KI-Lernbuddy · deine Roadmap

Klone das Next.js-Starter-Template und nenne dein Projekt mein-lernbuddy. Push auf GitHub, deploy auf Vercel — dein Lernbuddy ist live erreichbar (noch leer, aber öffentlich).

Schreib mit Claude die Spec fürs Herzstück: Schüler:in tippt eine Aufgabe ein, die KI erklärt den Lösungsweg — nicht die Lösung. Welche Felder hat eine Aufgabe? Was sieht die Schülerin? Acceptance-Criteria sauber formulieren, inkl. der fiesen Sonderfälle (leere Eingabe, KI findet keinen Weg).

Lege das vollständige features/-Verzeichnis für den MVP an: PROJ-1 Login, PROJ-2 Aufgabe + KI-Erklärung, PROJ-3 Verlauf, PROJ-4 Gratis-Limit, PROJ-5 Compliance-Seiten. Jedes File mit Spec + Dependencies + Acceptance-Criteria, INDEX.md mit Bau-Reihenfolge.

Baue einen Skill, der die KI-Erklärung diszipliniert: Er prüft, dass die Antwort den Lösungsweg zeigt statt die nackte Lösung. Genau die Logik, die dein Lernbuddy später im Kern braucht — und schon jetzt im Coding-Workflow nützlich.

Baue die Aufgaben-Seite als Server Component mit Stub-Daten: Eingabefeld für die Aufgabe, Absende-Button, Bereich für die Schritt-für-Schritt-Erklärung, Verlauf als Liste. shadcn/ui für die UI-Komponenten.

Erstelle die Tabellen in Supabase (Auth für den Login, tasks: id, user_id, frage, erklaerung, created_at). RLS so, dass Schüler:innen nur die eigenen Aufgaben sehen. Verbinde das Frontend per Supabase-Client.

GitHub Actions für Lint + Typecheck + Build bei jedem Push. Vercel-Auto-Deploy von main. Branch-Protection: kein Direct-Push auf main, alle PRs müssen grün sein.

Deploye deinen Lernbuddy auf eine eigene Subdomain (z.B. lernbuddy.dein-name.vercel.app). README mit Stack-Wahl, Setup und Screenshots. Zeig ihn 10 Leuten — du hast ein echtes Produkt, kein Übungsprojekt.