo "  ✗ Ollaman käynnistys epäonnistui."
+            exit 1
+        fi
+    else
+        echo ""
+        echo "  ✗ Ollamaa ei löytynyt."
+        echo "    Kontti/remote: OLLAMA_URL=http://HOST:11434 ./kipina-node"
+        echo "    Asenna:        curl -fsSL https://ollama.ai/install.sh | sh"
+        exit 1
+    fi
+elif [ ${#FOUND[@]} -eq 1 ]; then
+    OLLAMA_URL="${FOUND[0]}"
+    echo "  ✓ Ollama löytyi: $OLLAMA_URL"
+else
+    echo ""
+    echo "  Löytyi ${#FOUND[@]} Ollama-instanssia:"
+    echo ""
+    for i in "${!FOUND[@]}"; do
+        echo "    $((i+1))) ${FOUND[$i]}"
+    done
+    echo ""
+    read -p "  Valitse [1-${#FOUND[@]}]: " -r CHOICE
+    if [[ "$CHOICE" =~ ^[0-9]+$ ]] && [ "$CHOICE" -ge 1 ] && [ "$CHOICE" -le ${#FOUND[@]} ]; then
+        OLLAMA_URL="${FOUND[$((CHOICE-1))]}"
+    else
+        OLLAMA_URL="${FOUND[0]}"
+        echo "  Käytetään oletusta: $OLLAMA_URL"
+    fi
+    echo "  ✓ Valittu: $OLLAMA_URL"
+fi
+
+echo ""
+echo "  Hub: $HUB_URL"
+echo "  Ollama: $OLLAMA_URL"
+if [ -n "$KIPINA_MODEL" ]; then
+    echo "  Malli: $KIPINA_MODEL (Ympäristömuuttujasta)"
+fi
+
+# Lataa binääri
+BIN_PATH="./kipina-node-bin"
+if [ -f "$BIN_PATH" ]; then
+    echo ""
+    read -p "  Löydettiin vanha kipina-node-bin lokaalisti. Haluatko poistaa sen ja ladata uusimman version? [Y/n] " -r DEL_CHOICE
+    if [[ "$DEL_CHOICE" =~ ^[Nn]$ ]]; then
+        echo "  ✓ Käytetään lokaalia versiota."
+    else
+        rm -f "$BIN_PATH"
+        echo "  ✓ Vanha binääri poistettu ja korvataan uudella."
+    fi
+fi
+
+if [ ! -f "$BIN_PATH" ]; then
+    echo "  Ladataan tuorein $BINARY..."
+    curl -sSL "$BASE_URL/$BINARY" -o "$BIN_PATH"
+    chmod +x "$BIN_PATH"
+fi
+
+echo ""
+echo "  ✓ Siirrytään Kipinä Noden hallintaan..."
+echo "    Ctrl+C pysäyttää"
+echo ""
+
+if [ -n "$KIPINA_MODEL" ]; then
+    export OLLAMA_MODEL="$KIPINA_MODEL"
+fi
+export HUB_URL="$HUB_URL"
+export OLLAMA_URL="$OLLAMA_URL"
+exec "$BIN_PATH"

network-poc/frontend/public/download/.build-hash

@@ -1 +1 @@
-5f005820535910a5052a33cfcfc0bd6909d11c25
+dirty-3e9cdd70c60dadfb970cee47ebbd912c

network-poc/frontend/public/templates/data-analytics.json

@@ -0,0 +1,33 @@
+{
+  "name": "Data Analytics Pipeline",
+  "description": "ETL, analysis, and visualization with Docker (MariaDB + Jupyter)",
+  "keywords": ["data", "analytics", "csv", "etl", "visualization", "statistics", "dashboard", "jupyter", "pandas", "matplotlib"],
+  "files": {
+    "etl.py": {
+      "description": "Data loading, cleaning, and transformation",
+      "example": "import pandas as pd\nfrom pathlib import Path\nfrom sqlalchemy import create_engine\n\nDB_URL = \"mysql+pymysql://root:secret@localhost:3306/analytics\"\nengine = create_engine(DB_URL)\n\ndef load_csv(path: str) -> pd.DataFrame:\n    df = pd.read_csv(path)\n    print(f\"Loaded {len(df)} rows from {path}\")\n    return df\n\ndef clean(df: pd.DataFrame) -> pd.DataFrame:\n    df = df.dropna(subset=[\"x\", \"y\"])\n    df = df[(df[\"x\"] >= 0) & (df[\"y\"] >= 0)]  # Remove outliers\n    df[\"timestamp\"] = pd.to_datetime(df[\"timestamp\"])\n    return df.sort_values(\"timestamp\").reset_index(drop=True)\n\ndef to_database(df: pd.DataFrame, table: str):\n    df.to_sql(table, engine, if_exists=\"replace\", index=False)\n    print(f\"Wrote {len(df)} rows to {table}\")\n\nif __name__ == \"__main__\":\n    for csv_file in sorted(Path(\"data\").glob(\"*.csv\")):\n        df = load_csv(str(csv_file))\n        df = clean(df)\n        to_database(df, \"measurements\")",
+      "instructions": "Write the ETL pipeline:\n- Load CSV files from data/ directory using pandas\n- Clean: remove nulls, filter outliers, parse timestamps\n- Transform: convert units, compute derived columns\n- Load into MariaDB via SQLAlchemy\n- Make it runnable as a standalone script"
+    },
+    "analysis.py": {
+      "description": "Statistical analysis and metrics computation",
+      "example": "import pandas as pd\nfrom sqlalchemy import create_engine\n\nDB_URL = \"mysql+pymysql://root:secret@localhost:3306/analytics\"\nengine = create_engine(DB_URL)\n\ndef load_data() -> pd.DataFrame:\n    return pd.read_sql(\"SELECT * FROM measurements\", engine)\n\ndef summary_stats(df: pd.DataFrame) -> dict:\n    return {\n        \"total_rows\": len(df),\n        \"date_range\": f\"{df['timestamp'].min()} to {df['timestamp'].max()}\",\n        \"unique_entities\": df[\"entity_id\"].nunique(),\n    }\n\ndef hourly_distribution(df: pd.DataFrame) -> pd.DataFrame:\n    df[\"hour\"] = df[\"timestamp\"].dt.hour\n    return df.groupby(\"hour\").size().reset_index(name=\"count\")\n\nif __name__ == \"__main__\":\n    df = load_data()\n    stats = summary_stats(df)\n    for k, v in stats.items():\n        print(f\"{k}: {v}\")",
+      "instructions": "Write analysis functions:\n- Load cleaned data from MariaDB\n- Compute summary statistics (counts, date ranges, distributions)\n- Time-based analysis (hourly, daily, weekly patterns)\n- Group-level metrics (per entity, per zone)\n- Return DataFrames and dicts suitable for visualization"
+    },
+    "visualize.py": {
+      "description": "Charts and visualizations with matplotlib",
+      "example": "import matplotlib.pyplot as plt\nimport pandas as pd\nfrom analysis import load_data, hourly_distribution\n\ndef plot_heatmap(df: pd.DataFrame, title: str, output: str):\n    fig, ax = plt.subplots(figsize=(12, 8))\n    scatter = ax.scatter(df[\"x\"], df[\"y\"], c=df[\"density\"], cmap=\"hot\", alpha=0.5, s=2)\n    ax.set_title(title)\n    ax.set_xlabel(\"x\")\n    ax.set_ylabel(\"y\")\n    ax.invert_yaxis()\n    plt.colorbar(scatter, label=\"Density\")\n    plt.tight_layout()\n    plt.savefig(output, dpi=150)\n    print(f\"Saved {output}\")\n\ndef plot_bar(df: pd.DataFrame, x: str, y: str, title: str, output: str):\n    fig, ax = plt.subplots(figsize=(10, 5))\n    ax.bar(df[x], df[y], color=\"steelblue\")\n    ax.set_title(title)\n    ax.set_xlabel(x)\n    ax.set_ylabel(y)\n    plt.tight_layout()\n    plt.savefig(output, dpi=150)\n\nif __name__ == \"__main__\":\n    df = load_data()\n    hourly = hourly_distribution(df)\n    plot_bar(hourly, \"hour\", \"count\", \"Hourly Distribution\", \"output/hourly.png\")",
+      "instructions": "Write visualization functions:\n- Import analysis functions for data\n- Heatmaps, bar charts, line charts as appropriate\n- Save figures to output/ directory (PNG, 150 DPI)\n- Use matplotlib with clear titles, labels, colorbars\n- Make it runnable as standalone to generate all charts"
+    },
+    "docker-compose.yml": {
+      "description": "Docker Compose stack for database and Jupyter",
+      "example": "services:\n  db:\n    image: mariadb:11\n    environment:\n      MYSQL_ROOT_PASSWORD: secret\n      MYSQL_DATABASE: analytics\n    ports:\n      - \"3306:3306\"\n    volumes:\n      - db_data:/var/lib/mysql\n\n  jupyter:\n    image: jupyter/scipy-notebook:latest\n    ports:\n      - \"8888:8888\"\n    volumes:\n      - .:/home/jovyan/work\n    environment:\n      JUPYTER_TOKEN: kipina\n    depends_on:\n      - db\n\nvolumes:\n  db_data:",
+      "instructions": "Write docker-compose.yml:\n- MariaDB service with persistent volume\n- JupyterLab service with project mounted\n- Correct environment variables\n- Port mappings for local development\n- Write ONLY the YAML, no explanations"
+    },
+    "pyproject.toml": {
+      "description": "Project dependencies",
+      "example": "[project]\nname = \"analytics\"\nversion = \"0.1.0\"\nrequires-python = \">=3.11\"\ndependencies = [\n    \"pandas\",\n    \"matplotlib\",\n    \"sqlalchemy\",\n    \"pymysql\",\n]\n\n[project.scripts]\netl = \"python etl.py\"\nanalyze = \"python analysis.py\"\nvisualize = \"python visualize.py\"",
+      "instructions": "Use [project] format (PEP 621). List all data science dependencies. Add scripts for ETL, analysis, and visualization."
+    }
+  },
+  "order": ["etl.py", "analysis.py", "visualize.py", "docker-compose.yml", "pyproject.toml"]
+}

network-poc/frontend/public/templates/fastapi-crud.json

@@ -1,6 +1,7 @@
 {
   "name": "FastAPI CRUD",
   "description": "REST API with SQLite database",
+  "keywords": ["api", "rest", "crud", "endpoint", "fastapi", "web", "backend", "server", "database", "sqlite"],
   "files": {
     "models.py": {
       "description": "SQLAlchemy models, engine, and session",

network-poc/frontend/src/pages/index.astro

@@ -501,10 +501,16 @@ OUTPUT FORMAT:
 
     // Wasm-autostart vain jos natiivisolmua ei löydy (tarkistetaan onopen:ssa)
 
+    // === Pipeline-keskeytys ===
+    let pipelineAbort = null; // AbortController tai null
+
     // === kpnRun: lähettää promptin mallille ===
     const activeStreams = {};
 
     async function kpnRun(model, prompt, silent, agentOpts) {
+        // Tarkistetaan keskeytys
+        if (pipelineAbort?.signal?.aborted) return null;
+
         const taskId = crypto.randomUUID();
         const statusDiv = document.createElement('div');
         statusDiv.className = 'terminal-line';
@@ -514,10 +520,6 @@ OUTPUT FORMAT:
         termPanel.scrollTop = termPanel.scrollHeight;
 
         try {
-            // Ei odotetaan Wasmia — lähetetään suoraan hubille.
-            // Jos hub löytää natiivisolmun, vastaus tulee nopeasti.
-            // Jos 503, käynnistetään Wasm-fallback.
-
             if (!silent) {
                 const streamDiv = document.createElement('div');
                 streamDiv.className = 'terminal-line';
@@ -535,18 +537,18 @@ OUTPUT FORMAT:
                 model,
                 prompt,
                 task_id: taskId,
-                system_prompt: opts.systemPrompt || settings.systemPrompt || undefined,
+                system_prompt: opts.prompt || settings.systemPrompt || undefined,
                 temperature: opts.temperature ?? settings.temperature ?? undefined,
                 top_k: opts.topK ?? settings.topK ?? undefined,
                 max_tokens: opts.maxTokens ?? settings.maxTokens ?? undefined,
                 repeat_penalty: opts.repeatPenalty ?? settings.repeatPenalty ?? undefined,
-                stop: settings.stopSequences ? settings.stopSequences.split('\\n').filter(Boolean) : undefined,
             };
 
             const res = await fetch('/api/v1/chat/completions', {
                 method: 'POST',
                 headers: { 'Content-Type': 'application/json' },
                 body: JSON.stringify(payload),
+                signal: pipelineAbort?.signal,
             });
 
             if (res.status === 503 && !wasmNodeStarted) {
@@ -619,7 +621,7 @@ OUTPUT FORMAT:
     const kpnExamples = {
         'kpn run coder': ['"hello world in python"','"fibonacci in rust"','"quicksort in javascript"'],
         'kpn run coder-3b': ['"REST API with Flask"','"binary search tree"'],
-        'kpn project': ['"FastAPI + SQLite REST API"','"CLI tool for CSV processing"'],
+        'kpn project': ['"FastAPI + SQLite REST API"','"UWB indoor positioning analytics — CSV cart tracking data, heatmaps, statistics, Docker (MariaDB + Jupyter)"','"CLI tool for CSV processing"'],
         'kpn pipeline': ['"todo-sovellus"','"laskin pythonilla"'],
     };
 
@@ -753,15 +755,30 @@ OUTPUT FORMAT:
 
     // === Template-pohjainen projektipipeline ===
     let templates = {};
+    const TEMPLATE_FILES = ['fastapi-crud.json', 'data-analytics.json'];
 
     // Ladataan mallipohjat
     (async () => {
+        for (const file of TEMPLATE_FILES) {
             try {
-            const res = await fetch('/templates/fastapi-crud.json');
+                const res = await fetch(`/templates/${file}`);
                 if (res.ok) { const t = await res.json(); templates[t.name] = t; }
             } catch(e) {}
+        }
     })();
 
+    // Valitaan mallipohja Asiakkaan briefin perusteella (keywords-match)
+    function selectTemplate(brief) {
+        const lower = brief.toLowerCase();
+        let best = null, bestScore = 0;
+        for (const t of Object.values(templates)) {
+            const keywords = t.keywords || [];
+            const score = keywords.filter(k => lower.includes(k)).length;
+            if (score > bestScore) { bestScore = score; best = t; }
+        }
+        return best; // null = vapaa tila
+    }
+
     function explainStep(title, explanation) {
         termLog(`\n  <span style="color:#a371f7;font-size:12px">💡 ${esc(title)}</span>`);
         termLog(`  <span style="color:#8b949e;font-size:12px">${esc(explanation)}</span>`);
@@ -769,18 +786,11 @@ OUTPUT FORMAT:
 
     async function kpnProject(task) {
         const cli = agents.client || Object.values(agents)[0];
+        const mgr = agents.manager || Object.values(agents)[1];
         const cdr = agents.coder || Object.values(agents)[2];
 
-        // Etsitään sopivin mallipohja
-        const template = Object.values(templates)[0]; // Toistaiseksi vain FastAPI CRUD
-        if (!template) {
-            termLog('  ✗ Mallipohjia ei ladattu', '#f85149');
-            return;
-        }
-
-        termLog(`<span style="color:var(--purple);font-weight:bold">━━━ ${esc(template.name)} — ${esc(task)} ━━━</span>`);
-
         // Asiakas: jalostaa vaatimukset
+        termLog(`<span style="color:var(--purple);font-weight:bold">━━━ Projekti — ${esc(task)} ━━━</span>`);
         termLog(`\n<span style="color:#f0883e;font-weight:bold">[0] ${esc(cli.name)}</span> — vaatimusmäärittely`);
         highlightAgent('client');
         explainStep('Vaatimusmäärittely', `${cli.name} muotoilee idean selkeiksi vaatimuksiksi: ominaisuudet, datamallit, rajapinnat.`);
@@ -788,37 +798,72 @@ OUTPUT FORMAT:
         if (!brief) { termLog('  ✗ Vaatimusmäärittely epäonnistui', '#f85149'); return; }
         termLog(`  <span style="color:#8b949e">Vaatimukset valmiit → Manageri</span>`);
 
-        explainStep('Mallipohja', `Käytetään "${template.name}" -mallipohjaa jossa ${template.order.length} tiedostoa: ${template.order.join(', ')}. Jokainen tiedosto generoidaan järjestyksessä, ja aiemmat tiedostot annetaan kontekstina seuraavalle.`);
+        // Valitaan mallipohja automaattisesti briefin perusteella
+        const template = selectTemplate(brief);
+
+        // Tiedostolista: mallipohjasta tai managerin dynaamisesta suunnitelmasta
+        let fileOrder = [];
+        let fileDefs = {};
+
+        if (template) {
+            // Mallipohja löytyi — käytetään sen rakennetta
+            fileOrder = template.order;
+            fileDefs = template.files;
+            explainStep('Mallipohja', `Tunnistettiin "${template.name}" — ${fileOrder.length} tiedostoa: ${fileOrder.join(', ')}.`);
+        } else {
+            // Vapaa tila — Manageri päättää tiedostorakenteen
+            termLog(`\n<span style="color:#d29922;font-weight:bold">[1] ${esc(mgr.name)}</span> — tiedostorakenne`);
+            highlightAgent('manager');
+            explainStep('Vapaa tila', 'Sopivaa mallipohjaa ei löytynyt. Manageri suunnittelee tiedostorakenteen vaatimusten perusteella.');
+            const planPrompt = `PROJECT REQUIREMENTS:\n${brief}\n\nPlan the file structure for this project. List each file on its own line:\nfilename.ext: one-line description\n\nMaximum 6 files. List dependency files first.`;
+            const plan = await kpnRun(mgr.model, planPrompt, false, mgr);
+            if (!plan) { termLog('  ✗ Suunnittelu epäonnistui', '#f85149'); return; }
+
+            // Parsitaan managerin tuottama tiedostolista
+            for (const line of plan.split('\n')) {
+                const m = line.match(/^\s*[-*]?\s*(\S+\.\w+)\s*[:\-–]\s*(.+)/);
+                if (m) {
+                    const fname = m[1].replace(/^`|`$/g, '');
+                    fileOrder.push(fname);
+                    fileDefs[fname] = { description: m[2].trim(), instructions: m[2].trim() };
+                }
+            }
+            if (fileOrder.length === 0) {
+                termLog('  ✗ Manageri ei tuottanut tiedostolistaa', '#f85149');
+                return;
+            }
+            explainStep('Suunnitelma', `${fileOrder.length} tiedostoa: ${fileOrder.join(', ')}`);
+        }
 
         const files = {};
 
-        for (let i = 0; i < template.order.length; i++) {
-            const fileName = template.order[i];
-            const fileDef = template.files[fileName];
+        for (let i = 0; i < fileOrder.length; i++) {
+            const fileName = fileOrder[i];
+            const fileDef = fileDefs[fileName];
             if (!fileDef) continue;
 
             const step = i + 1;
             // Valitaan oikea agentti tiedostotyypin mukaan
-            const isDbFile = fileName === 'models.py' || fileName === 'database.py';
+            const isDbFile = fileName === 'models.py' || fileName === 'database.py' || fileName === 'etl.py';
             const dataAgent = agents.data || Object.values(agents)[3];
             const fileAgent = isDbFile && dataAgent ? dataAgent : cdr;
             const fileAgentKey = isDbFile && dataAgent ? 'data' : 'coder';
 
-            termLog(`\n<span style="color:#3fb950;font-weight:bold">[${step}/${template.order.length}] ${esc(fileAgent.name)}</span> — ${esc(fileName)}`);
+            termLog(`\n<span style="color:#3fb950;font-weight:bold">[${step}/${fileOrder.length}] ${esc(fileAgent.name)}</span> — ${esc(fileName)}`);
             highlightAgent(fileAgentKey);
 
-            // Opettava selitys: miksi tämä tiedosto, mitä se sisältää
-            explainStep(fileName, fileDef.instructions);
+            explainStep(fileName, fileDef.instructions || fileDef.description);
 
-            // Rakennetaan prompti: esimerkki + konteksti + ohje
+            // Rakennetaan prompti
             let prompt = '';
 
-            // Agentin system prompt (data-agentti models.py:lle, koodari muille)
             if (fileAgent.prompt) prompt += fileAgent.prompt + '\n\n';
 
-            // Esimerkki (few-shot)
+            // Esimerkki (vain mallipohjatilassa)
+            if (fileDef.example) {
                 prompt += `EXAMPLE of ${fileName} (for a different project, adapt to this one):\n`;
                 prompt += '```\n' + fileDef.example + '\n```\n\n';
+            }
 
             // Aiemmin generoidut tiedostot (konteksti)
             const prevFiles = Object.entries(files);
@@ -834,8 +879,8 @@ OUTPUT FORMAT:
 
             // Tehtävä
             prompt += `NOW write "${fileName}" for THIS project: ${task}\n`;
-            prompt += fileDef.instructions + '\n';
-            prompt += 'Adapt the example to match the project description. Import from already written files. Write ONLY the code, no explanations.';
+            if (fileDef.instructions) prompt += fileDef.instructions + '\n';
+            prompt += 'Adapt to the project requirements. Import from already written files. Write ONLY the code, no explanations.';
 
             const code = await kpnRun(fileAgent.model, prompt, false, fileAgent);
             if (!code) {

network-poc/local.sh

@@ -4,6 +4,13 @@ set -e
 SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
 echo "=== Kipinä Studio Local Development ==="
 
+# Tapetaan vanhat prosessit portissa 3000
+if lsof -ti:3000 >/dev/null 2>&1; then
+    echo "[0] Tapetaan vanhat prosessit portissa 3000..."
+    lsof -ti:3000 | xargs kill -9 2>/dev/null || true
+    sleep 1
+fi
+
 # Frontend
 echo "[1/3] Rakennetaan frontend..."
 cd "$SCRIPT_DIR/frontend"
@@ -12,18 +19,32 @@ npm run build --silent 2>&1 | tail -1
 
 # Hub
 echo "[2/3] Käynnistetään hub..."
-cd "$SCRIPT_DIR/hub"
-cargo run &
+cd "$SCRIPT_DIR"
+STATIC_DIR="$SCRIPT_DIR/frontend/dist" cargo run -p hub &
 HUB_PID=$!
-sleep 3
+sleep 2
 
 # Native-node (jos Ollama on käynnissä)
 if curl -s http://localhost:11434/api/tags >/dev/null 2>&1; then
-    echo "[3/3] Ollama löytyi — käynnistetään native-node..."
-    cd "$SCRIPT_DIR/native-node"
-    HUB_URL=ws://localhost:3000/ws cargo run --no-default-features &
+    # Valitaan automaattisesti ensimmäinen qwen-coder -malli
+    MODEL=$(curl -s http://localhost:11434/api/tags | python3 -c "
+import sys, json
+models = json.load(sys.stdin).get('models', [])
+for m in models:
+    if 'coder' in m['name']:
+        print(m['name']); break
+else:
+    if models: print(models[0]['name'])
+" 2>/dev/null)
+
+    if [ -n "$MODEL" ]; then
+        echo "[3/3] Ollama löytyi — käynnistetään native-node (malli: $MODEL)..."
+        HUB_URL=ws://localhost:3000/ws OLLAMA_MODEL="$MODEL" cargo run -p native-node --no-default-features &
         NODE_PID=$!
         echo "      Native-node PID: $NODE_PID"
+    else
+        echo "[3/3] Ollama käynnissä mutta ei malleja — asenna: ollama pull qwen2.5-coder:7b"
+    fi
 else
     echo "[3/3] Ollama ei käynnissä — käytetään selaimen Wasm-laskentaa"
     echo "      Nopeampi: ollama serve & ollama pull qwen2.5-coder:7b && ./local.sh"
@@ -33,5 +54,11 @@ echo ""
 echo "=== http://localhost:3000 ==="
 echo "    Ctrl+C pysäyttää"
 
+# Avataan selain
+open http://localhost:3000 2>/dev/null || xdg-open http://localhost:3000 2>/dev/null || true
+
+# Siivotaan lapset Ctrl+C:llä
+trap 'echo ""; echo "Pysäytetään..."; kill $HUB_PID $NODE_PID 2>/dev/null; exit 0' INT TERM
+
 # Odotetaan hub-prosessia
 wait $HUB_PID

network-poc/native-node/src/inference.rs

@@ -109,14 +109,21 @@ impl LlmEngine {
         let model = self.model.borrow().clone();
 
         let default_stop: Vec<String> = vec![
-            "<|im_end|>".into(), "\n###".into(), "\nExplanation".into(),
-            "\nNote:".into(), "\nPlease note".into(), "\nThis is".into(),
-            "\n```\n\n".into(), "\n// Example".into(), "\n# Example".into(),
+            "<|im_end|>".into(),
         ];
 
-        let mut body = serde_json::json!({
+        // Rakennetaan messages-lista (chat API)
+        let mut messages = Vec::new();
+        if let Some(ref sp) = opts.system_prompt {
+            if !sp.is_empty() {
+                messages.push(serde_json::json!({"role": "system", "content": sp}));
+            }
+        }
+        messages.push(serde_json::json!({"role": "user", "content": prompt}));
+
+        let body = serde_json::json!({
             "model": model,
-            "prompt": prompt,
+            "messages": messages,
             "stream": false,
             "options": {
                 "num_predict": opts.max_tokens,
@@ -126,16 +133,13 @@ impl LlmEngine {
                 "stop": opts.stop.as_ref().unwrap_or(&default_stop),
             }
         });
-        if let Some(ref sp) = opts.system_prompt {
-            body.as_object_mut().unwrap().insert("system".to_string(), serde_json::json!(sp));
-        }
 
         let start = Instant::now();
-        let resp = self.client.post(format!("{}/api/generate", self.ollama_url))
+        let resp = self.client.post(format!("{}/api/chat", self.ollama_url))
             .json(&body)
             .send()
             .await
-            .map_err(|e| format!("Ollama generate: {}", e))?;
+            .map_err(|e| format!("Ollama chat: {}", e))?;
 
         if !resp.status().is_success() {
             return Err(format!("Ollama HTTP {}", resp.status()));
@@ -144,7 +148,7 @@ impl LlmEngine {
         let body: serde_json::Value = resp.json().await
             .map_err(|e| format!("Ollama JSON: {}", e))?;
 
-        let text = body["response"].as_str().unwrap_or("").to_string();
+        let text = body["message"]["content"].as_str().unwrap_or("").to_string();
         let _total_duration_ns = body["total_duration"].as_u64().unwrap_or(0);
         let eval_count = body["eval_count"].as_u64().unwrap_or(0) as usize;
         let eval_duration_ns = body["eval_duration"].as_u64().unwrap_or(1);
@@ -163,40 +167,15 @@ impl LlmEngine {
     }
 }
 
-/// Siivoa markdown-koodiblokki-merkit ja selitystekstit
+/// Siivoa markdown-koodiblokki-merkit vastauksesta
 fn strip_code_fences(text: &str) -> String {
-    // Poistetaan kaikki ```-rivit ja kielitunnisteet (```python, ```rust jne.)
     let lines: Vec<&str> = text.lines().collect();
     let filtered: Vec<&str> = lines.into_iter().filter(|line| {
         let trimmed = line.trim();
         // Poista rivit jotka ovat pelkkiä ``` tai ```kielitunniste
-        if trimmed.starts_with("```") {
-            return false;
-        }
-        true
+        trimmed != "```" && !(trimmed.starts_with("```") && !trimmed[3..].contains('`'))
     }).collect();
-    let mut result = filtered.join("\n").trim().to_string();
-
-    // Poista selitysteksti lopusta (kaikki rivin "\nPlease note" jälkeen jne.)
-    let lower = result.to_lowercase();
-    for stop in &["\nplease note", "\nthis is a basic", "\nthis code", "\nnote that", "\nremember to", "\nyou can", "\nto run"] {
-        if let Some(pos) = lower.find(stop) {
-            result = result[..pos].trim_end().to_string();
-        }
-    }
-
-    // Poista johdantolauseet alusta
-    let lower = result.to_lowercase();
-    for prefix in &["sure!", "here is", "here's", "certainly!", "below is"] {
-        if lower.starts_with(prefix) {
-            if let Some(nl) = result.find('\n') {
-                result = result[nl + 1..].to_string();
-            }
-            break;
-        }
-    }
-
-    result.trim().to_string()
+    filtered.join("\n").trim().to_string()
 }
 
 pub struct GenerateResult {

network-poc/native-node/src/main.rs

@@ -1,5 +1,6 @@
 use futures_util::{SinkExt, StreamExt};
 use serde_json::json;
+use std::io::IsTerminal;
 use sysinfo::System;
 use tokio_tungstenite::connect_async;
 use tokio_tungstenite::tungstenite::Message;
@@ -362,13 +363,17 @@ async fn main() {
         st.push_log("System", format!("Malli valmis: {}", active_model), None);
     }
 
-    // Käynnistetään graafinen TUI vasta kun TUI:n Prompt (LlmEngine::load) on ohitettu!
+    // Käynnistetään graafinen TUI vain jos stdin on terminaali (ei taustaprosessina)
     let ui_state = tui_state.clone();
+    if std::io::stdin().is_terminal() {
         tokio::spawn(async move {
             if let Err(e) = tui_dashboard::run_dashboard(ui_state, cmd_tx).await {
                 tracing::error!("Pääluupin TUI kaatui: {}", e);
             }
         });
+    } else {
+        tracing::info!("Ei terminaalia — TUI ohitettu, lokitetaan stdoutiin");
+    };
 
     // Haetaan paikalliset mallit hubille lähetettäväksi
     let mut available_models = None;
@@ -418,6 +423,48 @@ async fn main() {
                                         st.status = "ACTIVE".to_string();
                                         st.push_log("System", "Suoritus jatkuu...".to_string(), None);
                                     }
+                                } else if cmd_str == "fetch_models" {
+                                    // Haetaan mallit Ollamasta ja avataan valikkö
+                                    if let Some(ref engine) = llm {
+                                        match engine.fetch_models().await {
+                                            Ok(tags) => {
+                                                let models: Vec<String> = tags.get("models")
+                                                    .and_then(|v| v.as_array())
+                                                    .map(|arr| arr.iter()
+                                                        .filter_map(|m| m.get("name").and_then(|n| n.as_str()).map(|s| s.to_string()))
+                                                        .collect())
+                                                    .unwrap_or_default();
+                                                let mut st = tui_state.write().await;
+                                                st.model_picker_items = models;
+                                                st.model_picker_idx = 0;
+                                                st.model_picker_open = true;
+                                            }
+                                            Err(e) => {
+                                                let mut st = tui_state.write().await;
+                                                st.push_log("System", format!("Mallilistan haku epäonnistui: {}", e), None);
+                                            }
+                                        }
+                                    }
+                                } else if let Some(model) = cmd_str.strip_prefix("change_model:") {
+                                    // TUI:sta valittu malli — vaihdetaan
+                                    if let Some(ref engine) = llm {
+                                        engine.set_model(model.to_string());
+                                        match engine.ensure_model().await {
+                                            Ok(()) => {
+                                                tracing::info!("Malli vaihdettu: {}", model);
+                                                let mut st = tui_state.write().await;
+                                                st.model_name = model.to_string();
+                                                st.push_log("System", format!("Malli vaihdettu: {}", model), None);
+                                                // Ilmoitetaan hubille
+                                                let auth = build_auth_message(allocated_gb, model, available_models.clone());
+                                                let _ = write.send(Message::Text(auth)).await;
+                                            }
+                                            Err(e) => {
+                                                let mut st = tui_state.write().await;
+                                                st.push_log("System", format!("Mallin vaihto epäonnistui: {}", e), None);
+                                            }
+                                        }
+                                    }
                                 }
                             }
                         }

network-poc/native-node/src/tui_dashboard.rs

@@ -35,6 +35,10 @@ pub struct DashboardState {
     pub last_tokens_sec: f64,
     pub network_active_nodes: usize,
     pub network_total_tasks: u64,
+    // Mallivalikko
+    pub model_picker_open: bool,
+    pub model_picker_items: Vec<String>,
+    pub model_picker_idx: usize,
 }
 
 impl DashboardState {
@@ -51,6 +55,9 @@ impl DashboardState {
             last_tokens_sec: 0.0,
             network_active_nodes: 1, // oletetaan itsemme
             network_total_tasks: 0,
+            model_picker_open: false,
+            model_picker_items: Vec::new(),
+            model_picker_idx: 0,
         }
     }
 
@@ -88,9 +95,38 @@ pub async fn run_dashboard(
             }
             ev = reader.next() => {
                 if let Some(Ok(Event::Key(key))) = ev {
+                    let picker_open = state.read().await.model_picker_open;
+
+                    if picker_open {
+                        // Mallivalikko auki — navigointi
+                        match key.code {
+                            KeyCode::Up | KeyCode::Char('k') => {
+                                let mut st = state.write().await;
+                                if st.model_picker_idx > 0 { st.model_picker_idx -= 1; }
+                            }
+                            KeyCode::Down | KeyCode::Char('j') => {
+                                let mut st = state.write().await;
+                                let max = st.model_picker_items.len().saturating_sub(1);
+                                if st.model_picker_idx < max { st.model_picker_idx += 1; }
+                            }
+                            KeyCode::Enter => {
+                                let mut st = state.write().await;
+                                let idx = st.model_picker_idx;
+                                if let Some(model) = st.model_picker_items.get(idx).cloned() {
+                                    st.model_picker_open = false;
+                                    st.push_log("System", format!("Vaihdetaan malliin: {}...", model), None);
+                                    let _ = cmd_tx.send(format!("change_model:{}", model));
+                                }
+                            }
+                            KeyCode::Esc | KeyCode::Char('m') | KeyCode::Char('M') => {
+                                state.write().await.model_picker_open = false;
+                            }
+                            _ => {}
+                        }
+                    } else {
+                        // Normaali tila
                         match key.code {
                             KeyCode::Char('q') | KeyCode::Esc => {
-                            // Palautetaan näyttö ja suljetaan ohjelma
                                 disable_raw_mode()?;
                                 execute!(terminal.backend_mut(), LeaveAlternateScreen)?;
                                 std::process::exit(0);
@@ -101,12 +137,16 @@ pub async fn run_dashboard(
                             KeyCode::Char('r') | KeyCode::Char('R') | KeyCode::Char('s') => {
                                 let _ = cmd_tx.send("resume".to_string());
                             }
+                            KeyCode::Char('m') | KeyCode::Char('M') => {
+                                let _ = cmd_tx.send("fetch_models".to_string());
+                            }
                             _ => {}
                         }
                     }
                 }
             }
         }
+    }
 }
 
 pub fn restore_terminal() {
@@ -214,10 +254,43 @@ fn ui(f: &mut ratatui::Frame, st: &DashboardState) {
 
     // --- Footer / Status ---
     let status_color = if st.status == "ACTIVE" { Color::Green } else { Color::Yellow };
-    let status_text = format!(" Tila: {} | Komennot: [P] Pause / [R] Työhön / [Q] Sulje ", st.status);
+    let status_text = format!(" Tila: {} | [P] Pause [R] Työhön [M] Malli [Q] Sulje ", st.status);
     let footer = Paragraph::new(status_text)
         .style(Style::default().fg(status_color).add_modifier(Modifier::BOLD))
         .alignment(Alignment::Center)
         .block(Block::default().borders(Borders::ALL));
     f.render_widget(footer, chunks[2]);
+
+    // --- Mallivalikko-overlay ---
+    if st.model_picker_open && !st.model_picker_items.is_empty() {
+        let area = f.area();
+        let popup_h = (st.model_picker_items.len() as u16 + 4).min(area.height - 4);
+        let popup_w = 50.min(area.width - 4);
+        let popup = ratatui::layout::Rect::new(
+            (area.width - popup_w) / 2,
+            (area.height - popup_h) / 2,
+            popup_w,
+            popup_h,
+        );
+
+        // Tausta
+        f.render_widget(ratatui::widgets::Clear, popup);
+
+        let items: Vec<ratatui::text::Line> = st.model_picker_items.iter().enumerate().map(|(i, name)| {
+            if i == st.model_picker_idx {
+                ratatui::text::Line::from(format!(" ▸ {} ", name))
+                    .style(Style::default().fg(Color::Cyan).add_modifier(Modifier::BOLD))
+            } else {
+                ratatui::text::Line::from(format!("   {} ", name))
+                    .style(Style::default().fg(Color::White))
+            }
+        }).collect();
+
+        let picker = Paragraph::new(items)
+            .block(Block::default()
+                .title(" Vaihda malli [↑↓] Enter=valitse Esc=peruuta ")
+                .borders(Borders::ALL)
+                .style(Style::default().fg(Color::Cyan)));
+        f.render_widget(picker, popup);
+    }
 }

projektit/projekti1.md

@@ -0,0 +1,83 @@
+---
+
+title: UWB-paikannus sisätiloihin (2024)
+tags: project
+slideOptions:
+  text-align: left,
+  transition: slide,
+  theme: white,
+  hideAddressBar: true,
+  touch: true,
+  slideNumber: true,
+  controls: true,
+  controlsLayout: 'bottom-right'
+  spotlight:
+    enabled: true 
+
+---
+
+# UWB-paikannus sisätiloihin (2026)
+
+---
+
+![](https://gitlab.dclabra.fi/wiki/uploads/upload_dbe5eca9539b590febdb95942eaa16a7.jpg)
+
+
+----
+
+Ennakkotietona annettakoon pisteiden kohdistaminen yllä olevaan kuvatiedostoon:
+
+- y=0 yläreunan seinän sisäpinta, x=0 kassakoneiden keskilinja
+- y=5220 alareunan seinän sisäpinta, x=10406 oikealla seinän sisäpinta
+
+Paikassa n. 100, 2500 on yksi latausasema kärryille, siinä on sisäänkäynti kauppaan (turvaportit)
+Paikassa n. 900, 3600 on varsinainen latausasema joka on alakerrassa. Sieltä on liukuportaat vasemmalle kuvassa. Siellä ei ole kunnollista paikannusta joka aiheuttaa paikan hyppimistä. Nämä latausasemat eivät ole kiinnostavia tietoja.
+
+Eli yhden yksikön muutos koordinaateissa vastaa noin yhden senttimetrin muutosta "kartalla"?
+
+---
+
+# Dataformaatti 
+
+Datan formaatti on esitetty alla. Data itsessään on taltioituna csv-tiedostoihin. CSV-tiedostoja on paljon ja niissä on miljoonia rivejä, joten raakadatan käsittely voi olla raskasta. 
+
+
+![](https://gitlab.dclabra.fi/wiki/uploads/upload_b7a59c88b50fda806ec103ad2bbeeb6b.png)
+
+Varsinaisen ETL-/ELT-prosessin jälkeen data pitäisi olla esikäsitelty ja siivottu. Tämä prosessi on kuitenkin syytä tehdä heti alkuun, jotta myöhemmät dataan liittyvät operaatiot olisivat nopeampia.
+
+---
+
+Tehtävälistaa:
+
+ - Data platform
+     - MariaDB-tietokantakontti
+     - Jupyterlab-kontti ETL-prosessia ja data-analyysia varten
+     
+ - Visualisointi historiadatan perusteella
+     - Kärryjen liikkeet kaupan layoutissa
+    
+ - Outlierit pois datasta (x,y-pisteet, jotka ylittävät rajat)
+ - Läpimenoaika, "kuumat alueet" (eli missä on vietetty aikaa)
+ - Tilastoja
+     - Datan ajallinen täsmällisyys (näytevälin dt keskiarvo ja keskihajonta)
+     - Datan paikannustäsmällisyys (outlayreiden esiintymistaajuus, paikannuksen kohina eli x,y-koordinaatin heittelehtiminen luonnottomasti)
+     - Raportteja päivä-, viikko-, kuukausitason "liikennöinnistä"
+     - Läpimenoaikojen tilastointi (eri aukioloajan tunteina, eri päivinä, ruuhkahuippujen / hiljaisimpien aikojen löytäminen)
+     - Kuinka monta kassaa on käytössä eri aukioloajan tunteina, eri päivinä
+     - Kassajonojen kertyminen (kuinka monta asiakasta jonottaa kuinka monessa jonossa)
+ - (x,y)-koordinaattien skaalaus mittayksikköön [m]
+     - Keskimääräinen kärryjen kulkema matka
+     - Kärryjen nopeus [km/h], nopeuden liukuva keskiarvoistus (valon nopeudella / mach-nopeuksilla tapahtuvien liikkeiden karsiminen pois)
+     - Ostoskärryjen tasainen kierto, onko kärryjä, jotka ovat erittäin paljon/vähän käytössä
+ - Visualisointeja ja tilastoja
+     - kuumat alueet visualisoituna pohjakuvaan 
+         - eri aikaväleinä: 9.00-11.00; 11.00-13.00; 13.00-15.00; 15.00-17.00; 17.00-19.00; 19.00-21.00 
+         - eri viikonpäivinä
+     - Tilastot ja kuvaajat yllä mainitusta (esim histogrammit)
+ - Useamman datalähteen yhdistäminen
+     - Esim. avoimen säätietohistorian yhdistäminen eri tuntien kävijämääriin
+     - Jotain muuta, asiakkaalle mahdollisesti lisäarvoa tuottavaa - keksikää jotain jännää!
+ 
+---
+