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: 7/40
Normalized score: 17.50%

Detailed evaluator report:
# 1. Prüfbericht

## Eindeutigkeit

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „in allen vier verlangten Hauptabschnitten“  
**Feststellung:** Die vier Hauptabschnitte sind nicht bezeichnet.  
**Prüfregel:** Abschnitt 7.1; F1.  
**Begründung:** Die zwölf Überschriften aus Abschnitt 7 lassen sich auf unterschiedliche Weise vier übergeordneten Abschnitten zuordnen.  
**Auswirkung auf dieses Kriterium:** Die verlangte Gliederung ist mehrdeutig.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Die Bewertung muss alle acht Kriterien enthalten“  
**Feststellung:** Der Prompt definiert keine Menge von acht Bewertungskriterien.  
**Prüfregel:** Abschnitt 7.1; F1.  
**Begründung:** Es sind unterschiedliche Zusammenstellungen von acht Kriterien mit dem Wortlaut vereinbar.  
**Auswirkung auf dieses Kriterium:** Welche Kriterien auszugeben sind, ist mehrdeutig.

**ID: S07**  
**Schweregrad:** G3  
**Betroffene Stelle:** „durch belastbare Evidenz gestützt oder widerlegt“; Urteilsregeln zu **True** und **False**  
**Feststellung:** Der handlungssteuernde Maßstab „belastbare Evidenz“ ist nicht bestimmt.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Der Prompt gibt kein Kriterium vor, wann vorliegende Evidenz für ein abschließendes Urteil genügt. Unterschiedliche Maßstäbe können zu unterschiedlichen Urteilen führen.  
**Auswirkung auf dieses Kriterium:** Die Grenze zwischen belegter und nicht hinreichend belegter Hauptaussage ist mehrdeutig.

**ID: S08**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Erfasse alle für die Hauptaussage wesentlichen Punkte“  
**Feststellung:** Die Auswahl „wesentlicher“ Punkte ist nicht bestimmt.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Eine unmittelbar zur Hauptaussage gehörende Angabe kann als wesentlich gelten; nach einer anderen Auslegung können auch stützende Hintergrundangaben wesentlich sein.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung ist mehrdeutig.

## Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

## Logik

**ID: S05**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Wenn keine eindeutige implizite Tatsachenaussage erkennbar ist, halte das fest“; „Vergib das Overall Verdict nach der zentral vermittelten Aussage“  
**Feststellung:** Für den ausdrücklich vorgesehenen Fall ohne bestimmbare Hauptaussage fehlt eine Regel zum Overall Verdict.  
**Prüfregel:** F7; Abschnitt 7.3.  
**Begründung:** Die Ausnahme wird benannt, die Urteilsregeln setzen jedoch eine zentrale Aussage voraus.  
**Auswirkung auf dieses Kriterium:** Der Zusammenhang zwischen Ausnahmefall und verpflichtendem Urteil ist nicht bestimmt.

**ID: S06**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln für **Mixed** und **Misleading**  
**Feststellung:** Die Regeln können denselben Fall erfassen, ohne eine Priorität festzulegen.  
**Prüfregel:** F3; Abschnitt 7.3.  
**Begründung:** Eine Aussage kann einen zutreffenden Kern, einen nicht hinreichend belegten weiteren wesentlichen Teil und durch dessen Darstellung einen wesentlich falschen Eindruck enthalten. Dafür kommen nach dem Wortlaut beide Urteile in Betracht.  
**Auswirkung auf dieses Kriterium:** Das Overall Verdict ist in diesem Fall nicht eindeutig bestimmbar.

## Eingaben

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Prüfe […] eines X-Posts“  
**Feststellung:** Die Herkunft des zu prüfenden Posts ist nicht festgelegt; ein konkreter Post ist im geprüften Prompt nicht enthalten.  
**Prüfregel:** F4; Abschnitt 7.4.  
**Begründung:** Die ausdrücklich verlangte Untersuchung benötigt einen identifizierbaren Post. Der Prompt legt weder fest, welcher Post gemeint ist, noch, aus welcher Eingabe er zu entnehmen ist.  
**Auswirkung auf dieses Kriterium:** Der Untersuchungsgegenstand kann nicht eindeutig ermittelt werden.

## Ausgaben

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „in allen vier verlangten Hauptabschnitten“  
**Feststellung:** Die verpflichtende Vier-Abschnitt-Gliederung ist nicht bestimmbar.  
**Prüfregel:** F1, F5; Abschnitt 7.5.  
**Begründung:** Abschnitt 7 nennt Überschriften, aber keine Zuordnung zu vier Hauptabschnitten.  
**Auswirkung auf dieses Kriterium:** Die Einhaltung der verlangten Ausgabegliederung lässt sich nicht eindeutig prüfen.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „alle acht Kriterien“  
**Feststellung:** Der Inhalt dieses verpflichtenden Bewertungsteils ist nicht bestimmbar.  
**Prüfregel:** F1, F5; Abschnitt 7.5.  
**Begründung:** Acht auszugebende Kriterien werden nicht definiert.  
**Auswirkung auf dieses Kriterium:** Verschiedene Bewertungen könnten unterschiedliche Kriterien enthalten.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“  
**Feststellung:** Für Zähler und Nenner der verpflichtenden Gesamtpunktzahl fehlen Berechnungsregeln.  
**Prüfregel:** F5; Abschnitt 7.5.  
**Begründung:** Weder Punkteskala noch Vergabe und Höchstpunktzahl sind im geprüften Prompt bestimmt.  
**Auswirkung auf dieses Kriterium:** Die Zahlen der Pflichtausgabe sind nicht bestimmbar.

**ID: S05**  
**Schweregrad:** G3  
**Betroffene Stelle:** Ausnahme ohne eindeutige Hauptaussage; „**Overall Verdict:** True / False / Mixed / Misleading / Unverified“  
**Feststellung:** Für diesen Ausnahmefall ist kein inhaltlich bestimmbares Overall Verdict festgelegt.  
**Prüfregel:** F5, F7; Abschnitt 7.5.  
**Begründung:** Sämtliche Urteilsdefinitionen beziehen sich auf eine zentrale Aussage, die im Ausnahmefall gerade nicht bestimmbar ist.  
**Auswirkung auf dieses Kriterium:** Ein verpflichtender Ausgabebestandteil kann nicht regelgemäß ausgefüllt werden.

**ID: S06**  
**Schweregrad:** G3  
**Betroffene Stelle:** **Mixed** und **Misleading**  
**Feststellung:** Bei überlappenden Urteilsbedingungen ist das auszugebende Overall Verdict nicht bestimmt.  
**Prüfregel:** F3, F5; Abschnitt 7.5.  
**Begründung:** Für den unter Logik beschriebenen Fall fehlt eine Vorrangregel.  
**Auswirkung auf dieses Kriterium:** Derselbe Befund kann zwei unterschiedliche Overall Verdicts ergeben.

**ID: S07**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln mit „belastbarer Evidenz“  
**Feststellung:** Ohne bestimmten Evidenzmaßstab kann der Inhalt des Overall Verdicts unterschiedlich ausfallen.  
**Prüfregel:** F5; Abschnitt 7.5.  
**Begründung:** Ob vorhandene Belege für **True**, **False** oder lediglich **Unverified** genügen, hängt vom nicht definierten Maßstab ab.  
**Auswirkung auf dieses Kriterium:** Ein verpflichtender Ausgabebestandteil ist nicht reproduzierbar bestimmbar.

## Entscheidungen

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „vier verlangten Hauptabschnitten“  
**Feststellung:** Eine Auswahlregel für die Zuordnung der Ausgabeinhalte zu vier Abschnitten fehlt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt diese Gliederung, bestimmt aber ihre Bestandteile nicht.  
**Auswirkung auf dieses Kriterium:** Die Gliederungsentscheidung bleibt offen.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „alle acht Kriterien“  
**Feststellung:** Eine Auswahlregel für die acht Kriterien fehlt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Die verlangte Auswahl kann nicht aus einer definierten Kriterienmenge vorgenommen werden.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Kriterien können gewählt werden.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“  
**Feststellung:** Die Entscheidung über die einzusetzenden Zahlen hat keine Regel.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Es fehlen Maßstab und Berechnung.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Punktzahlen sind möglich.

**ID: S05**  
**Schweregrad:** G3  
**Betroffene Stelle:** Sonderfall ohne eindeutige implizite Tatsachenaussage  
**Feststellung:** Die Auswahl eines Overall Verdicts für diesen Sonderfall ist nicht geregelt.  
**Prüfregel:** F7; Abschnitt 7.6.  
**Begründung:** Das Festhalten der fehlenden Hauptaussage ersetzt keine Regel für das zusätzlich verlangte Urteil.  
**Auswirkung auf dieses Kriterium:** Die Urteilsentscheidung kann nicht eindeutig fortgesetzt werden.

**ID: S06**  
**Schweregrad:** G3  
**Betroffene Stelle:** **Mixed** und **Misleading**  
**Feststellung:** Für gleichzeitig zutreffende Urteilsbedingungen fehlt eine Priorität.  
**Prüfregel:** F3; Abschnitt 7.6.  
**Begründung:** Keine Regel entscheidet im beschriebenen Überschneidungsfall zwischen beiden Urteilen.  
**Auswirkung auf dieses Kriterium:** Die Hauptentscheidung bleibt offen.

**ID: S07**  
**Schweregrad:** G3  
**Betroffene Stelle:** „belastbare Evidenz“  
**Feststellung:** Das Entscheidungskriterium für eine hinreichende Beleglage ist nicht definiert.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt evidenzabhängige Urteile, legt aber die maßgebliche Schwelle nicht fest.  
**Auswirkung auf dieses Kriterium:** Dieselben Belege können unterschiedlich eingestuft werden.

**ID: S08**  
**Schweregrad:** G2  
**Betroffene Stelle:** „alle für die Hauptaussage wesentlichen Punkte“  
**Feststellung:** Das Auswahlkriterium für einzeln zu prüfende Punkte ist nicht bestimmt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt eine Auswahl, grenzt „wesentlich“ aber nicht durch eine verbindliche Regel ab.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Claim-by-claim assessment kann variieren.

## Reproduzierbarkeit

**ID: S01** · **Schweregrad:** G3 · **Betroffene Stelle:** „eines X-Posts“ · **Feststellung:** Unterschiedliche Posts können als Untersuchungsgegenstand gewählt werden. · **Prüfregel:** Abschnitt 7.7; F4. · **Begründung:** Die Eingabequelle ist nicht festgelegt. · **Auswirkung auf dieses Kriterium:** Recherche und Befunde können vollständig verschieden sein.

**ID: S02** · **Schweregrad:** G2 · **Betroffene Stelle:** „vier verlangten Hauptabschnitten“ · **Feststellung:** Unterschiedliche Vier-Abschnitt-Gliederungen sind möglich. · **Prüfregel:** Abschnitt 7.7; F1. · **Begründung:** Die Zuordnung ist nicht vorgegeben. · **Auswirkung auf dieses Kriterium:** Die Ausgabestruktur kann variieren.

**ID: S03** · **Schweregrad:** G2 · **Betroffene Stelle:** „alle acht Kriterien“ · **Feststellung:** Unterschiedliche Kriterienmengen sind möglich. · **Prüfregel:** Abschnitt 7.7; F1. · **Begründung:** Die acht Kriterien fehlen. · **Auswirkung auf dieses Kriterium:** Der Inhalt der Bewertung kann variieren.

**ID: S04** · **Schweregrad:** G2 · **Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“ · **Feststellung:** Unterschiedliche Punkteskalen und Ergebnisse sind möglich. · **Prüfregel:** Abschnitt 7.7; F5. · **Begründung:** Berechnungsregeln fehlen. · **Auswirkung auf dieses Kriterium:** Die Gesamtpunktzahl kann variieren.

**ID: S06** · **Schweregrad:** G3 · **Betroffene Stelle:** **Mixed** und **Misleading** · **Feststellung:** Beide Urteile können für denselben Überschneidungsfall gewählt werden. · **Prüfregel:** Abschnitt 7.7; F3. · **Begründung:** Eine Priorität fehlt. · **Auswirkung auf dieses Kriterium:** Die Hauptentscheidung kann variieren.

**ID: S07** · **Schweregrad:** G3 · **Betroffene Stelle:** „belastbare Evidenz“ · **Feststellung:** Unterschiedliche Evidenzmaßstäbe können unterschiedliche Urteile ergeben. · **Prüfregel:** Abschnitt 7.7; Schritt 3. · **Begründung:** Der Maßstab ist nicht bestimmt. · **Auswirkung auf dieses Kriterium:** Die inhaltliche Bewertung kann variieren.

**ID: S08** · **Schweregrad:** G2 · **Betroffene Stelle:** „wesentliche Punkte“ · **Feststellung:** Unterschiedliche Behauptungen können für die Einzelprüfung ausgewählt werden. · **Prüfregel:** Abschnitt 7.7; Schritt 3. · **Begründung:** Die Auswahlgrenze fehlt. · **Auswirkung auf dieses Kriterium:** Der Inhalt der Einzelprüfung kann variieren.

## Interpretationsspielraum

**ID: S01** · **Schweregrad:** G3 · **Betroffene Stelle:** „eines X-Posts“ · **Feststellung:** Der Post kann als später bereitgestellte Eingabe oder als selbst auszuwählender öffentlicher Post verstanden werden. · **Prüfregel:** Abschnitt 7.8; F4. · **Begründung:** Keine Herkunftsregel entscheidet zwischen beiden Vorgehensweisen. · **Auswirkung auf dieses Kriterium:** Der Untersuchungsgegenstand bleibt offen.

**ID: S02** · **Schweregrad:** G2 · **Betroffene Stelle:** „vier verlangten Hauptabschnitten“ · **Feststellung:** Die vorgegebenen Überschriften können unterschiedlich in vier Gruppen gegliedert werden. · **Prüfregel:** Abschnitt 7.8; F1. · **Begründung:** Eine Gruppierungsregel fehlt. · **Auswirkung auf dieses Kriterium:** Mehrere Ausgabestrukturen bleiben möglich.

**ID: S03** · **Schweregrad:** G2 · **Betroffene Stelle:** „alle acht Kriterien“ · **Feststellung:** Unterschiedliche Achtergruppen können als Kriterien eingesetzt werden. · **Prüfregel:** Abschnitt 7.8; F1. · **Begründung:** Keine Kriterienliste bestimmt die Auswahl. · **Auswirkung auf dieses Kriterium:** Mehrere Bewertungsinhalte bleiben möglich.

**ID: S04** · **Schweregrad:** G2 · **Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“ · **Feststellung:** Unterschiedliche Skalen und Berechnungen sind möglich. · **Prüfregel:** Abschnitt 7.8; F5. · **Begründung:** Eine Berechnungsregel fehlt. · **Auswirkung auf dieses Kriterium:** Mehrere Gesamtpunktzahlen bleiben möglich.

**ID: S06** · **Schweregrad:** G3 · **Betroffene Stelle:** **Mixed** und **Misleading** · **Feststellung:** Im Überschneidungsfall sind beide Urteile möglich. · **Prüfregel:** Abschnitt 7.8; F3. · **Begründung:** Es fehlt eine Vorrangregel. · **Auswirkung auf dieses Kriterium:** Zwei Hauptentscheidungen bleiben möglich.

**ID: S07** · **Schweregrad:** G3 · **Betroffene Stelle:** „belastbare Evidenz“ · **Feststellung:** Belege können nach einem strengeren oder weniger strengen Maßstab beurteilt werden. · **Prüfregel:** Abschnitt 7.8; Schritt 3. · **Begründung:** Der Prompt wählt keinen Maßstab. · **Auswirkung auf dieses Kriterium:** Unterschiedliche Urteile bleiben möglich.

**ID: S08** · **Schweregrad:** G2 · **Betroffene Stelle:** „wesentliche Punkte“ · **Feststellung:** Nur unmittelbar zentrale oder zusätzlich stützende Angaben können einzeln geprüft werden. · **Prüfregel:** Abschnitt 7.8; Schritt 3. · **Begründung:** Eine Auswahlregel fehlt. · **Auswirkung auf dieses Kriterium:** Unterschiedliche Umfänge der Einzelprüfung bleiben möglich.

# 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S02 (G2), S03 (G2), S07 (G3), S08 (G2) | 5 − 2 − 2 − 3 − 2 → 0 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S05 (G3), S06 (G3) | 5 − 3 − 3 → 0 | 0 |
| Eingaben | S01 (G3) | 5 − 3 | 2 |
| Ausgaben | S02 (G2), S03 (G2), S04 (G2), S05 (G3), S06 (G3), S07 (G3) | 5 − 2 − 2 − 2 − 3 − 3 − 3 → 0 | 0 |
| Entscheidungen | S02 (G2), S03 (G2), S04 (G2), S05 (G3), S06 (G3), S07 (G3), S08 (G2) | 5 − 2 − 2 − 2 − 3 − 3 − 3 − 2 → 0 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G2), S03 (G2), S04 (G2), S06 (G3), S07 (G3), S08 (G2) | 5 − 3 − 2 − 2 − 2 − 3 − 3 − 2 → 0 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G2), S03 (G2), S04 (G2), S06 (G3), S07 (G3), S08 (G2) | 5 − 3 − 2 − 2 − 2 − 3 − 3 − 2 → 0 | 0 |

Gesamtpunktzahl: 7/40

# 3. Interpretationsstellen

**ID: S01**  
**Betroffene Stelle:** „eines X-Posts“  
**Auslegung A:** Ein später vom Nutzer bereitgestellter Post ist zu prüfen.  
**Auslegung B:** Der Fact-Checker wählt selbst einen öffentlichen Post aus.  
**Fehlende Regel:** Herkunft und Identifikation des Prüfgegenstands.

**ID: S02**  
**Betroffene Stelle:** „vier verlangten Hauptabschnitten“  
**Auslegung A:** Die Abschnitte werden nach Arbeitsschritten gebildet, etwa Untersuchung, Bewertung, Belege und Quellen.  
**Auslegung B:** Die Ausgabeüberschriften werden anders zu vier übergeordneten Gruppen zusammengefasst.  
**Fehlende Regel:** Benennung und Zuordnung der vier Abschnitte.

**ID: S03**  
**Betroffene Stelle:** „alle acht Kriterien“  
**Auslegung A:** Acht Gesichtspunkte aus den Abschnitten 1 bis 6 werden ausgewählt.  
**Auslegung B:** Acht Gesichtspunkte aus den Ausgabevorgaben werden ausgewählt.  
**Fehlende Regel:** Abschließende Liste der acht Kriterien.

**ID: S04**  
**Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“  
**Auslegung A:** Jedes der acht Kriterien erhält gleich viele mögliche Punkte.  
**Auslegung B:** Die Kriterien erhalten unterschiedlich viele mögliche Punkte.  
**Fehlende Regel:** Punkteskala, Vergabe und Berechnung des Maximums.

**ID: S06**  
**Betroffene Stelle:** **Mixed** und **Misleading**  
**Auslegung A:** Bei zutreffendem Kern und einem nicht belegten wesentlichen Teil gilt **Mixed**.  
**Auslegung B:** Bei demselben Befund gilt wegen des wesentlich falschen Eindrucks **Misleading**.  
**Fehlende Regel:** Vorrangregel für den Überschneidungsfall.

**ID: S07**  
**Betroffene Stelle:** „belastbare Evidenz“  
**Auslegung A:** Die vorhandenen Belege genügen für ein bestätigendes oder widerlegendes Urteil.  
**Auslegung B:** Dieselben Belege genügen dafür noch nicht.  
**Fehlende Regel:** Maßstab für hinreichend belastbare Evidenz.

**ID: S08**  
**Betroffene Stelle:** „wesentliche Punkte“  
**Auslegung A:** Nur Angaben, die unmittelbar den Kern der Hauptaussage bilden, werden einzeln geprüft.  
**Auslegung B:** Auch Angaben, die diesen Kern maßgeblich stützen sollen, werden einzeln geprüft.  
**Fehlende Regel:** Abgrenzung einzeln zu prüfender wesentlicher Punkte.

# 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Die Herkunft des zu prüfenden Posts fehlt.  
**Änderung:** Festlegen, wie der zu prüfende Post identifiziert und bereitgestellt wird.  
**Wirkung:** Der Untersuchungsgegenstand wird bestimmbar.

**ID: S02**  
**Problem:** Vier Hauptabschnitte werden verlangt, aber nicht bezeichnet.  
**Änderung:** Die vier Abschnitte benennen und die verlangten Ausgabeinhalte zuordnen.  
**Wirkung:** Die Vier-Abschnitt-Gliederung wird bestimmbar.

**ID: S03**  
**Problem:** Die verlangten acht Kriterien sind nicht definiert.  
**Änderung:** Die acht Kriterien abschließend benennen.  
**Wirkung:** Der Inhalt der Bewertung wird bestimmbar.

**ID: S04**  
**Problem:** Die Gesamtpunktzahl besitzt keine Berechnungsregel.  
**Änderung:** Punkteskala, Punktevergabe und Höchstpunktzahl festlegen.  
**Wirkung:** `X/Y` wird berechenbar.

**ID: S05**  
**Problem:** Ohne bestimmbare Hauptaussage ist das verpflichtende Overall Verdict nicht geregelt.  
**Änderung:** Festlegen, wie das Overall Verdict genau in diesem Ausnahmefall auszugeben ist.  
**Wirkung:** Der definierte Sonderfall kann abgeschlossen werden.

**ID: S06**  
**Problem:** **Mixed** und **Misleading** können gleichzeitig zutreffen.  
**Änderung:** Für den Überschneidungsfall eine Vorrang- oder Abgrenzungsregel festlegen.  
**Wirkung:** Das Overall Verdict wird eindeutig auswählbar.

**ID: S07**  
**Problem:** Der Maßstab „belastbare Evidenz“ ist unbestimmt.  
**Änderung:** Ein verbindliches Kriterium festlegen, wann Evidenz für ein bestätigendes oder widerlegendes Urteil genügt.  
**Wirkung:** Die evidenzabhängige Urteilsentscheidung wird bestimmt.

**ID: S08**  
**Problem:** Die Auswahl „wesentlicher“ Punkte ist nicht abgegrenzt.  
**Änderung:** Festlegen, welche Beziehung zur Hauptaussage eine Angabe erfüllen muss, damit sie einzeln geprüft wird.  
**Wirkung:** Der Umfang der Einzelprüfung wird bestimmt.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_000
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_001/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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: 12/40
Normalized score: 30.00%

Detailed evaluator report:
## 1. Prüfbericht

### Eindeutigkeit

**ID: S01**  
**Schweregrad: G3**  
**Betroffene Stelle:** „Wähle bei mehreren Deutungen die engste, eindeutig gestützte Interpretation.“  
**Feststellung:** Für mehrere gleich enge, jeweils gestützte Deutungen fehlt eine Auswahlregel.  
**Prüfregel:** 7.1; F2.  
**Begründung:** „10 % mehr“ kann sich ohne weitere Angabe auf einen relativen Anstieg oder auf Prozentpunkte beziehen. Beide Deutungen können gleich eng sein.  
**Auswirkung auf dieses Kriterium:** Die zu prüfende Hauptaussage ist nicht stets eindeutig bestimmbar.

**ID: S02**  
**Schweregrad: G3**  
**Betroffene Stelle:** „verlässliche Belege“; „geeignete unabhängige Quellen“.  
**Feststellung:** Der Prompt legt nicht fest, nach welchen Kriterien die Verlässlichkeit eines Belegs festgestellt wird.  
**Prüfregel:** 7.1; F2.  
**Begründung:** Ein vorläufiger amtlicher Bericht kann als verlässlicher Beleg akzeptiert oder wegen seiner Vorläufigkeit zurückgestellt werden. Die genannten Prüfaspekte legen diese Auswahl nicht fest.  
**Auswirkung auf dieses Kriterium:** Die Evidenzgrundlage für Behauptungen und Endurteil kann unterschiedlich ausfallen.

**ID: S03**  
**Schweregrad: G3**  
**Betroffene Stelle:** „wesentlich falschen Eindruck“; „wesentlich falscher Gesamteindruck“.  
**Feststellung:** Es fehlt ein Kriterium dafür, wann eine Verzerrung wesentlich ist.  
**Prüfregel:** 7.1; F2.  
**Begründung:** Dieselbe Auslassung kann als wesentlich oder als nicht wesentlich eingestuft werden.  
**Auswirkung auf dieses Kriterium:** Insbesondere die Abgrenzung von *Misleading* und *Mixed* bleibt offen.

**ID: S04**  
**Schweregrad: G2**  
**Betroffene Stelle:** „Vergib für jede prüfbare Einzelbehauptung True, False, Mixed oder Unverified.“  
**Feststellung:** Für Einzelbehauptungen ist die Abgrenzung von *Mixed* nicht definiert.  
**Prüfregel:** 7.1; F2.  
**Begründung:** Die Urteilsregeln erläutern *Mixed* für die Hauptaussage, nicht für eine zusammengesetzte Einzelbehauptung. Ein teilweise richtiger Satz mit falscher Zahlenangabe kann als *Mixed* oder *False* bewertet werden.  
**Auswirkung auf dieses Kriterium:** Die Einzelbewertung ist nicht eindeutig.

**ID: S05**  
**Schweregrad: G2**  
**Betroffene Stelle:** „Confidence — High / Medium / Low / Not determinable“.  
**Feststellung:** Auswahlkriterien für die vier Confidence-Stufen fehlen.  
**Prüfregel:** 7.1; F2.  
**Begründung:** Der Prompt bestimmt den Gegenstand der Einschätzung, aber keine Schwellen oder sonstigen Regeln für die Stufenwahl.  
**Auswirkung auf dieses Kriterium:** Derselben Interpretation können unterschiedliche Confidence-Werte zugeordnet werden.

### Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### Logik

**ID: S06**  
**Schweregrad: G3**  
**Betroffene Stelle:** „Nenne hier auch einen entscheidenden Verstoß gegen den erkennbaren fachlichen Veröffentlichungsanspruch.“  
**Feststellung:** Ein entscheidender Verstoß wird auch dann verpflichtend verlangt, wenn keiner vorliegt.  
**Prüfregel:** Schritt 5; 7.3.  
**Begründung:** Bei einem Post ohne feststellbaren Verstoß kann die Pflichtangabe nicht zugleich mit dem Anspruch einer evidenzbasierten Prüfung erfüllt werden.  
**Auswirkung auf dieses Kriterium:** Die Anforderungen kollidieren in diesem zulässigen Fall.

### Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### Ausgaben

**ID: S04**  
**Schweregrad: G2**  
**Betroffene Stelle:** „Claim-by-claim assessment“; Urteile für Einzelbehauptungen.  
**Feststellung:** Die Auswahl von *Mixed* für Einzelbehauptungen ist nicht definiert.  
**Prüfregel:** 7.5; F5.  
**Begründung:** Der verpflichtende Bewertungsbestandteil kann im unter S04 beschriebenen Fall unterschiedlich ausgefüllt werden.  
**Auswirkung auf dieses Kriterium:** Die Einzelurteile können voneinander abweichen.

**ID: S05**  
**Schweregrad: G2**  
**Betroffene Stelle:** „Confidence — High / Medium / Low / Not determinable“.  
**Feststellung:** Die Pflichtangabe hat keine definierten Auswahlkriterien.  
**Prüfregel:** 7.5; F5.  
**Begründung:** Aus den Vorgaben lässt sich bei vorhandener Interpretation keine bestimmte Stufe ableiten.  
**Auswirkung auf dieses Kriterium:** Der Confidence-Eintrag ist nicht reproduzierbar bestimmbar.

**ID: S06**  
**Schweregrad: G3**  
**Betroffene Stelle:** Pflichtangabe eines „entscheidenden Verstoßes“ im *Overall Verdict*.  
**Feststellung:** Für einen Fall ohne solchen Verstoß ist der verpflichtende Inhalt nicht bestimmbar.  
**Prüfregel:** 7.5; F5.  
**Begründung:** Der Prompt erlaubt für diesen Fall weder das Weglassen noch ausdrücklich die Angabe, dass kein Verstoß festgestellt wurde.  
**Auswirkung auf dieses Kriterium:** Die verlangte Ausgabe kann dann nicht regelkonform erstellt werden.

**ID: S07**  
**Schweregrad: G3**  
**Betroffene Stelle:** „Sources — Gib überprüfbare Quellen mit Links“; Regel für nicht verfügbare Websuche.  
**Feststellung:** Für den Fall, dass keine Quelle zugänglich ist, fehlt eine Regel für die verpflichtende Quellenangabe.  
**Prüfregel:** 7.5; F5.  
**Begründung:** Bei einem nur als Text vorliegenden Post und nicht verfügbarer Websuche können keine überprüfbaren Quellenlinks angegeben werden. Die Ausnahmeregel bestimmt lediglich die Kennzeichnung fehlender Verifizierung.  
**Auswirkung auf dieses Kriterium:** Der verpflichtende Inhalt des Abschnitts *Sources* ist in diesem Fall nicht bestimmbar.

### Entscheidungen

**ID: S01**  
**Schweregrad: G3**  
**Betroffene Stelle:** Auswahl der „engsten, eindeutig gestützten Interpretation“.  
**Feststellung:** Ein Gleichstand zwischen mehreren Deutungen ist nicht geregelt.  
**Prüfregel:** 7.6; F2.  
**Begründung:** Die vorgegebene Auswahlregel entscheidet den unter S01 beschriebenen Fall nicht.  
**Auswirkung auf dieses Kriterium:** Die Hauptaussage kann unterschiedlich gewählt werden.

**ID: S02**  
**Schweregrad: G3**  
**Betroffene Stelle:** „verlässliche Belege“.  
**Feststellung:** Die Entscheidung über die Verlässlichkeit eines Belegs hat kein festgelegtes Kriterium.  
**Prüfregel:** 7.6; F2.  
**Begründung:** Die im Prompt genannten Prüfaspekte bestimmen nicht, wann ein Beleg angenommen oder zurückgestellt werden muss.  
**Auswirkung auf dieses Kriterium:** Bestätigung und Nichtbestätigung derselben Aussage sind möglich.

**ID: S03**  
**Schweregrad: G3**  
**Betroffene Stelle:** „wesentlich falscher Gesamteindruck“.  
**Feststellung:** Die Wesentlichkeitsentscheidung ist nicht definiert.  
**Prüfregel:** 7.6; F2.  
**Begründung:** Die Vorrangregel für *Misleading* greift erst, nachdem diese Entscheidung getroffen wurde.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Overall Verdicts sind möglich.

**ID: S04**  
**Schweregrad: G2**  
**Betroffene Stelle:** Kategorien für Einzelbehauptungen.  
**Feststellung:** Eine Auswahlregel für *Mixed* bei Einzelbehauptungen fehlt.  
**Prüfregel:** 7.6; F2.  
**Begründung:** Die Definition für die Hauptaussage ist nicht ausdrücklich auf Einzelbehauptungen übertragen.  
**Auswirkung auf dieses Kriterium:** Die Kategorie einer Einzelbehauptung kann unterschiedlich gewählt werden.

**ID: S05**  
**Schweregrad: G2**  
**Betroffene Stelle:** Confidence-Kategorien.  
**Feststellung:** Die Stufenwahl ist nicht geregelt.  
**Prüfregel:** 7.6; F2.  
**Begründung:** Es ist nicht festgelegt, welche Merkmale beispielsweise *Medium* statt *Low* erfordern.  
**Auswirkung auf dieses Kriterium:** Die Confidence-Entscheidung kann abweichen.

### Reproduzierbarkeit

**ID: S01**  
**Schweregrad: G3**  
**Betroffene Stelle:** Auswahl der implizierten Hauptaussage.  
**Feststellung:** Gleich enge Deutungen können unterschiedlich gewählt werden.  
**Prüfregel:** 7.7.  
**Begründung:** Beide unter S01 genannten Lesarten sind bei fehlender Bezugsklärung mit dem Prompt vereinbar.  
**Auswirkung auf dieses Kriterium:** Prüfung und Overall Verdict können verschiedene Aussagen betreffen.

**ID: S02**  
**Schweregrad: G3**  
**Betroffene Stelle:** Evidenzstandard.  
**Feststellung:** Belege können unterschiedlich zugelassen werden.  
**Prüfregel:** 7.7.  
**Begründung:** Annahme und Zurückstellung eines vorläufigen amtlichen Berichts führen zu unterschiedlicher Evidenzbewertung.  
**Auswirkung auf dieses Kriterium:** Einzelurteile und Endurteil können abweichen.

**ID: S03**  
**Schweregrad: G3**  
**Betroffene Stelle:** Wesentlichkeit eines falschen Eindrucks.  
**Feststellung:** Dieselbe Darstellung kann unterschiedlich gewichtet werden.  
**Prüfregel:** 7.7.  
**Begründung:** Die Einstufung einer Auslassung als wesentlich oder nicht wesentlich kann verschiedene Verdicts ergeben.  
**Auswirkung auf dieses Kriterium:** Das Overall Verdict ist nicht stets reproduzierbar.

**ID: S04**  
**Schweregrad: G2**  
**Betroffene Stelle:** Einzelurteil *Mixed*.  
**Feststellung:** Zusammengesetzte Einzelbehauptungen können verschieden kategorisiert werden.  
**Prüfregel:** 7.7.  
**Begründung:** Die unter S04 beschriebenen Einstufungen verändern eine inhaltliche Auswahlentscheidung.  
**Auswirkung auf dieses Kriterium:** Der Claim-by-claim-Abschnitt kann abweichen.

**ID: S05**  
**Schweregrad: G2**  
**Betroffene Stelle:** Confidence-Stufen.  
**Feststellung:** Für dieselbe Interpretation sind verschiedene Stufen möglich.  
**Prüfregel:** 7.7.  
**Begründung:** Eine verbindliche Abgrenzung der Stufen fehlt.  
**Auswirkung auf dieses Kriterium:** Der Confidence-Abschnitt kann abweichen.

### Interpretationsspielraum

**ID: S01**  
**Schweregrad: G3**  
**Betroffene Stelle:** „engste, eindeutig gestützte Interpretation“.  
**Feststellung:** Mehrere gleich enge Deutungen können bestehen.  
**Prüfregel:** 7.8.  
**Begründung:** Ein unklarer Prozentbezug lässt die Deutung als relativen Anstieg oder als Prozentpunkte zu; eine Gleichstandsregel fehlt.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Hauptaussagen bleiben möglich.

**ID: S02**  
**Schweregrad: G3**  
**Betroffene Stelle:** „verlässliche Belege“.  
**Feststellung:** Unterschiedliche Zulassungsentscheidungen sind möglich.  
**Prüfregel:** 7.8.  
**Begründung:** Ein vorläufiger amtlicher Bericht kann angenommen oder bis zur abschließenden Fassung zurückgestellt werden; der Prompt entscheidet dies nicht.  
**Auswirkung auf dieses Kriterium:** Die tragende Evidenz kann variieren.

**ID: S03**  
**Schweregrad: G3**  
**Betroffene Stelle:** „wesentlich falscher Gesamteindruck“.  
**Feststellung:** Die Wesentlichkeit einer Auslassung kann unterschiedlich beurteilt werden.  
**Prüfregel:** 7.8.  
**Begründung:** Einstufung als wesentlich oder nicht wesentlich ist ohne weitere Regel möglich.  
**Auswirkung auf dieses Kriterium:** *Misleading* und *Mixed* können konkurrieren.

**ID: S04**  
**Schweregrad: G2**  
**Betroffene Stelle:** *Mixed* als Einzelurteil.  
**Feststellung:** Eine teilweise richtige Einzelbehauptung kann unterschiedlich eingestuft werden.  
**Prüfregel:** 7.8.  
**Begründung:** *Mixed* oder *False* für einen Satz mit richtigem Ereignis und falscher Zahlenangabe sind ohne Einzelregel mögliche Handlungen.  
**Auswirkung auf dieses Kriterium:** Das Einzelurteil bleibt offen.

**ID: S05**  
**Schweregrad: G2**  
**Betroffene Stelle:** Confidence-Kategorien.  
**Feststellung:** Benachbarte Stufen sind nicht abgegrenzt.  
**Prüfregel:** 7.8.  
**Begründung:** *Medium* und *Low* können für dieselbe interpretierte Botschaft gewählt werden; eine Auswahlregel fehlt.  
**Auswirkung auf dieses Kriterium:** Der Confidence-Wert bleibt offen.

## 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S01 (G3), S02 (G3), S03 (G3), S04 (G2), S05 (G2) | 5 − 3 − 3 − 3 − 2 − 2; Untergrenze 0 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S06 (G3) | 5 − 3 | 2 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | S04 (G2), S05 (G2), S06 (G3), S07 (G3) | 5 − 2 − 2 − 3 − 3; Untergrenze 0 | 0 |
| Entscheidungen | S01 (G3), S02 (G3), S03 (G3), S04 (G2), S05 (G2) | 5 − 3 − 3 − 3 − 2 − 2; Untergrenze 0 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G3), S03 (G3), S04 (G2), S05 (G2) | 5 − 3 − 3 − 3 − 2 − 2; Untergrenze 0 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G3), S03 (G3), S04 (G2), S05 (G2) | 5 − 3 − 3 − 3 − 2 − 2; Untergrenze 0 | 0 |

Gesamtpunktzahl: 12/40

## 3. Interpretationsstellen

**ID: S01**  
**Betroffene Stelle:** Auswahl der engsten gestützten Hauptaussage.  
**Auslegung A:** „10 % mehr“ bezeichnet einen relativen Anstieg.  
**Auslegung B:** „10 % mehr“ bezeichnet zehn Prozentpunkte.  
**Fehlende Regel:** Auswahl bei mehreren gleich engen, gestützten Deutungen.

**ID: S02**  
**Betroffene Stelle:** „verlässliche Belege“.  
**Auslegung A:** Ein vorläufiger amtlicher Bericht ist als Beleg zulässig.  
**Auslegung B:** Er wird wegen seiner Vorläufigkeit zurückgestellt.  
**Fehlende Regel:** Kriterium für die Verlässlichkeit und Zulassung von Belegen.

**ID: S03**  
**Betroffene Stelle:** „wesentlich falscher Gesamteindruck“.  
**Auslegung A:** Eine Auslassung erzeugt einen wesentlich falschen Eindruck.  
**Auslegung B:** Dieselbe Auslassung ist für den Gesamteindruck nicht wesentlich.  
**Fehlende Regel:** Kriterium für Wesentlichkeit.

**ID: S04**  
**Betroffene Stelle:** *Mixed* bei Einzelbehauptungen.  
**Auslegung A:** Ein Satz mit richtigem Ereignis und falscher Zahlenangabe ist *Mixed*.  
**Auslegung B:** Der Satz ist wegen der falschen konkreten Zahlenbehauptung *False*.  
**Fehlende Regel:** Abgrenzung der Kategorien für solche Einzelbehauptungen.

**ID: S05**  
**Betroffene Stelle:** Confidence-Stufen.  
**Auslegung A:** Die Sicherheit einer Interpretation ist *Medium*.  
**Auslegung B:** Dieselbe Sicherheit ist *Low*.  
**Fehlende Regel:** Kriterien zur Abgrenzung der Stufen.

## 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Gleich enge, gestützte Hauptaussagen sind nicht unterscheidbar.  
**Änderung:** Lege fest, wie bei einem Gleichstand vorzugehen ist.  
**Wirkung:** Beseitigt die ungeregelte Auswahl der Hauptaussage.

**ID: S02**  
**Problem:** Die Zulassung verlässlicher Belege ist nicht bestimmt.  
**Änderung:** Definiere verbindliche Kriterien für die Annahme oder Zurückstellung eines Belegs.  
**Wirkung:** Beseitigt die unterschiedliche Evidenzauswahl.

**ID: S03**  
**Problem:** „Wesentlich“ ist für den falschen Gesamteindruck nicht operationalisiert.  
**Änderung:** Definiere, wann eine Auslassung oder Darstellung für das Endurteil als wesentlich gilt.  
**Wirkung:** Beseitigt die offene Abgrenzung insbesondere zwischen *Misleading* und *Mixed*.

**ID: S04**  
**Problem:** *Mixed* ist für Einzelbehauptungen nicht abgegrenzt.  
**Änderung:** Definiere die Anwendung der Einzelkategorien auf Behauptungen mit richtigen und falschen Bestandteilen.  
**Wirkung:** Beseitigt die unterschiedliche Einstufung solcher Einzelbehauptungen.

**ID: S05**  
**Problem:** Für die Confidence-Stufen fehlen Auswahlkriterien.  
**Änderung:** Lege Kriterien zur Abgrenzung von *High*, *Medium*, *Low* und *Not determinable* fest.  
**Wirkung:** Beseitigt die ungeregelte Stufenwahl.

**ID: S06**  
**Problem:** Ein entscheidender Verstoß wird auch ohne feststellbaren Verstoß verlangt.  
**Änderung:** Mache seine Nennung vom Vorliegen eines solchen Verstoßes abhängig und lege die Angabe für den Gegenfall fest.  
**Wirkung:** Beseitigt die nicht erfüllbare Pflichtangabe.

**ID: S07**  
**Problem:** Für einen Fall ohne zugängliche Quellen ist der verpflichtende Quelleninhalt nicht geregelt.  
**Änderung:** Lege fest, was im Abschnitt *Sources* anzugeben ist, wenn keine überprüfbare Quelle verfügbar ist.  
**Wirkung:** Beseitigt den unbestimmbaren Ausgabebestandteil.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_001
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_002/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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: 12/40
Normalized score: 30.00%

Detailed evaluator report:
## 1. Prüfbericht

### Eindeutigkeit

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „durch hinreichende Belege bestätigt“ / „durch hinreichende Belege widerlegt“  
**Feststellung:** Wann Belege als hinreichend gelten, ist nicht entschieden.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Der Prompt nennt Anforderungen an einzelne Belege und bevorzugte Quellen, legt aber keine verbindliche Regel für den Übergang von geeigneten Belegen zu einem bestätigten oder widerlegten Urteil fest. Ein einzelner aussagekräftiger Primärbeleg kann daher als ausreichend oder als noch nicht ausreichend behandelt werden.  
**Auswirkung auf dieses Kriterium:** Dieselbe Behauptung kann „True“ beziehungsweise „False“ oder „Unverified“ erhalten.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Bewerte die logische Schlussfolgerung gesondert als Supported, Partially supported, Unsupported oder False.“  
**Feststellung:** Die Abgrenzung dieser vier Urteile ist nicht definiert.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Der Prompt bestimmt zwar Fälle für „Nicht beurteilbar“, aber keine Auswahlkriterien für die vier übrigen Urteile. Eine Schlussfolgerung, für die nur ein Teil der erforderlichen Belegkette trägt, kann etwa als „Partially supported“ oder „Unsupported“ eingestuft werden.  
**Auswirkung auf dieses Kriterium:** Das gesonderte Logikurteil ist nicht eindeutig festgelegt.

### Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### Logik

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Erstelle ohne Post-Inhalt keinen Fact-Check.“ / „Verwende alle folgenden Abschnitte“  
**Feststellung:** Für eine Eingabe ohne identifizierbaren Post-Inhalt kollidieren die Abbruchanweisung für den Fact-Check und die uneingeschränkte Pflicht zum vollständigen Fact-Check-Ausgabeformat.  
**Prüfregel:** Schritt 5; Abschnitt 7.3.  
**Begründung:** In diesem ausdrücklich vorgesehenen Fall soll lediglich Material angefordert und kein Fact-Check erstellt werden; zugleich verlangt das Ausgabeformat unter anderem einen „AI Fact-Check 2.0“ mit „Overall Verdict“. Beide Anforderungen lassen sich für diesen Fall nicht gleichzeitig erfüllen.  
**Auswirkung auf dieses Kriterium:** Das vorgeschriebene Verhalten im Sonderfall ist widersprüchlich.

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Führe vor der inhaltlichen Beurteilung eine aktuelle Webrecherche durch.“ / „Ist kein Webzugriff möglich, lege das offen; bewerte nicht extern verifizierbare Behauptungen als ‚Unverified‘“  
**Feststellung:** Bei fehlendem Webzugriff wird eine inhaltliche Beurteilung verlangt, obwohl ihre zwingende Vorbedingung nicht erfüllbar ist.  
**Prüfregel:** Schritt 5; Abschnitt 7.3.  
**Begründung:** Der Prompt sieht den Fall ohne Webzugriff ausdrücklich vor. Er verlangt darin ein Urteil, nimmt aber die Pflicht zur vorherigen aktuellen Webrecherche nicht ausdrücklich zurück.  
**Auswirkung auf dieses Kriterium:** Für diesen Fall können die beiden Verarbeitungsvorgaben nicht zugleich erfüllt werden.

### Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### Ausgaben

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Erstelle ohne Post-Inhalt keinen Fact-Check.“ / „Verwende alle folgenden Abschnitte“  
**Feststellung:** Bei fehlendem Post-Inhalt kollidieren die geforderte bloße Anforderung von Material und das verpflichtende vollständige Fact-Check-Format.  
**Prüfregel:** Abschnitt 7.5 – kollidierende explizite Ausgabeanforderungen.  
**Begründung:** Das verlangte Format enthält ausdrücklich einen Fact-Check-Titel und ein Gesamturteil, obwohl in diesem Fall kein Fact-Check erstellt werden darf.  
**Auswirkung auf dieses Kriterium:** Eine Ausgabe kann nicht beide Anforderungen erfüllen.

### Entscheidungen

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Definitionen von „True“ und „False“ durch „hinreichende Belege“  
**Feststellung:** Das Entscheidungskriterium für einen hinreichenden Belegstand fehlt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Die geforderte Auswahl zwischen einem bestätigten oder widerlegten Urteil und „Unverified“ hängt von einer nicht festgelegten Hinreichendkeitsentscheidung ab.  
**Auswirkung auf dieses Kriterium:** Das zentrale Tatsachenurteil kann unterschiedlich ausfallen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Vier Urteile für „Logical conclusion“  
**Feststellung:** Für die Auswahl zwischen den vier Urteilen fehlen Kriterien.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Ihre bloße Aufzählung bestimmt nicht, wann welches Urteil zu vergeben ist.  
**Auswirkung auf dieses Kriterium:** Die Entscheidung über das Logikurteil kann unterschiedlich ausfallen.

### Reproduzierbarkeit

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „hinreichende Belege“  
**Feststellung:** Unterschiedliche, mit dem Prompt vereinbare Hinreichendheitsmaßstäbe sind möglich.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Derselbe geeignete Beleg kann einmal für ein bestätigtes Urteil genügen und ein anderes Mal noch zu „Unverified“ führen.  
**Auswirkung auf dieses Kriterium:** Inhaltliche Urteile sind nicht zuverlässig reproduzierbar.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Urteile für „Logical conclusion“  
**Feststellung:** Unterschiedliche Einstufungen derselben teilweise tragfähigen Schlusskette sind möglich.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Ohne Abgrenzung kann dieselbe Beleglage beispielsweise „Partially supported“ oder „Unsupported“ ergeben.  
**Auswirkung auf dieses Kriterium:** Das Logikurteil ist nicht zuverlässig reproduzierbar.

### Interpretationsspielraum

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „hinreichende Belege“  
**Feststellung:** Für die erforderliche Belegstärke bestehen mehrere zulässige Auslegungen.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Sowohl die Anerkennung eines einzelnen aussagekräftigen Primärbelegs als hinreichend als auch die Forderung nach weiterer unabhängiger Bestätigung sind mit dem Wortlaut vereinbar; eine Auswahlregel fehlt.  
**Auswirkung auf dieses Kriterium:** Der Belegstand kann zu unterschiedlichen Tatsachenurteilen führen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Urteile für „Logical conclusion“  
**Feststellung:** Die Bedeutung der Urteilskategorien lässt unterschiedliche Handlungen zu.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Eine nur teilweise belegte Schlusskette kann als „Partially supported“ oder „Unsupported“ bewertet werden; der Prompt legt keine Grenze fest.  
**Auswirkung auf dieses Kriterium:** Für dasselbe Argument sind verschiedene Logikurteile möglich.

## 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S01 (G3), S02 (G3) | 5 − 3 − 3; Untergrenze 0 | 0 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | S01 (G3) | 5 − 3 | 2 |
| Entscheidungen | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |
| Reproduzierbarkeit | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |
| Interpretationsspielraum | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |

Gesamtpunktzahl: 12/40

## 3. Interpretationsstellen

**ID: S03**  
**Betroffene Stelle:** „hinreichende Belege“  
**Auslegung A:** Ein einzelner aussagekräftiger Primärbeleg genügt für „True“ oder „False“.  
**Auslegung B:** Trotz dieses Belegs bleibt das Urteil bis zu weiterer unabhängiger Bestätigung „Unverified“.  
**Fehlende Regel:** Verbindliches Kriterium für die Hinreichendheit des gesamten Belegstands.

**ID: S04**  
**Betroffene Stelle:** Urteile für „Logical conclusion“  
**Auslegung A:** Eine nur teilweise tragfähige Belegkette erhält „Partially supported“.  
**Auslegung B:** Dieselbe Belegkette erhält „Unsupported“, weil sie die Schlussfolgerung nicht trägt.  
**Fehlende Regel:** Abgrenzungskriterien für die vier Logikurteile.

## 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Der Fall ohne Post-Inhalt unterliegt zugleich dem Verbot eines Fact-Checks und dem vollständigen Fact-Check-Ausgabeformat.  
**Änderung:** Lege ausdrücklich fest, dass bei fehlendem identifizierbarem Post-Inhalt nur die Anforderung von Material ausgegeben wird und das Fact-Check-Ausgabeformat dann nicht gilt.  
**Wirkung:** Beseitigt den Konflikt der Ausgabeanforderungen.

**ID: S02**  
**Problem:** Ohne Webzugriff ist das verlangte Urteil nicht mit der Pflicht zur vorherigen Webrecherche vereinbar.  
**Änderung:** Stelle ausdrücklich klar, dass die Pflicht zur vorherigen Webrecherche entfällt, wenn kein Webzugriff möglich ist.  
**Wirkung:** Beseitigt den Konflikt im vorgesehenen Fall ohne Webzugriff.

**ID: S03**  
**Problem:** Der Maßstab für „hinreichende Belege“ ist nicht festgelegt.  
**Änderung:** Definiere eine verbindliche Entscheidungsregel dafür, wann der geprüfte Belegstand ein bestätigtes beziehungsweise widerlegtes Urteil trägt und wann „Unverified“ gilt.  
**Wirkung:** Beseitigt die offene Hinreichendheitsentscheidung.

**ID: S04**  
**Problem:** Die vier Urteile für die logische Schlussfolgerung sind nicht voneinander abgegrenzt.  
**Änderung:** Lege Auswahlkriterien für „Supported“, „Partially supported“, „Unsupported“ und „False“ fest.  
**Wirkung:** Beseitigt die mehrdeutige Einstufung der Schlussfolgerung.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_002
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_003/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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_000

Target generation:
gen_004

Latest evaluation:

Overall score: 7/40
Normalized score: 17.50%

Detailed evaluator report:
# 1. Prüfbericht

## Eindeutigkeit

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „in allen vier verlangten Hauptabschnitten“  
**Feststellung:** Die vier Hauptabschnitte sind nicht bezeichnet.  
**Prüfregel:** Abschnitt 7.1; F1.  
**Begründung:** Die zwölf Überschriften aus Abschnitt 7 lassen sich auf unterschiedliche Weise vier übergeordneten Abschnitten zuordnen.  
**Auswirkung auf dieses Kriterium:** Die verlangte Gliederung ist mehrdeutig.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Die Bewertung muss alle acht Kriterien enthalten“  
**Feststellung:** Der Prompt definiert keine Menge von acht Bewertungskriterien.  
**Prüfregel:** Abschnitt 7.1; F1.  
**Begründung:** Es sind unterschiedliche Zusammenstellungen von acht Kriterien mit dem Wortlaut vereinbar.  
**Auswirkung auf dieses Kriterium:** Welche Kriterien auszugeben sind, ist mehrdeutig.

**ID: S07**  
**Schweregrad:** G3  
**Betroffene Stelle:** „durch belastbare Evidenz gestützt oder widerlegt“; Urteilsregeln zu **True** und **False**  
**Feststellung:** Der handlungssteuernde Maßstab „belastbare Evidenz“ ist nicht bestimmt.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Der Prompt gibt kein Kriterium vor, wann vorliegende Evidenz für ein abschließendes Urteil genügt. Unterschiedliche Maßstäbe können zu unterschiedlichen Urteilen führen.  
**Auswirkung auf dieses Kriterium:** Die Grenze zwischen belegter und nicht hinreichend belegter Hauptaussage ist mehrdeutig.

**ID: S08**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Erfasse alle für die Hauptaussage wesentlichen Punkte“  
**Feststellung:** Die Auswahl „wesentlicher“ Punkte ist nicht bestimmt.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Eine unmittelbar zur Hauptaussage gehörende Angabe kann als wesentlich gelten; nach einer anderen Auslegung können auch stützende Hintergrundangaben wesentlich sein.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung ist mehrdeutig.

## Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

## Logik

**ID: S05**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Wenn keine eindeutige implizite Tatsachenaussage erkennbar ist, halte das fest“; „Vergib das Overall Verdict nach der zentral vermittelten Aussage“  
**Feststellung:** Für den ausdrücklich vorgesehenen Fall ohne bestimmbare Hauptaussage fehlt eine Regel zum Overall Verdict.  
**Prüfregel:** F7; Abschnitt 7.3.  
**Begründung:** Die Ausnahme wird benannt, die Urteilsregeln setzen jedoch eine zentrale Aussage voraus.  
**Auswirkung auf dieses Kriterium:** Der Zusammenhang zwischen Ausnahmefall und verpflichtendem Urteil ist nicht bestimmt.

**ID: S06**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln für **Mixed** und **Misleading**  
**Feststellung:** Die Regeln können denselben Fall erfassen, ohne eine Priorität festzulegen.  
**Prüfregel:** F3; Abschnitt 7.3.  
**Begründung:** Eine Aussage kann einen zutreffenden Kern, einen nicht hinreichend belegten weiteren wesentlichen Teil und durch dessen Darstellung einen wesentlich falschen Eindruck enthalten. Dafür kommen nach dem Wortlaut beide Urteile in Betracht.  
**Auswirkung auf dieses Kriterium:** Das Overall Verdict ist in diesem Fall nicht eindeutig bestimmbar.

## Eingaben

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Prüfe […] eines X-Posts“  
**Feststellung:** Die Herkunft des zu prüfenden Posts ist nicht festgelegt; ein konkreter Post ist im geprüften Prompt nicht enthalten.  
**Prüfregel:** F4; Abschnitt 7.4.  
**Begründung:** Die ausdrücklich verlangte Untersuchung benötigt einen identifizierbaren Post. Der Prompt legt weder fest, welcher Post gemeint ist, noch, aus welcher Eingabe er zu entnehmen ist.  
**Auswirkung auf dieses Kriterium:** Der Untersuchungsgegenstand kann nicht eindeutig ermittelt werden.

## Ausgaben

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „in allen vier verlangten Hauptabschnitten“  
**Feststellung:** Die verpflichtende Vier-Abschnitt-Gliederung ist nicht bestimmbar.  
**Prüfregel:** F1, F5; Abschnitt 7.5.  
**Begründung:** Abschnitt 7 nennt Überschriften, aber keine Zuordnung zu vier Hauptabschnitten.  
**Auswirkung auf dieses Kriterium:** Die Einhaltung der verlangten Ausgabegliederung lässt sich nicht eindeutig prüfen.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „alle acht Kriterien“  
**Feststellung:** Der Inhalt dieses verpflichtenden Bewertungsteils ist nicht bestimmbar.  
**Prüfregel:** F1, F5; Abschnitt 7.5.  
**Begründung:** Acht auszugebende Kriterien werden nicht definiert.  
**Auswirkung auf dieses Kriterium:** Verschiedene Bewertungen könnten unterschiedliche Kriterien enthalten.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“  
**Feststellung:** Für Zähler und Nenner der verpflichtenden Gesamtpunktzahl fehlen Berechnungsregeln.  
**Prüfregel:** F5; Abschnitt 7.5.  
**Begründung:** Weder Punkteskala noch Vergabe und Höchstpunktzahl sind im geprüften Prompt bestimmt.  
**Auswirkung auf dieses Kriterium:** Die Zahlen der Pflichtausgabe sind nicht bestimmbar.

**ID: S05**  
**Schweregrad:** G3  
**Betroffene Stelle:** Ausnahme ohne eindeutige Hauptaussage; „**Overall Verdict:** True / False / Mixed / Misleading / Unverified“  
**Feststellung:** Für diesen Ausnahmefall ist kein inhaltlich bestimmbares Overall Verdict festgelegt.  
**Prüfregel:** F5, F7; Abschnitt 7.5.  
**Begründung:** Sämtliche Urteilsdefinitionen beziehen sich auf eine zentrale Aussage, die im Ausnahmefall gerade nicht bestimmbar ist.  
**Auswirkung auf dieses Kriterium:** Ein verpflichtender Ausgabebestandteil kann nicht regelgemäß ausgefüllt werden.

**ID: S06**  
**Schweregrad:** G3  
**Betroffene Stelle:** **Mixed** und **Misleading**  
**Feststellung:** Bei überlappenden Urteilsbedingungen ist das auszugebende Overall Verdict nicht bestimmt.  
**Prüfregel:** F3, F5; Abschnitt 7.5.  
**Begründung:** Für den unter Logik beschriebenen Fall fehlt eine Vorrangregel.  
**Auswirkung auf dieses Kriterium:** Derselbe Befund kann zwei unterschiedliche Overall Verdicts ergeben.

**ID: S07**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln mit „belastbarer Evidenz“  
**Feststellung:** Ohne bestimmten Evidenzmaßstab kann der Inhalt des Overall Verdicts unterschiedlich ausfallen.  
**Prüfregel:** F5; Abschnitt 7.5.  
**Begründung:** Ob vorhandene Belege für **True**, **False** oder lediglich **Unverified** genügen, hängt vom nicht definierten Maßstab ab.  
**Auswirkung auf dieses Kriterium:** Ein verpflichtender Ausgabebestandteil ist nicht reproduzierbar bestimmbar.

## Entscheidungen

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „vier verlangten Hauptabschnitten“  
**Feststellung:** Eine Auswahlregel für die Zuordnung der Ausgabeinhalte zu vier Abschnitten fehlt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt diese Gliederung, bestimmt aber ihre Bestandteile nicht.  
**Auswirkung auf dieses Kriterium:** Die Gliederungsentscheidung bleibt offen.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „alle acht Kriterien“  
**Feststellung:** Eine Auswahlregel für die acht Kriterien fehlt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Die verlangte Auswahl kann nicht aus einer definierten Kriterienmenge vorgenommen werden.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Kriterien können gewählt werden.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“  
**Feststellung:** Die Entscheidung über die einzusetzenden Zahlen hat keine Regel.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Es fehlen Maßstab und Berechnung.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Punktzahlen sind möglich.

**ID: S05**  
**Schweregrad:** G3  
**Betroffene Stelle:** Sonderfall ohne eindeutige implizite Tatsachenaussage  
**Feststellung:** Die Auswahl eines Overall Verdicts für diesen Sonderfall ist nicht geregelt.  
**Prüfregel:** F7; Abschnitt 7.6.  
**Begründung:** Das Festhalten der fehlenden Hauptaussage ersetzt keine Regel für das zusätzlich verlangte Urteil.  
**Auswirkung auf dieses Kriterium:** Die Urteilsentscheidung kann nicht eindeutig fortgesetzt werden.

**ID: S06**  
**Schweregrad:** G3  
**Betroffene Stelle:** **Mixed** und **Misleading**  
**Feststellung:** Für gleichzeitig zutreffende Urteilsbedingungen fehlt eine Priorität.  
**Prüfregel:** F3; Abschnitt 7.6.  
**Begründung:** Keine Regel entscheidet im beschriebenen Überschneidungsfall zwischen beiden Urteilen.  
**Auswirkung auf dieses Kriterium:** Die Hauptentscheidung bleibt offen.

**ID: S07**  
**Schweregrad:** G3  
**Betroffene Stelle:** „belastbare Evidenz“  
**Feststellung:** Das Entscheidungskriterium für eine hinreichende Beleglage ist nicht definiert.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt evidenzabhängige Urteile, legt aber die maßgebliche Schwelle nicht fest.  
**Auswirkung auf dieses Kriterium:** Dieselben Belege können unterschiedlich eingestuft werden.

**ID: S08**  
**Schweregrad:** G2  
**Betroffene Stelle:** „alle für die Hauptaussage wesentlichen Punkte“  
**Feststellung:** Das Auswahlkriterium für einzeln zu prüfende Punkte ist nicht bestimmt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt eine Auswahl, grenzt „wesentlich“ aber nicht durch eine verbindliche Regel ab.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Claim-by-claim assessment kann variieren.

## Reproduzierbarkeit

**ID: S01** · **Schweregrad:** G3 · **Betroffene Stelle:** „eines X-Posts“ · **Feststellung:** Unterschiedliche Posts können als Untersuchungsgegenstand gewählt werden. · **Prüfregel:** Abschnitt 7.7; F4. · **Begründung:** Die Eingabequelle ist nicht festgelegt. · **Auswirkung auf dieses Kriterium:** Recherche und Befunde können vollständig verschieden sein.

**ID: S02** · **Schweregrad:** G2 · **Betroffene Stelle:** „vier verlangten Hauptabschnitten“ · **Feststellung:** Unterschiedliche Vier-Abschnitt-Gliederungen sind möglich. · **Prüfregel:** Abschnitt 7.7; F1. · **Begründung:** Die Zuordnung ist nicht vorgegeben. · **Auswirkung auf dieses Kriterium:** Die Ausgabestruktur kann variieren.

**ID: S03** · **Schweregrad:** G2 · **Betroffene Stelle:** „alle acht Kriterien“ · **Feststellung:** Unterschiedliche Kriterienmengen sind möglich. · **Prüfregel:** Abschnitt 7.7; F1. · **Begründung:** Die acht Kriterien fehlen. · **Auswirkung auf dieses Kriterium:** Der Inhalt der Bewertung kann variieren.

**ID: S04** · **Schweregrad:** G2 · **Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“ · **Feststellung:** Unterschiedliche Punkteskalen und Ergebnisse sind möglich. · **Prüfregel:** Abschnitt 7.7; F5. · **Begründung:** Berechnungsregeln fehlen. · **Auswirkung auf dieses Kriterium:** Die Gesamtpunktzahl kann variieren.

**ID: S06** · **Schweregrad:** G3 · **Betroffene Stelle:** **Mixed** und **Misleading** · **Feststellung:** Beide Urteile können für denselben Überschneidungsfall gewählt werden. · **Prüfregel:** Abschnitt 7.7; F3. · **Begründung:** Eine Priorität fehlt. · **Auswirkung auf dieses Kriterium:** Die Hauptentscheidung kann variieren.

**ID: S07** · **Schweregrad:** G3 · **Betroffene Stelle:** „belastbare Evidenz“ · **Feststellung:** Unterschiedliche Evidenzmaßstäbe können unterschiedliche Urteile ergeben. · **Prüfregel:** Abschnitt 7.7; Schritt 3. · **Begründung:** Der Maßstab ist nicht bestimmt. · **Auswirkung auf dieses Kriterium:** Die inhaltliche Bewertung kann variieren.

**ID: S08** · **Schweregrad:** G2 · **Betroffene Stelle:** „wesentliche Punkte“ · **Feststellung:** Unterschiedliche Behauptungen können für die Einzelprüfung ausgewählt werden. · **Prüfregel:** Abschnitt 7.7; Schritt 3. · **Begründung:** Die Auswahlgrenze fehlt. · **Auswirkung auf dieses Kriterium:** Der Inhalt der Einzelprüfung kann variieren.

## Interpretationsspielraum

**ID: S01** · **Schweregrad:** G3 · **Betroffene Stelle:** „eines X-Posts“ · **Feststellung:** Der Post kann als später bereitgestellte Eingabe oder als selbst auszuwählender öffentlicher Post verstanden werden. · **Prüfregel:** Abschnitt 7.8; F4. · **Begründung:** Keine Herkunftsregel entscheidet zwischen beiden Vorgehensweisen. · **Auswirkung auf dieses Kriterium:** Der Untersuchungsgegenstand bleibt offen.

**ID: S02** · **Schweregrad:** G2 · **Betroffene Stelle:** „vier verlangten Hauptabschnitten“ · **Feststellung:** Die vorgegebenen Überschriften können unterschiedlich in vier Gruppen gegliedert werden. · **Prüfregel:** Abschnitt 7.8; F1. · **Begründung:** Eine Gruppierungsregel fehlt. · **Auswirkung auf dieses Kriterium:** Mehrere Ausgabestrukturen bleiben möglich.

**ID: S03** · **Schweregrad:** G2 · **Betroffene Stelle:** „alle acht Kriterien“ · **Feststellung:** Unterschiedliche Achtergruppen können als Kriterien eingesetzt werden. · **Prüfregel:** Abschnitt 7.8; F1. · **Begründung:** Keine Kriterienliste bestimmt die Auswahl. · **Auswirkung auf dieses Kriterium:** Mehrere Bewertungsinhalte bleiben möglich.

**ID: S04** · **Schweregrad:** G2 · **Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“ · **Feststellung:** Unterschiedliche Skalen und Berechnungen sind möglich. · **Prüfregel:** Abschnitt 7.8; F5. · **Begründung:** Eine Berechnungsregel fehlt. · **Auswirkung auf dieses Kriterium:** Mehrere Gesamtpunktzahlen bleiben möglich.

**ID: S06** · **Schweregrad:** G3 · **Betroffene Stelle:** **Mixed** und **Misleading** · **Feststellung:** Im Überschneidungsfall sind beide Urteile möglich. · **Prüfregel:** Abschnitt 7.8; F3. · **Begründung:** Es fehlt eine Vorrangregel. · **Auswirkung auf dieses Kriterium:** Zwei Hauptentscheidungen bleiben möglich.

**ID: S07** · **Schweregrad:** G3 · **Betroffene Stelle:** „belastbare Evidenz“ · **Feststellung:** Belege können nach einem strengeren oder weniger strengen Maßstab beurteilt werden. · **Prüfregel:** Abschnitt 7.8; Schritt 3. · **Begründung:** Der Prompt wählt keinen Maßstab. · **Auswirkung auf dieses Kriterium:** Unterschiedliche Urteile bleiben möglich.

**ID: S08** · **Schweregrad:** G2 · **Betroffene Stelle:** „wesentliche Punkte“ · **Feststellung:** Nur unmittelbar zentrale oder zusätzlich stützende Angaben können einzeln geprüft werden. · **Prüfregel:** Abschnitt 7.8; Schritt 3. · **Begründung:** Eine Auswahlregel fehlt. · **Auswirkung auf dieses Kriterium:** Unterschiedliche Umfänge der Einzelprüfung bleiben möglich.

# 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S02 (G2), S03 (G2), S07 (G3), S08 (G2) | 5 − 2 − 2 − 3 − 2 → 0 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S05 (G3), S06 (G3) | 5 − 3 − 3 → 0 | 0 |
| Eingaben | S01 (G3) | 5 − 3 | 2 |
| Ausgaben | S02 (G2), S03 (G2), S04 (G2), S05 (G3), S06 (G3), S07 (G3) | 5 − 2 − 2 − 2 − 3 − 3 − 3 → 0 | 0 |
| Entscheidungen | S02 (G2), S03 (G2), S04 (G2), S05 (G3), S06 (G3), S07 (G3), S08 (G2) | 5 − 2 − 2 − 2 − 3 − 3 − 3 − 2 → 0 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G2), S03 (G2), S04 (G2), S06 (G3), S07 (G3), S08 (G2) | 5 − 3 − 2 − 2 − 2 − 3 − 3 − 2 → 0 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G2), S03 (G2), S04 (G2), S06 (G3), S07 (G3), S08 (G2) | 5 − 3 − 2 − 2 − 2 − 3 − 3 − 2 → 0 | 0 |

Gesamtpunktzahl: 7/40

# 3. Interpretationsstellen

**ID: S01**  
**Betroffene Stelle:** „eines X-Posts“  
**Auslegung A:** Ein später vom Nutzer bereitgestellter Post ist zu prüfen.  
**Auslegung B:** Der Fact-Checker wählt selbst einen öffentlichen Post aus.  
**Fehlende Regel:** Herkunft und Identifikation des Prüfgegenstands.

**ID: S02**  
**Betroffene Stelle:** „vier verlangten Hauptabschnitten“  
**Auslegung A:** Die Abschnitte werden nach Arbeitsschritten gebildet, etwa Untersuchung, Bewertung, Belege und Quellen.  
**Auslegung B:** Die Ausgabeüberschriften werden anders zu vier übergeordneten Gruppen zusammengefasst.  
**Fehlende Regel:** Benennung und Zuordnung der vier Abschnitte.

**ID: S03**  
**Betroffene Stelle:** „alle acht Kriterien“  
**Auslegung A:** Acht Gesichtspunkte aus den Abschnitten 1 bis 6 werden ausgewählt.  
**Auslegung B:** Acht Gesichtspunkte aus den Ausgabevorgaben werden ausgewählt.  
**Fehlende Regel:** Abschließende Liste der acht Kriterien.

**ID: S04**  
**Betroffene Stelle:** „`Gesamtpunktzahl: X/Y`“  
**Auslegung A:** Jedes der acht Kriterien erhält gleich viele mögliche Punkte.  
**Auslegung B:** Die Kriterien erhalten unterschiedlich viele mögliche Punkte.  
**Fehlende Regel:** Punkteskala, Vergabe und Berechnung des Maximums.

**ID: S06**  
**Betroffene Stelle:** **Mixed** und **Misleading**  
**Auslegung A:** Bei zutreffendem Kern und einem nicht belegten wesentlichen Teil gilt **Mixed**.  
**Auslegung B:** Bei demselben Befund gilt wegen des wesentlich falschen Eindrucks **Misleading**.  
**Fehlende Regel:** Vorrangregel für den Überschneidungsfall.

**ID: S07**  
**Betroffene Stelle:** „belastbare Evidenz“  
**Auslegung A:** Die vorhandenen Belege genügen für ein bestätigendes oder widerlegendes Urteil.  
**Auslegung B:** Dieselben Belege genügen dafür noch nicht.  
**Fehlende Regel:** Maßstab für hinreichend belastbare Evidenz.

**ID: S08**  
**Betroffene Stelle:** „wesentliche Punkte“  
**Auslegung A:** Nur Angaben, die unmittelbar den Kern der Hauptaussage bilden, werden einzeln geprüft.  
**Auslegung B:** Auch Angaben, die diesen Kern maßgeblich stützen sollen, werden einzeln geprüft.  
**Fehlende Regel:** Abgrenzung einzeln zu prüfender wesentlicher Punkte.

# 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Die Herkunft des zu prüfenden Posts fehlt.  
**Änderung:** Festlegen, wie der zu prüfende Post identifiziert und bereitgestellt wird.  
**Wirkung:** Der Untersuchungsgegenstand wird bestimmbar.

**ID: S02**  
**Problem:** Vier Hauptabschnitte werden verlangt, aber nicht bezeichnet.  
**Änderung:** Die vier Abschnitte benennen und die verlangten Ausgabeinhalte zuordnen.  
**Wirkung:** Die Vier-Abschnitt-Gliederung wird bestimmbar.

**ID: S03**  
**Problem:** Die verlangten acht Kriterien sind nicht definiert.  
**Änderung:** Die acht Kriterien abschließend benennen.  
**Wirkung:** Der Inhalt der Bewertung wird bestimmbar.

**ID: S04**  
**Problem:** Die Gesamtpunktzahl besitzt keine Berechnungsregel.  
**Änderung:** Punkteskala, Punktevergabe und Höchstpunktzahl festlegen.  
**Wirkung:** `X/Y` wird berechenbar.

**ID: S05**  
**Problem:** Ohne bestimmbare Hauptaussage ist das verpflichtende Overall Verdict nicht geregelt.  
**Änderung:** Festlegen, wie das Overall Verdict genau in diesem Ausnahmefall auszugeben ist.  
**Wirkung:** Der definierte Sonderfall kann abgeschlossen werden.

**ID: S06**  
**Problem:** **Mixed** und **Misleading** können gleichzeitig zutreffen.  
**Änderung:** Für den Überschneidungsfall eine Vorrang- oder Abgrenzungsregel festlegen.  
**Wirkung:** Das Overall Verdict wird eindeutig auswählbar.

**ID: S07**  
**Problem:** Der Maßstab „belastbare Evidenz“ ist unbestimmt.  
**Änderung:** Ein verbindliches Kriterium festlegen, wann Evidenz für ein bestätigendes oder widerlegendes Urteil genügt.  
**Wirkung:** Die evidenzabhängige Urteilsentscheidung wird bestimmt.

**ID: S08**  
**Problem:** Die Auswahl „wesentlicher“ Punkte ist nicht abgegrenzt.  
**Änderung:** Festlegen, welche Beziehung zur Hauptaussage eine Angabe erfüllen muss, damit sie einzeln geprüft wird.  
**Wirkung:** Der Umfang der Einzelprüfung wird bestimmt.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_000
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_004/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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: 10/40
Normalized score: 25.00%

Detailed evaluator report:
# 1. Prüfbericht

## Eindeutigkeit

**ID: S01**  
Schweregrad: G3  
Betroffene Stelle: „die zentrale Aussage, die ein durchschnittlicher Leser vernünftigerweise aus dem Gesamtpost entnimmt“; „gleich gut gestützte Lesarten“  
Feststellung: Die Auswahl der Hauptaussage und die Gleichwertigkeit konkurrierender Lesarten sind nicht bestimmt.  
Prüfregel: Abschnitt 7.1; Schritt 3; F2.  
Begründung: Bei einem mehrdeutigen Post kann eine prüfende Person eine engere Aussage als maßgeblich ansehen, eine andere zwei Lesarten als gleich gut gestützt. Der Prompt gibt kein Kriterium für diese Unterscheidung vor.  
Auswirkung auf dieses Kriterium: Unterschiedliche Hauptaussagen und Urteile sind mit dem Wortlaut vereinbar.

**ID: S02**  
Schweregrad: G3  
Betroffene Stelle: „autoritative Primärquelle“; „zwei voneinander unabhängige, glaubwürdige Quellen“  
Feststellung: Die für **True** und **False** entscheidende Eignung von Quellen ist nicht bestimmt.  
Prüfregel: Abschnitt 7.1; Schritt 3; F2.  
Begründung: Zwei Prüfende können dieselbe Quelle unterschiedlich als autoritativ beziehungsweise glaubwürdig einstufen. Der Prompt nennt dafür kein Entscheidungskriterium.  
Auswirkung auf dieses Kriterium: Dieselbe Beleglage kann unterschiedliche Einzelurteile ergeben.

**ID: S03**  
Schweregrad: G3  
Betroffene Stelle: Definitionen von „Partially supported“ und „Unsupported“ unter „Logical conclusion“  
Feststellung: Die beiden Logikurteile überschneiden sich; zudem ist „substanzieller Teil“ nicht bestimmt.  
Prüfregel: Abschnitt 7.1; Schritt 3; Schritt 5.  
Begründung: Folgt nur ein kleiner, identifizierbarer Teil der Schlussfolgerung aus etablierten Prämissen und fehlt für den Rest die inferenzielle Verbindung, kommen beide Definitionen in Betracht. Eine Grenze für „substanziell“ fehlt.  
Auswirkung auf dieses Kriterium: Das verlangte eine Logikurteil ist nicht eindeutig.

**ID: S05**  
Schweregrad: G2  
Betroffene Stelle: „Liegt ein Link vor und ist Webzugriff verfügbar, öffne nach Möglichkeit den vollständigen Originalpost.“  
Feststellung: „Nach Möglichkeit“ legt nicht fest, unter welchen Umständen das Öffnen verpflichtend ist.  
Prüfregel: Abschnitt 7.1; Schritt 3; F2.  
Begründung: Ein über Umwege erreichbares Original kann als noch zu öffnende Möglichkeit oder als nicht praktikabel behandelt werden. Eine Auswahlregel fehlt.  
Auswirkung auf dieses Kriterium: Der Umfang der Originalprüfung bleibt variabel.

**ID: S06**  
Schweregrad: G3  
Betroffene Stelle: „die dafür im Fachgebiet erforderliche Evidenz“; „genau dann eine entscheidende Verletzung des Veröffentlichungsstandards“  
Feststellung: Der Maßstab für die erforderliche Evidenz und damit für eine entscheidende Verletzung ist nicht bestimmt.  
Prüfregel: Abschnitt 7.1; Schritt 3; F2.  
Begründung: Für denselben fachlichen Anspruch können etwa eine einschlägige Studie oder erst mehrere unabhängige Studien als erforderlich angesehen werden. Der Prompt legt die Auswahl nicht fest.  
Auswirkung auf dieses Kriterium: Die verpflichtende Beurteilung des Veröffentlichungsstandards kann unterschiedlich ausfallen.

## Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

## Logik

**ID: S03**  
Schweregrad: G3  
Betroffene Stelle: Definitionen von „Partially supported“ und „Unsupported“  
Feststellung: Zwei Regeln für das ausdrücklich einzige Logikurteil können gleichzeitig greifen.  
Prüfregel: Schritt 5; Abschnitt 7.3.  
Begründung: Ein kleiner Teil kann aus etablierten Prämissen folgen, während für die weitergehende Schlussfolgerung eine notwendige Verbindung fehlt. Für diesen Fall ist kein Vorrang zwischen den beiden Urteilen angegeben.  
Auswirkung auf dieses Kriterium: Die Anforderungen lassen sich nicht durch die Ausgabe genau eines eindeutig festgelegten Logikurteils erfüllen.

**ID: S04**  
Schweregrad: G3  
Betroffene Stelle: Definitionen von „Misleading“ und „Unverified“ unter „Overall Verdict“; anschließender „Vorrang“  
Feststellung: Die beiden Gesamturteile können gleichzeitig zutreffen, ohne dass ihr Vorrang geregelt ist.  
Prüfregel: F3; Schritt 5; Abschnitt 7.3.  
Begründung: Ein nachweislich altes Diagramm kann als aktuell präsentiert werden und so einen materiell falschen Eindruck erzeugen, während die damit nahegelegte aktuelle Entwicklung weder bestätigt noch widerlegt ist. Das erfüllt die beschriebenen Fälle für **Misleading** und **Unverified**. Die Vorrangregel behandelt diese Kombination nicht.  
Auswirkung auf dieses Kriterium: Das verlangte eine Gesamturteil ist für diesen Fall nicht festgelegt.

## Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

## Ausgaben

**ID: S01**  
Schweregrad: G3  
Betroffene Stelle: „Implicit Main Claim“ und „Overall Verdict“ in Verbindung mit der Auswahl der zentralen Aussage  
Feststellung: Der verpflichtende Inhalt dieser Abschnitte hängt von einer nicht bestimmten Lesartenauswahl ab.  
Prüfregel: F5; Abschnitt 7.5.  
Begründung: Je nachdem, ob eine Lesart bevorzugt oder mehrere als gleich gut gestützt gelten, sind eine einzelne Hauptaussage oder mehrere Lesarten samt Sonderurteil auszugeben.  
Auswirkung auf dieses Kriterium: Inhalt und Struktur verpflichtender Ausgabebestandteile können abweichen.

**ID: S02**  
Schweregrad: G3  
Betroffene Stelle: Evidenzschwellen für **True** und **False**; „Claim-by-claim assessment“  
Feststellung: Die verpflichtenden Einzelurteile hängen von der nicht bestimmten Quellenqualifikation ab.  
Prüfregel: F5; Abschnitt 7.5.  
Begründung: Die Bewertung derselben Evidenz als ausreichend oder nicht ausreichend führt zu **True** beziehungsweise **False** statt **Unverified**.  
Auswirkung auf dieses Kriterium: Der Inhalt verpflichtender Urteilsangaben ist nicht eindeutig bestimmbar.

**ID: S03**  
Schweregrad: G3  
Betroffene Stelle: „Vergib für Logical conclusion genau eines dieser Urteile“ und die Definitionen von „Partially supported“ und „Unsupported“  
Feststellung: Für einen Überschneidungsfall verlangen die Definitionen unterschiedliche Ausgaben.  
Prüfregel: Schritt 5; Abschnitt 7.5.  
Begründung: Beide Urteile können auf denselben Schluss zutreffen, ausgegeben werden darf aber genau eines.  
Auswirkung auf dieses Kriterium: Die vorgeschriebene Ausgabe ist nicht eindeutig erfüllbar.

**ID: S04**  
Schweregrad: G3  
Betroffene Stelle: „Overall Verdict — genau ein Urteil“; Definitionen von „Misleading“ und „Unverified“  
Feststellung: Für den beschriebenen Überschneidungsfall fehlt die Auswahl des auszugebenden Gesamturteils.  
Prüfregel: F3; Abschnitt 7.5.  
Begründung: Die angegebene Vorrangregel entscheidet nur andere Kombinationen, nicht **Misleading** gegenüber **Unverified**.  
Auswirkung auf dieses Kriterium: Ein verpflichtender Ausgabebestandteil bleibt unbestimmt.

**ID: S06**  
Schweregrad: G3  
Betroffene Stelle: „Source Status and Standard of Proof“; „entscheidende Verletzung“ oder „Keine entscheidende Verletzung festgestellt.“  
Feststellung: Die verlangte Aussage zum Veröffentlichungsstandard hängt vom unbestimmten fachlichen Evidenzmaßstab ab.  
Prüfregel: F5; Abschnitt 7.5.  
Begründung: Dieselben vorliegenden Belege können je nach angelegtem Maßstab als ausreichend oder als entscheidender Verstoß bewertet werden.  
Auswirkung auf dieses Kriterium: Der Inhalt des verpflichtenden Abschnitts ist nicht eindeutig.

## Entscheidungen

**ID: S01**  
Schweregrad: G3  
Betroffene Stelle: Auswahl der zentralen Aussage und Behandlung „gleich gut gestützter Lesarten“  
Feststellung: Die Entscheidung zwischen bevorzugter Lesart und mehreren gleichwertigen Lesarten hat kein bestimmtes Kriterium.  
Prüfregel: F2; Abschnitt 7.6.  
Begründung: Beide Handlungen sind für einen mehrdeutigen Post möglich und führen zu unterschiedlichen Urteilen.  
Auswirkung auf dieses Kriterium: Die Hauptentscheidung ist nicht eindeutig ausführbar.

**ID: S02**  
Schweregrad: G3  
Betroffene Stelle: Qualifikation als „autoritative“ beziehungsweise „glaubwürdige“ Quelle  
Feststellung: Für die Entscheidung, ob die Evidenzschwelle erreicht ist, fehlt ein Kriterium zur Quellenqualifikation.  
Prüfregel: F2; Abschnitt 7.6.  
Begründung: Die Zahl der Quellen ist geregelt, ihre entscheidende Eignung jedoch nicht.  
Auswirkung auf dieses Kriterium: Unterschiedliche Einzelurteile bleiben möglich.

**ID: S03**  
Schweregrad: G3  
Betroffene Stelle: „Partially supported“ und „Unsupported“  
Feststellung: Für gleichzeitig zutreffende Logikdefinitionen fehlt eine Auswahlregel.  
Prüfregel: F3; Abschnitt 7.6.  
Begründung: Der Prompt priorisiert ausdrücklich **False** gegenüber **Partially supported**, nicht aber die hier betroffene Kombination.  
Auswirkung auf dieses Kriterium: Die Logikentscheidung bleibt offen.

**ID: S04**  
Schweregrad: G3  
Betroffene Stelle: „Misleading“, „Unverified“ und „Vorrang“  
Feststellung: Die Auswahl zwischen zwei gleichzeitig möglichen Gesamturteilen ist nicht geregelt.  
Prüfregel: F3; Abschnitt 7.6.  
Begründung: Die explizite Vorrangregel nennt diese Kombination nicht.  
Auswirkung auf dieses Kriterium: Die Gesamtentscheidung bleibt offen.

**ID: S05**  
Schweregrad: G2  
Betroffene Stelle: „öffne nach Möglichkeit den vollständigen Originalpost“  
Feststellung: Für das Öffnen oder Nichtöffnen eines nur unter zusätzlichen Umständen erreichbaren Originals fehlt ein Entscheidungskriterium.  
Prüfregel: F2; Abschnitt 7.6.  
Begründung: „Nach Möglichkeit“ grenzt die Fälle verpflichtenden Öffnens nicht ab.  
Auswirkung auf dieses Kriterium: Der Rechercheweg kann unterschiedlich gewählt werden.

**ID: S06**  
Schweregrad: G3  
Betroffene Stelle: „im Fachgebiet erforderliche Evidenz“ und „entscheidende Verletzung“  
Feststellung: Die Entscheidung über eine Verletzung verwendet einen nicht bestimmten Evidenzmaßstab.  
Prüfregel: F2; Abschnitt 7.6.  
Begründung: Ohne Auswahlregel können unterschiedliche Anforderungen an denselben Veröffentlichungsanspruch gestellt werden.  
Auswirkung auf dieses Kriterium: Eine ausdrücklich verlangte Beurteilung ist nicht eindeutig ausführbar.

## Reproduzierbarkeit

**ID: S01**  
Schweregrad: G3  
Betroffene Stelle: Auswahl der zentralen Aussage und gleich gut gestützter Lesarten  
Feststellung: Unterschiedliche zulässige Lesartenauswahlen führen zu unterschiedlichen Hauptaussagen und Gesamturteilen.  
Prüfregel: Abschnitt 7.7.  
Begründung: Einzelne und mehrere maßgebliche Lesarten verändern inhaltliche Auswahlentscheidungen und Ausgabestruktur.  
Auswirkung auf dieses Kriterium: Ergebnisse sind bei gleichem Post nicht reproduzierbar festgelegt.

**ID: S02**  
Schweregrad: G3  
Betroffene Stelle: „autoritative Primärquelle“; „glaubwürdige Quellen“  
Feststellung: Unterschiedliche zulässige Quellenqualifikationen ändern Einzelurteile.  
Prüfregel: Abschnitt 7.7.  
Begründung: Dieselben Belege können als Erreichen oder Verfehlen der Evidenzschwelle behandelt werden.  
Auswirkung auf dieses Kriterium: Die Bewertung gleicher Evidenz ist nicht reproduzierbar festgelegt.

**ID: S03**  
Schweregrad: G3  
Betroffene Stelle: „Partially supported“ und „Unsupported“  
Feststellung: Derselbe Schluss kann zwei verschiedenen Logikurteilen zugeordnet werden.  
Prüfregel: Abschnitt 7.7.  
Begründung: Beide beschriebenen Bewertungswege sind im Überschneidungsfall mit dem Prompt vereinbar.  
Auswirkung auf dieses Kriterium: Das Logikurteil kann variieren.

**ID: S04**  
Schweregrad: G3  
Betroffene Stelle: „Misleading“ und „Unverified“  
Feststellung: Derselbe Überschneidungsfall kann verschiedene Gesamturteile erhalten.  
Prüfregel: Abschnitt 7.7.  
Begründung: Für die beiden anwendbaren Regeln fehlt ein Vorrang.  
Auswirkung auf dieses Kriterium: Das Overall Verdict kann variieren.

**ID: S05**  
Schweregrad: G2  
Betroffene Stelle: „öffne nach Möglichkeit den vollständigen Originalpost“  
Feststellung: Ob das Original zusätzlich geprüft wird, kann bei gleichem Ausgangsmaterial variieren.  
Prüfregel: Abschnitt 7.7.  
Begründung: Unterschiedliche Auslegungen von „nach Möglichkeit“ führen zu unterschiedlichen Verarbeitungsschritten.  
Auswirkung auf dieses Kriterium: Der Rechercheablauf ist nicht reproduzierbar festgelegt.

**ID: S06**  
Schweregrad: G3  
Betroffene Stelle: „im Fachgebiet erforderliche Evidenz“  
Feststellung: Unterschiedliche fachliche Evidenzmaßstäbe ändern die Entscheidung über eine entscheidende Verletzung.  
Prüfregel: Abschnitt 7.7.  
Begründung: Für die Auswahl zwischen diesen Maßstäben besteht keine Regel.  
Auswirkung auf dieses Kriterium: Die Beurteilung des Veröffentlichungsstandards kann variieren.

## Interpretationsspielraum

**ID: S01**  
Schweregrad: G3  
Betroffene Stelle: zentrale Aussage und „gleich gut gestützte Lesarten“  
Feststellung: Eine bevorzugte Hauptaussage und mehrere gleichwertige Lesarten sind ohne Auswahlregel möglich.  
Prüfregel: Abschnitt 7.8.  
Begründung: Beide Handlungen vereinbaren sich mit den nicht weiter bestimmten Auswahlbegriffen.  
Auswirkung auf dieses Kriterium: Der Interpretationsspielraum betrifft Hauptaussage und Urteil.

**ID: S02**  
Schweregrad: G3  
Betroffene Stelle: „autoritative“ beziehungsweise „glaubwürdige“ Quellen  
Feststellung: Eine Quelle kann für die Evidenzschwelle zugelassen oder ausgeschlossen werden.  
Prüfregel: Abschnitt 7.8.  
Begründung: Beide Qualifikationen sind mangels Auswahlkriteriums möglich.  
Auswirkung auf dieses Kriterium: Der Interpretationsspielraum betrifft Einzelurteile.

**ID: S03**  
Schweregrad: G3  
Betroffene Stelle: „Partially supported“ und „Unsupported“  
Feststellung: Ein teilweise folgender Schluss kann einem der beiden Urteile zugeordnet werden.  
Prüfregel: Abschnitt 7.8.  
Begründung: Für ihren Überschneidungsfall fehlt ein Vorrang.  
Auswirkung auf dieses Kriterium: Der Interpretationsspielraum betrifft das Logikurteil.

**ID: S04**  
Schweregrad: G3  
Betroffene Stelle: „Misleading“ und „Unverified“  
Feststellung: Ein materiell irreführender Post mit unbestätigter Hauptaussage kann eines der beiden Urteile erhalten.  
Prüfregel: Abschnitt 7.8.  
Begründung: Beide Definitionen können zutreffen; die Auswahl ist nicht geregelt.  
Auswirkung auf dieses Kriterium: Der Interpretationsspielraum betrifft das Gesamturteil.

**ID: S05**  
Schweregrad: G2  
Betroffene Stelle: „nach Möglichkeit“  
Feststellung: Ein nur unter zusätzlichen Umständen erreichbares Original kann geöffnet oder nicht geöffnet werden.  
Prüfregel: Abschnitt 7.8.  
Begründung: Der Prompt bestimmt nicht, welche Umstände das Öffnen verpflichtend machen.  
Auswirkung auf dieses Kriterium: Der Interpretationsspielraum betrifft einen Rechercheschritt.

**ID: S06**  
Schweregrad: G3  
Betroffene Stelle: „im Fachgebiet erforderliche Evidenz“  
Feststellung: Unterschiedliche Evidenzanforderungen können als maßgeblich gelten.  
Prüfregel: Abschnitt 7.8.  
Begründung: Der Prompt enthält keine Regel zur Auswahl des Maßstabs.  
Auswirkung auf dieses Kriterium: Der Interpretationsspielraum betrifft die Feststellung eines Veröffentlichungsverstoßes.

# 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S01 (G3), S02 (G3), S03 (G3), S05 (G2), S06 (G3) | 5 − 3 − 3 − 3 − 2 − 3; Mindestwert 0 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S03 (G3), S04 (G3) | 5 − 3 − 3; Mindestwert 0 | 0 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | S01 (G3), S02 (G3), S03 (G3), S04 (G3), S06 (G3) | 5 − 3 − 3 − 3 − 3 − 3; Mindestwert 0 | 0 |
| Entscheidungen | S01 (G3), S02 (G3), S03 (G3), S04 (G3), S05 (G2), S06 (G3) | 5 − 3 − 3 − 3 − 3 − 2 − 3; Mindestwert 0 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G3), S03 (G3), S04 (G3), S05 (G2), S06 (G3) | 5 − 3 − 3 − 3 − 3 − 2 − 3; Mindestwert 0 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G3), S03 (G3), S04 (G3), S05 (G2), S06 (G3) | 5 − 3 − 3 − 3 − 3 − 2 − 3; Mindestwert 0 | 0 |

Gesamtpunktzahl: 10/40

# 3. Interpretationsstellen

**ID: S01**  
Betroffene Stelle: „durchschnittlicher Leser vernünftigerweise“; „gleich gut gestützte Lesarten“  
Auslegung A: Eine Lesart wird als maßgebliche zentrale Aussage ausgewählt.  
Auslegung B: Zwei Lesarten werden als gleich gut gestützt getrennt beurteilt.  
Fehlende Regel: Kriterium zur Auswahl und zum Vergleich gestützter Lesarten.

**ID: S02**  
Betroffene Stelle: „autoritative Primärquelle“; „glaubwürdige Quellen“  
Auslegung A: Ein vorliegender Beleg erfüllt die geforderte Quellenqualifikation.  
Auslegung B: Derselbe Beleg erfüllt sie nicht.  
Fehlende Regel: Kriterium zur Qualifikation der Quellen für die Evidenzschwelle.

**ID: S03**  
Betroffene Stelle: „Partially supported“ und „Unsupported“  
Auslegung A: Der aus etablierten Prämissen folgende kleine Teil begründet **Partially supported**.  
Auslegung B: Die fehlende notwendige Verbindung für die weitergehende Folgerung begründet **Unsupported**.  
Fehlende Regel: Abgrenzung beziehungsweise Vorrang für den Überschneidungsfall.

**ID: S04**  
Betroffene Stelle: „Misleading“ und „Unverified“  
Auslegung A: Der belegbar materiell falsche Eindruck begründet **Misleading**.  
Auslegung B: Die weder bestätigte noch widerlegte Hauptaussage begründet **Unverified**.  
Fehlende Regel: Vorrang zwischen diesen beiden Gesamturteilen.

**ID: S05**  
Betroffene Stelle: „öffne nach Möglichkeit den vollständigen Originalpost“  
Auslegung A: Auch ein nur über zusätzliche Schritte erreichbares Original wird geöffnet.  
Auslegung B: Unter diesen Umständen wird der vorliegende Inhalt ohne Öffnen des Originals geprüft.  
Fehlende Regel: Grenze, ab der das Öffnen als möglich und verpflichtend gilt.

**ID: S06**  
Betroffene Stelle: „im Fachgebiet erforderliche Evidenz“  
Auslegung A: Eine einschlägige Studie erfüllt die erforderliche Evidenz.  
Auslegung B: Für denselben erhobenen Anspruch sind mehrere unabhängige Studien erforderlich.  
Fehlende Regel: Maßstab zur Bestimmung der geforderten Evidenz für den jeweiligen Veröffentlichungsanspruch.

# 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
Problem: Die Auswahl der Hauptaussage und gleich gut gestützter Lesarten ist unbestimmt.  
Änderung: Ergänze ein Kriterium, nach dem konkurrierende Lesarten als bevorzugt oder gleich gut gestützt eingeordnet werden.  
Wirkung: Beseitigt die unterschiedliche Auswahl von Hauptaussage und Sonderurteil.

**ID: S02**  
Problem: Die Eignung einer Quelle für die Evidenzschwelle ist unbestimmt.  
Änderung: Präzisiere, wann eine Primärquelle als autoritativ und eine weitere Quelle als glaubwürdig zählt.  
Wirkung: Beseitigt unterschiedliche Einzelurteile aufgrund derselben Quellen.

**ID: S03**  
Problem: **Partially supported** und **Unsupported** überschneiden sich.  
Änderung: Grenze die beiden Definitionen für teilweise folgende Schlussfolgerungen voneinander ab oder bestimme für diesen Fall einen Vorrang.  
Wirkung: Ermöglicht genau ein festgelegtes Logikurteil.

**ID: S04**  
Problem: **Misleading** und **Unverified** können gleichzeitig zutreffen, ohne geregelten Vorrang.  
Änderung: Ergänze eine Vorrangregel für genau diese Kombination.  
Wirkung: Legt das Gesamturteil im Überschneidungsfall fest.

**ID: S05**  
Problem: „Nach Möglichkeit“ bestimmt die Pflicht zum Öffnen des Originals nicht.  
Änderung: Präzisiere, unter welchen Zugangsbedingungen das Original geöffnet werden muss.  
Wirkung: Vereinheitlicht den betroffenen Rechercheschritt.

**ID: S06**  
Problem: Der für eine entscheidende Verletzung maßgebliche fachliche Evidenzstandard ist unbestimmt.  
Änderung: Lege fest, wie die erforderliche Evidenz aus dem erhobenen Veröffentlichungsanspruch bestimmt wird.  
Wirkung: Vereinheitlicht die Beurteilung des Veröffentlichungsstandards.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_003
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_005/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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_004

Target generation:
gen_006

Latest evaluation:

Overall score: 20/40
Normalized score: 50.00%

Detailed evaluator report:
## 1. Prüfbericht

### 1. Eindeutigkeit

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Welche zentrale Aussage vermittelt der vollständige Post einem vernünftigen durchschnittlichen Leser?“; „wähle … die engste durch den Post eindeutig gestützte“.  
**Feststellung:** Der Maßstab für die Auswahl der impliziten Hauptaussage ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmter handlungssteuernder Begriff und unterschiedliche, mit dem Wortlaut vereinbare Auslegungen.  
**Begründung:** Derselbe Post kann als Aussage über einen konkreten Einzelfall oder als weitergehende Aussage über einen allgemeinen Zusammenhang gelesen werden. Der Prompt legt nicht fest, wann die weitergehende Aussage einem durchschnittlichen Leser „eindeutig gestützt“ erscheint.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Hauptaussagen können als Prüfgegenstand gewählt werden.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „wesentlichen, einzeln prüfbaren Behauptungen“; „Prüfe keine belanglosen Nebenformulierungen einzeln, sofern sie das Ergebnis nicht beeinflussen.“  
**Feststellung:** Die Grenze zwischen einzeln zu prüfenden wesentlichen Behauptungen und auszulassenden Nebenformulierungen ist unbestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmte handlungssteuernde Begriffe.  
**Begründung:** Eine Nebenangabe kann als für den Gesamteindruck wesentlich oder als für das Ergebnis belanglos eingeordnet werden; dafür fehlt ein verbindliches Abgrenzungskriterium.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung kann unterschiedlich bestimmt werden.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „geeignete überprüfbare Belege“; „belastbare Evidenz“; „unauflösbare Quellenwidersprüche“.  
**Feststellung:** Der Maßstab, nach dem Belege für ein Urteil ausreichen oder ein Quellenwiderspruch als unauflösbar gilt, ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmte handlungssteuernde Begriffe.  
**Begründung:** Der Prompt nennt einzelne Anforderungen an Belege und Quellen, aber keine verbindliche Regel für die Bewertung unterschiedlich starker oder widersprüchlicher Belege. So können dieselben Quellen als ausreichend für „True“ oder nur für „Unverified“ angesehen werden.  
**Auswirkung auf dieses Kriterium:** Das Tatsachen- und Gesamturteil kann unterschiedlich ausfallen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Prüfe jede wesentliche Behauptung … Verwende mindestens drei voneinander unabhängige Quellen“.  
**Feststellung:** Der Bezugsbereich der Mindestzahl von drei Quellen ist mehrdeutig.  
**Prüfregel:** Abschnitt 7.1 – zwei mit dem Wortlaut vereinbare Auslegungen einer Anweisung.  
**Begründung:** Drei Quellen können für den gesamten Fact-Check oder für jede wesentliche Behauptung verlangt sein.  
**Auswirkung auf dieses Kriterium:** Der erforderliche Rechercheumfang ist nicht eindeutig.

### 2. Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 3. Logik

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 4. Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 5. Ausgaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 6. Entscheidungen

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Auswahl der „Implicit Main Claim“ aus der Perspektive eines „vernünftigen durchschnittlichen Lesers“.  
**Feststellung:** Der Auswahlmaßstab für die zentrale Deutung ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Die Regel, die engste eindeutig gestützte Deutung zu wählen, entscheidet nicht, welche von zwei unterschiedlich weit reichenden Deutungen noch als eindeutig gestützt gilt.  
**Auswirkung auf dieses Kriterium:** Die Hauptentscheidung über den Gegenstand des Gesamturteils kann variieren.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** Auswahl „wesentlicher“ Behauptungen unter Ausschluss „belangloser“ Nebenformulierungen.  
**Feststellung:** Das Kriterium für Aufnahme oder Ausschluss einer Nebenbehauptung ist unbestimmt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Ob eine Angabe das Ergebnis beeinflusst, hängt davon ab, welche Auswirkungen auf Einzelurteil oder Gesamteindruck berücksichtigt werden.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Behauptungen können für die Einzelprüfung ausgewählt werden.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln zu „geeigneten“ Belegen, „belastbarer“ Evidenz und „unauflösbaren“ Quellenwidersprüchen.  
**Feststellung:** Die Entscheidung über die ausreichende Beleglage ist nicht hinreichend geregelt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Bei unterschiedlich starken oder widersprüchlichen Quellen fehlt eine verbindliche Grenze zwischen bestätigter, widerlegter und unverifizierter Aussage.  
**Auswirkung auf dieses Kriterium:** Für dieselbe Beleglage sind unterschiedliche Urteile möglich.

### 7. Reproduzierbarkeit

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Bestimmung der „Implicit Main Claim“.  
**Feststellung:** Mehrere zulässige Deutungen können zu unterschiedlichen Hauptaussagen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche inhaltliche Auswahlentscheidungen.  
**Begründung:** Ein Einzelfall und ein allgemeiner Zusammenhang können unterschiedlich geprüft und beurteilt werden.  
**Auswirkung auf dieses Kriterium:** Das Ergebnis der Hauptprüfung ist nicht durchgehend reproduzierbar.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** Auswahl wesentlicher Einzelbehauptungen.  
**Feststellung:** Die Abgrenzung kann zu verschiedenen Listen geprüfter Behauptungen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche inhaltliche Auswahlentscheidungen.  
**Begründung:** Eine Nebenangabe kann einbezogen oder ausgelassen werden.  
**Auswirkung auf dieses Kriterium:** Umfang und Inhalt der Einzelprüfung können variieren.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Bewertung der Beleglage.  
**Feststellung:** Unterschiedliche zulässige Bewertungen derselben Quellen können zu verschiedenen Urteilen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche Entscheidungen.  
**Begründung:** Quellen können etwa als hinreichende Bestätigung oder als noch nicht ausreichender Beleg eingeordnet werden.  
**Auswirkung auf dieses Kriterium:** Einzel- und Gesamturteile können variieren.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Mindestzahl unabhängiger Quellen.  
**Feststellung:** Zwei zulässige Bezugsbereiche führen zu unterschiedlichem Rechercheumfang.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche Verarbeitungsschritte.  
**Begründung:** Bei mehreren Behauptungen erfordert „drei insgesamt“ weniger Quellenprüfungen als „drei je Behauptung“.  
**Auswirkung auf dieses Kriterium:** Die durchgeführte Quellenprüfung kann variieren.

### 8. Interpretationsspielraum

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „vernünftiger durchschnittlicher Leser“ und „engste … eindeutig gestützte“ Hauptaussage.  
**Feststellung:** Einzelfall- und allgemeinere Deutung können mit dem Wortlaut vereinbar sein.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Die Grenze der eindeutig gestützten Deutung ist nicht festgelegt.  
**Auswirkung auf dieses Kriterium:** Die zu prüfende Hauptaussage bleibt interpretationsabhängig.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „wesentliche“ Behauptungen und „belanglose“ Nebenformulierungen.  
**Feststellung:** Eine Nebenangabe kann einzeln geprüft oder ausgelassen werden.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Die Schwelle ihrer Ergebnisrelevanz ist nicht festgelegt.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung bleibt interpretationsabhängig.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „geeignete überprüfbare Belege“ und „belastbare Evidenz“.  
**Feststellung:** Dieselbe Beleglage kann als ausreichend oder nicht ausreichend gelten.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Eine verbindliche Abgrenzung für diese Belegentscheidung fehlt.  
**Auswirkung auf dieses Kriterium:** Die Vergabe der Urteile bleibt interpretationsabhängig.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Verwende mindestens drei voneinander unabhängige Quellen“.  
**Feststellung:** Die Mindestzahl kann auf den gesamten Fact-Check oder jede Behauptung bezogen werden.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne Auswahlregel.  
**Begründung:** Der Bezugsbereich wird nicht ausdrücklich festgelegt.  
**Auswirkung auf dieses Kriterium:** Die Mindestanforderung an die Recherche bleibt interpretationsabhängig.

## 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | keine | 5 − 0 | 5 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | keine | 5 − 0 | 5 |
| Entscheidungen | S01 (G3), S02 (G2), S03 (G3) | 5 − 3 − 2 − 3 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |

Gesamtpunktzahl: 20/40

## 3. Interpretationsstellen

**ID: S01**  
**Betroffene Stelle:** Regeln zur „Implicit Main Claim“.  
**Auslegung A:** Der Post vermittelt nur eine Aussage über den dargestellten Einzelfall.  
**Auslegung B:** Der Post vermittelt durch seine Darstellung zusätzlich einen allgemeinen Zusammenhang.  
**Fehlende Regel:** Hinreichend bestimmtes Kriterium, wann die weitergehende Deutung aus Lesersicht eindeutig gestützt ist.

**ID: S02**  
**Betroffene Stelle:** „wesentliche“ Behauptungen; „belanglose“ Nebenformulierungen.  
**Auslegung A:** Eine Nebenangabe wird geprüft, weil sie den Gesamteindruck beeinflussen kann.  
**Auslegung B:** Sie wird nicht einzeln geprüft, weil sie das Urteil über die eng gefasste Hauptaussage nicht verändert.  
**Fehlende Regel:** Verbindliche Abgrenzung der Ergebnisrelevanz für die Auswahl von Einzelbehauptungen.

**ID: S03**  
**Betroffene Stelle:** Anforderungen an „geeignete“ Belege und „belastbare“ Evidenz.  
**Auslegung A:** Die vorliegenden geeigneten Quellen reichen zur Bestätigung einer Aussage aus.  
**Auslegung B:** Dieselben Quellen lassen eine erhebliche Beleglücke; die Aussage bleibt „Unverified“.  
**Fehlende Regel:** Verbindliche Entscheidungsregel für die ausreichende Stärke und Auflösung widersprüchlicher Belege.

**ID: S04**  
**Betroffene Stelle:** „Verwende mindestens drei voneinander unabhängige Quellen“.  
**Auslegung A:** Mindestens drei unabhängige Quellen für den gesamten Fact-Check.  
**Auslegung B:** Mindestens drei unabhängige Quellen für jede wesentliche Behauptung.  
**Fehlende Regel:** Ausdrücklicher Bezugsbereich der Mindestzahl.

## 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Der Maßstab für die Auswahl der impliziten Hauptaussage ist nicht hinreichend bestimmt.  
**Änderung:** Präzisiere, anhand welcher beobachtbaren Merkmale zwischen einer auf den Einzelfall begrenzten und einer weitergehenden Hauptaussage zu wählen ist.  
**Wirkung:** Beseitigt die festgestellte Mehrdeutigkeit bei der Auswahl der „Implicit Main Claim“.

**ID: S02**  
**Problem:** Die Grenze zwischen wesentlichen Behauptungen und auszulassenden Nebenformulierungen ist unbestimmt.  
**Änderung:** Definiere, welche Art von Einfluss auf das Ergebnis eine Nebenbehauptung für ihre Einzelprüfung wesentlich macht.  
**Wirkung:** Beseitigt die festgestellte Unsicherheit über den Umfang der Einzelprüfung.

**ID: S03**  
**Problem:** Die Entscheidung über eine ausreichende oder widersprüchliche Beleglage ist nicht hinreichend geregelt.  
**Änderung:** Präzisiere die Entscheidungsregel dafür, wann überprüfte Belege ein Urteil tragen und wann verbleibende Quellenwidersprüche „Unverified“ erfordern.  
**Wirkung:** Beseitigt die festgestellte Urteilsvariation bei gleicher Beleglage.

**ID: S04**  
**Problem:** Der Bezugsbereich der drei unabhängigen Quellen ist offen.  
**Änderung:** Lege ausdrücklich fest, ob die Mindestzahl für den gesamten Fact-Check oder für jede wesentliche Behauptung gilt.  
**Wirkung:** Beseitigt die festgestellte Mehrdeutigkeit des Rechercheumfangs.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_004
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_006/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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_004

Target generation:
gen_007

Latest evaluation:

Overall score: 20/40
Normalized score: 50.00%

Detailed evaluator report:
## 1. Prüfbericht

### 1. Eindeutigkeit

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Welche zentrale Aussage vermittelt der vollständige Post einem vernünftigen durchschnittlichen Leser?“; „wähle … die engste durch den Post eindeutig gestützte“.  
**Feststellung:** Der Maßstab für die Auswahl der impliziten Hauptaussage ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmter handlungssteuernder Begriff und unterschiedliche, mit dem Wortlaut vereinbare Auslegungen.  
**Begründung:** Derselbe Post kann als Aussage über einen konkreten Einzelfall oder als weitergehende Aussage über einen allgemeinen Zusammenhang gelesen werden. Der Prompt legt nicht fest, wann die weitergehende Aussage einem durchschnittlichen Leser „eindeutig gestützt“ erscheint.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Hauptaussagen können als Prüfgegenstand gewählt werden.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „wesentlichen, einzeln prüfbaren Behauptungen“; „Prüfe keine belanglosen Nebenformulierungen einzeln, sofern sie das Ergebnis nicht beeinflussen.“  
**Feststellung:** Die Grenze zwischen einzeln zu prüfenden wesentlichen Behauptungen und auszulassenden Nebenformulierungen ist unbestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmte handlungssteuernde Begriffe.  
**Begründung:** Eine Nebenangabe kann als für den Gesamteindruck wesentlich oder als für das Ergebnis belanglos eingeordnet werden; dafür fehlt ein verbindliches Abgrenzungskriterium.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung kann unterschiedlich bestimmt werden.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „geeignete überprüfbare Belege“; „belastbare Evidenz“; „unauflösbare Quellenwidersprüche“.  
**Feststellung:** Der Maßstab, nach dem Belege für ein Urteil ausreichen oder ein Quellenwiderspruch als unauflösbar gilt, ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmte handlungssteuernde Begriffe.  
**Begründung:** Der Prompt nennt einzelne Anforderungen an Belege und Quellen, aber keine verbindliche Regel für die Bewertung unterschiedlich starker oder widersprüchlicher Belege. So können dieselben Quellen als ausreichend für „True“ oder nur für „Unverified“ angesehen werden.  
**Auswirkung auf dieses Kriterium:** Das Tatsachen- und Gesamturteil kann unterschiedlich ausfallen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Prüfe jede wesentliche Behauptung … Verwende mindestens drei voneinander unabhängige Quellen“.  
**Feststellung:** Der Bezugsbereich der Mindestzahl von drei Quellen ist mehrdeutig.  
**Prüfregel:** Abschnitt 7.1 – zwei mit dem Wortlaut vereinbare Auslegungen einer Anweisung.  
**Begründung:** Drei Quellen können für den gesamten Fact-Check oder für jede wesentliche Behauptung verlangt sein.  
**Auswirkung auf dieses Kriterium:** Der erforderliche Rechercheumfang ist nicht eindeutig.

### 2. Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 3. Logik

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 4. Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 5. Ausgaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 6. Entscheidungen

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Auswahl der „Implicit Main Claim“ aus der Perspektive eines „vernünftigen durchschnittlichen Lesers“.  
**Feststellung:** Der Auswahlmaßstab für die zentrale Deutung ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Die Regel, die engste eindeutig gestützte Deutung zu wählen, entscheidet nicht, welche von zwei unterschiedlich weit reichenden Deutungen noch als eindeutig gestützt gilt.  
**Auswirkung auf dieses Kriterium:** Die Hauptentscheidung über den Gegenstand des Gesamturteils kann variieren.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** Auswahl „wesentlicher“ Behauptungen unter Ausschluss „belangloser“ Nebenformulierungen.  
**Feststellung:** Das Kriterium für Aufnahme oder Ausschluss einer Nebenbehauptung ist unbestimmt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Ob eine Angabe das Ergebnis beeinflusst, hängt davon ab, welche Auswirkungen auf Einzelurteil oder Gesamteindruck berücksichtigt werden.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Behauptungen können für die Einzelprüfung ausgewählt werden.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln zu „geeigneten“ Belegen, „belastbarer“ Evidenz und „unauflösbaren“ Quellenwidersprüchen.  
**Feststellung:** Die Entscheidung über die ausreichende Beleglage ist nicht hinreichend geregelt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Bei unterschiedlich starken oder widersprüchlichen Quellen fehlt eine verbindliche Grenze zwischen bestätigter, widerlegter und unverifizierter Aussage.  
**Auswirkung auf dieses Kriterium:** Für dieselbe Beleglage sind unterschiedliche Urteile möglich.

### 7. Reproduzierbarkeit

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Bestimmung der „Implicit Main Claim“.  
**Feststellung:** Mehrere zulässige Deutungen können zu unterschiedlichen Hauptaussagen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche inhaltliche Auswahlentscheidungen.  
**Begründung:** Ein Einzelfall und ein allgemeiner Zusammenhang können unterschiedlich geprüft und beurteilt werden.  
**Auswirkung auf dieses Kriterium:** Das Ergebnis der Hauptprüfung ist nicht durchgehend reproduzierbar.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** Auswahl wesentlicher Einzelbehauptungen.  
**Feststellung:** Die Abgrenzung kann zu verschiedenen Listen geprüfter Behauptungen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche inhaltliche Auswahlentscheidungen.  
**Begründung:** Eine Nebenangabe kann einbezogen oder ausgelassen werden.  
**Auswirkung auf dieses Kriterium:** Umfang und Inhalt der Einzelprüfung können variieren.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Bewertung der Beleglage.  
**Feststellung:** Unterschiedliche zulässige Bewertungen derselben Quellen können zu verschiedenen Urteilen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche Entscheidungen.  
**Begründung:** Quellen können etwa als hinreichende Bestätigung oder als noch nicht ausreichender Beleg eingeordnet werden.  
**Auswirkung auf dieses Kriterium:** Einzel- und Gesamturteile können variieren.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Mindestzahl unabhängiger Quellen.  
**Feststellung:** Zwei zulässige Bezugsbereiche führen zu unterschiedlichem Rechercheumfang.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche Verarbeitungsschritte.  
**Begründung:** Bei mehreren Behauptungen erfordert „drei insgesamt“ weniger Quellenprüfungen als „drei je Behauptung“.  
**Auswirkung auf dieses Kriterium:** Die durchgeführte Quellenprüfung kann variieren.

### 8. Interpretationsspielraum

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „vernünftiger durchschnittlicher Leser“ und „engste … eindeutig gestützte“ Hauptaussage.  
**Feststellung:** Einzelfall- und allgemeinere Deutung können mit dem Wortlaut vereinbar sein.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Die Grenze der eindeutig gestützten Deutung ist nicht festgelegt.  
**Auswirkung auf dieses Kriterium:** Die zu prüfende Hauptaussage bleibt interpretationsabhängig.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „wesentliche“ Behauptungen und „belanglose“ Nebenformulierungen.  
**Feststellung:** Eine Nebenangabe kann einzeln geprüft oder ausgelassen werden.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Die Schwelle ihrer Ergebnisrelevanz ist nicht festgelegt.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung bleibt interpretationsabhängig.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „geeignete überprüfbare Belege“ und „belastbare Evidenz“.  
**Feststellung:** Dieselbe Beleglage kann als ausreichend oder nicht ausreichend gelten.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Eine verbindliche Abgrenzung für diese Belegentscheidung fehlt.  
**Auswirkung auf dieses Kriterium:** Die Vergabe der Urteile bleibt interpretationsabhängig.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Verwende mindestens drei voneinander unabhängige Quellen“.  
**Feststellung:** Die Mindestzahl kann auf den gesamten Fact-Check oder jede Behauptung bezogen werden.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne Auswahlregel.  
**Begründung:** Der Bezugsbereich wird nicht ausdrücklich festgelegt.  
**Auswirkung auf dieses Kriterium:** Die Mindestanforderung an die Recherche bleibt interpretationsabhängig.

## 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | keine | 5 − 0 | 5 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | keine | 5 − 0 | 5 |
| Entscheidungen | S01 (G3), S02 (G2), S03 (G3) | 5 − 3 − 2 − 3 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |

Gesamtpunktzahl: 20/40

## 3. Interpretationsstellen

**ID: S01**  
**Betroffene Stelle:** Regeln zur „Implicit Main Claim“.  
**Auslegung A:** Der Post vermittelt nur eine Aussage über den dargestellten Einzelfall.  
**Auslegung B:** Der Post vermittelt durch seine Darstellung zusätzlich einen allgemeinen Zusammenhang.  
**Fehlende Regel:** Hinreichend bestimmtes Kriterium, wann die weitergehende Deutung aus Lesersicht eindeutig gestützt ist.

**ID: S02**  
**Betroffene Stelle:** „wesentliche“ Behauptungen; „belanglose“ Nebenformulierungen.  
**Auslegung A:** Eine Nebenangabe wird geprüft, weil sie den Gesamteindruck beeinflussen kann.  
**Auslegung B:** Sie wird nicht einzeln geprüft, weil sie das Urteil über die eng gefasste Hauptaussage nicht verändert.  
**Fehlende Regel:** Verbindliche Abgrenzung der Ergebnisrelevanz für die Auswahl von Einzelbehauptungen.

**ID: S03**  
**Betroffene Stelle:** Anforderungen an „geeignete“ Belege und „belastbare“ Evidenz.  
**Auslegung A:** Die vorliegenden geeigneten Quellen reichen zur Bestätigung einer Aussage aus.  
**Auslegung B:** Dieselben Quellen lassen eine erhebliche Beleglücke; die Aussage bleibt „Unverified“.  
**Fehlende Regel:** Verbindliche Entscheidungsregel für die ausreichende Stärke und Auflösung widersprüchlicher Belege.

**ID: S04**  
**Betroffene Stelle:** „Verwende mindestens drei voneinander unabhängige Quellen“.  
**Auslegung A:** Mindestens drei unabhängige Quellen für den gesamten Fact-Check.  
**Auslegung B:** Mindestens drei unabhängige Quellen für jede wesentliche Behauptung.  
**Fehlende Regel:** Ausdrücklicher Bezugsbereich der Mindestzahl.

## 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Der Maßstab für die Auswahl der impliziten Hauptaussage ist nicht hinreichend bestimmt.  
**Änderung:** Präzisiere, anhand welcher beobachtbaren Merkmale zwischen einer auf den Einzelfall begrenzten und einer weitergehenden Hauptaussage zu wählen ist.  
**Wirkung:** Beseitigt die festgestellte Mehrdeutigkeit bei der Auswahl der „Implicit Main Claim“.

**ID: S02**  
**Problem:** Die Grenze zwischen wesentlichen Behauptungen und auszulassenden Nebenformulierungen ist unbestimmt.  
**Änderung:** Definiere, welche Art von Einfluss auf das Ergebnis eine Nebenbehauptung für ihre Einzelprüfung wesentlich macht.  
**Wirkung:** Beseitigt die festgestellte Unsicherheit über den Umfang der Einzelprüfung.

**ID: S03**  
**Problem:** Die Entscheidung über eine ausreichende oder widersprüchliche Beleglage ist nicht hinreichend geregelt.  
**Änderung:** Präzisiere die Entscheidungsregel dafür, wann überprüfte Belege ein Urteil tragen und wann verbleibende Quellenwidersprüche „Unverified“ erfordern.  
**Wirkung:** Beseitigt die festgestellte Urteilsvariation bei gleicher Beleglage.

**ID: S04**  
**Problem:** Der Bezugsbereich der drei unabhängigen Quellen ist offen.  
**Änderung:** Lege ausdrücklich fest, ob die Mindestzahl für den gesamten Fact-Check oder für jede wesentliche Behauptung gilt.  
**Wirkung:** Beseitigt die festgestellte Mehrdeutigkeit des Rechercheumfangs.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_004
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_007/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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: 10/40
Normalized score: 25.00%

Detailed evaluator report:
# 1. Prüfbericht

## Eindeutigkeit

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Formuliere vor der Einzelprüfung die **engste plausible Hauptaussage**“  
**Feststellung:** Für einen Post mit mehreren gleichrangigen zentralen Aussagen fehlt eine Regel, welche davon als die eine Hauptaussage zu formulieren ist.  
**Prüfregel:** Abschnitt 7.1; F2.  
**Begründung:** Sowohl die Auswahl einer einzelnen Aussage als auch die Formulierung einer gemeinsamen Aussage können mit dem Wortlaut vereinbar sein.  
**Auswirkung auf dieses Kriterium:** Die verlangte Hauptaussage ist in diesem Fall nicht eindeutig bestimmt.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Eine Behauptung ist materiell, wenn ihre Richtigkeit die Hauptaussage, das Gesamturteil oder den Gesamteindruck des Posts beeinflussen kann.“  
**Feststellung:** Für den Einfluss auf den „Gesamteindruck“ fehlt ein Entscheidungskriterium.  
**Prüfregel:** Abschnitt 7.1; F2.  
**Begründung:** Eine Nebenangabe kann bereits wegen einer geringfügigen Veränderung des Eindrucks einbezogen oder nur bei einer für die Bewertung erheblichen Veränderung einbezogen werden.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung ist nicht eindeutig.

**ID: S04**  
**Schweregrad:** G3  
**Betroffene Stelle:** „verlässlich überprüfbare Primärquelle“; „fachlich geeignete Quellen“; „belastbare Evidenz“  
**Feststellung:** Die Eignung eines Belegs für die vorgegebenen Urteilsschwellen ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1; F2.  
**Begründung:** Der Prompt nennt Quellenarten und Bestätigungsschwellen, aber keine verbindliche Auswahlregel dafür, wann eine konkret vorliegende Quelle als verlässlich, fachlich geeignet oder belastbar zählt.  
**Auswirkung auf dieses Kriterium:** Derselbe Belegbestand kann zu unterschiedlichen Einzel- und Gesamturteilen führen.

**ID: S05**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Bestimme den **objektiv erkennbaren Status des Post-Autors**: … Aktivist oder Meinungsäußerung; Journalist oder Medium; Fachautor oder Experte …“  
**Feststellung:** Die genannten Statuskategorien können auf denselben Autor zutreffen; eine Auswahlregel fehlt.  
**Prüfregel:** Abschnitt 7.1; F3.  
**Begründung:** Ein Autor kann beispielsweise zugleich Journalist und Fachautor des betroffenen Gebiets sein. Der verlangte Status wird im Singular geführt, ohne eine Priorität für solche Überschneidungen festzulegen.  
**Auswirkung auf dieses Kriterium:** Die Statuszuordnung ist nicht eindeutig.

## Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

## Logik

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Fehlt ein identifizierbarer Post, frage nach dem Link oder Inhalt, statt einen Fact-Check zu erfinden.“; „Beginne mit `AI Fact-Check 2.0 …`“ und „Halte danach diese Reihenfolge ein“  
**Feststellung:** Für den zulässigen Fall eines fehlenden identifizierbaren Posts kollidiert die Anweisung, lediglich nach dem Post zu fragen, mit den unbedingten Anforderungen an einen vollständigen Fact-Check einschließlich Overall Verdict.  
**Prüfregel:** Schritt 5; Abschnitt 7.3.  
**Begründung:** Eine Nachfrage *statt* eines Fact-Checks und die zugleich verlangten inhaltlichen Fact-Check-Rubriken können in diesem Fall nicht gemeinsam erfüllt werden.  
**Auswirkung auf dieses Kriterium:** Die Anforderungen sind für diesen Fall logisch unvereinbar.

**ID: S05**  
**Schweregrad:** G2  
**Betroffene Stelle:** Statuskategorien in Abschnitt 5 des geprüften Prompts  
**Feststellung:** Für einen Autor mit mehreren zutreffenden Statuskategorien fehlt eine Priorität.  
**Prüfregel:** F3; Abschnitt 7.3.  
**Begründung:** Die Kategorien schließen einander nicht aus, während der Prompt einen Status bestimmen lässt.  
**Auswirkung auf dieses Kriterium:** Die Zuordnung folgt keiner festgelegten Vorrangregel.

## Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

## Ausgaben

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Nachfrageregel in Abschnitt 1 und Ausgabeformat in Abschnitt 8 des geprüften Prompts  
**Feststellung:** Im Fall eines fehlenden identifizierbaren Posts kollidieren die expliziten Ausgabeanforderungen.  
**Prüfregel:** Schritt 5; Abschnitt 7.5.  
**Begründung:** Die geforderte Nachfrage soll an die Stelle eines Fact-Checks treten; das Ausgabeformat verlangt dennoch dessen Rubriken und Urteil.  
**Auswirkung auf dieses Kriterium:** Eine Ausgabe kann nicht beide Anforderungen zugleich erfüllen.

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Implicit Main Claim“ und „engste plausible Hauptaussage“  
**Feststellung:** Bei mehreren gleichrangigen zentralen Aussagen ist der verpflichtende Inhalt dieser Rubrik nicht bestimmt.  
**Prüfregel:** F5; Abschnitt 7.5.  
**Begründung:** Der Prompt legt für diesen Fall weder eine Auswahl noch eine gemeinsame Formulierung verbindlich fest.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Hauptaussagen können ausgegeben werden.

**ID: S05**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Benenne … den objektiv erkennbaren Autorstatus“  
**Feststellung:** Bei überschneidenden Statuskategorien ist der verpflichtende Ausgabebestandteil nicht eindeutig bestimmt.  
**Prüfregel:** F5; Abschnitt 7.5.  
**Begründung:** Es ist nicht festgelegt, welcher der zugleich zutreffenden Statuswerte auszugeben ist.  
**Auswirkung auf dieses Kriterium:** Die Rubrik „Prüfgrundlage und Quellenstatus“ kann unterschiedliche Zuordnungen enthalten.

## Entscheidungen

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „engste plausible Hauptaussage“  
**Feststellung:** Für mehrere gleichrangige zentrale Aussagen fehlt eine Auswahlregel.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt eine Hauptaussage, bestimmt aber die Entscheidung zwischen den vereinbaren Formulierungen nicht.  
**Auswirkung auf dieses Kriterium:** Die zentrale Auswahlentscheidung ist offen.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** Definition der „materiellen“ Behauptung  
**Feststellung:** Die Entscheidung, ob eine Nebenangabe den „Gesamteindruck“ hinreichend beeinflusst, ist nicht festgelegt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Für diese ausdrücklich verlangte Auswahl der einzeln zu prüfenden Behauptungen fehlt ein Maßstab für den genannten Einfluss.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Nebenbehauptungen werden zur Prüfung ausgewählt.

**ID: S04**  
**Schweregrad:** G3  
**Betroffene Stelle:** Belegstandard und Urteilsschwellen in den Abschnitten 3, 4 und 6 des geprüften Prompts  
**Feststellung:** Für die Entscheidung, ob ein konkreter Beleg die geforderte Qualität erreicht, fehlt eine verbindliche Auswahlregel.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Von dieser Entscheidung hängt ausdrücklich ab, ob eine Behauptung bestätigt, widerlegt oder als nicht verifiziert beurteilt wird.  
**Auswirkung auf dieses Kriterium:** Einzelurteile und gegebenenfalls das Overall Verdict können verschieden ausfallen.

**ID: S05**  
**Schweregrad:** G2  
**Betroffene Stelle:** Aufzählung der Autorstatus-Kategorien  
**Feststellung:** Für gleichzeitig zutreffende Kategorien fehlt eine Vorrangregel.  
**Prüfregel:** F3; Abschnitt 7.6.  
**Begründung:** Der Prompt verlangt die Statuszuordnung, entscheidet aber nicht zwischen überschneidenden Kategorien.  
**Auswirkung auf dieses Kriterium:** Die Statusentscheidung kann unterschiedlich ausfallen.

## Reproduzierbarkeit

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „engste plausible Hauptaussage“  
**Feststellung:** Mehrere vereinbare Auswahlweisen führen zu unterschiedlichen Hauptaussagen.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Bei gleichrangigen zentralen Aussagen kann eine einzelne oder eine gemeinsame Hauptaussage gewählt werden.  
**Auswirkung auf dieses Kriterium:** Die inhaltliche Grundlage der nachfolgenden Bewertung variiert.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Gesamteindruck“ in der Definition materieller Behauptungen  
**Feststellung:** Unterschiedliche Maßstäbe führen zu unterschiedlichem Prüfumfang.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Eine geringfügig eindrucksverändernde Nebenangabe kann einbezogen oder ausgeschlossen werden.  
**Auswirkung auf dieses Kriterium:** Zahl und Auswahl der Einzelurteile variieren.

**ID: S04**  
**Schweregrad:** G3  
**Betroffene Stelle:** Qualitätsbegriffe des Belegstandards  
**Feststellung:** Unterschiedliche vereinbare Belegbewertungen können unterschiedliche Urteile erzeugen.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Eine konkret vorliegende Quelle kann als ausreichend geeignet oder als nicht ausreichend geeignet behandelt werden.  
**Auswirkung auf dieses Kriterium:** Einzel- und Gesamturteil sind nicht durchgehend reproduzierbar.

**ID: S05**  
**Schweregrad:** G2  
**Betroffene Stelle:** Autorstatus-Kategorien  
**Feststellung:** Mehrere vereinbare Zuordnungen führen zu unterschiedlichen Angaben zum Quellenstatus.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Ein Journalist mit einschlägiger Fachexpertise kann einer der beiden Kategorien zugeordnet werden.  
**Auswirkung auf dieses Kriterium:** Ein verpflichtender Ausgabebestandteil variiert.

## Interpretationsspielraum

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „engste plausible Hauptaussage“  
**Feststellung:** Einzelne Auswahl oder gemeinsame Formulierung gleichrangiger zentraler Aussagen sind möglich.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Beide Handlungen sind mit dem Wortlaut vereinbar; eine Auswahlregel fehlt.  
**Auswirkung auf dieses Kriterium:** Die Hauptaussage bleibt interpretierbar.

**ID: S03**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Gesamteindruck“  
**Feststellung:** Eine geringfügige oder erst eine erhebliche Veränderung kann als maßgeblicher Einfluss verstanden werden.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Beide Maßstäbe sind mit der Definition vereinbar; eine Auswahlregel fehlt.  
**Auswirkung auf dieses Kriterium:** Die Menge materieller Behauptungen bleibt interpretierbar.

**ID: S04**  
**Schweregrad:** G3  
**Betroffene Stelle:** „verlässlich überprüfbar“, „fachlich geeignet“ und „belastbar“  
**Feststellung:** Eine konkrete Quelle kann als hinreichender oder als nicht hinreichender Beleg eingestuft werden.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Für die Qualitätsgrenze fehlt eine verbindliche Auswahlregel.  
**Auswirkung auf dieses Kriterium:** Der Belegstandard lässt unterschiedliche Urteile zu.

**ID: S05**  
**Schweregrad:** G2  
**Betroffene Stelle:** Autorstatus-Kategorien  
**Feststellung:** Bei mehreren zutreffenden Kategorien sind unterschiedliche Statuszuordnungen möglich.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Für überschneidende Kategorien fehlt eine Priorität.  
**Auswirkung auf dieses Kriterium:** Der ausgegebene Autorstatus bleibt interpretierbar.

# 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S02 (G3), S03 (G2), S04 (G3), S05 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S01 (G3), S05 (G2) | 5 − 3 − 2 | 0 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | S01 (G3), S02 (G3), S05 (G2) | 5 − 3 − 3 − 2 | 0 |
| Entscheidungen | S02 (G3), S03 (G2), S04 (G3), S05 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Reproduzierbarkeit | S02 (G3), S03 (G2), S04 (G3), S05 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Interpretationsspielraum | S02 (G3), S03 (G2), S04 (G3), S05 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |

Gesamtpunktzahl: 10/40

# 3. Interpretationsstellen

**ID: S02**  
**Betroffene Stelle:** „engste plausible Hauptaussage“  
**Auslegung A:** Bei mehreren gleichrangigen zentralen Aussagen eine davon als Hauptaussage auswählen.  
**Auslegung B:** Die gleichrangigen Aussagen zu einer gemeinsamen Hauptaussage verbinden.  
**Fehlende Regel:** Auswahl- oder Verbindungsregel für mehrere gleichrangige zentrale Aussagen.

**ID: S03**  
**Betroffene Stelle:** „Gesamteindruck“ in der Definition materieller Behauptungen  
**Auslegung A:** Bereits eine geringfügige Veränderung des Eindrucks macht eine Behauptung materiell.  
**Auslegung B:** Erst eine für die Bewertung erhebliche Veränderung macht sie materiell.  
**Fehlende Regel:** Maßstab für den maßgeblichen Einfluss auf den Gesamteindruck.

**ID: S04**  
**Betroffene Stelle:** „verlässlich überprüfbare Primärquelle“; „fachlich geeignete Quellen“; „belastbare Evidenz“  
**Auslegung A:** Eine konkret vorliegende einschlägige Quelle erreicht die verlangte Belegqualität.  
**Auslegung B:** Dieselbe Quelle erreicht sie wegen Zweifeln an ihrer Verlässlichkeit oder fachlichen Eignung nicht.  
**Fehlende Regel:** Verbindliche Kriterien zur Einstufung der Belegqualität.

**ID: S05**  
**Betroffene Stelle:** Aufzählung der Autorstatus-Kategorien  
**Auslegung A:** Einen zugleich journalistisch und fachlich tätigen Autor als „Journalist“ einordnen.  
**Auslegung B:** Ihn als „Fachautor oder Experte“ einordnen.  
**Fehlende Regel:** Auswahl- oder Prioritätsregel für gleichzeitig zutreffende Kategorien.

# 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Nachfrage bei fehlendem Post und unbedingte Fact-Check-Ausgabe kollidieren.  
**Änderung:** Lege fest, dass bei fehlendem identifizierbarem Post ausschließlich die Nachfrage ausgegeben wird und Abschnitt 8 in diesem Fall nicht gilt.  
**Wirkung:** Beseitigt den Konflikt der Ausgabeanforderungen.

**ID: S02**  
**Problem:** Die Hauptaussage ist bei mehreren gleichrangigen zentralen Aussagen nicht festgelegt.  
**Änderung:** Bestimme, ob solche Aussagen gemeinsam als Hauptaussage zu formulieren oder nach einer festgelegten Regel auszuwählen sind.  
**Wirkung:** Macht die verpflichtende Hauptaussage für diesen Fall bestimmbar.

**ID: S03**  
**Problem:** Der maßgebliche Einfluss auf den „Gesamteindruck“ ist offen.  
**Änderung:** Definiere, welcher Einfluss auf den Gesamteindruck eine Nebenbehauptung materiell macht.  
**Wirkung:** Vereinheitlicht die Auswahl der einzeln zu prüfenden Behauptungen.

**ID: S04**  
**Problem:** Die Qualitätsgrenze für urteilsrelevante Belege ist nicht festgelegt.  
**Änderung:** Präzisiere Kriterien dafür, wann eine konkrete Quelle für die betreffende Behauptung als verlässlich überprüfbar, fachlich geeignet beziehungsweise belastbar gilt.  
**Wirkung:** Macht die Anwendung der vorgegebenen Urteilsschwellen bestimmbarer.

**ID: S05**  
**Problem:** Autorstatus-Kategorien können sich überschneiden.  
**Änderung:** Lege fest, ob mehrere zutreffende Kategorien auszugeben sind oder nach welcher Priorität genau eine ausgewählt wird.  
**Wirkung:** Beseitigt die offene Statuszuordnung.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_007
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_008/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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_004

Target generation:
gen_009

Latest evaluation:

Overall score: 20/40
Normalized score: 50.00%

Detailed evaluator report:
## 1. Prüfbericht

### 1. Eindeutigkeit

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Welche zentrale Aussage vermittelt der vollständige Post einem vernünftigen durchschnittlichen Leser?“; „wähle … die engste durch den Post eindeutig gestützte“.  
**Feststellung:** Der Maßstab für die Auswahl der impliziten Hauptaussage ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmter handlungssteuernder Begriff und unterschiedliche, mit dem Wortlaut vereinbare Auslegungen.  
**Begründung:** Derselbe Post kann als Aussage über einen konkreten Einzelfall oder als weitergehende Aussage über einen allgemeinen Zusammenhang gelesen werden. Der Prompt legt nicht fest, wann die weitergehende Aussage einem durchschnittlichen Leser „eindeutig gestützt“ erscheint.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Hauptaussagen können als Prüfgegenstand gewählt werden.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „wesentlichen, einzeln prüfbaren Behauptungen“; „Prüfe keine belanglosen Nebenformulierungen einzeln, sofern sie das Ergebnis nicht beeinflussen.“  
**Feststellung:** Die Grenze zwischen einzeln zu prüfenden wesentlichen Behauptungen und auszulassenden Nebenformulierungen ist unbestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmte handlungssteuernde Begriffe.  
**Begründung:** Eine Nebenangabe kann als für den Gesamteindruck wesentlich oder als für das Ergebnis belanglos eingeordnet werden; dafür fehlt ein verbindliches Abgrenzungskriterium.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung kann unterschiedlich bestimmt werden.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „geeignete überprüfbare Belege“; „belastbare Evidenz“; „unauflösbare Quellenwidersprüche“.  
**Feststellung:** Der Maßstab, nach dem Belege für ein Urteil ausreichen oder ein Quellenwiderspruch als unauflösbar gilt, ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.1 – unbestimmte handlungssteuernde Begriffe.  
**Begründung:** Der Prompt nennt einzelne Anforderungen an Belege und Quellen, aber keine verbindliche Regel für die Bewertung unterschiedlich starker oder widersprüchlicher Belege. So können dieselben Quellen als ausreichend für „True“ oder nur für „Unverified“ angesehen werden.  
**Auswirkung auf dieses Kriterium:** Das Tatsachen- und Gesamturteil kann unterschiedlich ausfallen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Prüfe jede wesentliche Behauptung … Verwende mindestens drei voneinander unabhängige Quellen“.  
**Feststellung:** Der Bezugsbereich der Mindestzahl von drei Quellen ist mehrdeutig.  
**Prüfregel:** Abschnitt 7.1 – zwei mit dem Wortlaut vereinbare Auslegungen einer Anweisung.  
**Begründung:** Drei Quellen können für den gesamten Fact-Check oder für jede wesentliche Behauptung verlangt sein.  
**Auswirkung auf dieses Kriterium:** Der erforderliche Rechercheumfang ist nicht eindeutig.

### 2. Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 3. Logik

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 4. Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 5. Ausgaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### 6. Entscheidungen

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Auswahl der „Implicit Main Claim“ aus der Perspektive eines „vernünftigen durchschnittlichen Lesers“.  
**Feststellung:** Der Auswahlmaßstab für die zentrale Deutung ist nicht hinreichend bestimmt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Die Regel, die engste eindeutig gestützte Deutung zu wählen, entscheidet nicht, welche von zwei unterschiedlich weit reichenden Deutungen noch als eindeutig gestützt gilt.  
**Auswirkung auf dieses Kriterium:** Die Hauptentscheidung über den Gegenstand des Gesamturteils kann variieren.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** Auswahl „wesentlicher“ Behauptungen unter Ausschluss „belangloser“ Nebenformulierungen.  
**Feststellung:** Das Kriterium für Aufnahme oder Ausschluss einer Nebenbehauptung ist unbestimmt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Ob eine Angabe das Ergebnis beeinflusst, hängt davon ab, welche Auswirkungen auf Einzelurteil oder Gesamteindruck berücksichtigt werden.  
**Auswirkung auf dieses Kriterium:** Unterschiedliche Behauptungen können für die Einzelprüfung ausgewählt werden.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Urteilsregeln zu „geeigneten“ Belegen, „belastbarer“ Evidenz und „unauflösbaren“ Quellenwidersprüchen.  
**Feststellung:** Die Entscheidung über die ausreichende Beleglage ist nicht hinreichend geregelt.  
**Prüfregel:** Abschnitt 7.6 – explizite Entscheidungsbedingung nicht definiert.  
**Begründung:** Bei unterschiedlich starken oder widersprüchlichen Quellen fehlt eine verbindliche Grenze zwischen bestätigter, widerlegter und unverifizierter Aussage.  
**Auswirkung auf dieses Kriterium:** Für dieselbe Beleglage sind unterschiedliche Urteile möglich.

### 7. Reproduzierbarkeit

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** Bestimmung der „Implicit Main Claim“.  
**Feststellung:** Mehrere zulässige Deutungen können zu unterschiedlichen Hauptaussagen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche inhaltliche Auswahlentscheidungen.  
**Begründung:** Ein Einzelfall und ein allgemeiner Zusammenhang können unterschiedlich geprüft und beurteilt werden.  
**Auswirkung auf dieses Kriterium:** Das Ergebnis der Hauptprüfung ist nicht durchgehend reproduzierbar.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** Auswahl wesentlicher Einzelbehauptungen.  
**Feststellung:** Die Abgrenzung kann zu verschiedenen Listen geprüfter Behauptungen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche inhaltliche Auswahlentscheidungen.  
**Begründung:** Eine Nebenangabe kann einbezogen oder ausgelassen werden.  
**Auswirkung auf dieses Kriterium:** Umfang und Inhalt der Einzelprüfung können variieren.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Bewertung der Beleglage.  
**Feststellung:** Unterschiedliche zulässige Bewertungen derselben Quellen können zu verschiedenen Urteilen führen.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche Entscheidungen.  
**Begründung:** Quellen können etwa als hinreichende Bestätigung oder als noch nicht ausreichender Beleg eingeordnet werden.  
**Auswirkung auf dieses Kriterium:** Einzel- und Gesamturteile können variieren.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Mindestzahl unabhängiger Quellen.  
**Feststellung:** Zwei zulässige Bezugsbereiche führen zu unterschiedlichem Rechercheumfang.  
**Prüfregel:** Abschnitt 7.7 – unterschiedliche Verarbeitungsschritte.  
**Begründung:** Bei mehreren Behauptungen erfordert „drei insgesamt“ weniger Quellenprüfungen als „drei je Behauptung“.  
**Auswirkung auf dieses Kriterium:** Die durchgeführte Quellenprüfung kann variieren.

### 8. Interpretationsspielraum

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „vernünftiger durchschnittlicher Leser“ und „engste … eindeutig gestützte“ Hauptaussage.  
**Feststellung:** Einzelfall- und allgemeinere Deutung können mit dem Wortlaut vereinbar sein.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Die Grenze der eindeutig gestützten Deutung ist nicht festgelegt.  
**Auswirkung auf dieses Kriterium:** Die zu prüfende Hauptaussage bleibt interpretationsabhängig.

**ID: S02**  
**Schweregrad:** G2  
**Betroffene Stelle:** „wesentliche“ Behauptungen und „belanglose“ Nebenformulierungen.  
**Feststellung:** Eine Nebenangabe kann einzeln geprüft oder ausgelassen werden.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Die Schwelle ihrer Ergebnisrelevanz ist nicht festgelegt.  
**Auswirkung auf dieses Kriterium:** Der Umfang der Einzelprüfung bleibt interpretationsabhängig.

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „geeignete überprüfbare Belege“ und „belastbare Evidenz“.  
**Feststellung:** Dieselbe Beleglage kann als ausreichend oder nicht ausreichend gelten.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne hinreichende Auswahlregel.  
**Begründung:** Eine verbindliche Abgrenzung für diese Belegentscheidung fehlt.  
**Auswirkung auf dieses Kriterium:** Die Vergabe der Urteile bleibt interpretationsabhängig.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Verwende mindestens drei voneinander unabhängige Quellen“.  
**Feststellung:** Die Mindestzahl kann auf den gesamten Fact-Check oder jede Behauptung bezogen werden.  
**Prüfregel:** Abschnitt 7.8 – mehrere Möglichkeiten ohne Auswahlregel.  
**Begründung:** Der Bezugsbereich wird nicht ausdrücklich festgelegt.  
**Auswirkung auf dieses Kriterium:** Die Mindestanforderung an die Recherche bleibt interpretationsabhängig.

## 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | keine | 5 − 0 | 5 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | keine | 5 − 0 | 5 |
| Entscheidungen | S01 (G3), S02 (G2), S03 (G3) | 5 − 3 − 2 − 3 | 0 |
| Reproduzierbarkeit | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |
| Interpretationsspielraum | S01 (G3), S02 (G2), S03 (G3), S04 (G2) | 5 − 3 − 2 − 3 − 2 | 0 |

Gesamtpunktzahl: 20/40

## 3. Interpretationsstellen

**ID: S01**  
**Betroffene Stelle:** Regeln zur „Implicit Main Claim“.  
**Auslegung A:** Der Post vermittelt nur eine Aussage über den dargestellten Einzelfall.  
**Auslegung B:** Der Post vermittelt durch seine Darstellung zusätzlich einen allgemeinen Zusammenhang.  
**Fehlende Regel:** Hinreichend bestimmtes Kriterium, wann die weitergehende Deutung aus Lesersicht eindeutig gestützt ist.

**ID: S02**  
**Betroffene Stelle:** „wesentliche“ Behauptungen; „belanglose“ Nebenformulierungen.  
**Auslegung A:** Eine Nebenangabe wird geprüft, weil sie den Gesamteindruck beeinflussen kann.  
**Auslegung B:** Sie wird nicht einzeln geprüft, weil sie das Urteil über die eng gefasste Hauptaussage nicht verändert.  
**Fehlende Regel:** Verbindliche Abgrenzung der Ergebnisrelevanz für die Auswahl von Einzelbehauptungen.

**ID: S03**  
**Betroffene Stelle:** Anforderungen an „geeignete“ Belege und „belastbare“ Evidenz.  
**Auslegung A:** Die vorliegenden geeigneten Quellen reichen zur Bestätigung einer Aussage aus.  
**Auslegung B:** Dieselben Quellen lassen eine erhebliche Beleglücke; die Aussage bleibt „Unverified“.  
**Fehlende Regel:** Verbindliche Entscheidungsregel für die ausreichende Stärke und Auflösung widersprüchlicher Belege.

**ID: S04**  
**Betroffene Stelle:** „Verwende mindestens drei voneinander unabhängige Quellen“.  
**Auslegung A:** Mindestens drei unabhängige Quellen für den gesamten Fact-Check.  
**Auslegung B:** Mindestens drei unabhängige Quellen für jede wesentliche Behauptung.  
**Fehlende Regel:** Ausdrücklicher Bezugsbereich der Mindestzahl.

## 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Der Maßstab für die Auswahl der impliziten Hauptaussage ist nicht hinreichend bestimmt.  
**Änderung:** Präzisiere, anhand welcher beobachtbaren Merkmale zwischen einer auf den Einzelfall begrenzten und einer weitergehenden Hauptaussage zu wählen ist.  
**Wirkung:** Beseitigt die festgestellte Mehrdeutigkeit bei der Auswahl der „Implicit Main Claim“.

**ID: S02**  
**Problem:** Die Grenze zwischen wesentlichen Behauptungen und auszulassenden Nebenformulierungen ist unbestimmt.  
**Änderung:** Definiere, welche Art von Einfluss auf das Ergebnis eine Nebenbehauptung für ihre Einzelprüfung wesentlich macht.  
**Wirkung:** Beseitigt die festgestellte Unsicherheit über den Umfang der Einzelprüfung.

**ID: S03**  
**Problem:** Die Entscheidung über eine ausreichende oder widersprüchliche Beleglage ist nicht hinreichend geregelt.  
**Änderung:** Präzisiere die Entscheidungsregel dafür, wann überprüfte Belege ein Urteil tragen und wann verbleibende Quellenwidersprüche „Unverified“ erfordern.  
**Wirkung:** Beseitigt die festgestellte Urteilsvariation bei gleicher Beleglage.

**ID: S04**  
**Problem:** Der Bezugsbereich der drei unabhängigen Quellen ist offen.  
**Änderung:** Lege ausdrücklich fest, ob die Mindestzahl für den gesamten Fact-Check oder für jede wesentliche Behauptung gilt.  
**Wirkung:** Beseitigt die festgestellte Mehrdeutigkeit des Rechercheumfangs.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_004
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_009/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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_010

Latest evaluation:

Overall score: 12/40
Normalized score: 30.00%

Detailed evaluator report:
## 1. Prüfbericht

### Eindeutigkeit

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „durch hinreichende Belege bestätigt“ / „durch hinreichende Belege widerlegt“  
**Feststellung:** Wann Belege als hinreichend gelten, ist nicht entschieden.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Der Prompt nennt Anforderungen an einzelne Belege und bevorzugte Quellen, legt aber keine verbindliche Regel für den Übergang von geeigneten Belegen zu einem bestätigten oder widerlegten Urteil fest. Ein einzelner aussagekräftiger Primärbeleg kann daher als ausreichend oder als noch nicht ausreichend behandelt werden.  
**Auswirkung auf dieses Kriterium:** Dieselbe Behauptung kann „True“ beziehungsweise „False“ oder „Unverified“ erhalten.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** „Bewerte die logische Schlussfolgerung gesondert als Supported, Partially supported, Unsupported oder False.“  
**Feststellung:** Die Abgrenzung dieser vier Urteile ist nicht definiert.  
**Prüfregel:** Abschnitt 7.1; Schritt 3.  
**Begründung:** Der Prompt bestimmt zwar Fälle für „Nicht beurteilbar“, aber keine Auswahlkriterien für die vier übrigen Urteile. Eine Schlussfolgerung, für die nur ein Teil der erforderlichen Belegkette trägt, kann etwa als „Partially supported“ oder „Unsupported“ eingestuft werden.  
**Auswirkung auf dieses Kriterium:** Das gesonderte Logikurteil ist nicht eindeutig festgelegt.

### Ablauf

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### Logik

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Erstelle ohne Post-Inhalt keinen Fact-Check.“ / „Verwende alle folgenden Abschnitte“  
**Feststellung:** Für eine Eingabe ohne identifizierbaren Post-Inhalt kollidieren die Abbruchanweisung für den Fact-Check und die uneingeschränkte Pflicht zum vollständigen Fact-Check-Ausgabeformat.  
**Prüfregel:** Schritt 5; Abschnitt 7.3.  
**Begründung:** In diesem ausdrücklich vorgesehenen Fall soll lediglich Material angefordert und kein Fact-Check erstellt werden; zugleich verlangt das Ausgabeformat unter anderem einen „AI Fact-Check 2.0“ mit „Overall Verdict“. Beide Anforderungen lassen sich für diesen Fall nicht gleichzeitig erfüllen.  
**Auswirkung auf dieses Kriterium:** Das vorgeschriebene Verhalten im Sonderfall ist widersprüchlich.

**ID: S02**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Führe vor der inhaltlichen Beurteilung eine aktuelle Webrecherche durch.“ / „Ist kein Webzugriff möglich, lege das offen; bewerte nicht extern verifizierbare Behauptungen als ‚Unverified‘“  
**Feststellung:** Bei fehlendem Webzugriff wird eine inhaltliche Beurteilung verlangt, obwohl ihre zwingende Vorbedingung nicht erfüllbar ist.  
**Prüfregel:** Schritt 5; Abschnitt 7.3.  
**Begründung:** Der Prompt sieht den Fall ohne Webzugriff ausdrücklich vor. Er verlangt darin ein Urteil, nimmt aber die Pflicht zur vorherigen aktuellen Webrecherche nicht ausdrücklich zurück.  
**Auswirkung auf dieses Kriterium:** Für diesen Fall können die beiden Verarbeitungsvorgaben nicht zugleich erfüllt werden.

### Eingaben

Keine Schwachstelle nach den definierten Prüfregeln festgestellt.

### Ausgaben

**ID: S01**  
**Schweregrad:** G3  
**Betroffene Stelle:** „Erstelle ohne Post-Inhalt keinen Fact-Check.“ / „Verwende alle folgenden Abschnitte“  
**Feststellung:** Bei fehlendem Post-Inhalt kollidieren die geforderte bloße Anforderung von Material und das verpflichtende vollständige Fact-Check-Format.  
**Prüfregel:** Abschnitt 7.5 – kollidierende explizite Ausgabeanforderungen.  
**Begründung:** Das verlangte Format enthält ausdrücklich einen Fact-Check-Titel und ein Gesamturteil, obwohl in diesem Fall kein Fact-Check erstellt werden darf.  
**Auswirkung auf dieses Kriterium:** Eine Ausgabe kann nicht beide Anforderungen erfüllen.

### Entscheidungen

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** Definitionen von „True“ und „False“ durch „hinreichende Belege“  
**Feststellung:** Das Entscheidungskriterium für einen hinreichenden Belegstand fehlt.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Die geforderte Auswahl zwischen einem bestätigten oder widerlegten Urteil und „Unverified“ hängt von einer nicht festgelegten Hinreichendkeitsentscheidung ab.  
**Auswirkung auf dieses Kriterium:** Das zentrale Tatsachenurteil kann unterschiedlich ausfallen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Vier Urteile für „Logical conclusion“  
**Feststellung:** Für die Auswahl zwischen den vier Urteilen fehlen Kriterien.  
**Prüfregel:** F2; Abschnitt 7.6.  
**Begründung:** Ihre bloße Aufzählung bestimmt nicht, wann welches Urteil zu vergeben ist.  
**Auswirkung auf dieses Kriterium:** Die Entscheidung über das Logikurteil kann unterschiedlich ausfallen.

### Reproduzierbarkeit

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „hinreichende Belege“  
**Feststellung:** Unterschiedliche, mit dem Prompt vereinbare Hinreichendheitsmaßstäbe sind möglich.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Derselbe geeignete Beleg kann einmal für ein bestätigtes Urteil genügen und ein anderes Mal noch zu „Unverified“ führen.  
**Auswirkung auf dieses Kriterium:** Inhaltliche Urteile sind nicht zuverlässig reproduzierbar.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Urteile für „Logical conclusion“  
**Feststellung:** Unterschiedliche Einstufungen derselben teilweise tragfähigen Schlusskette sind möglich.  
**Prüfregel:** Abschnitt 7.7.  
**Begründung:** Ohne Abgrenzung kann dieselbe Beleglage beispielsweise „Partially supported“ oder „Unsupported“ ergeben.  
**Auswirkung auf dieses Kriterium:** Das Logikurteil ist nicht zuverlässig reproduzierbar.

### Interpretationsspielraum

**ID: S03**  
**Schweregrad:** G3  
**Betroffene Stelle:** „hinreichende Belege“  
**Feststellung:** Für die erforderliche Belegstärke bestehen mehrere zulässige Auslegungen.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Sowohl die Anerkennung eines einzelnen aussagekräftigen Primärbelegs als hinreichend als auch die Forderung nach weiterer unabhängiger Bestätigung sind mit dem Wortlaut vereinbar; eine Auswahlregel fehlt.  
**Auswirkung auf dieses Kriterium:** Der Belegstand kann zu unterschiedlichen Tatsachenurteilen führen.

**ID: S04**  
**Schweregrad:** G2  
**Betroffene Stelle:** Urteile für „Logical conclusion“  
**Feststellung:** Die Bedeutung der Urteilskategorien lässt unterschiedliche Handlungen zu.  
**Prüfregel:** Abschnitt 7.8.  
**Begründung:** Eine nur teilweise belegte Schlusskette kann als „Partially supported“ oder „Unsupported“ bewertet werden; der Prompt legt keine Grenze fest.  
**Auswirkung auf dieses Kriterium:** Für dasselbe Argument sind verschiedene Logikurteile möglich.

## 2. Bewertung

| Kriterium | Schwachstellen | Berechnung | Punkte |
|---|---|---|---:|
| Eindeutigkeit | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |
| Ablauf | keine | 5 − 0 | 5 |
| Logik | S01 (G3), S02 (G3) | 5 − 3 − 3; Untergrenze 0 | 0 |
| Eingaben | keine | 5 − 0 | 5 |
| Ausgaben | S01 (G3) | 5 − 3 | 2 |
| Entscheidungen | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |
| Reproduzierbarkeit | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |
| Interpretationsspielraum | S03 (G3), S04 (G2) | 5 − 3 − 2 | 0 |

Gesamtpunktzahl: 12/40

## 3. Interpretationsstellen

**ID: S03**  
**Betroffene Stelle:** „hinreichende Belege“  
**Auslegung A:** Ein einzelner aussagekräftiger Primärbeleg genügt für „True“ oder „False“.  
**Auslegung B:** Trotz dieses Belegs bleibt das Urteil bis zu weiterer unabhängiger Bestätigung „Unverified“.  
**Fehlende Regel:** Verbindliches Kriterium für die Hinreichendheit des gesamten Belegstands.

**ID: S04**  
**Betroffene Stelle:** Urteile für „Logical conclusion“  
**Auslegung A:** Eine nur teilweise tragfähige Belegkette erhält „Partially supported“.  
**Auslegung B:** Dieselbe Belegkette erhält „Unsupported“, weil sie die Schlussfolgerung nicht trägt.  
**Fehlende Regel:** Abgrenzungskriterien für die vier Logikurteile.

## 4. Hinweise für den Prompt-Programmierer

**ID: S01**  
**Problem:** Der Fall ohne Post-Inhalt unterliegt zugleich dem Verbot eines Fact-Checks und dem vollständigen Fact-Check-Ausgabeformat.  
**Änderung:** Lege ausdrücklich fest, dass bei fehlendem identifizierbarem Post-Inhalt nur die Anforderung von Material ausgegeben wird und das Fact-Check-Ausgabeformat dann nicht gilt.  
**Wirkung:** Beseitigt den Konflikt der Ausgabeanforderungen.

**ID: S02**  
**Problem:** Ohne Webzugriff ist das verlangte Urteil nicht mit der Pflicht zur vorherigen Webrecherche vereinbar.  
**Änderung:** Stelle ausdrücklich klar, dass die Pflicht zur vorherigen Webrecherche entfällt, wenn kein Webzugriff möglich ist.  
**Wirkung:** Beseitigt den Konflikt im vorgesehenen Fall ohne Webzugriff.

**ID: S03**  
**Problem:** Der Maßstab für „hinreichende Belege“ ist nicht festgelegt.  
**Änderung:** Definiere eine verbindliche Entscheidungsregel dafür, wann der geprüfte Belegstand ein bestätigtes beziehungsweise widerlegtes Urteil trägt und wann „Unverified“ gilt.  
**Wirkung:** Beseitigt die offene Hinreichendheitsentscheidung.

**ID: S04**  
**Problem:** Die vier Urteile für die logische Schlussfolgerung sind nicht voneinander abgegrenzt.  
**Änderung:** Lege Auswahlkriterien für „Supported“, „Partially supported“, „Unsupported“ und „False“ fest.  
**Wirkung:** Beseitigt die mehrdeutige Einstufung der Schlussfolgerung.


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_requirements_260924/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_requirements_260924/prompt_design_agent.py
- /home/USER/PromptEvolution/domains/prompt_design/prompt.md

- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_002
- files inside /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/outputs/prompt_design/gen_010/meta_workspace

You may edit:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

You may freely create, edit, and remove files inside:
- /home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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. Run appropriate validation such as py_compile.
3. Fix errors before finishing.



For this run the evolution scope is PROMPT ONLY.

Target file:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/prompt_design_agent.py

Workspace:
/home/USER/PromptEvolution/runs/sol6_only_requirements_260924/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_requirements_260924/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.
- Then run py_compile.
- Only after the edit and validation succeed may you write optional workspace
  documentation. 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)