Langer Thread, veröffentlicht auf X am **29. September 2026** von **Ryan Sarver** (@rsarver), mit dem Titel *„Personal AI Should Actually Be Personal“*; etwa **1.700 Wörter**, 91.500 Aufrufe zum Zeitpunkt der Erfassung. Ausgangspunkt: **Amazon** blockierte **Muse** (**Meta**) auf seiner Shopping-Seite, und Nutzer verloren den Zugang zu ihrem Shopping-Agenten, *„eine Nebenwirkung eines Streits, bei dem ich kein Mitspracherecht hatte.“* **(A)** Definition: Eine persönliche KI muss im **Eigentum** des Nutzers stehen (Open Source, Daten in kontrolliertem Speicher, Portabilität), **einen einzigen Prinzipal** haben, einen lesbaren Vertrag und nachvollziehbare Abwägungen bieten, überall dort laufen, wo man es wählt, und angenehm in der Nutzung sein. **(B)** Beobachtung zur aktuellen Lage: Muse lässt Nutzer standardmäßig dem Training zustimmen, **Instinct** trägt eine *„unbefristete und unwiderrufliche“* Lizenz; geschätzte Kostenlücke von **3.000 bis 7.000 US-Dollar pro Nutzer und Jahr** gegenüber 20 US-Dollar im Monat. **(C)** Eine Umkehrung: Der im Eigentum befindliche Stack kann sich als besser erweisen, weil der Nutzer ihm *„jeden Winkel des eigenen Lebens“* gibt. **(D)** Ein fünfschichtiger Stack (Clients, Harness und Connectoren, Speicher, zweistufige Modelle, Maschine) sowie ein Aufruf, eine produktisierte Version von **OpenClaw** zu bauen. Reagiert auf **Brad Gerstner** zum Thema Vertrauen; knüpft an das bestehende Werk zu Shopping-Agenten und Markdown-Speicher an.
#persönliche KI#persönliche KI#persönlicher Agent
Ryan Sarver (@rsarver) · auteur du fil sur X ; fonction non indiquée dans le texte.
Langform-Artikel, veröffentlicht am **14. September 2026** auf dem X-Account **@GoogleCloudTech** (~2.000 Wörter, vier Schritte, sechs Blöcke mit Befehlen und Konfiguration), verfasst von **Alan Blount**, Technical Solutions Consultant bei Google. Ausgangspunkt: eine triviale Frage, einem Recherche-Agenten übergeben, abgerechnet mit **38 $**. Der Artikel schlägt vor, **Claude Fable 5.1** und **Gemini 3.8 Flash** nebeneinander hinter derselben **Gemini Enterprise Agent Platform**-API (ehemals Vertex AI) laufen zu lassen. **(1) Konfiguration**: Der Zugang zu Fable unterliegt dem *Advanced AI Safety Addendum* von Google Cloud, das einen `setPublisherModelConfig`-Aufruf mit aktiviertem Prompt-Response-Sharing für Anthropic erfordert, andernfalls droht ein 403; Flash funktioniert, sobald es aktiviert ist. **(2) Interner Benchmark** mit promptfoo, das opencode bei zwei Aufgaben steuert: Bei einem Git-Branch-Status antwortet Flash in **1,1 s** für weniger als ein Zehntel Cent, während Fable **23-mal so teuer** ist; bei einer Postgres-zu-Spanner-Migration erstellt Fable in **12 s** einen formalen DAG mit Clock-Drift-Risiken und einem Rollback-Gate, während Flash in 3 s eine lineare Sequenz liefert. **(3) Einsatz**: *«asymmetrische Koordination»* — das schnelle Modell als First-Line-Koordinator, der tiefgehende Planer an Checkpoints, ein `ask_for_help`-Tool zur Eskalation, und eine Warnung vor dynamischen Routern: *«Keep it boring»*. **(4) Token-ROI**: der Wert eingesparter Menschenzeit, ausgelieferter Features und vermiedener Vorfälle, abzüglich der Token-Kosten und der Einarbeitungszeit des Teams. Derselbe Routing-Ansatz entlang von Aufgabengrenzen wie bei [[mazmanov-portal-spotify-shunt-claude-code-tokens-2026-09-03]], im FinOps-Rahmen von [[rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04]].
Engineering-Beitrag von **Spotify**, veröffentlicht am 3. September 2026 auf engineering.atspotify.com (~1.600 Wörter, neun Abschnitte, zwei YAML-Manifeste, vier Befehlszeilenbeispiele), verfasst von **Dimitri Mazmanov**, Principal Product Manager. Er beschreibt ein persönliches Setup, das I/O-Aufgaben aus dem Kontext von **Claude Code** auslagern soll. Die eingangs formulierte Prämisse: *„Das meiste, was ein KI-Coding-Agent für mich tut, ist kein Denken. Es ist I/O“* — fünf Dateien lesen, um eine Frage zu einer einzelnen Methode zu beantworten, einen Test erstellen, der sich an den anderen zwanzig im Verzeichnis orientiert. **(A) Die Modes.** **Portal by Spotify** stellt *AiKA Modes* bereit, deklarative Agenten auf einer ephemeren Laufzeitumgebung — Instruktionen, Modell, Temperatur, **MCP**-Tools — verglichen mit *„AWS Lambda, aber für Agenten“*; zwei öffentliche Modes, `bulk-reader` und `code-writer`, laufen hier auf **Gemini 2.5 Flash**. **(B) Das Routing.** Ein Claude-Code-Plugin namens `shunt` ersetzt `CLAUDE.md`-Regeln, die als *„beratend, nicht erzwungen“* eingestuft werden, durch drei Schichten: `PreToolUse`-Hooks, die jedes Lesen über **350 Zeilen** hinaus blockieren (Schwellenwert anpassbar über `SHUNT_MIN_LINES`), zwei Bash-Skripte, die die Portal-CLI aufrufen, zwei Skills, die die Aufrufsyntax bereitstellen. Der Korpus geht an das sekundäre Modell und **gelangt nie in Claudes Kontext**. **(C) Messungen und ihre Grenzen.** Bei einem Java-Monorepo, vier Szenarien, liegt die berichtete durchschnittliche Einsparung bei **~90 %** für `bulk-read`; der Autor merkt an, dass das Szenario `code-write` *„schwerer zu messen“* sei, und nennt drei Einschränkungen — nicht delegierbares Editieren, nicht delegierbares Reasoning, **10 bis 30 Sekunden** Latenz pro Aufruf. Knüpft an die Budgetfragen aus [[gupta-token-budget-wars-marginal-token-utility-2026-05-28]] und die in [[willison-fable-judgement-delegation-subagents-2026-07-03]] untersuchte Delegation an.
#Portal by Spotify#AiKA Modes#shunt
Dimitri Mazmanov (Principal Product Manager, Spotify) · sur le blog d'ingénierie engineering.atspotify.com.
Blogbeitrag von **Pasquale Pillitteri** (Softwareingenieur, Palermo), veröffentlicht am **29. Mai 2026** (FR-Version), 18 Minuten Lesezeit, Rubrik *Claude Code & Anthropic*. **Kernthese**: *« Claude Opus 4.8 ist das leistungsstärkste SEO-Modell des Jahres 2026, aber fast alle nutzen es falsch »* — kein Modellproblem, sondern ein **System**-Problem. Die goldene Regel: ***« Strategie ist ein Whiteboard, Produktion ist ein Fließband »*** — SEO muss **in zwei getrennte Phasen aufgeteilt werden**, und deren Vermischung ist *« der schnellste Weg, ein Modell zu verschwenden, das fünf Dollar pro Million Input-Token und fünfundzwanzig für Output kostet »*. **Modellkontext**: Opus 4.8 veröffentlicht am **28. Mai 2026** (41 Tage nach Opus 4.7), **1-Mio.-Token**-Kontext, **GraphWalks Long-Context F1 bei 1M: 40,3 % → 68,1 %**, **SWE-bench Verified 88,6 %**, **USAMO 2026 96,7 %** (+27,4 Punkte), **HLE with tool 57,9 %**, unveränderter Preis **5 $/25 $** pro Mio. Token, **Fast Mode 2,5× zu 10 $/50 $**, vier **Aufwandsstufen** (Low, High, Extra, Max). **Das zentrale Anti-Pattern** = *« das riesige Gespräch »* / **Context Drift**: die Vermischung von Strategie, Keyword-Recherche, Wettbewerbsanalyse und Texterstellung in einem einzigen Chat erzeugt einen *« Brei widersprüchlicher Absichten »* → das Modell driftet zu **generischen Best Practices** („holistic optimization“, „strategic approach“) statt zu datenverankerten Inhalten. **Phase 1 – Strategie (Whiteboard, visuelle UI, einmalig)**: Dashboard / Google Sheet / Claude.ai-Canvas, um gemeinsam anhand der Daten zu entscheiden. **3 Spielzüge**: (a) **klassifizierte Keyword-Recherche** (Tabelle mit Volumen / Schwierigkeit 0-100 / Intent / Geschäftspotenzial / Priorität = Volumen÷Schwierigkeit×Geschäftsgewichtung); (b) **visuelle Wettbewerbsanalyse** (Themenabdeckungs-Matrix, Lücken); (c) **phasenweise Roadmap** (Quick Wins M1-2 / mittelfristig M3-6 / Pillar-Seiten M7-12). Der **Extra/Max**-Modus ist hier gerechtfertigt (*« eine richtige strategische Entscheidung ist tausend gut geschriebene Seiten zu den falschen Keywords wert »*). 3 abgeschlossene Artefakte, gespeichert in Notion/Drive. **Phase 2 – Produktion (Fließband, Opus 4.8 + MCP)**: Das Modell wandelt sich vom Strategen zur **Ausführungsmaschine**; jede Entscheidung wird über das **Model Context Protocol** in **Live-Daten verankert**. **Minimaler MCP-Stack**: **GSC MCP** (AminForou/mcp-gsc, 500+ Stars), **offizieller Ahrefs MCP** (98 Stars), **GA4 MCP**; das Repo `modelcontextprotocol/servers` = **86.440 Stars**, **10.000+ aktive Server**, 97 Mio. SDK-Downloads/Monat. Setup ~35 Min., monatliches Refresh ~20 Min. **Wöchentliche Schleife**: ein einziger Prompt zieht Live-Daten, erstellt das Brief (Top-10-SERP + GSC + Ahrefs), leitet H2/H3 ab, schreibt, prüft die Dichte, schlägt Titel vor → **+45 % Produktivität**, Entwurf in **6-12 Min.** (expliziter Verweis auf **Ryan Law / Ahrefs Content Engineering**, 23 Skills). Erwähnt Anthropics **Dynamic Workflows** (bis zu 1.000 Subagenten). **4 häufige Fehler**: (1) die Zahlen nicht zu überprüfen (Stichprobenkontrolle verpflichtend, *trust & verify*); (2) Semrush/Ahrefs vollständig zu ersetzen (MCP ist eine **zusätzliche Schicht**, kein Ersatz); (3) die **Paid-Organic-Content-Lücke** zu ignorieren (Kundenfall aus dem Bildungsbereich: **2.742 verschwendete Begriffe / 351 Chancen** in 90 s identifiziert); (4) Opus 4.8 dort einzusetzen, wo **Haiku 4.5** ausreicht (Meta-Beschreibungen, Alt-Texte). **Kosten**: 1-3 $ pro Artikel mit 2.500 Wörtern. **Sonnet 4.6** genügt für die laufende Produktion, Opus 4.8 bleibt der Strategie vorbehalten. SEO-optimierter und selbstreferenzieller Artikel (der Autor schreibt über SEO in einem Inhalt, der selbst darauf ausgelegt ist, für „Opus 4.8 SEO“ zu ranken). Direkte Konvergenz mit **Ryan Law/Ahrefs** (zitiert), **Systemen rund um das Modell** (Dropbox/Okumura), **Skills-over-Prompts** (Lattice), Haiku/Sonnet/Opus-Modell-Routing (Gupta Token-to-Outcome).
#Claude Opus 4.8#KI-SEO#Zweiphasen-Workflow
**Pasquale Pillitteri** — Ingénieur informatique / développeur logiciel basé à **Palerme** (Italie) · certifié Innovation Manager UNI 11814:2021. Auteur d'un blog tech actif (rubrique *Claude Code & Anthropic*) · avec une newsletter hebdomadaire (~3,4k lecteurs). Article publié en version **FR** le **29 mai 2026** (lendemain de la sortie d'Opus 4.8).