undate Docker + workflows

Dockerfile

@@ -1,30 +1,32 @@
-# 1. Basis-Image (entspricht pyproject.toml)
+# 1. Basis-Image
 FROM python:3.12-slim
 
 # 2. Setze den Arbeitsordner
 WORKDIR /app
 
-# 3. Installiere uv (dies ist das einzige Paket, das wir mit pip installieren müssen)
-# uv ist für die Installation der anderen Pakete notwendig
+# 3. Environment Variables setzen (verhindert .pyc Dateien und Pufferung)
+ENV PYTHONDONTWRITEBYTECODE=1
+ENV PYTHONUNBUFFERED=1
+
+# 4. Installiere uv
 RUN pip install --no-cache-dir uv
 
-# 4. Kopiere nur die Konfigurationsdatei für den Installationsschritt
-# Das nutzt den Docker Build Cache, wenn sich nur der Code ändert.
+# 5. Dependencies installieren
 COPY pyproject.toml .
-
-# 5. Installiere die Abhängigkeiten aus der pyproject.toml mit uv
-# Der Punkt '.' bedeutet "installiere die Abhängigkeiten für das aktuelle Verzeichnis, 
-# welches die pyproject.toml enthält". --system ist gut im Container.
+# --system flag installiert in das globale Python des Containers
 RUN uv pip install --system .
 
-# 6. Kopiere den Rest des Codes (inkl. main.py)
+# 6. Kopiere den Code
 COPY . .
 
-# 7. Expose Port (optional, da der Port im CMD-Befehl gebunden wird, aber gute Doku)
+# 7. Erstelle einen Ordner für die persistente Datenbank
+RUN mkdir -p /app/data
+
+# 8. Expose Port
 EXPOSE 80
 
-# 8. Starte die Anwendung beim Container-Start (CMD, nicht RUN!)
-# Wir nutzen Gunicorn als Master-Prozess und starten es direkt.
-# Der 'uv run'-Befehl ist hier nicht notwendig, da gunicorn bereits über 'uv pip install'
-# im Systempfad installiert wurde.
+# 9. Startbefehl
+# Wir setzen den DB_PATH standardmäßig auf den data Ordner, falls er nicht überschrieben wird
+ENV DB_PATH="/app/data/hangman.db"
+
 CMD ["gunicorn", "main:app", "--bind", "0.0.0.0:80", "--workers", "4", "--worker-class", "uvicorn.workers.UvicornWorker"]