PentumLab - Prompt_Evolution

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_000

Target generation:
gen_001

Latest evaluation:

Overall score: 155/160
Normalized score: 96.88%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 3 verlangt die Deutung des gesamten Posts einschließlich Text und visueller Elemente aus Sicht eines vernünftigen Durchschnittslesers und begrenzt sie auf die engste gestützte Interpretation. Abschnitt 8 verlangt getrennte Deutungen mit Sicherheitsgrad, falls mehrere plausibel sind.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 3 trennt explizite und implizierte Tatsachenbehauptungen von Meinungen, Hypothesen und Fragen. Abschnitt 4 verlangt für Zuschreibungen getrennte Ergebnisse zu Attribution, Underlying claim und Adoption by poster; Abschnitt 8 übernimmt diese Trennung in den Bericht.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1 und 4 verlangen aktuelle Webrecherche, möglichst ursprüngliche Belege, nach Möglichkeit mindestens drei unabhängige Quellen, belastbare Gegenbelege und die Offenlegung von Quellenwidersprüchen sowie nicht überprüfbaren Angaben.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitte 4 und 5 verlangen eine eigenständige Logikprüfung, einschließlich Korrelation und Kausalität, Verallgemeinerungen, Alternativerklärungen und belegter Gegenbeispiele. Der Prompt unterscheidet die Widerlegung einer ausnahmslosen Regel von einem einzelnen Gegenbeispiel gegen eine statistische Tendenz.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 2 verlangt den Abgleich von Screenshot und vollständigem Original einschließlich zusätzlichem Text und visuellen Bestandteilen sowie die Ermittlung von Veröffentlichungszeit und Bezugszeitraum. Abschnitt 4 verlangt die zeitliche Prüfung einzelner Angaben und die Kennzeichnung älterer, als aktuell erscheinender Sachverhalte.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitte 4 und 6 orientieren den Quellenstatus am erkennbaren fachlichen oder institutionellen Anspruch und trennen Veröffentlichungsstandard vom autorunabhängigen Wahrheitswert. Abschnitt 6 definiert False, Misleading, Mixed und Unverified unterscheidbar und stellt klar, dass wahre Nebenangaben eine widerlegte Hauptaussage nicht retten und fehlende Belege allein kein False begründen.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 8 benennt Berichtsabschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil, verlangt Quellenlinks unmittelbar an den betreffenden Aussagen und eine Begründungskette zum Urteil. Derivation und Confidence machen die Deutung der Botschaft nachvollziehbar; Abschnitt 7 schließt nicht bestätigte X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte ordnen Websuche und Originalpost-Abgleich vor Aussagebestimmung, Beleg- und Logikprüfung sowie Urteil ein. Zuschreibungen und allgemeine Regeln lösen nur bei einschlägigem Inhalt besondere Prüfungen aus. Für gescheiterte Recherche und unzugängliche Originale sind eingeschränkte, ausdrücklich gekennzeichnete Ergebnisse vorgesehen.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 15,
        "evidence": "Ermittelte Aussagen, Belegbefunde und offene Punkte sind durch die getrennten Prüfschritte und die Kennzeichnung nicht überprüfbarer Angaben unterscheidbar. Der letzte Satz nennt eine Bedingung für einen vollständigen Fact-Check; Abschnitte 1 und 2 erlauben einen begrenzten Abschluss bei Hindernissen. Eine Regel zur Wiederaufnahme fehlt.",
        "improvement": "Ergänze eine Fortsetzungsregel: dokumentierte Postfassung, geprüfte Aussagen, Quellen und offene Punkte weiterverwenden; zeitabhängige Angaben und Quellenaktualität bei Wiederaufnahme erneut prüfen."
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Der Prompt benennt den zu prüfenden Post sowie Screenshots und verlinkte Inhalte als mögliche Eingaben. Abschnitt 2 verlangt den Abgleich eines Ausschnitts mit dem Original und beschränkt die Prüfung bei unzugänglichem Original auf nachweislich vorliegenden Inhalt. Abschnitte 1 und 2 verbieten erfundene Angaben; für eine Logikprüfung ohne verifizierte Tatsachen sind klar benannte Annahmen oder eine Begrenzung der Prüfung vorgesehen.",
        "improvement": "Keine"
      }
    ],
    "total_score": 155,
    "priority_fixes": [
      {
        "criterion_id": "state_architecture",
        "location": "Arbeitsgrundlagen oder abschließende Regel zum Prüfablauf",
        "problem": "Der Prompt regelt nicht, welche gesicherten Zwischenstände nach einer Unterbrechung übernommen werden dürfen und welche zeitabhängigen Prüfungen zu erneuern sind.",
        "change": "Eine kurze Wiederaufnahmeregel für Postfassung, geprüfte Befunde, offene Punkte und erneut zu prüfende zeitabhängige Angaben ergänzen."
      }
    ]
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_000
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_001/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_001/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_001/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_001

Target generation:
gen_002

Latest evaluation:

Overall score: 155/160
Normalized score: 96.88%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt eine gemeinsame Deutung von Text, Bildern, Daten und Argumentationsstruktur aus Sicht eines durchschnittlichen, vernünftigen Lesers. Er begrenzt die Deutung auf die engste klar gestützte Interpretation und verlangt, mehrere plausible Deutungen getrennt auszuweisen.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 2 trennt ausdrückliche und implizierte Behauptungen von Meinungen, Hypothesen und Vermutungen. Abschnitt 3 verlangt bei Zuschreibungen getrennte Ergebnisse für Attribution, Underlying claim und Adoption by poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Die Abschnitte 1 und 3 verlangen aktuelle Webrecherche, mindestens drei unabhängige geeignete Quellen, die Berücksichtigung von Primärquellen und Gegenbelegen sowie die Darstellung von Quellenwidersprüchen und nicht verifizierbaren Punkten.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitt 4 bewertet Schlussfolgerungen getrennt von Einzelfakten und nennt Korrelation, Verallgemeinerungen und Alternativerklärungen. Abschnitt 3 verlangt passende Gegenbeispiele und begrenzt deren Widerlegungskraft auf ausnahmslose Regeln desselben Geltungsbereichs; Abschnitt 4 unterscheidet fehlende Stützung von Widerlegung.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich mit dem vollständigen Original einschließlich Text, visueller Bestandteile, Bearbeitungen und Veröffentlichungszeitpunkt. Abschnitt 3 verlangt die Datierung zeitabhängiger Aussagen und die Kennzeichnung älterer, als aktuell erscheinender Ereignisse.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 5 richtet den Quellenstatus nach dem verifizierbaren fachlichen oder institutionellen Anspruch und trennt Wahrheitswert vom Veröffentlichungsstandard. Abschnitt 6 definiert die Urteile einschließlich False bei widerlegter Hauptaussage trotz wahrer Nebendetails und untersagt, fehlende Belege allein als Beweis der Falschheit zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 8 benennt Berichtsabschnitte für Hauptaussage, Einzelbehauptungen, Logik und Urteil, verlangt Quellenbelege unmittelbar an den gestützten Aussagen sowie eine Herleitung und Sicherheit der vermittelten Botschaft. Abschnitt 7 schließt nicht bestätigte X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 15,
        "evidence": "Die nummerierten Abschnitte ordnen Originalermittlung, Aussagebestimmung, Verifizierung, Logikprüfung und Urteil. Bedingte Prüfungen und Fehlerwege sind vorgesehen. Für den Fall, dass die Websuche unmöglich ist oder fehlender Originalkontext die Hauptaussage betrifft, verlangt der Prompt jedoch eine nicht abgeschlossene Prüfung beziehungsweise kein abschließendes Urteil, während Abschnitt 6 und das Ausgabeformat genau eines der fünf Overall Verdicts verlangen.",
        "improvement": "Lege für solche Fälle ausdrücklich einen Bericht ohne Overall Verdict mit dem Status „Prüfung nicht abgeschlossen“ fest und kennzeichne die Fünf-Urteile-Regel als nur für abschließbare Prüfungen gültig."
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Der Schlusssatz benennt dokumentierte Post-Versionen, geprüfte Behauptungen, Quellenbefunde und offene Fragen als weiterzuverwendende Zwischenstände und verlangt eine erneute Aktualitätsprüfung. Die Regeln zu Verifizierbarkeit, Quellenlücken und nicht abgeschlossener Prüfung machen offene Punkte und einen begrenzten Abschluss erkennbar.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Abschnitt 1 behandelt Originalpost, Screenshots und Auszüge, verlangt deren Vergleich einschließlich möglicher Abweichungen und die Dokumentation der tatsächlich geprüften Version. Bei unzugänglichem Original oder unmöglicher Websuche sind Lücken zu benennen, fehlende Fakten nicht zu erfinden und kontextabhängige Urteile zu begrenzen.",
        "improvement": "Keine"
      }
    ],
    "total_score": 155,
    "priority_fixes": [
      {
        "criterion_id": "process_architecture",
        "location": "Abschnitt 6 „Overall Verdict“ und Abschnitt 8 „Ausgabeformat“ im Verhältnis zu den Fehlerwegen in Abschnitt 1",
        "problem": "Die Pflicht, genau eines von fünf Gesamturteilen auszugeben, widerspricht der Anweisung, bei unmöglicher Websuche oder entscheidendem fehlendem Postkontext kein abschließendes Urteil abzugeben.",
        "change": "Ergänze eine eindeutige Ausnahme: In diesen Fällen einen als nicht abgeschlossen gekennzeichneten Bericht ohne Overall Verdict ausgeben, die verfügbaren Teilbefunde nennen und die offenen Prüfungen aufführen."
      }
    ]
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_001
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_002/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_002/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_002/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_002

Target generation:
gen_003

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text, Bildern, Daten und Argumentation, die vernünftige Leserinterpretation und die engste eindeutig gestützte Aussage ohne weitergehende Zuschreibung. Abschnitt 7 verlangt getrennte Darstellung und Konfidenz bei mehreren Deutungen.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitte 2 und 3 trennen explizite und implizite Behauptungen, Tatsachenbehauptungen, Meinungen und Hypothesen sowie bei Zuschreibungen ausdrücklich Attribution, Underlying claim und Adoption by poster mit getrennten Einstufungen.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1 und 3 verlangen aktuelle Webrecherche, nach Möglichkeit drei unabhängige Quellen, einschlägige Primärquellen und belastbare Gegenbelege. Fehlende Quellen, Widersprüche und nicht verifizierbare Aussagen sind offenzulegen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitt 4 prüft die Schlussfolgerung unabhängig von Einzelangaben, Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen. Er verlangt passende Gegenbeispiele und unterscheidet deren Wirkung bei ausnahmslosen gegenüber eingeschränkten oder statistischen Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den vollständigen Originalpost oder eine nachweislich vollständige Archivfassung, den Abgleich von zusätzlichem Text und visuellen Bestandteilen sowie Zeitstempeln. Abschnitt 4 verlangt die zeitliche Einordnung einzelner Behauptungen und kennzeichnet als aktuell dargestellte ältere Ereignisse als irreführend.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitte 3 und 5 unterscheiden den belegbaren Autorenstatus vom Wahrheitswert und berücksichtigen den erkennbaren Anspruch nur beim Maßstab für die Beweisführung. Die Bedingungen für False, Mixed, Misleading und Unverified sind getrennt; fehlende Evidenz allein gilt ausdrücklich nicht als Beweis für Falschheit.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitte 6 und 7 verlangen benannte Berichtsabschnitte, unmittelbar zugeordnete Quellen, eine Beweiskette zum Urteil sowie Herleitung und Konfidenz der vermittelten Botschaft. Offizielle X-Handles dürfen nur eindeutig verifiziert verwendet werden.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte ordnen Postermittlung, Aussagebestimmung, Prüfung und Urteil. Zuschreibungen und allgemeine Regeln lösen nur bei einschlägigem Inhalt zusätzliche Prüfungen aus. Die Abbruchregel und das Ausgabeformat bestimmen auch für eine eingeschränkte Prüfung ein Ergebnis ohne erzwungenes Urteil.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Die Abschnitte 1, 3, 7 und 8 unterscheiden gesicherte Teilbefunde, verifizierte Behauptungen und offene Fragen. Nicht verifizierte Punkte bleiben gekennzeichnet; die Abbruchregel regelt den begrenzten Abschluss. Bei Wiederaufnahme sind dokumentierte Befunde weiterzuverwenden und zeitabhängige Prüfungen zu erneuern.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Abschnitt 1 benennt Originalpost oder vollständige Archivfassung sowie Screenshot oder Auszug, verlangt deren Abgleich und die Dokumentation von Abweichungen. Bei fehlendem entscheidendem Kontext begrenzt die Abbruchregel die Prüfung ohne erfundene Inhalte; eine Archivfassung ist nur bei nachweislicher Vollständigkeit zulässig.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_002
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_003/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_003/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_003/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_003

Target generation:
gen_004

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 3 verlangt eine Deutung des Gesamtposts anhand von Text und visuellen sowie argumentativen Elementen aus Sicht eines durchschnittlichen Lesers. Er begrenzt sie auf die engste gestützte Interpretation; Abschnitt 8 verlangt getrennte Deutungen und Sicherheitsgrade bei Mehrdeutigkeit.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 3 trennt explizite und implizite Behauptungen sowie Meinungen und Hypothesen. Abschnitt 4 verlangt getrennte Bewertungen für Attribution, Wahrheitswert der zugeschriebenen Aussage und Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1, 5 und 6 verlangen aktuelle Webrecherche, möglichst drei unabhängige Quellen, geeignete Primärquellen und Gegenbelege. Quellenwidersprüche, fehlende Belege und nicht verifizierbare Bestandteile sind ausdrücklich zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitt 5 prüft die Schlussfolgerung unabhängig von Einzelbehauptungen und nennt Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen. Er verlangt passende Gegenbeispiele und unterscheidet deren Wirkung bei ausnahmslosen von eingeschränkten oder statistischen Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 2 verlangt den Abgleich mit dem vollständigen Originalpost einschließlich Anhängen, fehlender Texte und Grafiken sowie Veröffentlichungszeit und zeitlichem Bezug. Abschnitt 5 verlangt die Einordnung zeitabhängiger Aussagen und die Kennzeichnung älterer, als aktuell vermittelter Vorgänge.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 4 richtet den Quellenstatus nach dem erkennbaren Anspruch aus und trennt Wahrheitswert vom Veröffentlichungsstandard. Abschnitt 7 definiert die vier geforderten Urteilsarten sowie True, priorisiert eine widerlegte Hauptaussage gegenüber echten Nebenangaben und erklärt fehlende Belege ausdrücklich nicht zum Beweis der Falschheit.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 8 gibt Abschnitte für Hauptaussage, Einzelprüfung, Logik und Urteil vor. Er verlangt Quellen unmittelbar an den gestützten Aussagen, eine Herleitung des Urteils sowie Ableitung und Sicherheitsgrad der vermittelten Botschaft. Abschnitt 6 schließt nicht eindeutig zuordenbare X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte führen von Recherche und Originalsicherung über Aussagebestimmung und Prüfung zum Urteil. Zuschreibungen und allgemeine Regeln lösen nur bei einschlägigem Postinhalt besondere Prüfungen aus. Bei gescheiterter Recherche oder nicht bestimmbarer Hauptaussage ist ein begrenzter Bericht ohne Overall Verdict vorgesehen.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Abschnitt 1 nennt dokumentierte Post-Versionen, verifizierte Behauptungen, Quellenbefunde und offene Fragen als Zwischenstände und regelt deren Wiederverwendung nach Unterbrechung. Nicht verifizierbare Punkte bleiben kenntlich; Abschnitte 1, 2 und 7 bestimmen, wann ein Abschluss möglich ist und wann nicht. Zeitabhängige Befunde sind vor dem Abschluss erneut zu prüfen.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Der Prompt bezeichnet den X-Post als Prüfgegenstand und berücksichtigt einen vollständigen Post, Screenshot oder Auszug. Abschnitt 2 verlangt den Abgleich von Wortlaut und Darstellung mit dem maßgeblichen Original. Bei unzugänglichem oder abweichendem Material dürfen Lücken nicht erfunden werden; Einschränkungen sind zu benennen und bei nicht bestimmbarer Hauptaussage ist die Prüfung ohne Urteil zu begrenzen.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_003
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_004/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_004/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_004/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_003

Target generation:
gen_005

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 3 verlangt eine Deutung des Gesamtposts anhand von Text und visuellen sowie argumentativen Elementen aus Sicht eines durchschnittlichen Lesers. Er begrenzt sie auf die engste gestützte Interpretation; Abschnitt 8 verlangt getrennte Deutungen und Sicherheitsgrade bei Mehrdeutigkeit.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 3 trennt explizite und implizite Behauptungen sowie Meinungen und Hypothesen. Abschnitt 4 verlangt getrennte Bewertungen für Attribution, Wahrheitswert der zugeschriebenen Aussage und Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1, 5 und 6 verlangen aktuelle Webrecherche, möglichst drei unabhängige Quellen, geeignete Primärquellen und Gegenbelege. Quellenwidersprüche, fehlende Belege und nicht verifizierbare Bestandteile sind ausdrücklich zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitt 5 prüft die Schlussfolgerung unabhängig von Einzelbehauptungen und nennt Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen. Er verlangt passende Gegenbeispiele und unterscheidet deren Wirkung bei ausnahmslosen von eingeschränkten oder statistischen Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 2 verlangt den Abgleich mit dem vollständigen Originalpost einschließlich Anhängen, fehlender Texte und Grafiken sowie Veröffentlichungszeit und zeitlichem Bezug. Abschnitt 5 verlangt die Einordnung zeitabhängiger Aussagen und die Kennzeichnung älterer, als aktuell vermittelter Vorgänge.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 4 richtet den Quellenstatus nach dem erkennbaren Anspruch aus und trennt Wahrheitswert vom Veröffentlichungsstandard. Abschnitt 7 definiert die vier geforderten Urteilsarten sowie True, priorisiert eine widerlegte Hauptaussage gegenüber echten Nebenangaben und erklärt fehlende Belege ausdrücklich nicht zum Beweis der Falschheit.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 8 gibt Abschnitte für Hauptaussage, Einzelprüfung, Logik und Urteil vor. Er verlangt Quellen unmittelbar an den gestützten Aussagen, eine Herleitung des Urteils sowie Ableitung und Sicherheitsgrad der vermittelten Botschaft. Abschnitt 6 schließt nicht eindeutig zuordenbare X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte führen von Recherche und Originalsicherung über Aussagebestimmung und Prüfung zum Urteil. Zuschreibungen und allgemeine Regeln lösen nur bei einschlägigem Postinhalt besondere Prüfungen aus. Bei gescheiterter Recherche oder nicht bestimmbarer Hauptaussage ist ein begrenzter Bericht ohne Overall Verdict vorgesehen.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Abschnitt 1 nennt dokumentierte Post-Versionen, verifizierte Behauptungen, Quellenbefunde und offene Fragen als Zwischenstände und regelt deren Wiederverwendung nach Unterbrechung. Nicht verifizierbare Punkte bleiben kenntlich; Abschnitte 1, 2 und 7 bestimmen, wann ein Abschluss möglich ist und wann nicht. Zeitabhängige Befunde sind vor dem Abschluss erneut zu prüfen.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Der Prompt bezeichnet den X-Post als Prüfgegenstand und berücksichtigt einen vollständigen Post, Screenshot oder Auszug. Abschnitt 2 verlangt den Abgleich von Wortlaut und Darstellung mit dem maßgeblichen Original. Bei unzugänglichem oder abweichendem Material dürfen Lücken nicht erfunden werden; Einschränkungen sind zu benennen und bei nicht bestimmbarer Hauptaussage ist die Prüfung ohne Urteil zu begrenzen.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_003
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_005/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_005/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_005/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_003

Target generation:
gen_006

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 3 verlangt eine Deutung des Gesamtposts anhand von Text und visuellen sowie argumentativen Elementen aus Sicht eines durchschnittlichen Lesers. Er begrenzt sie auf die engste gestützte Interpretation; Abschnitt 8 verlangt getrennte Deutungen und Sicherheitsgrade bei Mehrdeutigkeit.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 3 trennt explizite und implizite Behauptungen sowie Meinungen und Hypothesen. Abschnitt 4 verlangt getrennte Bewertungen für Attribution, Wahrheitswert der zugeschriebenen Aussage und Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1, 5 und 6 verlangen aktuelle Webrecherche, möglichst drei unabhängige Quellen, geeignete Primärquellen und Gegenbelege. Quellenwidersprüche, fehlende Belege und nicht verifizierbare Bestandteile sind ausdrücklich zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitt 5 prüft die Schlussfolgerung unabhängig von Einzelbehauptungen und nennt Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen. Er verlangt passende Gegenbeispiele und unterscheidet deren Wirkung bei ausnahmslosen von eingeschränkten oder statistischen Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 2 verlangt den Abgleich mit dem vollständigen Originalpost einschließlich Anhängen, fehlender Texte und Grafiken sowie Veröffentlichungszeit und zeitlichem Bezug. Abschnitt 5 verlangt die Einordnung zeitabhängiger Aussagen und die Kennzeichnung älterer, als aktuell vermittelter Vorgänge.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 4 richtet den Quellenstatus nach dem erkennbaren Anspruch aus und trennt Wahrheitswert vom Veröffentlichungsstandard. Abschnitt 7 definiert die vier geforderten Urteilsarten sowie True, priorisiert eine widerlegte Hauptaussage gegenüber echten Nebenangaben und erklärt fehlende Belege ausdrücklich nicht zum Beweis der Falschheit.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 8 gibt Abschnitte für Hauptaussage, Einzelprüfung, Logik und Urteil vor. Er verlangt Quellen unmittelbar an den gestützten Aussagen, eine Herleitung des Urteils sowie Ableitung und Sicherheitsgrad der vermittelten Botschaft. Abschnitt 6 schließt nicht eindeutig zuordenbare X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte führen von Recherche und Originalsicherung über Aussagebestimmung und Prüfung zum Urteil. Zuschreibungen und allgemeine Regeln lösen nur bei einschlägigem Postinhalt besondere Prüfungen aus. Bei gescheiterter Recherche oder nicht bestimmbarer Hauptaussage ist ein begrenzter Bericht ohne Overall Verdict vorgesehen.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Abschnitt 1 nennt dokumentierte Post-Versionen, verifizierte Behauptungen, Quellenbefunde und offene Fragen als Zwischenstände und regelt deren Wiederverwendung nach Unterbrechung. Nicht verifizierbare Punkte bleiben kenntlich; Abschnitte 1, 2 und 7 bestimmen, wann ein Abschluss möglich ist und wann nicht. Zeitabhängige Befunde sind vor dem Abschluss erneut zu prüfen.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Der Prompt bezeichnet den X-Post als Prüfgegenstand und berücksichtigt einen vollständigen Post, Screenshot oder Auszug. Abschnitt 2 verlangt den Abgleich von Wortlaut und Darstellung mit dem maßgeblichen Original. Bei unzugänglichem oder abweichendem Material dürfen Lücken nicht erfunden werden; Einschränkungen sind zu benennen und bei nicht bestimmbarer Hauptaussage ist die Prüfung ohne Urteil zu begrenzen.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_003
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_006/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_006/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_006/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_006

Target generation:
gen_007

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Wortlaut, Bildern, Daten und Argumentation aus Sicht eines durchschnittlichen Lesers. Er begrenzt die Deutung auf die engste gestützte Aussage und untersagt unterstellte Motive. Das Ausgabeformat verlangt getrennte Deutungen mit Herleitung und jeweiliger Confidence.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 2 trennt explizite und implizite Behauptungen sowie Tatsachenbehauptungen, Meinungen und Hypothesen. Abschnitt 3 verlangt getrennte Ergebnisse für Attribution, Underlying claim und Adoption by poster; das Ausgabeformat übernimmt diese Trennung.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1 und 4 verlangen aktuelle Webrecherche, möglichst drei voneinander unabhängige Quellen, die bevorzugte Nutzung einer Primärquelle sowie die Prüfung belastbarer Gegenbelege. Quellenkonflikte, Unsicherheiten und fehlende geeignete Quellen sind offenzulegen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitt 4 prüft die Schlussfolgerung getrennt von Einzelbehauptungen und nennt Korrelation, Verallgemeinerungen und Alternativerklärungen. Er verlangt einschlägige Gegenbeispiele und unterscheidet deren Wirkung auf ausnahmslose Regeln von ihrer Wirkung auf eingeschränkte oder statistische Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich mit dem vollständigen Originalpost einschließlich zusätzlicher Inhalte und visueller Bestandteile sowie die Prüfung von Veröffentlichungszeitpunkt und Ereignisbezug. Abschnitt 4 regelt die zeitliche Einordnung einzelner Aussagen und die Kennzeichnung älterer, als aktuell dargestellter Ereignisse.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 3 knüpft den Quellenstatus an belegbare Rollen und den erkennbaren Beweisanspruch, trennt diesen ausdrücklich vom Wahrheitswert und erklärt fehlende Belege nicht zum Gegenbeweis. Abschnitt 6 definiert unterscheidbare Bedingungen für False, Mixed, Misleading und Unverified; eine widerlegte Hauptaussage bleibt auch bei echten Nebenangaben False.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 7 benennt eigene Berichtsteile für Hauptaussage, Einzelbehauptungen, Logik und Urteil. Entscheidende Feststellungen sind unmittelbar zu belegen und das Urteil herzuleiten. Intended Message, Derivation und Confidence dokumentieren die Botschaftsdeutung; Abschnitt 5 schließt nicht eindeutig belegte X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte ordnen Originalpostermittlung, Aussagebestimmung, Evidenzprüfung und Urteil in abhängige Schritte. Zuschreibungen und allgemeine Regeln lösen nur gegebenenfalls eigene Prüfungen aus. Die Abbruchregel und Unverified ermöglichen Ergebnisse ohne erzwungene Gewissheit.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Die Wiederaufnahmeregel nennt dokumentierte Post-Versionen, verifizierte Behauptungen, Quellenbefunde und offene Fragen als Zwischenstände. Verifizierbarkeit und verbleibende Unsicherheit bestimmen, was abgeschlossen oder offen ist. Die Abbruchregel ermöglicht einen begrenzten Abschluss; bei Wiederaufnahme sind zeitabhängige Behauptungen und Quellenaktualität erneut zu prüfen.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Der Prompt benötigt einen X-Post und behandelt sowohl dessen Original als auch vorliegende Screenshots oder Auszüge. Abschnitt 1 verlangt den Abgleich von Wortlaut und Zusatzinhalten sowie die Dokumentation abweichender Fassungen. Bei unzugänglichem Original oder fehlendem Kontext greifen offengelegte Einschränkungen beziehungsweise die Abbruchregel; fehlende Tatsachen dürfen nicht erfunden werden.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_006
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_007/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_007/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_007/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_007

Target generation:
gen_008

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text, Bildern, Daten und Argumentation aus Sicht eines vernünftigen durchschnittlichen Lesers. Er begrenzt die Deutung auf die engste gestützte Aussage und untersagt fernliegende Unterstellungen. Abschnitt 9 verlangt bei fehlender eindeutiger Hauptdeutung mehrere getrennte Deutungen und eine begründete Sicherheitseinstufung.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 2 trennt explizite und implizierte Behauptungen sowie Tatsachenbehauptungen, Meinungen und Hypothesen. Abschnitt 3 verlangt getrennte Ergebnisse für die Richtigkeit der Zuschreibung, den Wahrheitsgehalt der zugeschriebenen Aussage und deren Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1 und 4 verlangen aktuelle Webrecherche, nach Möglichkeit mindestens drei unabhängige Quellen, die Bevorzugung einschlägiger Primärquellen und die Prüfung belastbarer Gegenbelege. Quellenwidersprüche sind mit Gründen für ihre Gewichtung anzugeben; fehlende Belege werden nicht als Beweis der Falschheit behandelt.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitte 5 und 7 bewerten die Schlussfolgerung unabhängig von Einzelangaben. Sie nennen Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen, verlangen passende belegte Gegenbeispiele bei allgemeinen Regeln und unterscheiden einen nicht getragenen Schluss von einem widerlegten Schluss.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitte 1 und 4 verlangen den Abgleich mit dem vollständigen Originalpost einschließlich Text, Bildern, ergänzenden Inhalten und Zeitstempeln. Zeitabhängige Aussagen sind historisch oder aktuell einzuordnen; ein wesentlich irreführend als aktuell dargestelltes älteres Ereignis ist ausdrücklich zu bewerten.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 6 orientiert den Quellenstatus am erkennbaren fachlichen oder institutionellen Anspruch und trennt ihn ausdrücklich vom Wahrheitswert. Abschnitt 7 definiert die Bedingungen für False, Mixed, Misleading und Unverified, einschließlich einer falschen Hauptaussage trotz korrekter Nebenangaben. Fehlende Evidenz oder verletzte Sorgfalt allein rechtfertigen kein False.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 9 benennt Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Urteil, verlangt Quellen unmittelbar an den gestützten Aussagen und eine Herleitung des Ergebnisses. Intended Message, Derivation und Confidence machen Deutung und Sicherheit nachvollziehbar. Abschnitt 8 schließt nicht verifizierte X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte führen von Postermittlung und Aussagebestimmung über Recherche und Prüfung zum Urteil. Zuschreibungen werden nur bei entsprechenden Aussagen, Gegenbeispiele bei allgemeinen Regeln geprüft. Abschnitt 1 regelt gescheiterte Recherche und ermöglicht einen begrenzten Bericht mit Teilbefunden ohne Overall Verdict.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Abschnitt 1 unterscheidet dokumentierte Post-Fassungen, verifizierte Behauptungen, Quellenbefunde und offene Fragen. Die Abbruchregel legt fest, wann die Prüfung nicht abgeschlossen ist und welche offenen Schritte auszuweisen sind. Für die Wiederaufnahme schreibt der Prompt die Weiterverwendung gesicherter Befunde und die erneute Prüfung zeitabhängiger Aussagen und Quellenaktualität vor.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Abschnitt 1 benennt den Originalpost sowie mögliche Screenshots und Auszüge, verlangt deren Vergleich und die Benennung von Abweichungen. Bei unzugänglichem Original sind verlässlich dokumentierte Ersatzfassungen mit ihren Grenzen zu kennzeichnen; wenn damit die Hauptaussage nicht bestimmbar ist, wird die Prüfung ohne Overall Verdict begrenzt.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_007
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_008/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_008/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_008/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_007

Target generation:
gen_009

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text, Bildern, Daten und Argumentation aus Sicht eines vernünftigen durchschnittlichen Lesers. Er begrenzt die Deutung auf die engste gestützte Aussage und untersagt fernliegende Unterstellungen. Abschnitt 9 verlangt bei fehlender eindeutiger Hauptdeutung mehrere getrennte Deutungen und eine begründete Sicherheitseinstufung.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 2 trennt explizite und implizierte Behauptungen sowie Tatsachenbehauptungen, Meinungen und Hypothesen. Abschnitt 3 verlangt getrennte Ergebnisse für die Richtigkeit der Zuschreibung, den Wahrheitsgehalt der zugeschriebenen Aussage und deren Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1 und 4 verlangen aktuelle Webrecherche, nach Möglichkeit mindestens drei unabhängige Quellen, die Bevorzugung einschlägiger Primärquellen und die Prüfung belastbarer Gegenbelege. Quellenwidersprüche sind mit Gründen für ihre Gewichtung anzugeben; fehlende Belege werden nicht als Beweis der Falschheit behandelt.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitte 5 und 7 bewerten die Schlussfolgerung unabhängig von Einzelangaben. Sie nennen Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen, verlangen passende belegte Gegenbeispiele bei allgemeinen Regeln und unterscheiden einen nicht getragenen Schluss von einem widerlegten Schluss.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitte 1 und 4 verlangen den Abgleich mit dem vollständigen Originalpost einschließlich Text, Bildern, ergänzenden Inhalten und Zeitstempeln. Zeitabhängige Aussagen sind historisch oder aktuell einzuordnen; ein wesentlich irreführend als aktuell dargestelltes älteres Ereignis ist ausdrücklich zu bewerten.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 6 orientiert den Quellenstatus am erkennbaren fachlichen oder institutionellen Anspruch und trennt ihn ausdrücklich vom Wahrheitswert. Abschnitt 7 definiert die Bedingungen für False, Mixed, Misleading und Unverified, einschließlich einer falschen Hauptaussage trotz korrekter Nebenangaben. Fehlende Evidenz oder verletzte Sorgfalt allein rechtfertigen kein False.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 9 benennt Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Urteil, verlangt Quellen unmittelbar an den gestützten Aussagen und eine Herleitung des Ergebnisses. Intended Message, Derivation und Confidence machen Deutung und Sicherheit nachvollziehbar. Abschnitt 8 schließt nicht verifizierte X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte führen von Postermittlung und Aussagebestimmung über Recherche und Prüfung zum Urteil. Zuschreibungen werden nur bei entsprechenden Aussagen, Gegenbeispiele bei allgemeinen Regeln geprüft. Abschnitt 1 regelt gescheiterte Recherche und ermöglicht einen begrenzten Bericht mit Teilbefunden ohne Overall Verdict.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Abschnitt 1 unterscheidet dokumentierte Post-Fassungen, verifizierte Behauptungen, Quellenbefunde und offene Fragen. Die Abbruchregel legt fest, wann die Prüfung nicht abgeschlossen ist und welche offenen Schritte auszuweisen sind. Für die Wiederaufnahme schreibt der Prompt die Weiterverwendung gesicherter Befunde und die erneute Prüfung zeitabhängiger Aussagen und Quellenaktualität vor.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Abschnitt 1 benennt den Originalpost sowie mögliche Screenshots und Auszüge, verlangt deren Vergleich und die Benennung von Abweichungen. Bei unzugänglichem Original sind verlässlich dokumentierte Ersatzfassungen mit ihren Grenzen zu kennzeichnen; wenn damit die Hauptaussage nicht bestimmbar ist, wird die Prüfung ohne Overall Verdict begrenzt.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_007
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_009/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_009/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_009/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)

Selected meta-agent role (requirements_analyst):

# Rolle: Requirements-basierter Prompt-Review-Analyst

Du bist die Schnittstelle zwischen der Qualitätsprüfung und dem Task-Agenten,
der einen bestehenden Prompt verbessert. Du überführst die Befunde des
Prüfberichts in eindeutige, nachvollziehbare und überprüfbare Änderungen an
den Vorgaben des Task-Agenten.

Du änderst weder den geprüften Ausgangsprompt noch den erzeugten
Kandidaten-Prompt direkt. Du änderst ausschließlich die Anweisungen im
Prompt-Design-Agenten, damit dessen nächster Kandidat die belegten
Schwachstellen gezielt behebt.

## Verbindliches Vorgehen

Für jeden relevanten Prüfbefund:

1. Ordne ihn einer konkreten Stelle oder Regel im geprüften Prompt zu.
2. Trenne beobachteten Befund, nachweisbare Ursache und erforderliche Änderung.
3. Kennzeichne eine nicht belegbare Ursache als „nicht eindeutig bestimmbar“.
4. Leite nur Änderungen ab, die durch den Prüfbericht begründet sind.
5. Formuliere das gewünschte Verhalten so, dass es in der nächsten Prüfung
   überprüft werden kann.
6. Erhalte bestehende Anforderungen, die der Änderung nicht widersprechen.
7. Nutze ältere Generationsartefakte, wenn sie die Rückverfolgbarkeit einer
   Änderung verbessern oder eine bereits erfolglose Änderung erkennen lassen.

Vermeide Vermutungen über die Absicht des Prompt-Autors, unbelegte Ursachen,
allgemeine Forderungen wie „klarer formulieren“ und eine vollständige
Neufassung des Prompts. Der Prüfbericht darf frei formuliert sein; maßgeblich
sind seine nachvollziehbaren Befunde und Hinweise, nicht eine starre Liste von
Feldern.

You are improving the prompt-generation strategy for Prompt Evolution.

Parent generation:
gen_007

Target generation:
gen_010

Latest evaluation:

Overall score: 160/160
Normalized score: 100.00%

Detailed evaluator report:
{
  "rubric": {
    "title": "Bewertungsschema für einen X-Post-Fact-Check-Prompt",
    "application": "Produktiver Fact-Check von X-Posts einschließlich expliziter und impliziter Aussagen, verwendeter Belege, logischer Schlussfolgerungen und eines begründeten Gesamturteils.",
    "scientific_basis": "Die sieben anwendungsspezifischen Kriterien bilden die im Prompt verlangten, am Text beobachtbaren Leistungen ab und ergeben 100 Punkte. Besonders gewichtet sind die Trennung von Wahrheitswert und Veröffentlichungsstandard, die Quellenprüfung sowie die begrenzte Interpretation impliziter Aussagen: Fehler dort gefährden die Validität des Gesamturteils unmittelbar. Getrennte Kriterien für Belege, Logik und Urteilsbildung verhindern, dass dieselbe Schwäche mehrfach zählt. Die drei vorgegebenen Architektur- und Eingabekriterien ergänzen 60 Punkte, weil ein fachlich geeigneter Prompt auch ausführbar und bei unvollständigen Eingaben beherrschbar sein muss. Additive Prüfschritte machen die Bewertung anhand des Prompt-Texts messbar und wiederholbar; spätere Modellantworten oder nicht vorliegende Quellen werden nicht vorausgesetzt. Die Gewichtung ist eine aufgabengerechte Bewertungsentscheidung, keine Behauptung über empirisch ermittelte Effekte.",
    "criteria": [
      {
        "id": "main_claim_interpretation",
        "name": "Begrenzte Deutung der vermittelten Hauptaussage",
        "max_points": 16,
        "definition": "Geprüft werden Regeln zur Ermittlung der expliziten oder impliziten Hauptaussage und der erkennbar vermittelten Botschaft aus dem Gesamtpost. Nicht hierzu gehören die Verifizierung einzelner Behauptungen, die Prüfung ihrer logischen Tragfähigkeit oder die Ablaufsteuerung.",
        "scoring_guide": "Je 4 Punkte für: (1) gemeinsame Berücksichtigung von Text und gegebenenfalls visuellen oder argumentativen Elementen; (2) Maßstab einer vernünftigen Leserinterpretation statt freier Deutung; (3) Grenze auf die engste durch den Post gestützte Aussage ohne unterstellte Motive; (4) Regel für mehrere plausible Botschaften einschließlich kenntlich gemachter Unsicherheit. 0 Punkte, wenn nichts davon geregelt ist; Teilpunkte als Summe erfüllter Prüfschritte; 16 Punkte, wenn alle vier erfüllt sind.",
        "weight_rationale": "Die Hauptaussage ist der Gegenstand des Gesamturteils. Eine zu weite Deutung würde selbst bei korrekter Recherche die Validität des Fact-Checks beschädigen."
      },
      {
        "id": "claim_attribution",
        "name": "Behauptungsarten und Zuschreibungen",
        "max_points": 14,
        "definition": "Geprüft wird, ob der Prompt die zu bewertenden Aussagearten und eine im Post behauptete Quellenzuschreibung unterscheidbar macht. Nicht bewertet werden Quellenbeschaffung, Wahrheitsbelege oder die Reihenfolge der Arbeitsschritte.",
        "scoring_guide": "Je 2 Punkte für: (1) explizite Behauptungen; (2) implizite Behauptungen; (3) prüfbare Abgrenzung von Tatsachenbehauptung, Hypothese und Meinung; (4) Richtigkeit einer Zuschreibung; (5) Wahrheitswert der zugeschriebenen Aussage unabhängig von der Zuschreibung; (6) Übernahme der Aussage durch den Poster gegenüber bloßer Wiedergabe; (7) getrennte Kennzeichnung der jeweiligen Ergebnisse. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 14 Punkte bei allen sieben.",
        "weight_rationale": "Diese Unterscheidungen verhindern Kategorienfehler, insbesondere die Gleichsetzung einer korrekten Zuschreibung mit einer wahren Aussage."
      },
      {
        "id": "evidence_standards",
        "name": "Verifizierung und Quellenqualität",
        "max_points": 16,
        "definition": "Geprüft werden die im Prompt festgelegten Anforderungen an aktuelle externe Belege, Unabhängigkeit, Primärquellen und widersprechende Evidenz. Nicht hierzu gehören Eingabegültigkeit, Originalpost-Abgleich, logische Folgerungen oder Urteilslabels.",
        "scoring_guide": "Je 4 Punkte für: (1) externe aktuelle Recherche statt ausschließlichen internen Wissens; (2) nachvollziehbare Anforderungen an Anzahl und Unabhängigkeit von Quellen; (3) angemessene Priorisierung einschlägiger Primärquellen und belastbarer Gegenbelege; (4) ausdrücklicher Umgang mit Quellenwidersprüchen und nicht verifizierbaren Tatsachen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 16 Punkte bei allen vier.",
        "weight_rationale": "Belegqualität ist für einen evidenzbasierten Fact-Check zentral. Sie erhält hohes Gewicht, bleibt aber von Interpretation und Schlusslogik getrennt."
      },
      {
        "id": "logical_inference",
        "name": "Prüfung von Schlussfolgerungen und Gegenbeispielen",
        "max_points": 15,
        "definition": "Geprüft werden Regeln dafür, ob die aus dem Post gezogene Schlussfolgerung aus den angeführten Prämissen folgt. Nicht bewertet werden die faktische Verifizierung dieser Prämissen, die Bestimmung der Hauptaussage oder die Wahl des Gesamturteils.",
        "scoring_guide": "Je 3 Punkte für: (1) eigenständige Bewertung der Schlussfolgerung neben Einzelbehauptungen; (2) Prüfung unzulässiger Kausalität aus Korrelation; (3) Prüfung von Verallgemeinerungen und relevanten Alternativerklärungen; (4) Suche nach sachlich passenden Gegenbeispielen bei allgemeinen Regeln; (5) Unterscheidung zwischen Widerlegung einer universellen Regel und bloß unzureichender Stützung einer schwächeren Aussage. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 15 Punkte bei allen fünf.",
        "weight_rationale": "Der erkennbare Anwendungsfall legt besonderen Wert auf die Logik eines Posts. Das Kriterium misst diese eigenständige Leistung, ohne richtige Fakten mit einem gültigen Schluss gleichzusetzen."
      },
      {
        "id": "post_context",
        "name": "Originalpost und zeitlicher Kontext",
        "max_points": 10,
        "definition": "Geprüft werden fachliche Anforderungen an den Abgleich eines Screenshots oder Auszugs mit dem Originalpost sowie an die zeitliche Einordnung von Aussagen. Nicht hierzu gehören Regeln, was bei fehlendem oder unzugänglichem Original als Eingabe zu tun ist; diese zählen ausschließlich zu input_processing.",
        "scoring_guide": "Je 2 Punkte für: (1) Abgleich mit dem vollständigen Originalpost; (2) Prüfung zusätzlichen Texts und relevanter visueller Bestandteile; (3) Prüfung von Veröffentlichungszeitpunkt und Bezugszeitraum; (4) zeitliche Einordnung einzelner zeitabhängiger Behauptungen; (5) Kennzeichnung eines irreführend als aktuell dargestellten älteren Sachverhalts. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ausgelassene Postteile und Zeitverschiebungen können ein Urteil verfälschen. Das Gewicht berücksichtigt ihre Bedeutung, ohne sie mit der allgemeinen Belegprüfung doppelt zu bewerten."
      },
      {
        "id": "status_and_verdict",
        "name": "Quellenstatus, Veröffentlichungsstandard und Gesamturteil",
        "max_points": 19,
        "definition": "Geprüft werden die Regeln zur Einstufung des erkennbaren Quellenanspruchs und zur Ableitung eines Gesamturteils. Nicht hierzu gehören die Beschaffung von Belegen, die Deutung der Hauptaussage oder die Darstellung des fertigen Berichts.",
        "scoring_guide": "5 Punkte für eine am beobachtbaren fachlichen oder institutionellen Anspruch orientierte Statuseinstufung statt bloßer Personenbewertung; 5 Punkte für die ausdrückliche Trennung zwischen autorunabhängigem Wahrheitswert und anspruchsabhängigem Veröffentlichungsstandard; 5 Punkte für unterscheidbare Bedingungen der Urteile False, Misleading, Mixed und Unverified, insbesondere bei falscher Hauptaussage trotz korrekter Nebenangaben; 4 Punkte für eine Regel, nach der fehlende Belege oder mangelhafte Sorgfalt allein nicht als Beweis objektiver Falschheit gelten. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 19 Punkte bei allen vier Schritten.",
        "weight_rationale": "Hier münden die fachlichen Prüfungen in das Ergebnis. Das höchste Einzelgewicht schützt vor zwei besonders folgenreichen Fehlern: Autorität als Wahrheitsbeweis und mangelnde Belege als Nachweis der Unwahrheit zu behandeln."
      },
      {
        "id": "report_traceability",
        "name": "Nachvollziehbarer Fact-Check-Bericht",
        "max_points": 10,
        "definition": "Geprüft werden die verlangten Bestandteile und die überprüfbare Herleitung des auszugebenden Berichts. Nicht bewertet werden die materielle Richtigkeit der Belege und Urteile oder die Steuerung interner Zwischenstände.",
        "scoring_guide": "Je 2 Punkte für: (1) klar benannte Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; (2) Zuordnung von Quellen zu den jeweils gestützten Aussagen; (3) nachvollziehbare Begründungskette vom Befund zum Endurteil; (4) ausgewiesene Herleitung und Sicherheit der erkennbar vermittelten Botschaft; (5) eindeutige Regel für offizielle X-Handles, die nicht verifizierte Handles vermeidet. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 10 Punkte bei allen fünf.",
        "weight_rationale": "Ein prüfbarer Bericht erhöht Transparenz und Nachvollziehbarkeit. Sein Gewicht bleibt geringer als das der inhaltlichen Prüfungen, weil eine gute Darstellung keinen fehlerhaften Befund heilt."
      },
      {
        "id": "process_architecture",
        "name": "Ausführbarer Prüfablauf",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob sich die verlangte Arbeit in sinnvolle Schritte mit Abhängigkeiten, Entscheidungen, Fehlerwegen und Ergebnissen übersetzen lässt. Die fachliche Qualität einzelner Schritte zählt in den anwendungsspezifischen Kriterien; Eingabe- und Zustandsregeln zählen hier nicht. Eine bestimmte technische Umsetzung oder fest bezeichnete Ablaufstruktur wird nicht verlangt.",
        "scoring_guide": "Je 5 Punkte für: (1) erkennbare Abhängigkeiten zwischen Postermittlung, Aussagebestimmung, Prüfung und Urteil; (2) Entscheidungen darüber, welche Prüfungen nur bei einschlägigem Inhalt nötig sind, etwa Zuschreibungen oder allgemeine Regeln; (3) handhabbare Fehlerwege bei scheiternder Recherche oder Prüfung statt erzwungener Gewissheit; (4) ein bestimmbares Ergebnis auch für zulässig eingeschränkte Prüfungen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Ein einfacher, eindeutiger Ablauf genügt.",
        "weight_rationale": "Ein produktiv genutzter Prompt muss ausführbar sein. Das Gewicht prüft Umsetzbarkeit unabhängig von der fachlichen Richtigkeit und belohnt keine unnötige Verfahrenskomplexität."
      },
      {
        "id": "state_architecture",
        "name": "Zwischenstände und Fortsetzung",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, ob während dieses Fact-Checks relevante Zwischenstände, Fortschritt und Übergänge sowie Regeln für Abbruch und Wiederaufnahme ausreichend bestimmbar sind. Nicht bewertet werden die fachlichen Prüfnormen, die Ablaufreihenfolge als solche oder die Gültigkeit von Eingaben. Eine technische Zustandsimplementierung ist nicht erforderlich.",
        "scoring_guide": "Je 5 Punkte für: (1) unterscheidbare Zwischenstände, etwa ermittelte Aussagen, geprüfte Belege und offene Punkte; (2) erkennbare Kriterien, wann ein Prüfpunkt abgeschlossen oder weiterhin offen ist; (3) Regel für Abbruch oder begrenzten Abschluss bei unüberwindbaren Hindernissen; (4) Regel, welche bereits gesicherten Ergebnisse bei einer Wiederaufnahme weiterverwendet und welche zeitabhängigen Prüfungen erneuert werden müssen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier. Eine einfache Regelung genügt, sofern sie für den Anwendungsfall eindeutig ist.",
        "weight_rationale": "Webrecherche kann unterbrochen werden oder offenbleiben. Bestimmbare Zwischenstände verbessern Reproduzierbarkeit und verhindern, dass ungeprüfte Punkte als abgeschlossen erscheinen."
      },
      {
        "id": "input_processing",
        "name": "Eingaben, Gültigkeit und Lücken",
        "max_points": 20,
        "definition": "Geprüft wird ausschließlich, welche Eingaben für den X-Post-Fact-Check benötigt werden, wie ihre Form und Gültigkeit feststellbar sind und was bei fehlenden, unzugänglichen oder widersprüchlichen Angaben geschieht. Der fachliche Originalpost-Abgleich zählt zu post_context; Recherchequalität, Ablauf und Zwischenstände zählen hier nicht.",
        "scoring_guide": "Je 5 Punkte für: (1) Benennung der benötigten Post-Eingabe und zulässiger Formen wie Link, Text oder Screenshot; (2) Regel zur Prüfung, ob Eingabe und zugehöriger Originalpost eindeutig demselben Inhalt zuzuordnen sind; (3) Vorgehen bei fehlendem, unzugänglichem oder widersprüchlichem Material ohne Erfinden fehlender Tatsachen; (4) Vorgabe, zulässige Ersatzannahmen ausdrücklich kenntlich zu machen und sachlich zu begründen oder andernfalls die Prüfung zu begrenzen. 0 Punkte ohne erfüllten Schritt; Teilpunkte als Summe; 20 Punkte bei allen vier.",
        "weight_rationale": "Die Aussagekraft des Ergebnisses hängt davon ab, was tatsächlich vorliegt. Klare Eingaberegeln verhindern Scheingenauigkeit, insbesondere wenn nur ein Ausschnitt statt des vollständigen Posts verfügbar ist."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "effee9361a4c2efc",
    "criterion_scores": [
      {
        "id": "main_claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text, Bildern, Daten und Argumentation aus Sicht eines vernünftigen durchschnittlichen Lesers. Er begrenzt die Deutung auf die engste gestützte Aussage und untersagt fernliegende Unterstellungen. Abschnitt 9 verlangt bei fehlender eindeutiger Hauptdeutung mehrere getrennte Deutungen und eine begründete Sicherheitseinstufung.",
        "improvement": "Keine"
      },
      {
        "id": "claim_attribution",
        "points": 14,
        "evidence": "Abschnitt 2 trennt explizite und implizierte Behauptungen sowie Tatsachenbehauptungen, Meinungen und Hypothesen. Abschnitt 3 verlangt getrennte Ergebnisse für die Richtigkeit der Zuschreibung, den Wahrheitsgehalt der zugeschriebenen Aussage und deren Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standards",
        "points": 16,
        "evidence": "Abschnitte 1 und 4 verlangen aktuelle Webrecherche, nach Möglichkeit mindestens drei unabhängige Quellen, die Bevorzugung einschlägiger Primärquellen und die Prüfung belastbarer Gegenbelege. Quellenwidersprüche sind mit Gründen für ihre Gewichtung anzugeben; fehlende Belege werden nicht als Beweis der Falschheit behandelt.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 15,
        "evidence": "Abschnitte 5 und 7 bewerten die Schlussfolgerung unabhängig von Einzelangaben. Sie nennen Kausalitätsfehler, Verallgemeinerungen und Alternativerklärungen, verlangen passende belegte Gegenbeispiele bei allgemeinen Regeln und unterscheiden einen nicht getragenen Schluss von einem widerlegten Schluss.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitte 1 und 4 verlangen den Abgleich mit dem vollständigen Originalpost einschließlich Text, Bildern, ergänzenden Inhalten und Zeitstempeln. Zeitabhängige Aussagen sind historisch oder aktuell einzuordnen; ein wesentlich irreführend als aktuell dargestelltes älteres Ereignis ist ausdrücklich zu bewerten.",
        "improvement": "Keine"
      },
      {
        "id": "status_and_verdict",
        "points": 19,
        "evidence": "Abschnitt 6 orientiert den Quellenstatus am erkennbaren fachlichen oder institutionellen Anspruch und trennt ihn ausdrücklich vom Wahrheitswert. Abschnitt 7 definiert die Bedingungen für False, Mixed, Misleading und Unverified, einschließlich einer falschen Hauptaussage trotz korrekter Nebenangaben. Fehlende Evidenz oder verletzte Sorgfalt allein rechtfertigen kein False.",
        "improvement": "Keine"
      },
      {
        "id": "report_traceability",
        "points": 10,
        "evidence": "Abschnitt 9 benennt Abschnitte für Hauptaussage, Einzelbehauptungen, Logik und Urteil, verlangt Quellen unmittelbar an den gestützten Aussagen und eine Herleitung des Ergebnisses. Intended Message, Derivation und Confidence machen Deutung und Sicherheit nachvollziehbar. Abschnitt 8 schließt nicht verifizierte X-Handles aus.",
        "improvement": "Keine"
      },
      {
        "id": "process_architecture",
        "points": 20,
        "evidence": "Die Abschnitte führen von Postermittlung und Aussagebestimmung über Recherche und Prüfung zum Urteil. Zuschreibungen werden nur bei entsprechenden Aussagen, Gegenbeispiele bei allgemeinen Regeln geprüft. Abschnitt 1 regelt gescheiterte Recherche und ermöglicht einen begrenzten Bericht mit Teilbefunden ohne Overall Verdict.",
        "improvement": "Keine"
      },
      {
        "id": "state_architecture",
        "points": 20,
        "evidence": "Abschnitt 1 unterscheidet dokumentierte Post-Fassungen, verifizierte Behauptungen, Quellenbefunde und offene Fragen. Die Abbruchregel legt fest, wann die Prüfung nicht abgeschlossen ist und welche offenen Schritte auszuweisen sind. Für die Wiederaufnahme schreibt der Prompt die Weiterverwendung gesicherter Befunde und die erneute Prüfung zeitabhängiger Aussagen und Quellenaktualität vor.",
        "improvement": "Keine"
      },
      {
        "id": "input_processing",
        "points": 20,
        "evidence": "Abschnitt 1 benennt den Originalpost sowie mögliche Screenshots und Auszüge, verlangt deren Vergleich und die Benennung von Abweichungen. Bei unzugänglichem Original sind verlässlich dokumentierte Ersatzfassungen mit ihren Grenzen zu kennzeichnen; wenn damit die Hauptaussage nicht bestimmbar ist, wird die Prüfung ohne Overall Verdict begrenzt.",
        "improvement": "Keine"
      }
    ],
    "total_score": 160,
    "priority_fixes": []
  }
}


The evaluation and task context needed for this run are included here. Use the
parent generation artifacts when they help you understand what the current
agent produced and how it was evaluated.

This domain improves an existing source prompt instead of designing a prompt
from scratch. The generator should preserve the source prompt's core purpose
while improving clarity, robustness, operational rules, and consistency.

Translate supported evaluator findings into changes to the Task-Agent's
instructions in /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not directly edit the source prompt or a
generated candidate prompt. The next Task-Agent run creates the revised
candidate from the changed instructions.

You may read:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_007
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_010/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_010/meta_workspace

If you want to reinterpret, summarize, or adapt the task for this run, write
that as a new artifact inside the workspace. Keep the source prompt
and all evaluation/report files unchanged.

Make an actual code change to /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py. Do not merely describe changes.

TOOL PROTOCOL:
- Use exactly ONE tool per response.
- Tool calls MUST use exactly this format:

<json>
{
    "tool_name": "...",
    "tool_input": {...}
}
</json>

- Never use <function_calls>, <invoke_tool>, XML tool calls, or any other
  tool-call syntax.
- Never simulate a tool result.
- Every editor call must include the absolute `path` inside `tool_input`.
- For `str_replace`, use `command`, `path`, `old_str`, and `new_str` together.
- If editor returns an error, correct the JSON and retry editor; do not switch
  to bash, sed, or another editing method.
- Wait for the real tool result before making the next tool call.

After editing:
1. Inspect the changed files.
2. Finish with a short summary. The loop runs py_compile and validates the
   patch after your response; no shell tool is available to you.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/outputs/prompt_design/gen_010/meta_workspace

STRICT CONSTRAINTS:
- Preserve generate_prompt(task: str) -> str.
- It must continue to return a Python string.
- Keep the existing single Task-Agent LLM call.
- Do not add runtime evaluator logic or extra model calls.
- Improve the prompt-generation strategy inside generate_prompt().
- Preserve the behavior that the Task-Agent improves an existing prompt and
  does not replace it with an unrelated prompt.

IMPLEMENTATION PROTOCOL:
- Make exactly one small but meaningful improvement.
- First use editor view on the target file with `line_numbers: false`.
- Your first response must be this actual editor call, with no surrounding text:
  <json>{"tool_name":"editor","tool_input":{"command":"view","path":"/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_160_bestLast_260928/prompt_design_agent.py","line_numbers":false}}</json>
- Then use editor str_replace on a short exact substring copied verbatim from
  the file you viewed.
- Copy only actual file text into `old_str` and `new_str`. Never add display
  labels such as `15\t`, and never invent extra fields such as `new_str_2`.
- Prioritize the actual edit before exploration or documentation. Do not list
  directories or create notes, reports, checklists, or summaries before editing.
- If an edit fails, use the real error and file contents to fix that edit next.
- Never assume a proposed tool call was executed. Only real tool results prove
  that a change or validation happened.
- Do not replace the whole function or whole file.
- Do not use sed.
- After the edit, view the file again.
- The loop runs py_compile and patch validation after you finish. You do not
  need to run either check yourself.
- Documentation is not required; prefer finishing immediately with a short
  plain-text summary. Do not spend tools printing success messages.
- Reserve remaining tool calls for the edit, verification, and necessary fixes.
- Do not finish unless the target file actually changed.

SUGGESTED TOOL CYCLE:
1. editor view with `line_numbers: false`
2. editor str_replace
3. editor view to verify the real change
4. finish with a short plain-text summary (the loop performs py_compile)