feat(document-sync): enhance DocumentSync with file status checks and hash-based change detection; add thumbnail generation and metadata update methods

docs/DOCUMENT_SYNC_XAI_STATUS.md

@@ -0,0 +1,229 @@
+# Document Sync mit xAI Collections - Implementierungs-Status
+
+## ✅ Implementiert
+
+### 1. Webhook Endpunkte
+- **POST** `/vmh/webhook/document/create`
+- **POST** `/vmh/webhook/document/update`  
+- **POST** `/vmh/webhook/document/delete`
+
+### 2. Event Handler (`document_sync_event_step.py`)
+- Queue Topics: `vmh.document.{create|update|delete}`
+- Redis Distributed Locking
+- Vollständiges Document Loading von EspoCRM
+
+### 3. Sync Utilities (`document_sync_utils.py`)
+- **✅ Datei-Status Prüfung**: "Neu", "Geändert" → xAI-Sync erforderlich
+- **✅ Hash-basierte Change Detection**: MD5/SHA Vergleich für Updates
+- **✅ Related Entities Discovery**: Many-to-Many Attachments durchsuchen
+- **✅ Collection Requirements**: Automatische Ermittlung welche Collections nötig sind
+
+## ⏳ In Arbeit
+
+### 4. Thumbnail-Generierung (`generate_thumbnail()`)
+
+**Anforderungen:**
+- Erste Seite eines PDFs als Vorschaubild
+- DOCX/DOC → PDF → Image Konvertierung
+- Bild-Dateien: Resize auf Thumbnail-Größe
+- Fallback: Generic File-Icons basierend auf MIME-Type
+
+**Benötigte Dependencies:**
+```bash
+# Python Packages
+pip install pdf2image python-docx Pillow docx2pdf
+
+# System Dependencies (Ubuntu/Debian)
+apt-get install poppler-utils libreoffice
+```
+
+**Implementierungs-Schritte:**
+
+1. **PDF Handling** (Priorität 1):
+```python
+from pdf2image import convert_from_path
+from PIL import Image
+import io
+
+def generate_pdf_thumbnail(pdf_path: str) -> bytes:
+    # Konvertiere erste Seite zu Image
+    images = convert_from_path(pdf_path, first_page=1, last_page=1, dpi=150)
+    thumbnail = images[0]
+    
+    # Resize auf Thumbnail-Größe (z.B. 200x280)
+    thumbnail.thumbnail((200, 280), Image.Resampling.LANCZOS)
+    
+    # Convert zu bytes
+    buffer = io.BytesIO()
+    thumbnail.save(buffer, format='PNG')
+    return buffer.getvalue()
+```
+
+2. **DOCX Handling** (Priorität 2):
+```python
+from docx2pdf import convert
+import tempfile
+import os
+
+def generate_docx_thumbnail(docx_path: str) -> bytes:
+    # Temporäres PDF erstellen
+    with tempfile.NamedTemporaryFile(suffix='.pdf', delete=False) as tmp:
+        pdf_path = tmp.name
+    
+    # DOCX → PDF Konvertierung (benötigt LibreOffice)
+    convert(docx_path, pdf_path)
+    
+    # PDF-Thumbnail generieren
+    thumbnail = generate_pdf_thumbnail(pdf_path)
+    
+    # Cleanup
+    os.remove(pdf_path)
+    
+    return thumbnail
+```
+
+3. **Image Handling** (Priorität 3):
+```python
+from PIL import Image
+import io
+
+def generate_image_thumbnail(image_path: str) -> bytes:
+    img = Image.open(image_path)
+    img.thumbnail((200, 280), Image.Resampling.LANCZOS)
+    
+    buffer = io.BytesIO()
+    img.save(buffer, format='PNG')
+    return buffer.getvalue()
+```
+
+4. **Thumbnail Upload zu EspoCRM**:
+```python
+# EspoCRM unterstützt Preview-Images via Attachment API
+async def upload_thumbnail_to_espocrm(
+    document_id: str, 
+    thumbnail_bytes: bytes,
+    espocrm_api
+):
+    # Create Attachment
+    attachment_data = {
+        'name': 'preview.png',
+        'type': 'image/png',
+        'role': 'Inline Attachment',
+        'parentType': 'Document',
+        'parentId': document_id,
+        'field': 'previewImage'  # Custom field?
+    }
+    
+    # Upload via EspoCRM Attachment API
+    # POST /api/v1/Attachment mit multipart/form-data
+    # TODO: espocrm.py muss upload_attachment() Methode bekommen
+```
+
+**Offene Fragen:**
+- Welches Feld in EspoCRM Document für Preview? `previewImage`? `thumbnail`?
+- Größe des Thumbnails? (empfohlen: 200x280 oder 300x400)
+- Format: PNG oder JPEG?
+
+## ❌ Noch nicht implementiert
+
+### 5. xAI Service (`xai_service.py`)
+
+**Anforderungen:**
+- File Upload zu xAI (basierend auf `test_xai_collections_api.py`)
+- Add File zu Collections
+- Remove File von Collections
+- File Download von EspoCRM
+
+**Referenz-Code vorhanden:**
+- `/opt/motia-iii/bitbylaw/test_xai_collections_api.py` (630 Zeilen, alle xAI Operations getestet)
+
+**Implementierungs-Plan:**
+
+```python
+class XAIService:
+    def __init__(self, context=None):
+        self.management_key = os.getenv('XAI_MANAGEMENT_KEY')
+        self.api_key = os.getenv('XAI_API_KEY')
+        self.context = context
+    
+    async def upload_file(self, file_content: bytes, filename: str) -> str:
+        """Upload File zu xAI → returns file_id"""
+        # Multipart/form-data upload
+        # POST https://api.x.ai/v1/files
+        pass
+    
+    async def add_to_collection(self, collection_id: str, file_id: str):
+        """Add File zu Collection"""
+        # POST https://management-api.x.ai/v1/collections/{collection_id}/documents/{file_id}
+        pass
+    
+    async def remove_from_collection(self, collection_id: str, file_id: str):
+        """Remove File von Collection"""
+        # DELETE https://management-api.x.ai/v1/collections/{collection_id}/documents/{file_id}
+        pass
+    
+    async def download_from_espocrm(self, attachment_id: str) -> bytes:
+        """Download File von EspoCRM Attachment"""
+        # GET https://crm.bitbylaw.com/api/v1/Attachment/file/{attachment_id}
+        pass
+```
+
+## 📋 Integration Checklist
+
+### Vollständiger Upload-Flow:
+
+1. ✅ Webhook empfangen → Event emittieren
+2. ✅ Event Handler: Lock acquire
+3. ✅ Document laden von EspoCRM
+4. ✅ Entscheidung: Sync nötig? (Datei-Status, Hash-Check, Collections)
+5. ⏳ Download File von EspoCRM
+6. ⏳ Hash berechnen (MD5/SHA)
+7. ⏳ Thumbnail generieren
+8. ❌ Upload zu xAI (falls neu oder Hash changed)
+9. ❌ Add zu Collections
+10. ⏳ Update EspoCRM Metadaten (xaiFileId, xaiCollections, xaiSyncedHash, thumbnail)
+11. ✅ Lock release
+
+### Datei-Stati in EspoCRM:
+
+- **"Neu"**: Komplett neue Datei → xAI Upload + Collection Add
+- **"Geändert"**: File-Inhalt geändert → xAI Re-Upload + Collection Update
+- **"Gesynct"**: Erfolgreich gesynct, keine Änderungen
+- **"Fehler"**: Sync fehlgeschlagen (mit Error-Message)
+
+### EspoCRM Custom Fields:
+
+**Erforderlich für Document Entity:**
+- `dateiStatus` (Enum): "Neu", "Geändert", "Gesynct", "Fehler"
+- `md5` (String): MD5 Hash des Files
+- `sha` (String): SHA Hash des Files  
+- `xaiFileId` (String): xAI File ID
+- `xaiCollections` (Array): JSON Array von Collection IDs
+- `xaiSyncedHash` (String): Hash beim letzten erfolgreichen Sync
+- `xaiSyncStatus` (Enum): "syncing", "synced", "failed"
+- `xaiSyncError` (Text): Fehlermeldung bei Sync-Fehler
+- `previewImage` (Attachment?): Vorschaubild
+
+## 🚀 Nächste Schritte
+
+**Priorität 1: xAI Service**
+- Code aus `test_xai_collections_api.py` extrahieren
+- In `services/xai_service.py` übertragen
+- EspoCRM Download-Funktion implementieren
+
+**Priorität 2: Thumbnail-Generator**
+- Dependencies installieren
+- PDF-Thumbnail implementieren
+- EspoCRM Upload-Methode erweitern
+
+**Priorität 3: Integration testen**
+- Document in EspoCRM anlegen
+- Datei-Status auf "Neu" setzen
+- Webhook triggern
+- Logs analysieren
+
+## 📚 Referenzen
+
+- **xAI API Tests**: `/opt/motia-iii/bitbylaw/test_xai_collections_api.py`
+- **EspoCRM API**: `services/espocrm.py`
+- **Beteiligte Sync** (Referenz-Implementierung): `steps/vmh/beteiligte_sync_event_step.py`

services/document_sync_utils.py

@@ -162,6 +162,11 @@ class DocumentSync:
         """
         Entscheidet ob ein Document zu xAI synchronisiert werden muss
         
+        Prüft:
+        1. Datei-Status Feld ("Neu", "Geändert")
+        2. Hash-Werte für Change Detection
+        3. Related Entities mit xAI Collections
+        
         Args:
             document: Vollständiges Document Entity von EspoCRM
             
@@ -178,9 +183,38 @@ class DocumentSync:
         xai_file_id = document.get('xaiFileId')
         xai_collections = document.get('xaiCollections') or []
         
+        # Datei-Status und Hash-Felder
+        datei_status = document.get('dateiStatus') or document.get('fileStatus')
+        file_md5 = document.get('md5') or document.get('fileMd5')
+        file_sha = document.get('sha') or document.get('fileSha')
+        xai_synced_hash = document.get('xaiSyncedHash')  # Hash beim letzten xAI-Sync
+        
         self._log(f"📋 Document Analysis: {doc_name} (ID: {doc_id})")
         self._log(f"   xaiFileId: {xai_file_id or 'N/A'}")
         self._log(f"   xaiCollections: {xai_collections}")
+        self._log(f"   Datei-Status: {datei_status or 'N/A'}")
+        self._log(f"   MD5: {file_md5[:16] if file_md5 else 'N/A'}...")
+        self._log(f"   SHA: {file_sha[:16] if file_sha else 'N/A'}...")
+        self._log(f"   xaiSyncedHash: {xai_synced_hash[:16] if xai_synced_hash else 'N/A'}...")
+        
+        # ═══════════════════════════════════════════════════════════════
+        # PRIORITY CHECK: Datei-Status "Neu" oder "Geändert"
+        # ═══════════════════════════════════════════════════════════════
+        if datei_status in ['Neu', 'Geändert', 'neu', 'geändert', 'New', 'Changed']:
+            self._log(f"🆕 Datei-Status: '{datei_status}' → xAI-Sync ERFORDERLICH")
+            
+            # Hole Collections (entweder existierende oder von Related Entities)
+            if xai_collections:
+                target_collections = xai_collections
+            else:
+                target_collections = await self._get_required_collections_from_relations(doc_id)
+            
+            if target_collections:
+                return (True, target_collections, f"Datei-Status: {datei_status}")
+            else:
+                # Datei ist neu/geändert aber keine Collections gefunden
+                self._log(f"⚠️  Datei-Status '{datei_status}' aber keine Collections gefunden - überspringe Sync")
+                return (False, [], f"Datei-Status: {datei_status}, aber keine Collections")
         
         # ═══════════════════════════════════════════════════════════════
         # FALL 1: Document ist bereits in xAI UND Collections sind gesetzt
@@ -188,8 +222,19 @@ class DocumentSync:
         if xai_file_id and xai_collections:
             self._log(f"✅ Document bereits in xAI gesynct mit {len(xai_collections)} Collection(s)")
             
-            # Prüfe ob Update nötig (z.B. wenn File selbst geändert wurde)
+            # Prüfe ob File-Inhalt geändert wurde (Hash-Vergleich)
-            # TODO: Implementiere File-Hash-Vergleich für Update-Erkennung
+            current_hash = file_md5 or file_sha
+            
+            if current_hash and xai_synced_hash:
+                if current_hash != xai_synced_hash:
+                    self._log(f"🔄 Hash-Änderung erkannt! RESYNC erforderlich")
+                    self._log(f"   Alt: {xai_synced_hash[:16]}...")
+                    self._log(f"   Neu: {current_hash[:16]}...")
+                    return (True, xai_collections, "File-Inhalt geändert (Hash-Mismatch)")
+                else:
+                    self._log(f"✅ Hash identisch - keine Änderung")
+            else:
+                self._log(f"⚠️  Keine Hash-Werte verfügbar für Vergleich")
             
             return (False, xai_collections, "Bereits gesynct, keine Änderung erkannt")
         
@@ -316,3 +361,97 @@ class DocumentSync:
         except Exception as e:
             self._log(f"❌ Fehler beim Laden von Download-Info: {e}", level='error')
             return None
+    
+    async def generate_thumbnail(self, file_path: str, mime_type: str) -> Optional[bytes]:
+        """
+        Generiert Vorschaubild (Thumbnail) für ein Document
+        
+        Unterstützt:
+        - PDF: Erste Seite als Bild
+        - DOCX/DOC: Konvertierung zu PDF, dann erste Seite
+        - Images: Resize auf Thumbnail-Größe
+        - Andere: Platzhalter-Icon basierend auf MIME-Type
+        
+        Args:
+            file_path: Pfad zur Datei (lokal oder Download-URL)
+            mime_type: MIME-Type des Documents
+            
+        Returns:
+            Thumbnail als bytes (PNG/JPEG) oder None bei Fehler
+        """
+        self._log(f"🖼️  Thumbnail-Generierung für {mime_type}")
+        
+        # TODO: Implementierung
+        # 
+        # Benötigte Libraries:
+        # - pdf2image (für PDF → Image)
+        # - python-docx + docx2pdf (für DOCX → PDF → Image)  
+        # - Pillow (PIL) für Image-Processing
+        # - poppler-utils (System-Dependency für pdf2image)
+        #
+        # Implementierungs-Schritte:
+        #
+        # 1. PDF-Handling:
+        #    from pdf2image import convert_from_path
+        #    images = convert_from_path(file_path, first_page=1, last_page=1)
+        #    thumbnail = images[0].resize((200, 280))
+        #    return thumbnail_to_bytes(thumbnail)
+        #
+        # 2. DOCX-Handling:
+        #    - Konvertiere zu temporärem PDF
+        #    - Dann wie PDF behandeln
+        #
+        # 3. Image-Handling:
+        #    from PIL import Image
+        #    img = Image.open(file_path)
+        #    img.thumbnail((200, 280))
+        #    return image_to_bytes(img)
+        #
+        # 4. Fallback:
+        #    - Generic file-type icon basierend auf MIME-Type
+        
+        self._log(f"⚠️  Thumbnail-Generierung noch nicht implementiert", level='warn')
+        return None
+    
+    async def update_sync_metadata(
+        self,
+        document_id: str,
+        xai_file_id: str,
+        collection_ids: List[str],
+        file_hash: Optional[str] = None,
+        thumbnail_data: Optional[bytes] = None
+    ) -> None:
+        """
+        Updated Document-Metadaten nach erfolgreichem xAI-Sync
+        
+        Args:
+            document_id: EspoCRM Document ID
+            xai_file_id: xAI File ID
+            collection_ids: Liste der xAI Collection IDs
+            file_hash: MD5/SHA Hash des gesyncten Files
+            thumbnail_data: Vorschaubild als bytes
+        """
+        try:
+            update_data = {
+                'xaiFileId': xai_file_id,
+                'xaiCollections': collection_ids,
+                'dateiStatus': 'Gesynct',  # Status zurücksetzen
+            }
+            
+            # Hash speichern für zukünftige Change Detection
+            if file_hash:
+                update_data['xaiSyncedHash'] = file_hash
+            
+            # Thumbnail als Attachment hochladen (falls vorhanden)
+            if thumbnail_data:
+                # TODO: Implementiere Thumbnail-Upload zu EspoCRM
+                # EspoCRM unterstützt Preview-Images für Documents
+                # Muss als separates Attachment hochgeladen werden
+                self._log(f"⚠️  Thumbnail-Upload noch nicht implementiert", level='warn')
+            
+            await self.espocrm.update_entity('Document', document_id, update_data)
+            self._log(f"✅ Sync-Metadaten aktualisiert für Document {document_id}")
+            
+        except Exception as e:
+            self._log(f"❌ Fehler beim Update von Sync-Metadaten: {e}", level='error')
+            raise