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: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Auswertung von Text und visuellen Bestandteilen, trennt explizite von impliziten Behauptungen und begrenzt die Hauptaussage auf die engste vernünftige Leserinterpretation. Abschnitt 7 verlangt getrennte Deutungen und jeweils begründete Unsicherheit.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitt 1 verlangt aktuelle Websuche, mindestens drei unabhängige Quellen, Primärquellenprüfung und die Offenlegung von Quellenwidersprüchen. Abschnitt 7 verlangt Links unmittelbar an den belegten Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 3 prüft die Schlussfolgerung unabhängig vom Wahrheitswert der Einzelangaben, nennt Korrelation und Kausalität sowie Alternativerklärungen und verlangt sachgleiche Gegenbeispiele. Abschnitt 5 stellt klar, dass echte Zahlen oder Zitate eine falsche Hauptaussage nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 5 gibt der zentralen Aussage Vorrang, definiert fünf unterscheidbare Urteile und schreibt bei nachweislich falscher Hauptaussage ausdrücklich „False“ vor. Fehlende Belege, gemischte wesentliche Aussagen und irreführender Kontext werden davon abgegrenzt.",
        "improvement": "Die Regel zum nicht verifizierten Originalpost mit der Kategorie „Unverified“ sprachlich vereinheitlichen."
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 4 verlangt eine Einordnung des erkennbaren Status und Anspruchs, beurteilt Wahrheit unabhängig vom Autor und verwendet den erhobenen Anspruch als Maßstab für Beweisführung und Darstellung. Abschnitte 4 und 5 trennen einen Verstoß gegen diesen Standard von der Widerlegung einer Aussage.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich mit dem vollständigen Originalpost sowie die Prüfung von Veröffentlichungs- und Ereignisdatum. Abschnitt 2 bewertet Zuschreibung, Inhalt und Übernahme durch den Poster getrennt.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 regelt fehlenden Webzugriff, einen nicht verifizierbaren Originalpost und weniger als drei unabhängige Quellen. Abschnitt 6 schreibt bei nicht belastbar bestätigtem offiziellem Handle die Verwendung ausschließlich des Namens vor.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Abschnitt 7 trennt Hauptaussage, Einzelprüfung, Logik und Gesamturteil, verlangt eine Beleg- und Schlusskette sowie die Herleitung möglicher Botschaften aus konkreten Postbestandteilen mit gesonderter Unsicherheitsangabe. Die Ausgabe ist klar gegliedert.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "priority_fixes": [
      {
        "criterion_id": "verdict_rules",
        "location": "Abschnitt 1, Absatz zum Originalpost; Abschnitte 5 und 7",
        "problem": "Bei nicht verifiziertem Originalpost untersagt Abschnitt 1 ein abschließendes Urteil, während Abschnitt 5 dafür „Unverified“ als Overall Verdict vorsieht. Abschnitt 7 verlangt zugleich ein Overall Verdict und kennzeichnet die Einschätzung als vorläufig.",
        "change": "Ausdrücklich festlegen, dass „Unverified“ in diesem Fall nur den vorläufigen Prüfstatus des verfügbaren Materials bezeichnet und kein abschließendes Urteil über den Gesamtpost ist."
      }
    ]
  }
}


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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_000
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_001/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text und visuellen Bestandteilen, trennt ausdrücklich formulierte von implizierten Behauptungen und begrenzt Deutungen auf die engste durch den Post gestützte Interpretation. Das Ausgabeformat verlangt bei mehreren vernünftigen Interpretationen eine getrennte Darstellung und jeweils eine eigene Confidence-Angabe.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitt 1 verlangt aktuelle Webrecherche. Abschnitt 3 fordert nach Möglichkeit mindestens drei unabhängige Quellen, bevorzugt Primärquellen und verlangt die Offenlegung von Quellenwidersprüchen. Abschnitt 6 ordnet Quellen unmittelbar den belegten Aussagen zu.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 prüft eigenständig, ob Daten und verifizierte Tatsachen die Hauptschlussfolgerung tragen, einschließlich Korrelation versus Kausalität und Alternativerklärungen. Abschnitt 3 verlangt sachgleiche Gegenbeispiele. Abschnitt 5 stellt klar, dass echte Zahlen oder Zitate eine daraus konstruierte falsche Hauptaussage nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 5 gibt der zentral vermittelten Aussage Vorrang vor richtigen Nebenangaben und definiert die Bedingungen für True, False, Mixed, Misleading und Unverified getrennt. Eine belastbar widerlegte Hauptaussage darf nicht vorsichtshalber als Mixed, Misleading oder Unverified bewertet werden; fehlende Belege und irreführender Kontext werden von einer Widerlegung unterschieden.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 2 verlangt einen belegbaren, objektiv erkennbaren Quellenstatus, trennt ihn ausdrücklich vom Wahrheitswert und macht den erkennbaren fachlichen oder institutionellen Anspruch zum Maßstab für Präsentation und Beweisführung. Abschnitt 5 verlangt, entsprechende Mängel im Urteil und seiner Begründung zu berücksichtigen, ohne fehlende Belege als Beweis der Falschheit zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich von Screenshot oder Auszug mit dem vollständigen Original einschließlich Veröffentlichungszeitpunkt und zeitlichem Kontext. Abschnitt 3 prüft Attribution, Inhalt der zugeschriebenen Aussage und deren Übernahme durch den Poster getrennt; zeitabhängige Aussagen werden ihrem Datum und gegebenenfalls ihrer Uhrzeit zugeordnet.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 regelt fehlenden Webzugriff und einen nicht verifizierbaren vollständigen Originalpost ausdrücklich. Abschnitt 3 verlangt die Offenlegung, wenn die angestrebte Zahl unabhängiger Quellen nicht erreichbar ist, und verbietet die Verwendung eines X-Handles ohne eindeutige offizielle Bestätigung.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Abschnitt 6 sieht getrennte Felder für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil vor. Die kurze Urteilsbegründung sowie „Evidence“ und „Derivation“ verbinden Befunde mit dem Urteil. „Intended Message“, „Derivation“ und interpretationsbezogene Confidence-Angaben machen die Herleitung und ihre Unsicherheit nachvollziehbar.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_001
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_002/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text und visuellen Bestandteilen, trennt explizite von impliziten Behauptungen und begrenzt die Hauptaussage auf die engste gestützte Interpretation. „Intended Message“ und „Confidence“ verlangen getrennte Deutungen mit jeweiliger Unsicherheit.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitt 1 verlangt eine aktuelle Websuche; Abschnitt 6 fordert mindestens drei unabhängige geeignete Quellen und Belege unmittelbar bei den geprüften Aussagen. Abschnitt 4 fragt nach Primärquellen und Gegenbelegen; Quellenwidersprüche sind ausdrücklich offenzulegen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 5 prüft eigenständig, ob die Evidenz den Schluss trägt, nennt Korrelation und Kausalität sowie Alternativerklärungen und verlangt sachgleiche Gegenbeispiele für uneingeschränkte Regeln. Abschnitt 7 stellt klar, dass wahre Zahlen und korrekte Nebenangaben eine falsche zentrale Schlussfolgerung nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 7 gibt der zentralen Aussage Vorrang vor richtigen Nebenangaben und definiert getrennte Bedingungen für True, False, Mixed, Misleading und Unverified. Eine widerlegte zentrale Aussage darf nicht ersatzweise Mixed, Misleading oder Unverified erhalten; fehlende Belege werden ausdrücklich von einer Widerlegung unterschieden.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 3 verlangt einen verifizierbaren, objektiv erkennbaren Quellenstatus, beurteilt den Wahrheitswert unabhängig vom Autor und misst den Veröffentlichungsstandard am erkennbar erhobenen fachlichen oder institutionellen Anspruch. Verstöße sind im Urteil zu benennen, ohne fehlende Belege automatisch als Widerlegung zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich eines Screenshots mit dem vollständigen Originalpost einschließlich Veröffentlichungszeitpunkt. Abschnitt 4 prüft den maßgeblichen Zeitbezug sowie Zuschreibung, Inhalt der zugeschriebenen Aussage und deren Übernahme durch den Poster getrennt.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 regelt fehlenden Webzugriff und einen nicht verifizierbaren vollständigen Originalpost mit einem vorläufigen Urteil. Abschnitt 6 regelt weniger als drei unabhängige Quellen durch Offenlegung und angepasste Urteilssicherheit; ohne belastbar verifizierten offiziellen X-Handle ist ausschließlich der Name zu verwenden.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Abschnitt 8 trennt Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil in benannten Abschnitten. Er verlangt eine nachvollziehbare Herleitung vom Postinhalt über die Evidenz zum Urteil sowie „Derivation“ und gesonderte „Confidence“ für jede Interpretation der vermittelten Botschaft.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_002
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_003/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text und visuellen Bestandteilen, trennt explizite von impliziten Behauptungen, begrenzt die Hauptaussage auf die engste vernünftige Leserinterpretation und verlangt die getrennte Darstellung mehrerer Deutungen. Abschnitt 7 fordert dafür gesonderte Sicherheitsangaben.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitt 1 verlangt aktuelle Webrecherche. Abschnitt 5 fordert mindestens drei unabhängige Quellen, bevorzugt Primärquellen und regelt Quellenwidersprüche. Das Ausgabeformat verlangt Belege unmittelbar an den geprüften Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 prüft die Schlussfolgerung eigenständig, nennt Korrelation und Kausalität sowie Alternativerklärungen und verlangt sachgleiche Gegenbeispiele. Abschnitt 6 stellt klar, dass korrekte Zahlen oder Nebenangaben eine nicht tragfähige beziehungsweise falsche Hauptaussage nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 6 gibt der zentral vermittelten Aussage Vorrang, definiert fünf Urteilskategorien mit unterscheidbaren Bedingungen und schreibt bei belastbar widerlegter Hauptaussage „False“ statt eines vorsichtigeren Ersatzurteils vor. Fehlende Belege, teilweise zutreffende Bestandteile und irreführender Kontext werden davon abgegrenzt.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 5 verlangt einen objektiv erkennbaren Quellenstatus, trennt den Wahrheitswert von der Person und verwendet den Veröffentlichungsanspruch als Maßstab für Beleg- und Darstellungssorgfalt. Abschnitt 6 verlangt die Erklärung seines Einflusses auf die Bewertung und untersagt, fehlende Belege oder einen verfehlten Standard allein als Widerlegung zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich von Screenshot oder Auszug mit dem vollständigen Originalpost einschließlich Zeitstempel und zeitlichem Kontext. Abschnitt 3 prüft bei Zuschreibungen Attribution, Inhalt der zugeschriebenen Aussage und Übernahme durch den Poster getrennt.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 regelt fehlenden Webzugriff und einen nicht verifizierbaren oder unvollständig zugänglichen Originalpost. Abschnitt 5 regelt weniger als drei unabhängige Quellen und schreibt bei nicht eindeutig verifiziertem X-Handle die Verwendung ausschließlich des Klarnamens vor.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Das Ausgabeformat trennt Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil, verlangt eine Herleitung vom Befund zum Urteil sowie die Ableitung jeder vermittelten Botschaft aus Postbestandteilen mit gesonderter Unsicherheitsangabe. Die benannten Abschnitte machen die Befunde auffindbar.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_003
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_004/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text und visuellen Bestandteilen, trennt explizite von impliziten Behauptungen, begrenzt die Hauptaussage auf die engste vernünftige Leserinterpretation und verlangt die getrennte Darstellung mehrerer Deutungen. Abschnitt 7 fordert dafür gesonderte Sicherheitsangaben.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitt 1 verlangt aktuelle Webrecherche. Abschnitt 5 fordert mindestens drei unabhängige Quellen, bevorzugt Primärquellen und regelt Quellenwidersprüche. Das Ausgabeformat verlangt Belege unmittelbar an den geprüften Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 prüft die Schlussfolgerung eigenständig, nennt Korrelation und Kausalität sowie Alternativerklärungen und verlangt sachgleiche Gegenbeispiele. Abschnitt 6 stellt klar, dass korrekte Zahlen oder Nebenangaben eine nicht tragfähige beziehungsweise falsche Hauptaussage nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 6 gibt der zentral vermittelten Aussage Vorrang, definiert fünf Urteilskategorien mit unterscheidbaren Bedingungen und schreibt bei belastbar widerlegter Hauptaussage „False“ statt eines vorsichtigeren Ersatzurteils vor. Fehlende Belege, teilweise zutreffende Bestandteile und irreführender Kontext werden davon abgegrenzt.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 5 verlangt einen objektiv erkennbaren Quellenstatus, trennt den Wahrheitswert von der Person und verwendet den Veröffentlichungsanspruch als Maßstab für Beleg- und Darstellungssorgfalt. Abschnitt 6 verlangt die Erklärung seines Einflusses auf die Bewertung und untersagt, fehlende Belege oder einen verfehlten Standard allein als Widerlegung zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich von Screenshot oder Auszug mit dem vollständigen Originalpost einschließlich Zeitstempel und zeitlichem Kontext. Abschnitt 3 prüft bei Zuschreibungen Attribution, Inhalt der zugeschriebenen Aussage und Übernahme durch den Poster getrennt.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 regelt fehlenden Webzugriff und einen nicht verifizierbaren oder unvollständig zugänglichen Originalpost. Abschnitt 5 regelt weniger als drei unabhängige Quellen und schreibt bei nicht eindeutig verifiziertem X-Handle die Verwendung ausschließlich des Klarnamens vor.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Das Ausgabeformat trennt Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil, verlangt eine Herleitung vom Befund zum Urteil sowie die Ableitung jeder vermittelten Botschaft aus Postbestandteilen mit gesonderter Unsicherheitsangabe. Die benannten Abschnitte machen die Befunde auffindbar.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_003
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_005/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_005

Target generation:
gen_006

Latest evaluation:

Overall score: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitte 1 und 2 beziehen Text und visuelle Bestandteile ein, trennen explizite von impliziten Behauptungen und begrenzen Deutungen auf die engste gestützte Interpretation. „Derivation“ und „Confidence“ verlangen getrennte Angaben bei mehreren vernünftigen Deutungen.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitte 1 und 3 verlangen aktuelle Webrecherche, mindestens drei unabhängige Quellen, die Prüfung von Primärquellen, die Benennung wesentlicher Quellenwidersprüche und Belege unmittelbar an den gestützten Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 verlangt eine eigenständige Prüfung der Schlussfolgerung, behandelt Korrelation und Kausalität sowie Alternativerklärungen und fordert sachgleiche Gegenbeispiele. Die Urteilsregeln stellen klar, dass richtige Einzelangaben eine falsche Gesamtargumentation nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 6 gibt der zentralen Aussage Vorrang vor richtigen Nebenangaben, definiert die fünf Urteilskategorien getrennt und schreibt „False“ bei widerlegter Hauptaussage ausdrücklich vor. Fehlende Belege, teilweise richtige Aussagen und irreführender Kontext erhalten eigene Entscheidungsbedingungen.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 5 verlangt die Bestimmung des objektiv erkennbaren Quellenstatus, trennt Autor und Wahrheitswert, legt Maßstäbe für den erkennbaren Veröffentlichungsanspruch fest und verlangt, dessen Einfluss auf das Urteil zu begründen, ohne fehlende Belege als Widerlegung zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich eines Screenshots mit dem vollständigen Originalpost und die Prüfung des Veröffentlichungszeitpunkts. Abschnitt 3 prüft Datum und möglichst Uhrzeit zeitabhängiger Aussagen sowie Zuschreibung, zugeschriebene Aussage und Übernahme durch den Poster getrennt.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Der Prompt regelt die Offenlegung fehlenden Webzugriffs, einen vorläufigen Status bei nicht verifizierbarem Originalpost, die Offenlegung von weniger als drei erreichbaren unabhängigen Quellen und den Verzicht auf nicht eindeutig verifizierte offizielle X-Handles.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Abschnitt 8 sieht getrennte Felder für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil vor. „Overall Verdict“ und „Derivation“ verlangen eine nachvollziehbare Herleitung; „Derivation“ und „Confidence“ erfassen beobachtbare Postbestandteile und Unsicherheit. Die feste Struktur macht Befunde auffindbar.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_005
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_006/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_005

Target generation:
gen_007

Latest evaluation:

Overall score: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitte 1 und 2 beziehen Text und visuelle Bestandteile ein, trennen explizite von impliziten Behauptungen und begrenzen Deutungen auf die engste gestützte Interpretation. „Derivation“ und „Confidence“ verlangen getrennte Angaben bei mehreren vernünftigen Deutungen.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitte 1 und 3 verlangen aktuelle Webrecherche, mindestens drei unabhängige Quellen, die Prüfung von Primärquellen, die Benennung wesentlicher Quellenwidersprüche und Belege unmittelbar an den gestützten Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 verlangt eine eigenständige Prüfung der Schlussfolgerung, behandelt Korrelation und Kausalität sowie Alternativerklärungen und fordert sachgleiche Gegenbeispiele. Die Urteilsregeln stellen klar, dass richtige Einzelangaben eine falsche Gesamtargumentation nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 6 gibt der zentralen Aussage Vorrang vor richtigen Nebenangaben, definiert die fünf Urteilskategorien getrennt und schreibt „False“ bei widerlegter Hauptaussage ausdrücklich vor. Fehlende Belege, teilweise richtige Aussagen und irreführender Kontext erhalten eigene Entscheidungsbedingungen.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 5 verlangt die Bestimmung des objektiv erkennbaren Quellenstatus, trennt Autor und Wahrheitswert, legt Maßstäbe für den erkennbaren Veröffentlichungsanspruch fest und verlangt, dessen Einfluss auf das Urteil zu begründen, ohne fehlende Belege als Widerlegung zu behandeln.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich eines Screenshots mit dem vollständigen Originalpost und die Prüfung des Veröffentlichungszeitpunkts. Abschnitt 3 prüft Datum und möglichst Uhrzeit zeitabhängiger Aussagen sowie Zuschreibung, zugeschriebene Aussage und Übernahme durch den Poster getrennt.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Der Prompt regelt die Offenlegung fehlenden Webzugriffs, einen vorläufigen Status bei nicht verifizierbarem Originalpost, die Offenlegung von weniger als drei erreichbaren unabhängigen Quellen und den Verzicht auf nicht eindeutig verifizierte offizielle X-Handles.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Abschnitt 8 sieht getrennte Felder für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil vor. „Overall Verdict“ und „Derivation“ verlangen eine nachvollziehbare Herleitung; „Derivation“ und „Confidence“ erfassen beobachtbare Postbestandteile und Unsicherheit. Die feste Struktur macht Befunde auffindbar.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_005
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_007/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 berücksichtigt Text und visuelle Elemente gemeinsam, trennt explizite und implizierte Behauptungen und begrenzt die Hauptaussage auf die engste objektiv gestützte Deutung. „Intended Message“ und „Confidence“ verlangen getrennte Angaben bei mehreren Deutungen.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitte 1 und 3 verlangen aktuelle Webrecherche, mindestens drei unabhängige Quellen, die Prüfung von Primärquellen und die Benennung von Quellenwidersprüchen. Abschnitt 8 ordnet Quellen unmittelbar den belegten Aussagen zu.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 prüft die Schlussfolgerung ausdrücklich unabhängig vom Wahrheitswert einzelner Angaben, nennt Korrelation und Alternativerklärungen und verlangt sachgleiche Gegenbeispiele. Die Abschnitte 7 und 8 trennen zutreffende Nebenangaben von der Tragfähigkeit der Gesamtaussage und die Logikprüfung von der Faktenprüfung.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 7 gibt der tragenden Gesamtaussage Vorrang vor richtigen Nebenangaben, definiert fünf Urteilskategorien und schreibt bei widerlegter Hauptaussage „False“ statt eines vorsichtigeren Urteils vor. Fehlende Belege, gemischte Teilbehauptungen und irreführender Kontext werden davon unterschieden.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 5 verlangt den objektiv erkennbaren Autorenstatus, stellt die Beurteilung des Wahrheitswerts unabhängig vom Autor klar und verwendet den erkennbaren Veröffentlichungsanspruch als Maßstab der Beweisführung. Ein nicht erfüllter Evidenzanspruch soll in die Begründung eingehen, begründet allein aber kein „False“.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich eines Screenshots mit dem vollständigen Originalpost und die Prüfung des Veröffentlichungszeitpunkts; Abschnitt 3 ergänzt den zeitlichen Bezug. Für zugeschriebene Aussagen werden Attribution, Inhalt und Übernahme durch den Poster getrennt bewertet.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 regelt fehlenden Webzugriff und einen nicht auffindbaren oder nicht verifizierbaren Originalpost. Abschnitt 3 regelt weniger als drei geeignete unabhängige Quellen. Abschnitt 6 schreibt bei nicht eindeutig zuordenbarem X-Handle die Verwendung des Klarnamens vor.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Abschnitt 8 enthält getrennte Felder für Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil. Abschnitt 7 verlangt die Kette vom Material über die Evidenz zum Urteil; „Derivation“ und „Confidence“ machen die Herleitung und Unsicherheit der vermittelten Botschaft sichtbar. Die Ausgabe ist klar gegliedert.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_007
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_008/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_008

Target generation:
gen_009

Latest evaluation:

Overall score: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Abschnitt 2 verlangt die gemeinsame Betrachtung von Text und visuellen Bestandteilen, trennt explizite von impliziten Behauptungen und begrenzt die Deutung auf die engste durch den Post gestützte Interpretation. Abschnitt 6 verlangt getrennte plausible Deutungen mit Sicherheitsgrad.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Abschnitt 1 verlangt aktuelle Webrecherche. Abschnitt 4 fordert mindestens drei unabhängige Quellen, behandelt Primärquellen und Quellenwidersprüche. Das Ausgabeformat verlangt Links unmittelbar bei den jeweils gestützten Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 3 prüft die Schlussfolgerung unabhängig von Einzelbehauptungen, nennt Korrelation und Kausalität, Alternativerklärungen sowie belegte Gegenbeispiele. Einleitung und Urteilsregeln trennen zutreffende Einzelangaben von einer tragfähigen Gesamtaussage.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Abschnitt 5 gibt der zentral vermittelten Aussage Vorrang vor Nebenangaben, definiert die fünf Urteilskategorien und schreibt bei widerlegter Hauptaussage ausdrücklich „False“ vor. Unbelegtheit, teilweise zutreffende Aussagen und irreführender Kontext werden davon abgegrenzt.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 4 verlangt die Bestimmung des objektiv erkennbaren Quellenstatus, beurteilt den Wahrheitswert unabhängig vom Autor und verwendet den erkennbaren Veröffentlichungsanspruch als Sorgfaltsmaßstab. Der Einfluss eines Standardverstoßes ist zu begründen; fehlende Belege gelten nicht automatisch als Widerlegung.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Abschnitt 1 verlangt den Abgleich von Screenshot und vollständigem Originalpost sowie die Prüfung des Veröffentlichungszeitpunkts; Abschnitt 3 konkretisiert den Zeitbezug. Abschnitt 2 trennt bei zugeschriebenen Aussagen Attribution, Inhalt und Übernahme durch den Poster.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Abschnitt 1 gibt Regeln für fehlenden Webzugriff und einen nicht zugänglichen Originalpost. Abschnitt 4 regelt den Fall von weniger als drei unabhängigen Quellen und verlangt bei nicht eindeutig verifiziertem offiziellem X-Handle den Klarnamen.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Das Ausgabeformat trennt Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil. Es verlangt eine Begründungskette von Hauptaussage über Evidenz und Logik zum Urteil sowie die Herleitung der vermittelten Botschaft aus beobachtbaren Bestandteilen mit Sicherheitsgrad.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_008
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_009/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_009

Target generation:
gen_010

Latest evaluation:

Overall score: 100/100
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 impliziter Aussagen, visueller Inhalte, Schlussfolgerungen und des erkennbaren Anspruchs der veröffentlichenden Quelle.",
    "scientific_basis": "Die Gewichtung orientiert sich an der Aufgabeneignung: Die zutreffende Bestimmung der Hauptaussage, belastbare Evidenz und ein daraus folgerichtiges Urteil erhalten das größte Gewicht, weil Fehler dort die Validität des gesamten Fact-Checks beeinträchtigen. Logikprüfung und Quellenstatus werden getrennt bewertet, damit unterschiedliche Anforderungen nicht vermischt werden. Beobachtbare Einzelanforderungen und feste Punkteschlüssel erhöhen Messbarkeit und Reliabilität wiederholter Bewertungen. Bewertet wird ausschließlich, was der Prompt anweist und operationalisiert – nicht, ob ein späterer Fact-Check tatsächlich gelingt.",
    "criteria": [
      {
        "id": "claim_interpretation",
        "name": "Bestimmung der vermittelten Aussage",
        "max_points": 16,
        "definition": "Ob der Prompt die Ermittlung expliziter und impliziter Aussagen aus dem gesamten Post eingrenzt und nachvollziehbar macht.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) Text und visuelle Bestandteile gemeinsam berücksichtigen; (2) explizite und implizite Behauptungen unterscheiden; (3) implizite Aussagen auf die engste objektiv gestützte Leserinterpretation begrenzen; (4) mehrere plausible Interpretationen und ihre Unsicherheit getrennt ausweisen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Eine falsch zugeschriebene Hauptaussage entwertet auch eine sorgfältige Prüfung der Einzelbelege."
      },
      {
        "id": "evidence_standard",
        "name": "Verifizierung und Evidenz",
        "max_points": 16,
        "definition": "Ob der Prompt überprüfbare Vorgaben für Recherche, Quellenqualität und Belegzuordnung enthält.",
        "scoring_guide": "Je 4 Punkte für ausdrücklich geregelte Anforderungen: (1) aktuelle externe Recherche statt ausschließlich internen Wissens; (2) mehrere voneinander unabhängige Quellen; (3) Prüfung von Primärbelegen und ausdrücklicher Umgang mit Quellenwidersprüchen; (4) Belege unmittelbar den jeweils geprüften Aussagen zuordnen. Sonst jeweils 0 Punkte; Summe 0 bis 16.",
        "weight_rationale": "Ein evidenzbasierter Fact-Check benötigt überprüfbare Belege; Quellenzahl allein genügt dafür nicht."
      },
      {
        "id": "logical_inference",
        "name": "Eigenständige Logikprüfung",
        "max_points": 13,
        "definition": "Ob der Prompt die Tragfähigkeit der Schlussfolgerung unabhängig vom Wahrheitswert einzelner Angaben prüfen lässt.",
        "scoring_guide": "4 Punkte für die ausdrücklich eigenständige Prüfung, ob die Evidenz die Schlussfolgerung trägt; 3 Punkte für die Unterscheidung von Korrelation und Kausalität sowie die Prüfung alternativer Erklärungen; 3 Punkte für die Suche nach sachgleichen Gegenbeispielen bei allgemeinen Aussagen; 3 Punkte für die ausdrückliche Trennung von korrekten Teilangaben und der Tragfähigkeit der Gesamtargumentation. Nicht ausdrücklich geregelte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 13.",
        "weight_rationale": "Der Anwendungsfall verlangt eine Logikprüfung und nicht lediglich die Verifizierung isolierter Fakten."
      },
      {
        "id": "verdict_rules",
        "name": "Folgerichtigkeit des Gesamturteils",
        "max_points": 18,
        "definition": "Ob der Prompt das Overall Verdict anhand der zentral vermittelten Aussage und unterscheidbarer Urteilsbedingungen festlegt.",
        "scoring_guide": "5 Punkte, wenn die zentrale Aussage ausdrücklich Vorrang vor zutreffenden Nebenangaben hat; 5 Punkte, wenn die angebotenen Urteilskategorien durch voneinander abgrenzbare Bedingungen erläutert werden; 4 Punkte, wenn eine widerlegte zentrale Aussage ausdrücklich zu „False“ führt, ohne Ersatz durch ein bloß vorsichtigeres Urteil; 4 Punkte, wenn fehlende Belege, teilweise zutreffende Aussagen und irreführender Kontext ausdrücklich vom Nachweis einer falschen Hauptaussage unterschieden werden. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 18.",
        "weight_rationale": "Das Gesamturteil ist das entscheidende Ergebnis für Leser. Klare Entscheidungsregeln fördern Validität und konsistente Wiederholungsbewertungen."
      },
      {
        "id": "source_status",
        "name": "Umgang mit dem Status der veröffentlichenden Quelle",
        "max_points": 12,
        "definition": "Ob der Prompt den objektiv erkennbaren Quellenstatus berücksichtigt, ohne den Wahrheitswert von der Person abzuleiten.",
        "scoring_guide": "Je 3 Punkte für ausdrücklich geregelte Anforderungen: (1) Status anhand erkennbarer Merkmale bestimmen; (2) Wahrheitswert unabhängig vom Autor beurteilen; (3) den erhobenen fachlichen oder institutionellen Anspruch als Maßstab für Beleg- und Darstellungssorgfalt verwenden; (4) kenntlich machen, wie ein Verstoß gegen diesen Veröffentlichungsstandard in die Begründung des Urteils eingeht, ohne fehlende Belege mit einer Widerlegung gleichzusetzen. Sonst jeweils 0 Punkte; Summe 0 bis 12.",
        "weight_rationale": "Der Quellenstatus ist eine Besonderheit dieses Prompts. Seine getrennte Prüfung schützt davor, Autorität mit Wahrheit oder fehlende Sorgfalt mit Falschheit zu verwechseln."
      },
      {
        "id": "post_context",
        "name": "Originalpost, Zeitkontext und Zuschreibung",
        "max_points": 10,
        "definition": "Ob der Prompt typische Kontextverluste bei X-Posts anhand konkret prüfbarer Merkmale behandelt.",
        "scoring_guide": "3 Punkte für den Abgleich eines Screenshots mit dem vollständigen Originalpost; 3 Punkte für die Prüfung von Zeitstempel und zeitlichem Bezug zeitabhängiger Aussagen; 2 Punkte für die getrennte Prüfung von Quellenzuschreibung und Inhalt der zugeschriebenen Aussage; 2 Punkte für die gesonderte Prüfung, ob der Poster die zugeschriebene Aussage selbst übernimmt. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 10.",
        "weight_rationale": "Diese Merkmale bestimmen, welcher Inhalt überhaupt geprüft wird und ob eine Aussage im richtigen Kontext bewertet wird."
      },
      {
        "id": "unavailable_information",
        "name": "Regeln für nicht verfügbare Informationen",
        "max_points": 8,
        "definition": "Ob der Prompt festlegt, wie ohne Erfindungen weiterzuarbeiten ist, wenn verlangte Rechercheschritte nicht möglich oder nicht ergiebig sind.",
        "scoring_guide": "Je 2 Punkte für eine ausdrückliche Handlungsregel bei (1) fehlendem Webzugriff, (2) nicht auffindbarem vollständigem Originalpost, (3) weniger als der geforderten Zahl unabhängiger Quellen und (4) nicht eindeutig verifizierbarem offiziellem X-Handle. Eine bloße Pflicht zur Recherche zählt nicht als Handlungsregel für deren Scheitern. Sonst jeweils 0 Punkte; Summe 0 bis 8.",
        "weight_rationale": "Ausfallregeln machen einen produktiven Prompt robuster und verringern den Anreiz, fehlende Informationen als verifiziert auszugeben."
      },
      {
        "id": "output_traceability",
        "name": "Nachvollziehbarkeit der Ausgabe",
        "max_points": 7,
        "definition": "Ob die verlangte Ausgabe dem Leser erlaubt, Aussage, Prüfung und Endurteil auseinanderzuhalten und zu verbinden.",
        "scoring_guide": "2 Punkte für getrennte Ausgabefelder zu Hauptaussage, Einzelbehauptungen, Logik und Gesamturteil; 2 Punkte für eine ausdrücklich verlangte Herleitung vom Befund zum Endurteil; 2 Punkte für die Herleitung der vermittelten Botschaft aus beobachtbaren Postbestandteilen einschließlich Unsicherheitsangabe; 1 Punkt für eine erkennbare Struktur oder Priorisierung, die wesentliche Befunde auffindbar hält. Nicht erfüllte Teilanforderungen erhalten jeweils 0 Punkte; Summe 0 bis 7.",
        "weight_rationale": "Ein nachvollziehbares Format unterstützt die Prüfung des Ergebnisses; es erhält weniger Gewicht als die inhaltlichen Entscheidungsregeln."
      }
    ]
  },
  "evaluation": {
    "rubric_id": "e7391d701ddb1985",
    "criterion_scores": [
      {
        "id": "claim_interpretation",
        "points": 16,
        "evidence": "Der Prompt verlangt die gemeinsame Betrachtung von Text und visuellen Bestandteilen, trennt explizite von impliziten Behauptungen, begrenzt Deutungen auf die engste durch den Post gestützte Interpretation und fordert bei mehreren vernünftigen Interpretationen getrennte Sicherheitsgrade.",
        "improvement": "Keine"
      },
      {
        "id": "evidence_standard",
        "points": 16,
        "evidence": "Vorgeschrieben sind eine aktuelle Websuche, mindestens drei unabhängige Quellen, die Prüfung anhand von Primärquellen samt Offenlegung von Quellenwidersprüchen sowie Quellen unmittelbar an den gestützten Aussagen.",
        "improvement": "Keine"
      },
      {
        "id": "logical_inference",
        "points": 13,
        "evidence": "Abschnitt 4 verlangt eine vom Wahrheitswert einzelner Angaben unabhängige Logikprüfung. Er nennt Korrelation und Kausalität, Alternativerklärungen und belegte Gegenbeispiele zu allgemeinen Regeln. Die Urteilsregeln stellen klar, dass korrekte Nebenangaben eine falsche Hauptaussage nicht retten.",
        "improvement": "Keine"
      },
      {
        "id": "verdict_rules",
        "points": 18,
        "evidence": "Die tragende Gesamtaussage hat ausdrücklich Vorrang vor Nebenangaben. Für alle fünf Urteile stehen abgrenzende Bedingungen bereit; eine widerlegte zentrale Aussage muss „False“ erhalten. Fehlende Belege, gemischte Befunde und irreführender Kontext werden davon unterschieden.",
        "improvement": "Keine"
      },
      {
        "id": "source_status",
        "points": 12,
        "evidence": "Abschnitt 6 verlangt einen anhand erkennbarer Merkmale bestimmten Quellenstatus, beurteilt den Wahrheitswert unabhängig vom Autor und nutzt den erhobenen Anspruch als Maßstab für Veröffentlichungssorgfalt. Verstöße sollen in das Overall Verdict eingehen, ohne fehlende Belege einer Widerlegung gleichzusetzen.",
        "improvement": "Keine"
      },
      {
        "id": "post_context",
        "points": 10,
        "evidence": "Der vollständige Originalpost ist mit einem Screenshot abzugleichen; Zeitstempel und zeitlicher Bezug sind zu prüfen. Bei zugeschriebenen Aussagen werden Attribution, Inhalt und Übernahme durch den Poster getrennt bewertet.",
        "improvement": "Keine"
      },
      {
        "id": "unavailable_information",
        "points": 8,
        "evidence": "Für fehlenden Webzugriff, einen nicht zugänglichen oder nicht identifizierbaren Originalpost und weniger als drei geeignete unabhängige Quellen nennt der Prompt ausdrückliche Ausfallregeln. Bei nicht eindeutig verifiziertem X-Handle ist ausschließlich der Klarname zu verwenden.",
        "improvement": "Keine"
      },
      {
        "id": "output_traceability",
        "points": 7,
        "evidence": "Das Ausgabeformat trennt Hauptaussage, Einzelprüfungen, Logik und Gesamturteil. Abschnitt 7 fordert eine Begründungskette bis zum Endurteil; „Derivation“ und „Confidence“ machen beobachtbare Grundlagen und Unsicherheit der vermittelten Botschaft nachvollziehbar.",
        "improvement": "Keine"
      }
    ],
    "total_score": 100,
    "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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_009
- files inside /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/outputs/prompt_design/gen_010/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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_bestLast_260925/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_generated_rubric_bestLast_260925/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_bestLast_260925/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)