Files

Matthias cd857a01f5 feat: dashboard, Convex auth, UI components, and LemonSpace branding

- Add dashboard shell with auth integration
- Wire Better Auth / Convex (client, server, HTTP routes)
- Add shadcn-style UI primitives and logo assets
- Update global styles and landing page
- Add internal docs (.docs)

Made-with: Cursor

2026-03-25 10:15:42 +01:00

28 KiB

Raw Blame History

🍋 LemonSpace

Product Requirements Document

Self-Hosted, Source-Available Alternative to Freepik Spaces

Version	Status	Datum	Projekt
v1.1	Draft	März 2026	lemonspace.app

Changelog

Version	Änderung
v0.2	KI-Integrationsstrategie: OpenRouter als primäre AI-Layer, Freepik API auf Stock-Assets reduziert
v0.3	Agent Layer eingeführt: Agent Nodes als Canvas-native Smart Batch Processor
v0.4	Vollständige Node-Taxonomie: fünf Kategorien, Semantik je Node-Typ
v0.5	Auth: Better Auth. Pricing: 4-Tier-Abo, Credit-System 30% Marge. Tailwind v4 bestätigt
v0.6	Lizenz: BSL 1.1 mit 3-Jahres-Change-Date zu Apache 2.0
v0.7	Tech Stack: Redis, Zod, Unsend + Stalwart, Rybbit, Sentry, Cloudflare
v0.8	Text-Overlay Node eingeführt (Kategorie 5: Canvas & Layout)
v0.9	Zwei-Repo-Strategie (Web-App + Landing Page), Auth-Cookie-Sharing
v1.0	Self-Hosting-Strategie, Credit Reservation+Commit, UX-Latenzen/Skeleton-Nodes, Convex Lock-in dokumentiert
v1.1	Monorepo verworfen → Zwei unabhängige Repos (lemonspace-web + lemonspace-landing), Auth-Cookie-Sharing via .lemonspace.io

1. Vision & Zielsetzung

LemonSpace ist eine self-hosted, source-available Alternative zu Freepik Spaces — ein kollaboratives, KI-gestütztes Creative-Workflow-Tool mit einer Infinite-Canvas-Oberfläche. Ziel ist ein freier und erweiterbarer Workspace für kreative Teams, der auf eigener Infrastruktur betrieben werden kann.

2. Problemstellung

Freepik Spaces ist ein leistungsstarkes Tool für KI-gestützte kreative Workflows, aber:

Proprietäres SaaS-Produkt ohne Self-Hosting-Option
Nutzer abhängig von Freepiks Pricing und Verfügbarkeit
Keine Anpassbarkeit oder Erweiterbarkeit
Datenschutzbedenken bei der Speicherung kreativer Assets auf externen Servern

3. Zielgruppe

Segment	Primärer Zugang	Beschreibung
Designer & kreative Teams	Gehostete Version (lemonspace.app)	Datensouveränität ohne technischen Aufwand — zahlende Kernkunden
Entwickler & Tech-Teams	Self-Hosted	Anpassbare KI-Canvas-Plattform auf eigener Infra
Compliance-sensible Unternehmen	Self-Hosted	Regulatorische Anforderungen, die Cloud-SaaS einschränken
Open-Source-Community	Self-Hosted / Contributing	Creative-Tools-Ökosystem, BSL-Lizenz bis Change Date

4. Core Features

4.1 Infinite Canvas

Zoom, Pan und Navigation auf einem unbegrenzten Canvas
Nodes als wiederverwendbare kreative Bausteine
Drag & Drop von Assets, KI-Outputs und Mediendateien
Gruppierung und Layering von Canvas-Elementen

4.2 Node-System

Das Canvas-System basiert auf einem erweiterbaren Node-Modell. Nodes sind typisierte Bausteine, die untereinander verbunden werden und Daten weitergeben. Es gibt fünf Kategorien.

Kategorie 1: Quelle

Quelle-Nodes bringen Inhalte in den Canvas. Sie haben keine eingehenden Verbindungen, nur ausgehende.

Node	Beschreibung	Phase
Bild	Upload eigener Bilder (PNG, JPG, WebP) oder Einbindung per URL. Basis-Asset für alle weiteren Operationen.	1
Text	Freitextfeld mit Markdown-Support. Enthält Inhalte (Copy, Brief, Beschreibung) — semantisch verschieden vom Prompt-Node.	1
Prompt	Dedizierter Node für Modellinstruktionen. Verbindet sich ausschließlich mit KI-Nodes.	2
Farbe / Palette	Definiert Farben oder Farbpaletten als Style-Referenz. Kann an KI-Nodes oder Style-Transfer übergeben werden.	2
Video	Upload von Videodateien oder Einbindung per Link. Darstellung als Thumbnail-Node, Playback im Panel.	2
Asset	Freepik Stock-Assets (Fotos, Vektoren, Icons), direkt aus dem Asset Browser auf den Canvas gezogen.	2

Kategorie 2: KI-Ausgabe

KI-Ausgabe-Nodes sind das Ergebnis einer Modell-Operation. Sie werden vom System erzeugt, nicht vom Nutzer angelegt.

Node	Beschreibung	Phase
KI-Bild	Output eines Bildgenerierungs-Calls. Speichert Prompt, verwendetes Modell und Generierungsparameter.	1
KI-Text	Output eines Text/Reasoning-Calls. Enthält generierten Copy, Captions, strukturierte Texte.	2
KI-Video	Output eines Videogenerierungs-Calls. Keyframe-basierte Generierung aus Bild-Input möglich.	2
Agent-Ausgabe	Bundle-Output eines Agent Nodes. Kann mehrere typisierte Sub-Outputs enthalten.	3

Kategorie 3: Transformation

Node	Beschreibung	Phase
Crop / Resize	Freie Bildausschnitt-Auswahl direkt auf dem Canvas, mit Aspect-Ratio-Lock.	2
BG entfernen	Hintergrundentfernung via rembg. Output ist ein freigestelltes Bild. Batch-Modus möglich.	2
Upscale	Hochskalierung via Real-ESRGAN. Unterstützt Faktoren 2×, 4×, 8×.	2
Style Transfer	Überträgt visuellen Stil eines Referenzbildes auf einen anderen Input.	3
Gesicht	Face Restoration via GFPGAN. Verbessert Gesichtsdetails in generierten oder degradierten Bildern.	3

Kategorie 4: Steuerung & Flow

Node	Semantik	Beschreibung	Phase
Splitter	1 → N	Verteilt 1 Input auf N identische oder abgeleitete Outputs. Ohne Bedingung.	2
Loop	Liste → N	Iteriert über eine Liste von Inputs und führt dieselbe verknüpfte Operation für jeden Eintrag aus.	2
Agent	N → Plan → N	LLM-Orchestrator. Analysiert Inputs, plant strukturierten Ausführungsplan, delegiert Operationen.	2
Mixer / Merge	N → 1	Kombiniert N Inputs zu 1 Output durch Überblendung, Komposition oder Selektion.	3
Weiche	1 → Pfad A/B/...	Bedingter Router. Leitet den Input anhand einer definierbaren Bedingung auf einen von mehreren Ausgangspfaden.	3

Kategorie 5: Canvas & Layout

Node	Beschreibung	Phase
Gruppe	Container für andere Nodes. Unterstützt Collapse/Expand und benannte Scopes.	1
Frame	Artboard mit definierter Auflösung. Dient als Export-Boundary.	1
Notiz	Annotation auf dem Canvas. Markdown-Support, kein Datenanschluss.	1
Text-Overlay	Editierbarer Text-Layer über Bild- oder Video-Nodes innerhalb eines Frames. Verbraucht keine Credits.	2
Compare	Stellt zwei Bilder nebeneinander mit interaktivem Slider dar.	2
Kommentar	Kollaborations-Node für Reviews. Unterstützt Threads, @mentions und Resolve-Status.	3
Präsentation	Definiert Canvas-Bereiche als geordnete Slideshow. Export als PDF möglich.	3

4.3 Agent Nodes

Agent Nodes sind ein spezieller Node-Typ auf dem Canvas. Sie fungieren als Smart Batch Processor: Sie nehmen mehrere Input-Nodes entgegen, orchestrieren komplexe Multi-Step-Workflows über ein Text/Reasoning LLM und produzieren mehrere Output-Nodes direkt auf dem Canvas.

Ausführungsphasen:

Analyse: Agent erhält alle verbundenen Inputs, LLM prüft ob alle nötigen Informationen vorhanden sind
Clarification (optional): Fehlen Angaben, stellt der Agent gezielt Rückfragen direkt am Node
Execution: LLM plant einen strukturierten Output-Plan (JSON), der dann als Batch abgearbeitet wird
Output: Ergebnisse landen als neue Nodes auf dem Canvas, verbunden mit dem Agent Node

Vordefinierte Agent Templates:

Template	Typische Inputs	Typische Outputs
Instagram Curator	Produktfotos, Brand Brief, Zielgruppe	Feed Posts, Text-Overlays, Captions, Hashtag-Sets
(weitere folgen)	—	—

5. Tech Stack

Bereich	Technologie	Version / Hinweis
Frontend Framework	Next.js	16.1.1 — App Router, Server Components
Styling	Tailwind CSS	v4
UI Komponenten	ShadCN/UI	Aktuelle stabile Version
Backend / Realtime	Convex	Self-hosted via convex-backend
Authentifizierung	Better Auth	Self-hosted, open-source
Canvas / Flow	@xyflow/react	ehem. react-flow-renderer
Drag & Drop	dnd-kit	Empfohlen über react-dnd (bessere Performance)
Deployment	Coolify	VPS-Deployment für alle Self-hosted Services
Payment	Lemon Squeezy	Merchant of Record, VAT-Handling
Input Validation	Zod	Frontend + Backend, Convex Mutations
In-Memory Store	Redis	Self-hosted via Coolify
Rate Limiting	Redis-backed	Next.js Middleware / Route Handler
E-Mail	Unsend + Stalwart	Self-hosted via Coolify
Analytics	Rybbit	Self-hosted via Coolify
Error Tracking	Sentry Cloud	Free Tier (5.000 Errors/Monat)
DNS / DDoS / CDN	Cloudflare	Domain-Routing, DDoS-Schutz, Asset-Caching
Package Manager	pnpm	Je Repo

Zwei-Repo-Strategie

Statt eines Monorepos werden zwei unabhängige Repositories gepflegt. Zwischen den Repos gibt es keinen geteilten Code — die Landing Page hat keine Abhängigkeit auf Convex-Schemas, Node-Types oder andere App-Logik.

Repo	Domain	Inhalt
`lemonspace-web`	app.lemonspace.io	Next.js App (Canvas, Dashboard, Auth, AI, Convex)
`lemonspace-landing`	lemonspace.io	Next.js Marketing Site

Auth-Cookie-Sharing: BetterAuth setzt einen Session-Cookie auf .lemonspace.io (Dot-Prefix = gilt für alle Subdomains). Die Landing Page liest diesen Cookie, um den Login-State zu erkennen und zwischen "Get Started" und "Dashboard" Button zu wechseln. Die Landing Page führt keine Auth-Operationen durch — sie liest nur den Cookie.

Self-Hosting-Strategie

Self-Hosting richtet sich primär an technisch versierte Nutzer und Entwickler. Die gehostete Version (lemonspace.app) ist der empfohlene Weg für alle anderen — insbesondere für Designer und kreative Teams ohne DevOps-Erfahrung.

Das Self-Hosting-Paket umfasst:

docker-compose.yml — fasst alle Services zusammen: Next.js, Convex, Redis, Stalwart, Rybbit, rembg, Real-ESRGAN, GFPGAN
.env.example — alle Umgebungsvariablen mit Kommentaren und Standardwerten
Setup-README — Schritt-für-Schritt-Anleitung (Voraussetzungen: Docker + Coolify oder plain Docker)

Hinweis: Self-hosted KI-Services (rembg, Real-ESRGAN, GFPGAN) bleiben in separaten Repositories mit eigenem Docker/Infra-Lifecycle und werden über Coolify unabhängig deployt.

Convex: Architektonische Entscheidung & Lock-in

Convex liefert Realtime-Sync, File Storage und Background Jobs out-of-the-box, ohne dass eine eigene WebSocket-Infrastruktur, S3-Integration und Queue-Lösung zusammengestückelt werden muss. Dieser Geschwindigkeitsvorteil rechtfertigt den bewussten Vendor Lock-in.

Risiko (bewusst akzeptiert): Der gesamte Realtime-, Storage- und Job-Stack ist an Convex gebunden. Eine spätere Migration ist aufwändig. Es wird keine künstliche Abstraktionsschicht eingebaut, da sie den Kernvorteil von Convex aufheben würde.

Dokumentierter Migrations-Pfad bei Skalierung: Convex Cloud mit EU-Standort. Convex bietet das eigene Migrations-Tooling und kennt das Ökosystem. Self-hosted Convex bleibt die Default-Strategie für Phase 1.

6. KI-Integrationsstrategie

Zwei LLM-Rollen im System

Rolle	Zweck	Beispielmodelle	Aufgerufen von
Text / Reasoning	Agent-Logik, Planung, Clarification, Copywriting	Claude 3.5 Sonnet, GPT-4o	Agent Node
Image Generation	Bildgenerierung auf dem Canvas	Gemini 2.5 Flash Image, Flux.1 Pro, GPT-5 Image	Canvas-Aktionen + Agent Node

OpenRouter — Image Generation

Modell	OpenRouter ID	Stärke	~Kosten/Bild
Gemini 2.5 Flash Image	google/gemini-2.5-flash-image	Multi-Turn Editing, günstig	~€0,02–0,04
FLUX.2 Klein 4B	black-forest-labs/flux.2-klein-4b	Photorealismus, schnellstes Flux	~€0,01–0,03
Seedream 4.5	bytedance-seed/seedream-4.5	Editing-Konsistenz, Portraits	~€0,04
Gemini 3.1 Flash Image	google/gemini-3.1-flash-image-preview	Pro-Qualität bei Flash-Speed	~€0,04–0,08
GPT-5 Image Mini	openai/gpt-5-image-mini	Gutes Preis-Leistungs-Verhältnis	~€0,04–0,08
Riverflow V2 Fast	sourceful/riverflow-v2-fast	Custom Font Rendering, schnell	~€0,02
Riverflow V2 Pro	sourceful/riverflow-v2-pro	Text-Rendering, 4K Output	~€0,15–0,33
Gemini 3 Pro Image	google/gemini-3-pro-image-preview	Multi-Image, 4K, bestes Text-Rendering	~€0,08–0,15
GPT-5 Image	openai/gpt-5-image	Instruction Following, Text in Bild	~€0,10–0,20

Self-hosted Services

Service	Funktion	Credits
rembg	Hintergrundentfernung	Kostenlos
Real-ESRGAN	Upscaling (2×, 4×, 8×)	Kostenlos
GFPGAN	Face Restoration	Kostenlos

7. High-Level Architektur

┌──────────────────────────────────────────────────────────┐
│ Next.js Frontend                                         │
│ Infinite Canvas (@xyflow/react + dnd-kit)                │
│                                                          │
│ Node-Kategorien:                                         │
│ [Quelle] [KI-Ausgabe] [Transformation]                   │
│ [Steuerung] [Canvas & Layout]                            │
└───────────────────────┬──────────────────────────────────┘
                        │
              ┌─────────▼─────────┐
              │  Convex Backend   │
              │  (Self-hosted)    │
              │  - Realtime Sync  │
              │  - File Storage   │
              │  - Auth           │
              │  - Modell-Router  │
              │  - Agent Executor │
              └──┬────────┬───┬───┘
                 │        │   │
    ┌────────────▼──┐ ┌───▼──────────────┐ ┌──▼──────────┐
    │  OpenRouter   │ │ Self-hosted KI   │ │ Freepik API │
    │ Image Gen +   │ │ rembg / ESRGAN   │ │  (Assets)   │
    │ Text/Reason   │ │ GFPGAN           │ └─────────────┘
    └───────────────┘ └──────────────────┘

8. Datenmodell (High-Level)

Canvas & Node

Canvas
├── id, name, ownerId, createdAt / updatedAt
└── nodes[]

Node (Basis)
├── id, canvasId
├── type (image | text | prompt | color | video | asset |
│        ai-image | ai-text | ai-video | agent-output |
│        crop | bg-remove | upscale | style-transfer | face-restore |
│        splitter | loop | agent | mixer | switch |
│        group | frame | note | text-overlay | compare | comment | presentation)
├── position { x, y }
├── size { width, height }
├── data (je nach Typ)
└── createdAt

Credit-System

CreditBalance
├── id, userId
├── balance          // tatsächlich verfügbare Credits (Euro-Cent)
├── reserved         // aktuell gesperrte Credits (laufende Jobs)
├── available        // computed: balance - reserved
├── monthlyAllocation // Credits aus dem Abo
└── updatedAt

CreditTransaction
├── id, userId
├── amount           // positiv = Gutschrift, negativ = Verbrauch
├── type             // subscription | topup | usage | reservation | refund
├── status           // committed | reserved | released | failed
├── description      // z.B. "Bildgenerierung – Gemini 2.5 Flash Image"
├── nodeId?          // Referenz auf den auslösenden Node
├── openRouterCost?  // tatsächliche OpenRouter-Kosten (gecacht)
└── createdAt

Subscription
├── id, userId
├── tier             // free | starter | pro | business
├── status           // active | cancelled | past_due
├── currentPeriodStart / currentPeriodEnd
└── lemonSqueezySubscriptionId?

9. Pricing & Credit-System

Abo-Stufen

Tier	Preis/Monat	Marge (30%)	Credits (70%)	Credits gesamt	Zielgruppe
Free	€0	—	—	€0,50 (Geschenk)	Testen & Evaluieren
Starter	€9	€2,70	€6,30	€6,30	Einzelnutzer
Pro	€49	€12,98	€34,30	€36,02 (+5%)	Aktive Creator
Business	€99	€22,77	€69,30	€76,23 (+10%)	Teams, hoher Durchsatz

Credit Reservation + Commit (Option C)

Credits werden vor jedem KI-Call reserviert und erst nach erfolgreichem Abschluss committed. Bei Fehler werden reservierte Credits automatisch freigegeben — kein manueller Refund-Prozess nötig.

Flow:

1. RESERVE → CreditTransaction (type: reservation, status: reserved)
   CreditBalance.reserved += estimated_cost
   CreditBalance.available = balance - reserved

2a. SUCCESS → Transaction status: committed
    CreditBalance.balance -= actual_cost
    CreditBalance.reserved -= estimated_cost

2b. FAILURE → Transaction status: released
    CreditBalance.reserved -= estimated_cost
    (balance bleibt unverändert — voller Refund)

Preisbasis: Credits werden auf Basis der gecachten OpenRouter-Preise (Redis, TTL ~10 Minuten) reserviert und abgebucht. Minimale Abweichungen zum tatsächlichen API-Preis werden bewusst akzeptiert. Keine nachträgliche Korrektur.

Agent Partial Failure

Bei Agent-Workflows läuft Reservation + Commit pro Suboperation. Schlägt Step 3 von 5 fehl: Steps 1+2 sind committed, Step 3 wird released, Steps 4+5 werden nicht mehr reserviert. Nur tatsächlich verbrauchte Credits werden berechnet.

Credit-Verbrauch

Operation	Modell / Service	Ungefähre Kosten
Bildgenerierung (Budget)	FLUX.2 Klein 4B	~€0,01–0,03
Bildgenerierung (Standard)	Gemini 2.5 Flash Image	~€0,02–0,04
Bildgenerierung (Premium)	GPT-5 Image / Nano Banana Pro	~€0,10–0,20
Agent Reasoning Call	Claude 3.5 Sonnet	~€0,01–0,05
BG-Entfernung	rembg (self-hosted)	Kostenlos
Upscaling	Real-ESRGAN (self-hosted)	Kostenlos
Face Restoration	GFPGAN (self-hosted)	Kostenlos
Canvas-Operationen	—	Kostenlos
Text-Overlay	—	Kostenlos
Export-Funktionen	—	Kostenlos

10. UX-Strategie für Latenzen

KI-Operationen haben inhärente Wartezeiten. Einzelne Bildgenerierungen dauern 3–15 Sekunden, Agent-Workflows 20–60+ Sekunden. Die UI überbrückt diese Wartezeiten durch optimistische Darstellung direkt am Node — kein globales Loading-Banner, kein blockierendes Modal.

Node-Status-Modell

Jeder ausführende Node zeigt seinen Zustand visuell direkt auf dem Canvas:

idle → analyzing → clarifying → executing (Step X/N) → done | error

Agent Nodes zeigen zusätzlich den Step-Progress während der Execution ("Generating Feed Post 2/3"). Bei Fehler wechselt der Node in einen Error-State mit kurzem Hinweis direkt am Node ("Timeout — Credits wurden nicht abgebucht").

Skeleton Nodes

Sobald der Agent seinen Execution-Plan (JSON) erstellt hat, kennt das System Anzahl und Typ aller Output-Nodes. Ab diesem Moment werden Skeleton-Nodes auf dem Canvas platziert — noch bevor ein einziger API-Call für die Generierung läuft.

Agent Status: analyzing
→ Plan fertig: 3x KI-Bild, 2x KI-Text, 1x Text-Overlay
→ 6 Skeleton-Nodes erscheinen auf dem Canvas, korrekt positioniert
→ Agent Status: executing (1/6)
→ Skeletons füllen sich der Reihe nach mit echten Outputs

Skeleton-Nodes sind bereits verschiebbar und arrangierbar bevor der Output fertig ist
Sobald der Output fertig ist, ersetzt er den Skeleton in-place — Position bleibt erhalten
Visuell: gedimmter Node-Rahmen mit Shimmer-Effekt, Node-Typ-Icon sichtbar (Bild vs. Text)

Browser Notifications (Tab-Wechsel)

Opt-in Browser Notifications API: wenn der Nutzer den Tab verlässt und der Job fertig wird, native Browser-Benachrichtigung
Nicht erzwungen — Nutzer die im Tab bleiben sehen den Node-Status direkt

11. Entwicklungsphasen

Phase 1 — Foundation (MVP)

Nodes:

Quelle: Bild, Text
KI-Ausgabe: KI-Bild
Canvas & Layout: Gruppe, Frame, Notiz

Infrastruktur & Features:

Task	Status
Projektsetup: Next.js 16 + Tailwind v4 + ShadCN	☐ Offen
Zwei Repos aufsetzen (`lemonspace-web` für app.lemonspace.io, `lemonspace-landing` für lemonspace.io)	☐ Offen
Convex Self-hosted Backend aufsetzen	☐ Offen
Basis-Canvas mit @xyflow/react	☐ Offen
Drag & Drop von Bildern via dnd-kit	☐ Offen
Authentifizierung via Better Auth	☐ Offen
OpenRouter Integration (Image Gen, Gemini 2.5 Flash Image)	☐ Offen
Credit-System: Balance-Tracking, Reservation+Commit, Kosten-Voranzeige	☐ Offen
Abo-Verwaltung: Free/Starter/Pro/Business Tiers, monatliche Credit-Zuweisung	☐ Offen
Lemon Squeezy Integration: Checkout, Webhooks, Credit-Zuweisung	☐ Offen
Credit-Nachkauf (Top-Up) zum Selbstkostenpreis	☐ Offen
Node-Status-Modell (idle/executing/done/error) direkt am Node	☐ Offen
docker-compose.yml + .env.example + Setup-README	☐ Offen

Phase 2 — KI-Features

Nodes:

Quelle: Prompt, Farbe / Palette, Video, Asset
KI-Ausgabe: KI-Text, KI-Video
Transformation: Crop / Resize, BG entfernen, Upscale
Steuerung: Splitter, Loop, Agent
Canvas & Layout: Text-Overlay, Compare

Infrastruktur & Features:

Task	Status
Vollständige OpenRouter Image Gen Integration (alle 9 Modelle)	☐ Offen
Experten-Modus: Modellauswahl-UI im Canvas AI Panel	☐ Offen
OpenRouter Text/Reasoning Integration (Claude 3.5 Sonnet)	☐ Offen
Agent Node: Analyse, Clarification, Execution, Output	☐ Offen
Skeleton-Nodes: Platzierung nach Plan-Erstellung, sequenzielle Befüllung	☐ Offen
Browser Notifications API (opt-in, Tab-Wechsel)	☐ Offen
Erster Agent Template: Instagram Curator	☐ Offen
Self-hosted KI-Services (rembg, Real-ESRGAN)	☐ Offen
Freepik Asset Browser (Stock-Fotos, Vektoren)	☐ Offen
Prompt-History und Re-Generation	☐ Offen

Phase 3 — Kollaboration & Polish

Nodes:

Transformation: Style Transfer, Gesicht (GFPGAN)
Steuerung: Mixer, Weiche
Canvas & Layout: Kommentar, Präsentation

Infrastruktur & Features:

Task	Status
Echtzeit-Kollaboration via Convex Subscriptions	☐ Offen
Kommentar- und Annotations-System	☐ Offen
Versions-History	☐ Offen
Weitere Agent Templates	☐ Offen
Export-Funktionen (PNG, PDF, ZIP)	☐ Offen
Performance-Optimierung für große Canvases	☐ Offen

12. Offene Entscheidungen

Thema	Entscheidung / Status
Authentifizierung	✅ Better Auth (self-hosted, open-source)
Tailwind v4	✅ v4 ist Standard, keine Migration nötig
Pricing / Credit-System	✅ 4-Tier Abo + Credit-System, 30% Marge, Reservation+Commit
Payment Provider	✅ Lemon Squeezy (Merchant of Record, VAT-Handling)
Self-Hosting-Strategie	✅ docker-compose.yml + .env.example + README, für technisch versierte Nutzer
Convex Lock-in	✅ Bewusst akzeptiert; Migrations-Pfad: Convex Cloud EU
OpenRouter Image-Modelle	✅ 9 Modelle definiert, alle Tiers haben Zugriff
Lizenz	✅ BSL 1.1, 3 Jahre Change Date, Apache 2.0, nur private Nutzung frei
Repo-Strategie	✅ Zwei unabhängige Repos (lemonspace-web + lemonspace-landing), Auth-Cookie-Sharing via .lemonspace.io
Job Queue	✅ Convex native (Phase 1), externe Lösung bei Bedarf
E-Mail	✅ Unsend + Stalwart, self-hosted
Analytics	✅ Rybbit, self-hosted
Error Tracking	✅ Sentry Cloud (Free Tier)
Cache-Strategie	✅ Cloudflare (Edge) + Redis (Application, TTL ~10min für OpenRouter-Preise)
E2E-Testing	✅ Kein E2E in Phase 1, Neubewertung bei Skalierung
UX-Latenzen	✅ Node-Status-Modell, Skeleton-Nodes, Browser Notifications (opt-in)
Credit Fehlerbehandlung	✅ Reservation + Commit, gecachte Preise, kein nachträglicher Ausgleich
Kollaborationstiefe	⏳ Cursor-Sync, gleichzeitige Edits, Kommentare
Agent Clarification UX	⏳ Inline am Node vs. Modal vs. Chat-Sidebar
Agent Template Format	⏳ Markdown-Datei vs. strukturiertes JSON-Schema
Weiche: Bedingungslogik	⏳ Visueller Rule-Builder vs. Ausdruckssprache
Mixer: Blend Modes	⏳ min. Normal, Multiply, Screen, Overlay
Canvas-Export	⏳ PNG, PDF, ZIP (Phase 3, Library TBD)

13. Nicht-funktionale Anforderungen

Anforderung	Beschreibung
Self-hostable	Vollständiger Betrieb auf eigenem VPS möglich; docker-compose.yml als primäres Deployment-Artefakt
Source Available	BSL 1.1 — Quellcode öffentlich, kommerzielle Nutzung lizenzpflichtig (siehe Abschnitt 15)
Performance	Canvas mit 100+ Nodes ohne spürbare Verzögerung
Datenschutz	Keine externen Tracking-Dienste; Ausnahme: Sentry Cloud für Error Tracking
Skalierbarkeit	Convex-Backend skaliert mit wachsender Nutzerzahl; Migrations-Pfad: Convex Cloud EU
Sicherheit	Rate Limiting auf allen API-Endpunkten via Redis, DDoS-Schutz via Cloudflare
UX-Resilienz	Alle KI-Operationen zeigen Status direkt am Node; Skeleton-Nodes bei Agent-Workflows
Credit-Integrität	Reservation+Commit-Mechanismus verhindert Credit-Verlust bei fehlgeschlagenen API-Calls

14. Nächste Schritte

Zwei Repos aufsetzen (lemonspace-web mit Next.js 16 + Tailwind v4 + ShadCN + Better Auth + Convex, lemonspace-landing mit Next.js 16 + Tailwind v4 + ShadCN)
Convex Schema: Detailliertes Datenbankschema entwerfen (Node-Taxonomie + Credit-System inkl. CreditBalance.reserved/available)
UI/UX Wireframes: Canvas-Interface, Node-Status-Modell, Skeleton-Nodes, Agent Clarification-UX skizzieren
API-Prototyp: OpenRouter Anbindung testen — Image Gen (Gemini 2.5 Flash Image) und Text/Reasoning (Claude 3.5 Sonnet)
Lemon Squeezy Integration: Abo-Tiers anlegen, Webhook-Handling für Subscription-Events und Credit-Zuweisung
docker-compose.yml + .env.example + Setup-README ausarbeiten

15. Lizenzmodell

Die Software wird unter der Business Source License 1.1 (BSL 1.1) veröffentlicht. Der vollständige Quellcode ist öffentlich einsehbar, auditierbar und für private/persönliche Nutzung kostenlos. Kommerzielle Nutzung erfordert eine separate Lizenzvereinbarung.

Parameter

Parameter	Wert
Lizenz	Business Source License 1.1
Change Date	3 Jahre nach Veröffentlichung jedes Releases
Change License	Apache License 2.0
Additional Use Grant	Nutzung ausschließlich für private und persönliche, nicht-kommerzielle Zwecke

Kommerzielle Lizenzen (geplant)

Lizenz	Zielgruppe	Details
Small Business	Unternehmen ≤ 10 Mitarbeiter	Preis und Konditionen TBD
Enterprise	Unternehmen > 10 Mitarbeiter	Preis und Konditionen TBD
OEM / Reseller	Einbettung in Drittprodukte	Individuelle Vereinbarung

Positionierung: LemonSpace wird als „Source Available" bzw. „Fair Source" positioniert — nicht als „Open Source" im Sinne der OSI-Definition. Der Quellcode ist vollständig öffentlich und transparent; Nutzungsrechte sind eingeschränkt bis zum Erreichen des Change Date.

LemonSpace PRD v1.1 — März 2026

28 KiB Raw Blame History Unescape Escape

🍋 LemonSpace

Product Requirements Document

Changelog

1. Vision & Zielsetzung

2. Problemstellung

3. Zielgruppe

4. Core Features

4.1 Infinite Canvas

4.2 Node-System

Kategorie 1: Quelle

Kategorie 2: KI-Ausgabe

Kategorie 3: Transformation

Kategorie 4: Steuerung & Flow

Kategorie 5: Canvas & Layout

4.3 Agent Nodes

5. Tech Stack

Zwei-Repo-Strategie

Self-Hosting-Strategie

Convex: Architektonische Entscheidung & Lock-in

6. KI-Integrationsstrategie

Zwei LLM-Rollen im System

OpenRouter — Image Generation

Self-hosted Services

7. High-Level Architektur

8. Datenmodell (High-Level)

Canvas & Node

Credit-System

9. Pricing & Credit-System

Abo-Stufen

Credit Reservation + Commit (Option C)

Agent Partial Failure

Credit-Verbrauch

10. UX-Strategie für Latenzen

Node-Status-Modell

Skeleton Nodes

Browser Notifications (Tab-Wechsel)

11. Entwicklungsphasen

Phase 1 — Foundation (MVP)

Phase 2 — KI-Features

Phase 3 — Kollaboration & Polish

12. Offene Entscheidungen

13. Nicht-funktionale Anforderungen

14. Nächste Schritte

15. Lizenzmodell

Parameter

Kommerzielle Lizenzen (geplant)

28 KiB

Raw Blame History