---
name: av-search-framing
description: Liefert die Phase-3-Präambel, die eine Such-Engine im KI-Sichtbarkeits-Gap-Assessment (frueher ARD-Audit) so rahmt, dass Claude faktenbasiert, mit namentlichen Anbietern + URL und einer auswertbaren „Sources:"-Liste antwortet.
---

# av-search-framing — Phase-3-Rahmen für die KI-Suchassistenz

## Methodik-Deklaration — Forced-Source-Design (gestützte Messung)

Dieses Framing (erzwungene namentliche Anbieter-Nennung + „Sources:"-Liste) ist ein
**bewusstes Forced-Source-Design**, damit die Antworten maschinell auswertbar sind
(Mention- und Citation-Parsing). Es misst damit **GESTÜTZTE Sichtbarkeit in einer
geframten Suchsituation** — nicht die natürliche, ungeframte Antwort einer
KI-Suchmaschine. Ein getrennter **Natural Mode** (ohne erzwungene Anbieter-Nennungen
und Quellen-Liste, misst die natürliche Sichtbarkeit) ist als künftige Erweiterung
vorgesehen und wird separat ausgewiesen werden.

Die Präambel, die der auditierten Such-Engine vorangestellt wird, damit Claude (über
die Subscription) wie eine KI-Suchassistenz antwortet: faktenbasiert, konkrete
Anbieter/Marken NAMENTLICH mit URL, und IMMER mit einer abschließenden Zeile
„Sources:" gefolgt von Markdown-Links der genutzten Quellen. Dieses Framing
entscheidet über zwei Dinge zugleich:

1. **Mess-Validität** — werden Marken überhaupt genannt? Ohne namentliche Nennung
   kann der Mention-Detector nichts finden.
2. **Citation-Parsing** — ist die Quellen-Liste auswertbar? Ohne saubere
   „Sources:"-Zeile bricht das Parsing.

## Wann nutzen

- Beim Aufsetzen oder Optimieren von Phase 3 eines KI-Sichtbarkeits-Gap-Assessments.
- Wenn die auditierte Such-Engine zu vage antwortet (keine Markennamen) oder die
  Quellen-Liste nicht maschinell auswertbar ist.
- Als prompt-tragender Baustein, den der av-eval-calibrator misst und optimiert.

## Code & Artefakt

- **Code:** `~/audit-app/ai-visibility-audit/src/engines.py` — Konstante
  `_CLI_PREAMBLE`, genutzt in `query_claude_cli` (Web-Search-Call via
  `claude -p --allowedTools WebSearch`).
- **Citation-Parsing:** Citations werden per Regex aus dem Antworttext geparst
  (`_extract_citations_from_text`). Darum ist die formattreue „Sources:"-Zeile
  load-bearing.
- **Optimierbarer Prompt:** `~/audit-app/prompts/av-search-framing.active.txt`,
  geladen via `prompt_store.get_prompt("av-search-framing", _CLI_PREAMBLE)`.

### Wichtig bei Optimierung

- KEINE `{platzhalter}` in dieser Präambel — sie wird als fixer Vorspann vor
  „Frage: {prompt}" gesetzt. Bei der Optimierung KEINE Platzhalter einführen.
- Die Sources-Anforderung MUSS erhalten bleiben — sonst bricht das
  Citation-Parsing.

## Eval-Signal

`parseable_sources_rate` (0..1) = Anteil der Antworten, die ENTWEDER eine
„Sources:"-Zeile enthielten ODER ≥1 geparste Citation hatten.

- Berechnet in `src/skill_signals.py`.
- Geloggt nach `skill-runs.jsonl` + DB.

## Optimierung (Modus c, messbar → Auto-Apply)

Dieser Skill ist prompt-tragend UND measurable. Der **av-eval-calibrator** fährt
darum ein echtes LIVE-A/B:

1. Ein festes Probe-Set von Such-Prompts wird mit Baseline- vs.
   Varianten-Präambel beantwortet — über die Subscription mit Web-Search.
2. `parseable_sources_rate` wird je Variante gemessen.
3. **Variante > Baseline + 0.05 → MODUS C: AUTO-APPLY.** Sonst Change-Board.
4. Ziel: `parseable_sources_rate` ≥ **0.75**.

## Rubrik

**Gut:**
- Antwort nennt Anbieter NAMENTLICH.
- Jede Empfehlung kommt mit URL.
- Saubere, konsistent formatierte „Sources:"-Liste am Ende.
- Keine ausweichenden Meta-Antworten.

**Fehler:**
- Vage Antworten ohne Namen.
- Fehlende oder uneinheitliche Quellen-Zeile.
- Kaputte Markdown-Links.

## Verwandte Skills

- **av-mention-detector** — Abnehmer: braucht namentlich genannte Marken.
- **Citation-Parsing** (`_extract_citations_from_text`) — Abnehmer: braucht die
  formattreue „Sources:"-Liste.
- **av-eval-calibrator** — Optimierer: fährt das LIVE-A/B und entscheidet
  Auto-Apply vs. Change-Board.

Stand: 2026-07-10 (Feedback-Rework v2.1)