Quellen-Triage

Was macht Quellen-Triage?

Findet Kandidatenquellen und beantwortet dann vier Fragen zu jeder vor jeder Analyse:

1. Ist sie legal kostenlos? (Zugriff)
2. Kann ich, ein KI-Agent, sie tatsächlich lesen, und über welchen Weg? (Erreichbarkeit)
3. Ist sie echt, aktuell und nicht zurückgezogen? (Integrität)
4. Wie gut und wie zentral ist sie? (Bewertung, Rolle, ⭐ Kontextauswahl)

Die Ausgabe ist ein Hauptbuch. research-plan baut darauf auf, evidence-check prüft dagegen, und der Benutzer kann es eigenständig nutzen ("Welche davon kannst du lesen, welche muss ich herunterladen?"). Funktioniert für jedes Fachgebiet und für Nicht-Papier-Quellen.

Grundlegende Wahrheiten (auf die harte Tour gelernt; nicht neu lernen)

• Zugang gilt pro Route, nicht pro Papier. Ein Open-Access-Artikel kann auf der Verlagsseite blockiert sein und über eine API lesbar sein, und umgekehrt. Notiere die Route, die funktioniert hat.
• HTTP 200 lügt. CAPTCHA-Seiten, Login-Wände, JS-Shells, leere XML-Körper und Tools, die "Erfolg" mit leerem Text melden, sehen alle wie Erfolg aus. Überprüfe, was du bekommen hast.
• WebFetch liefert eine Extraktion des Modells, nicht die Seite. Gut zum Lesen und für Metadaten; niemals eine Quelle für wörtliche Zitate. Wörtlicher Text kommt nur von rohen Routen: API XML/JSON, die mit der Shell (curl) abgerufen wurde, einer heruntergeladenen PDF oder einer Datei, die der Benutzer bereitstellt.
• Blockiert ≠ nicht vorhanden. Eine Seite, die dich blockiert, hinterlässt eine Quelle als unchecked, niemals als not_found. Eine API, die nicht erreichbar ist, bedeutet, dass das Signal weggelassen wird, niemals false notieren.
• Bronze ≠ lesbar. Teste es.
• Nie umgehen. Keine Schattenbibliotheken, Spiegel, Caches, Scraping um Robots/CAPTCHA herum oder Massenabrufe.
• Nie eine Quelle aus dem Gedächtnis nennen. In Tests hatten Erste-Entwürfe beider Modelle falsche Titel, falsche Jahre, eine falsche DOI und ein Papier, das nicht existiert. Jede Quelle wird nachgeschlagen, bevor sie irgendwo erscheint.

Schreiben während der Arbeit (Kontrollpunkt)

Erstelle research/<slug>/ledger.md zu Beginn. Nach jeder Suche füge die Suchzeile zum Suchprotokoll hinzu. Nach der Klassifizierung einer Quelle füge ihre Zeile sofort hinzu. Lange Läufe verlieren Kontext; das Hauptbuch auf der Festplatte ist das Gedächtnis.

Schritt 0 – Rahmen (eine Nachricht, dann los)

Gib in einer Zeile an: Frage · Fachgebiet(e) · Jahresbereich (Standard: letzte 10–15 Jahre + wegweisende ältere Arbeiten; "aktuell" = 5 Jahre) · Quellentypen im Umfang · harte Einschränkungen aus der Anfrage (z. B. "Rubrik benötigt 2 Buchkapitel") · Tiefe:

• quick: behalte 8–15 Quellen. Schneeballsystem ist optional (ein Vorwärts-Schneeball aus der Top-Übersicht). Datensätze jenseits des Limits werden als not carried forward (cap) protokolliert: gezählt, aber kein Ausschlussgrund erforderlich.
• deep: behalte 25+, Schneeball rückwärts und vorwärts von den 3–5 zentralsten Werken.

Fahre fort, sofern nicht korrigiert. Wenn der Benutzer "prüf mit mir" / "Schritt für Schritt" gesagt hat, halte bei jedem ◆ an. Andernfalls führe direkt durch und liste deine Entscheidungen am Ende auf.

Schritt 1 – Zuerst die Bibliothek

Prüfe, was der Benutzer bereits besitzt: einen verbundenen Ordner mit PDFs, frühere research/*/-Hauptbücher, eine .bib- oder Zotero/CSL-Export. Eigene Quellen sind held: library. Gib ihre DOIs als "bereits vorhanden" an die Suche weiter.

Schritt 2 – Entdecken

Begriffssatz pro Konzept, ODER-verknüpft: Synonyme, Akronyme, ältere Namen, britische/amerikanische Schreibweisen, Methodennamen. Für Lebenswissenschaften füge MeSH + Eintragsbegriffe, Gensymbole, Enzymnamen + EC-Nummern, lateinische + gebräuchliche Organismennamen hinzu. Suche nach der Methode, nicht nach dem Autor. Verwende 2–3 Konzeptgruppen pro Abfrage; mehr UND-Verknüpfungen ergeben 0 Treffer.

Bedarf	Primär	Auch
Biomedizin / Lebenswissenschaften	PubMed (MeSH)	Europe PMC REST (SRC:"PPR" findet bioRxiv/medRxiv Preprints; HAS_FT:y = Volltext verfügbar), OpenAlex
Jedes Fachgebiet, breit	OpenAlex (Thema/Konzept-Filter sind besser als die reine Suche)	Semantic Scholar, Crossref
Informatik / ML / Physik / Quantenbiologie	arXiv (nach Relevanz sortieren)	Semantic Scholar, alphaXiv / Scholar Feed
Preprints	Europe PMC SRC:"PPR" oder OpenAlex type:preprint	Der bioRxiv-Connector hat keine Stichwortsuche: verwende ihn nur für die Details einer bekannten DOI und die veröffentlichte Version
Buchkapitel	OpenAlex type:book-chapter, Verlagskatalog, WebSearch	überprüfe den Container (siehe Schritt 4)
Behauptungen / Übersichten schnell	Consensus, Elicit (falls verbunden)	überprüfe jeden Treffer per DOI
Nicht-papier	zuerst die offiziellen Dokumente/Spezifikationen/Code des Eigentümers	WebSearch für den Rest

• Sensitivitätsprüfung: wenn Schlüsselpapiere bekannt sind, bestätige, dass deine Abfragen sie finden.
• Trefferzahlen: Zehntausende Treffer bedeuten zu breit; 0–1 bedeutet zu stark eingeschränkt, also umformulieren. Das Umformulieren einer Null-Treffer-Abfrage gehört zur selben Runde.
• Notieren: Titel, Autoren, Jahr, Ort, Typ, DOI · PMID · PMCID · arXiv · URL, found_via.
• Deduplizieren: DOI → andere IDs → normalisierter Titel + Jahr. Preprint und veröffentlichte Version zusammenführen.
• Grenzen: frage vor ~1.000 Datensätzen oder ~50 Aufrufen.

◆ Kontrollpunkt: Begriffe, Abfragen, Trefferzahlen.

Schritt 3 – Zugangs-Triage (vor dem Lesen von irgendetwas)

3a. Legaler Zugriff (stapelweise)

Rufe für jede behaltene Quelle OpenAlex get_work auf (Suchergebnisse enthalten keine Lizenz). Kopiere den oa_status-Wert exakt: gold · diamond · hybrid · green · bronze · closed. Notiere auch license und oa_url/pdf_url. Europe PMC license-Felder und PubMed get_copyright_status sind Ausweichmöglichkeiten. Unpaywall (version, host_type) benötigt eine echte E-Mail: verwende nur eine, die der Benutzer dafür genehmigt hat; überspringe es sonst.

• Keine Daten → unknown. Erfinde niemals oa, ?-Suffixe oder Verlagsnamen als Zugangswerte.
• Nicht-Papier-Quelle → web.
• Lizenz unbekannt → behandle als local-only für die Weiterverbreitung.

3b. Erreichbarkeit des Agenten: die Routenleiter (beim ersten Erfolg anhalten)

1. Besitzt: in der Bibliothek des Benutzers oder einem früheren Durchlauf.
2. Europe PMC REST, roh, über Shell curl wo die Shell sie erreichen kann:
   • Suche: …/rest/search?query=DOI:"a" OR DOI:"b"&format=json, ≤8 DOIs pro Aufruf, ≥1 s Abstand;
   • Volltext: …/rest/{PMCID}/fullTextXML. Dies ist die beste Route für wörtlichen Text. Verwende WebFetch nur, wenn die Shell sie nicht erreichen kann; WebFetch lehnt lange URLs ab und ist ratenbegrenzt.
   • 429 → warten, einmal wiederholen. 5xx → blocked:http-5xx, zur nächsten Route gehen.
3. PubMed get_full_text_article: nur gültig, wenn full_text nicht leer ist. Leer → blocked:empty-body.
4. Preprint-Server: arXiv, bioRxiv/medRxiv .full-Seiten.
5. OA-Standorte: OpenAlex oa_url/pdf_url (eine direkte PDF-URL kann funktionieren, wenn die Artikelseite fehlschlägt), Semantic Scholar openAccessPdf, CORE, Crossref TDM-Links.
6. Verlagsseite: ein Versuch pro Host. Der DOI-Weiterleitung zu folgen, ist dieser Versuch. Folge niemals in einen Robots-ausgeschlossenen Host (ScienceDirect / Elsevier linkinghub).
7. Autor oder institutionelles Repository via WebSearch "<exakter Titel>" pdf. Beachte Hinweise auf "keine Text- und Data-Mining / KI-Nutzung".
8. Nichts hat funktioniert: notiere den Grund und leite die Quelle an den Benutzer weiter.

Beobachtet 2026-10 (erneut testen; diese ändern sich):

• Raw funktioniert: Europe PMC REST via curl.
• Extrahiert funktioniert: Nature OA, Frontiers, MDPI, bioRxiv .full, arXiv, Springer PDF-URLs von OpenAlex.
• Blockiert: ScienceDirect (Robots), Wiley inkl. OA (Abruffehler), Springer-Artikelseiten, BMC PDF-Endpunkt, PMC-Website (CAPTCHA), Annual Reviews, Science.
• Unzuverlässig: PubMed-Volltext-Tool (oft leer), Europe PMC fullTextXML (HTTP 500 für einige PMCIDs), Europe PMC via WebFetch (ratenbegrenzt).

Überprüfe, bevor du etwas als lesbar bezeichnest:

• Fließtext jenseits des Abstracts;
• keine CAPTCHA-/Anmelde-/Zugriffsverweigerungs-Seite;
• nicht leer oder nur Metadaten-XML.
• Eine heruntergeladene Datei zählt nur, wenn sie mit %PDF- beginnt, kein HTML ist und über ~10 KB liegt.

Erreichbarkeit	Bedeutung
readable:<route>	Volltext erhalten: readable:europepmc-xml (roh) · readable:pdf (roh) · readable:webfetch (extrahiert, nicht für wörtliche Zitate geeignet)
abstract-only	nur Abstract erhältlich (typische Paywall)
blocked:<grund>	paywall (nicht einmal ein Abstract) · robots · captcha · login · http-4xx · http-5xx · fetch-error · rate-limited · empty-body · js-shell
unchecked	nicht versucht (Budget / Obergrenze). Schreibe niemals "nicht getestet".

Kennzeichnungsregel: das kontrollierte Wort kommt zuerst, genau wie in diesen Tabellen. Anmerkungen können in Klammern folgen, z. B. verified (Crossref DOI).

Suche nach einer grünen Kopie, bevor du eine Quelle als blocked oder abstract-only kennzeichnest. Eine Quelle, die legal gold/hybrid/green/bronze ist, aber für dich blocked, kommt in den Abschnitt "frei, aber für KI blockiert".

Schritt 4 – Integrität (gestapelt; vor dem Nennen von irgendetwas)

Führe dies direkt nach der Entdeckung für jede Quelle durch, die du nennen wirst: im Plan, als ⭐ oder als Empfehlung. Es ist kein abschließender Schritt.

• Existenz: Urteile verified · partial · mismatch · not_found · unchecked. Verwende Reference Checker check_references + OpenAlex resolve_references. Bei widersprüchlichen Tools schlägt eine exakte DOI-Übereinstimmung in Crossref oder OpenAlex eine Titel-Suche not_found; notiere beide.
• Buchkapitel: überprüfe den Container, nicht nur die DOI: Buchtitel, Herausgeber, Seiten und Verlag aus dem Crossref-Datensatz (api.crossref.org/works/<doi> → container-title, page). In Tests war eine DOI richtig, aber der Buchtitel falsch.
• Zurückziehung: check_retractions. "Clear" bedeutet nur "kein Hinweis gefunden".
• Peer-Review: kennzeichne Preprints (peer: preprint im Hauptbuch; `preprint` im Quellendateieintrag); zitiere die veröffentlichte Version, falls vorhanden.
• Kontamination: ein 2024+-Preprint, der in ≥2 Indizes nicht gefunden wird, ist ein Fälschungsrisiko. Überprüfe es erneut oder lass es fallen.
• Räuberische Verlagsorte markieren; graue Literatur: URL + Zugriffsdatum + Wayback-Link.

Schritt 5 – Bewertung, Rolle, ⭐

Note A–F: Median der Eignung für das eigene Fachgebiet, Methodik, Peer-Review, Aktualität, Daten, Interessenkonflikte. Ein Integritätsfehler begrenzt die Note auf D. Eine ungelesene oder nur-Abstract-Quelle erhält eine vorläufige Note (B?). Rolle: evidence · background · method · tool/data · counter. Nicht-Papier-Stufen: T1 Eigentümer-Dokumente/Spezifikationen/Code/Statut · T2 institutionell · T3 Expertenjournalismus · T4 Gemeinschaft · T5 Anbietermarketing.

⭐ Kontextpaket (5–10 Auswahlen): die Quellen, die das, was gebaut wird, am meisten verbessern würden, wenn sie lokal gespeichert würden. Zugang ist irrelevant. Jede Auswahl benötigt:

• warum sie wichtig ist;
• wie man sie bekommt (OA-Link / VIT-Bibliotheksanmeldung / Fernleihe / E-Mail an den Autor);
• einen Speichernamen <erstautor>-<jahr>-<stichwort>.pdf;
• Weiterverbreitung: ok (CC-BY / CC0 / public domain) oder local-only (alles andere, einschließlich unbekannter Lizenz).

Schräglagenprüfung: ≥70% der bekannten Werte in einer Dimension → dies mit Anzahl sagen.

Schritt 6 – Das Hauptbuch

research/<slug>/ledger.md: die erste Tabelle, eine Zeile pro Quelle, Spalten in dieser Reihenfolge: # · Kurzzit. · Typ · Rolle · Note · Zugang · Lizenz · Version · Erreichbarkeit · Besitzt · Gelesen · Integrität · Zurückziehung · Prüfung · ⭐ · Speichern als · Link · found_via

• gelesen beginnt als nicht-gelesen; research-plan füllt vollständig · abschnitte:<welche> · zusammenfassung · metadaten.
• ⭐ = ok oder local-only für Auswahlen, - sonst.
• Ausgeschlossene Zeilen verwenden IDs E1….

Unterhalb der Tabelle:

• Suchprotokoll: Datenbank · Datum · Abfrage · Treffer · welcher Begriff was gefunden hat.
• Zählungen: identifiziert → nach Deduplizierung → nicht weitergeführt (Obergrenze) → behalten → ausgeschlossen (mit Gründen). total in einer Zählungszeile = jede Hauptbuchzeile, einschließlich ausgeschlossener.

Führe das gebündelte Prüfprogramm aus: python3 <dieser Skill-Ordner>/scripts/research_checks.py ledger research/<slug>/ledger.md (Standardbibliothek Python, läuft in deiner eigenen Sandbox) und behebe Fehler, bevor du weitergibst. Wenn es eigenständig verwendet wird, gib das Hauptbuch als die in research-plan beschriebene Quellendatei aus.

Datenschutz

Suche nur mit Themenwörtern, niemals mit Sätzen aus unveröffentlichter Arbeit des Benutzers. Die E-Mail des Benutzers geht nur an Unpaywall und nur mit seiner Zustimmung.