Markdown-Ausgabe

AI-translated from English; not yet reviewed by a fluent editor.

# Einen persönlichen KI-Nachrichtenüberblick mit einem Coding-Skill bauen

> Ein Leitfaden zur festgelegten Skill-Version: Quellenabruf, Duplikate, Filter, unsichere Entscheidungen, Links und Versandkontrollen. BIG CHANGE hat ihn nicht ausgeführt.

By BIG CHANGE Editorial

Published: 2026-10-19T13:04:34.919Z
Updated: 2026-10-19T13:04:34.919Z
Canonical: https://bigchange.ai/blog/personal-ai-news-digest-coding-skill

![Charcoal illustration of one standing reader by a window looking at three short entries on a tablet, each with a small orange mark.](https://bigchange.ai/api/media/file/personal-news-digest-standing-reader-concept-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

Ein persönlicher KI-Nachrichtenüberblick braucht mehr als einen Prompt, der Links zusammenfasst. Er muss erlaubte Quellen abrufen, bereits bekannte Einträge erkennen, sachliche Kriterien von Urteilen trennen und den versandten Inhalt samt Quellenlinks speichern. Cole Medins [Skill build-signal-engine](https://github.com/coleam00/skills/tree/847be0848ae7b997ae4420bc0eac267177a066a2/.claude/skills/build-signal-engine) weist einen Coding-Agenten an, dieses System im eigenen Repository zu bauen. Der Skill ist eine Bauanleitung; der erzeugte Code und sein Verhalten hängen von Ihren Antworten, Quellen, Diensten und Tests ab.

Diese Anleitung richtet sich an Personen, die bereits Claude Code nutzen, einen Projektordner kontrollieren und beurteilen können, welche Feeds oder APIs sie verwenden dürfen. Sie benötigen Quellenzugriff und Zugangsdaten für gewählte kostenpflichtige Daten- oder Modelldienste. Die Skill-Dateien stehen unter der MIT-Lizenz des Repositorys. Agentennutzung, Quellenabruf und Modellaufrufe können trotzdem Geld kosten. BIG CHANGE hat den Skill beim Commit `847be0848ae7b997ae4420bc0eac267177a066a2` und die Anbieterdokumentation geprüft. Wir haben ihn weder installiert noch eine Engine gebaut oder einen Überblick erzeugt.

## 1. Die festgelegte Skill-Version zum Projekt hinzufügen

Klonen Sie in einem getrennten Arbeitsordner [Cole Medins Skill-Repository](https://github.com/coleam00/skills) und wechseln Sie zum festgelegten Commit:

```sh
git clone https://github.com/coleam00/skills.git skills-source
git -C skills-source checkout --detach 847be0848ae7b997ae4420bc0eac267177a066a2
```

Kopieren Sie das vollständige Verzeichnis `skills-source/.claude/skills/build-signal-engine/` nach `<your-project>/.claude/skills/build-signal-engine/`. Lassen Sie die Unterverzeichnisse `references/` und `templates/` neben `SKILL.md`, da die Anweisungen relative Pfade verwenden. Fügen Sie die [MIT LICENSE](https://raw.githubusercontent.com/coleam00/skills/847be0848ae7b997ae4420bc0eac267177a066a2/LICENSE) und den Urheberrechtshinweis des Repositorys zur Kopie hinzu. Die projektlokale Kopie übernimmt keine anderen Skills und bindet die Anleitung an einen überprüfbaren Stand.

Öffnen Sie das Repository in Claude Code und beginnen Sie eine neue Sitzung, damit der Projekt-Skill erkannt wird. Prüfen Sie, ob `build-signal-engine` verfügbar ist, und rufen Sie `/build-signal-engine` mit dem Repository-Pfad für die Engine auf. Die [Skill-Dokumentation von Claude Code](https://code.claude.com/docs/en/skills) beschreibt die Erkennung von `.claude/skills/<name>/SKILL.md` und den Aufruf `/skill-name`. Falls der Skill fehlt, prüfen Sie zuerst die Schreibweise des Verzeichnisses und ob `SKILL.md` direkt darin liegt, bevor Sie Quellen- oder Anbietereinstellungen ändern. Lesen Sie Skill und Begleitdateien, bevor Sie Code schreiben oder ausführen lassen.

## 2. Ein Profil aus eigenen Beispielen genehmigen

Der Skill beginnt mit einer Befragung. Beschreiben Sie, welche Information eine Ihrer Entscheidungen verändern würde, wo ein tatsächlich verpasster Eintrag zuerst erschien und wo Sie den Überblick lesen möchten. Liefern Sie echte gewünschte und aussortierte Einträge, möglichst mit Links. Wählen Sie erlaubte Quellen, sachliche Grenzen wie Alter oder Interaktionszahl, Umfang und Versandziel. Der Agent soll die Antworten in `PROFILE.md` übertragen, dafür `templates/PROFILE.md` verwenden und sie vor dem Bau zur Genehmigung vorlegen.

Lesen Sie Quellenliste und Entscheidungsfragen. Eine Frage danach, ob ein Eintrag eine konkrete neue Entwicklung meldet, muss für Ihre Arbeit klar definiert sein. Die Beispiele zum Behalten und Verwerfen bilden später einen kleinen Testsatz. Bei wenigen einfachen Feeds sollten Sie prüfen, ob ein Feedreader oder Benachrichtigungen genügen; eine Engine bringt zusätzliche Komponenten und regelmäßige Dienstaufrufe mit.

Quellenzugangsdaten gehören weder ins Profil noch in Prompts, eingecheckte Dateien oder Protokolle. Der Skill verlangt eine von Git ignorierte Umgebungsdatei, die das erzeugte Programm lädt. Prüfen Sie dennoch, welche Felder an welchen Anbieter gehen und ob Interessen oder Quelltexte vertrauliche Angaben enthalten.

## 3. Eine erlaubte Quelle umsetzen und den Speicher prüfen

Lassen Sie zunächst eine Quelle vollständig umsetzen, bevor weitere hinzukommen. Legen Sie je Quelle den erlaubten Zugriff fest: offizieller Feed oder API, ein gewählter Anbieter oder ein anderer vertraglich zulässiger Weg. Quellen ohne erlaubten automatischen Zugriff bleiben draußen. `references/sources.md` beschreibt Quelltypen und Fehlerfälle, erteilt aber keine Zugriffsrechte.

Jeder erfasste Eintrag soll den Feldern aus `templates/item_schema.md` entsprechen: stabile `id`, Quelle, Titel, URL, Inhalt, Veröffentlichungszeit, verfügbare Interaktionswerte und Metadaten. Gespeichert werden auch Filtergrund, Entscheidung und bisherige Aufnahme in einen Überblick. Änderungsprotokolle benötigen einzelne datierte Einträge mit stabilen IDs, statt eine veränderliche Seite als einen Eintrag zu behandeln. Der Skill schlägt SQLite vor, sofern bereits kein anderer Speicher genutzt wird.

Prüfen Sie eine echte Quellenantwort und die gespeicherten Zeilen. Bestätigen Sie beim zweiten Abruf, dass IDs und URLs dieselben Einträge bezeichnen, und notieren Sie pro Quelle zurückgegebene, neue und doppelte Einträge. Untersuchen Sie unerwartet leere Antworten, fehlende Daten, Analysefehler oder doppelt angelegte Datensätze beim zweiten Lauf. Deduplizierung verhindert erneute Speicherung oder nachgelagerte Entscheidungen zur selben ID; sie beseitigt keine Kosten eines erneuten kostenpflichtigen Abrufs.

## 4. Sachliche Filter von Entscheidungen trennen

Lassen Sie den erzeugten Code Alter, numerische Interaktion, Sprache, Länge und bereits bekannte Einträge durch explizite Regeln filtern. Lesen Sie die Ausschlusszahlen je Regel und prüfen Sie Stichproben. Hat eine Quelle eine Zeile schon berechnet, erstattet ein späterer Filter den Betrag nicht. Begrenzen Sie kostenpflichtige Quellenzeilen pro Lauf und erfassen Sie Quellentarife sowie Kosten von Entscheidungs- und Lesemodell getrennt.

Für die verbleibenden Einträge schlägt der Skill je eine typisierte Entscheidungsanfrage mit den gemeinsamen Profilfragen vor: Relevanz und konkrete neue Entwicklung. Als Option nennt die Referenz TypeSafes Jev über OpenRouter; ein Modell mit strukturierter Ausgabe ist eine Alternative. Die festgelegte Referenz nennt `typesafe/jev-1.13`. OpenRouters [Jev-Leitfaden vom Oktober 2026](https://openrouter.ai/blog/insights/what-is-jev/) beschreibt 1.14 und nennt 1.13 weiterhin verfügbar. Behalten Sie die feste Version bei, sofern Sie eine Änderung nicht bewusst prüfen und testen. Jevs Entscheidungsendpunkt unterscheidet sich von einem Chat-Completions-Aufruf. [Frühere BIG-CHANGE-Berichterstattung über Jev](https://bigchange.ai/articles/jev-typesafe-ai-decisions-software-diogo-almeida) erklärt die breitere Rolle bei Softwareentscheidungen.

Speichern Sie für klare sachliche oder relevanzbedingte Ausschlüsse einen Grund. Eindeutig beizubehaltende und unsichere Einträge gehen in die Lesephase. Eine fehlgeschlagene oder fehlerhaft formatierte Entscheidung enthält kein Urteil: Markieren Sie sie für Prüfung oder kontrollierte Wiederherstellung, statt sie still zu verwerfen. Auch der Rückfall auf die Lesephase braucht ein Kostenlimit. Würden Fehlaufrufe oder ein übergroßer Stapel das genehmigte Lesebudget überschreiten, halten Sie die Einträge sichtbar zur Prüfung zurück, statt unbegrenzt auszugeben. Dies sind Anforderungen an die erzeugte Engine, keine von BIG CHANGE verifizierten Funktionen.

Bewerten Sie Ihre Behalten-/Verwerfen-Beispiele und eine beschriftete Stichprobe gesammelter Einträge. Prüfen Sie jeden gewünschten Eintrag, den das System verworfen hat, und korrigieren Sie unklare Fragen oder die Quellenwahl, bevor Sie einen Schwellenwert ändern. Eine typisierte Wahrscheinlichkeit kann für Ihr Material falsch sein. Geschmack oder Interaktion helfen bei der Rangfolge, belegen aber keine sachliche Bedeutung.

## 5. Den verlinkten Überblick vor dem Versand speichern

Das Lesemodell soll die verbliebenen Einträge samt Quellenlinks erhalten, verwandte Meldungen gruppieren und den Überblick im genehmigten Profilformat schreiben. Prüfen Sie, ob jeder Eintrag eine funktionierende Quellen-URL behält und zwischen kleiner Änderung, Veröffentlichung und unbestätigter Aussage unterscheidet. Vergleichen Sie den Überblick mit den Quellen; ein gut formulierter Satz ist kein Beleg, dass eine Änderung stattgefunden hat.

Der Skill verlangt, vor Versand per E-Mail, Chat oder Notizen eine datierte Datei `digests/YYYY-MM-DD.md` zu speichern. Stellen Sie sicher, dass sie existiert und sich auch bei fehlgeschlagenem Versand öffnen lässt. Datei und Eintragsdaten machen nachvollziehbar, warum ein Thema aufgenommen wurde. Prüfen Sie, ob der erzeugte Versandschritt aus der Datei wiederholt werden kann, ohne erneut Quellen abzurufen oder den ganzen Lauf zu bezahlen.

## 6. Wiederkehrenden Lauf genehmigen und beobachten

Bevor Sie eine Automatisierung registrieren, lassen Sie Aufruf und Stoppprozedur der tatsächlich erzeugten Engine, den Scheduler des Hosts, lokale Zeitzone, Ziel, verwendete Zugangsdaten, Zeilenkostenlimit, Protokoll und Schutz vor Doppelläufen zeigen. Prüfen Sie den exakten auszuführenden Befehl. Der Skill nennt cron, launchd und Windows Task Scheduler, liefert aber keinen universellen Engine-Befehl. Genehmigen Sie diesen konkreten täglichen Zeitplan erst, nachdem ein manueller Lauf eine akzeptierte verlinkte Datei erstellt hat.

Beobachten Sie einen echten geplanten Lauf. Vergleichen Sie Quellenzahlen, Filtergründe, Entscheidungswege, Token- und Dienstkosten, Ausgabepfad und Versandresultat mit dem manuellen Lauf. Prüfen Sie, dass ein zweiter oder überlappender Aufruf keine doppelten Wirkungen erzeugt. Bei einem Fehler suchen Sie die Phase im Protokoll, behalten einen gespeicherten Überblick, beheben Quellen-, Entscheidungs- oder Versandfehler und wiederholen nur den nötigen Schritt unter demselben genehmigten Kostenlimit. Prüfen Sie auch den tatsächlichen Deaktivierungsbefehl des Schedulers, um wiederkehrende Abrufe und Kosten stoppen zu können.

Lesen Sie eine Woche lang die Ausgabe neben den wichtigen Quellen. Markieren Sie Lücken und irrelevante Einträge. Finden Sie bei einer Lücke heraus, ob der Eintrag nicht gesammelt, sachlich gefiltert, durch eine Entscheidung verworfen oder beim Lesen ausgelassen wurde. Ändern Sie diese Phase und prüfen Sie erneut. Diese Beobachtungswoche liefert Hinweise zu Ihrem Quellenmix und Ihren Fragen; sie bestätigt keine unbeaufsichtigte Genauigkeit.

## Die große Veränderung

Wiederverwendbar ist die Trennung von Sammlung, stabilem Speicher, sachlichen Filtern, typisierten Urteilen und verlinktem Lesen. Ein Coding-Agent kann diese Teile anhand eines vom Leser genehmigten Profils zusammenbauen. Zugriffsrechte, Beispiele, Ausgabenlimits und Start oder Stopp der täglichen Lieferung bleiben Sache des Lesers. Bis das erzeugte System in Ihrer Umgebung Quellen-, Duplikat-, Lücken- und Zeitplanprüfungen besteht, ist es noch im Bau.

## Quellen und weiterführende Informationen

- [Cole Medins festgelegter build-signal-engine-Skill](https://github.com/coleam00/skills/tree/847be0848ae7b997ae4420bc0eac267177a066a2/.claude/skills/build-signal-engine) dokumentiert Befragung und Aufbau. `references/` und `templates/` definieren Quellenzuordnung, Entscheidungswege und Ausgabe; es sind Anweisungen, keine unabhängig getestete Engine.
- [Claude Codes Skill-Dokumentation](https://code.claude.com/docs/en/skills) beschreibt projektlokale Erkennung und direkten Aufruf, nicht die Validierung dieser Engine.
- [OpenRouters Jev-Leitfaden](https://openrouter.ai/blog/insights/what-is-jev/) erläutert aktuelle Entscheidungs-API und Modellversionen. Preise und Beispiele messen weder Kosten noch Genauigkeit der Pipeline des Lesers.
- [Die MIT-Lizenz des Repositorys](https://raw.githubusercontent.com/coleam00/skills/847be0848ae7b997ae4420bc0eac267177a066a2/LICENSE) legt den Hinweis fest, der Kopien oder wesentlichen Teilen der Skill-Dateien beizulegen ist.

## Sources

- [Cole Medins festgelegter build-signal-engine-Skill](https://github.com/coleam00/skills/tree/847be0848ae7b997ae4420bc0eac267177a066a2/.claude/skills/build-signal-engine) — ist die zentrale Bauanleitung. Befragungs-, Quellen-, Entscheidungs- und Überblicksreferenzen sowie drei Vorlagen beschreiben Reihenfolge, Felder und Kontrollpunkte. Sie belegen nicht, dass eine erzeugte Engine in der Umgebung des Lesers funktioniert.
- [Claude Codes Skill-Leitfaden](https://code.claude.com/docs/en/skills) — beschreibt den Projektpfad `.claude/skills/<name>/SKILL.md`, Erkennung und Aufruf `/skill-name`. Er testet diesen Skill nicht.
- [OpenRouters Jev-Leitfaden](https://openrouter.ai/blog/insights/what-is-jev/) — erklärt die typisierte Decisions API und nennt Jev 1.13 neben 1.14 im Oktober 2026 weiterhin verfügbar. Beispiele und Preise sind Anbieterangaben, keine Messungen dieses Ablaufs.
- [Die MIT-Lizenz des Quellrepositorys](https://raw.githubusercontent.com/coleam00/skills/847be0848ae7b997ae4420bc0eac267177a066a2/LICENSE) — verlangt Urheberrechts- und Genehmigungshinweise in Kopien oder wesentlichen Teilen der Software.