Dateien nach "/" hochladen

app.py

@@ -24,6 +24,7 @@ import subprocess
 import tempfile
 import threading
 import time
+import urllib.request
 from functools import wraps
 from pathlib import Path
 from urllib.parse import urlparse
@@ -48,6 +49,12 @@ LLM_KEY_PRESENT = bool(os.environ.get("OPENAI_API_KEY") or os.environ.get("ANTHR
 ENABLE_LLM_OPTION = os.environ.get("ENABLE_LLM_OPTION", "false").lower() == "true"
 ALLOW_LLM = LLM_KEY_PRESENT and ENABLE_LLM_OPTION
 
+# Für die deutsche Klartext-Zusammenfassung wird direkt die OpenRouter-kompatible
+# Chat-API angesprochen (unabhängig von SkillSpectors eigener --llm-Option).
+OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY")
+OPENAI_BASE_URL = os.environ.get("OPENAI_BASE_URL", "https://openrouter.ai/api/v1")
+SUMMARY_MODEL = os.environ.get("SKILLSPECTOR_MODEL") or "openai/gpt-4o-mini"
+
 GIT_URL_RE = re.compile(r"^https?://[^\s]+$")
 
 _scan_semaphore = threading.Semaphore(MAX_CONCURRENT_SCANS)
@@ -200,6 +207,69 @@ def normalize_components(raw_components: list) -> list:
     return normalized
 
 
+# --------------------------------------------------------------------------- #
+# Deutsche Klartext-Zusammenfassung des Reports per LLM (OpenRouter-kompatibel)
+# --------------------------------------------------------------------------- #
+def generate_report_summary(result: dict) -> str | None:
+    if not OPENAI_API_KEY:
+        return None
+
+    risk = result.get("risk_assessment") or {}
+    issues = result.get("issues") or result.get("findings") or []
+    compact = {
+        "score": risk.get("score"),
+        "severity": risk.get("severity"),
+        "recommendation": risk.get("recommendation"),
+        "total_issues": len(issues),
+        "top_issues": [
+            {
+                "severity": i.get("severity"),
+                "category": i.get("category") or i.get("type"),
+                "message": i.get("finding") or i.get("message") or i.get("description"),
+                "file": (i.get("location") or {}).get("file") or (i.get("location") or {}).get("path"),
+            }
+            for i in issues[:20]
+        ],
+    }
+
+    prompt = (
+        "Du bekommst das JSON-Ergebnis eines automatisierten Sicherheits-Scans für einen "
+        "AI-Agent-Skill. Schreibe eine kurze, laienverständliche Zusammenfassung auf Deutsch "
+        "für jemanden ohne Security-Hintergrund, als Fließtext in 2-3 kurzen Absätzen "
+        "(keine Überschriften, keine Code-Blöcke, keine Aufzählungszeichen):\n"
+        "Absatz 1: Gesamteinschätzung in 1-2 Sätzen – wie riskant ist es grob?\n"
+        "Absatz 2: Die wichtigsten Funde in einfachen Worten, ohne unerklärte Fachbegriffe.\n"
+        "Absatz 3: Konkrete Handlungsempfehlung (bedenkenlos nutzbar / mit Vorsicht "
+        "nutzbar / besser nicht installieren) und eine kurze Begründung warum.\n\n"
+        f"Scan-Ergebnis:\n{json.dumps(compact, ensure_ascii=False)}"
+    )
+
+    payload = json.dumps(
+        {
+            "model": SUMMARY_MODEL,
+            "messages": [{"role": "user", "content": prompt}],
+            "temperature": 0.3,
+            "max_tokens": 700,
+        }
+    ).encode("utf-8")
+
+    req = urllib.request.Request(
+        f"{OPENAI_BASE_URL.rstrip('/')}/chat/completions",
+        data=payload,
+        headers={
+            "Content-Type": "application/json",
+            "Authorization": f"Bearer {OPENAI_API_KEY}",
+        },
+        method="POST",
+    )
+    try:
+        with urllib.request.urlopen(req, timeout=60) as resp:
+            data = json.loads(resp.read().decode("utf-8"))
+        return data["choices"][0]["message"]["content"].strip()
+    except Exception:
+        return None
+
+
 # --------------------------------------------------------------------------- #
 # Design im Stil von software.obraasch.de: dunkler Header, orange Akzente,
 # helle Cards.
@@ -307,7 +377,7 @@ a{color:var(--orange)}
       {% if allow_llm %}
       <div class="checkbox-row">
         <input type="checkbox" name="use_llm" id="use_llm">
-        <label for="use_llm">LLM-Analyse aktivieren (sendet Dateiinhalte an den konfigurierten KI-Anbieter)</label>
+        <label for="use_llm">Ausführlichen Bericht mit deutschen Erklärungen erstellen (nutzt KI über den konfigurierten Anbieter, sendet Dateiinhalte extern)</label>
       </div>
       {% endif %}
       <button type="submit">Scan starten</button>
@@ -315,6 +385,16 @@ a{color:var(--orange)}
   </div>
 
   {% if result %}
+  {% if summary_paragraphs %}
+  <div class="card">
+    <h3 class="sev-heading">Verständliche Zusammenfassung</h3>
+    {% for p in summary_paragraphs %}<p>{{ p }}</p>{% endfor %}
+  </div>
+  {% elif summary_failed %}
+  <div class="card">
+    <p class="notice">Die deutsche Zusammenfassung konnte nicht erstellt werden (KI-Anbieter nicht erreichbar oder Fehler). Der technische Bericht unten ist trotzdem vollständig.</p>
+  </div>
+  {% endif %}
   <div class="card">
     <div class="score-row">
       <span class="score-num">{{ result.risk_assessment.score }}/100</span>
@@ -446,6 +526,13 @@ def index():
         if report_path.exists():
             result = json.loads(report_path.read_text())
             raw_issues = result.get("issues") or result.get("findings") or []
+
+            summary_text = None
+            summary_failed = False
+            if use_llm:
+                summary_text = generate_report_summary(result)
+                summary_failed = summary_text is None
+
             return render_template_string(
                 PAGE,
                 allow_llm=ALLOW_LLM,
@@ -453,6 +540,8 @@ def index():
                 issues_by_severity=normalize_issues(raw_issues),
                 components=normalize_components(result.get("components", [])),
                 severity_labels=SEVERITY_LABELS_DE,
+                summary_paragraphs=[p for p in (summary_text or "").split("\n\n") if p.strip()],
+                summary_failed=summary_failed,
                 result_json=json.dumps(result, indent=2, ensure_ascii=False),
                 error=None,
             )

env.example

@@ -0,0 +1,35 @@
+# Vorlage für alle Umgebungsvariablen dieses Stacks.
+# NICHT als echte .env committen – dient nur der Dokumentation.
+# In Arcane: Projekt öffnen -> Environment/Variables -> hier eintragen.
+# (Werte hier bleiben bei jedem Git-Pull/Redeploy erhalten, sie werden
+#  getrennt von diesem Repo in Arcane selbst gespeichert.)
+
+# --- Zugriff -----------------------------------------------------------
+REQUIRE_AUTH=true
+WEBUI_USER=admin
+WEBUI_PASSWORD=
+
+# --- Netzwerk ------------------------------------------------------------
+# Host-Port, falls 8010 schon belegt ist
+HOST_PORT=8010
+
+# --- Schutz gegen Missbrauch --------------------------------------------
+MAX_SCANS_PER_HOUR_PER_IP=10
+MAX_CONCURRENT_SCANS=2
+SCAN_TIMEOUT_SECONDS=300
+
+# --- LLM-Analyse & deutsche Zusammenfassung (optional) -------------------
+# Muss explizit auf true, sonst ist die Checkbox in der WebUI unsichtbar
+# und dein OpenRouter-Guthaben ist vor fremden Nutzern geschützt.
+ENABLE_LLM_OPTION=false
+
+# OpenRouter-Key, siehe https://openrouter.ai/keys
+OPENROUTER_API_KEY=
+
+# Modell-Slug bei OpenRouter. Kostenlose Modelle tragen ":free" im Namen,
+# z. B. "meta-llama/llama-3.3-8b-instruct:free" oder
+# "deepseek/deepseek-chat-v3.1:free" - aktuelle Liste: https://openrouter.ai/models?max_price=0
+# Achtung: kleine/kostenlose Modelle liefern nicht immer zuverlässig
+# strukturierte JSON-Antworten - falls die deutsche Zusammenfassung öfter
+# fehlschlägt, ein etwas stärkeres (ggf. kostenpflichtiges) Modell testen.
+OPENROUTER_MODEL=meta-llama/llama-3.3-8b-instruct:free