# Sxo Persona > Erstellt ein Persona-Feedback-Dashboard als HTML-Datei auf Basis eines SXO-Analyzer Reports und/oder einer SXO Page. Kann auch standalone mit URL + Keyword arbeiten (fuehrt dann intern eine SERP-Analyse durch, ohne HTML-Report zu erzeugen). Leitet 4-7 Personas aus Intent-Signalen ab (Related Searches, PAA, User Story, Gap-Analyse), generiert Flat-Illustration-Avatare via Nano Banana MCP mit lokalem Bild-Cache, bewertet die Zielseite aus jeder Persona-Perspektive (Score 1-100) und gibt konkrete Verbesserungsvorschlaege. Supports German and English. Use when user says "SXO Persona", "Persona Dashboard", "Persona Analyse", "Persona erstellen", "create personas", "persona feedback", "Nutzer-Feedback", "user feedback dashboard", "Zielgruppen-Analyse", "audience analysis", "Persona aus Report", "personas from report", "wer sucht das", "who is searching for this", or "SXO Persona Dashboard". Do NOT use for: marketing personas without SXO context, buyer personas for ads, UX research interviews, or general user resear - Skill: `tools-enerix/sxo-persona` (Agent Skill, multi-file: 6 files) - Install (CLI): `npx skillmds@latest add tools-enerix/sxo-persona` - Raw SKILL.md: https://api.skillmd.com/api/skills/tools-enerix/sxo-persona/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Marketing & Growth - Author: tools-enerix (https://skillmd.com/u/tools-enerix) - Updated: 2026-09-22 - Page: https://skillmd.com/skills/tools-enerix/sxo-persona --- # SXO-Persona -- Persona-Feedback-Dashboard aus SXO-Report Der SXO-Persona Skill erzeugt ein visuelles **Persona-Feedback-Dashboard**, das zeigt: > **Wer sucht dieses Keyword, was erwartet jede Person -- und wie gut liefert die Seite?** Logik: **SERP-Signale -> Intent-Cluster -> Personas -> Scoring gegen Zielseite -> Handlungsempfehlungen** --- ## Schritt 0: Inputs erkennen und validieren ### 0a -- Inputs erkennen (4 Modi) ``` Suche mit Glob im aktuellen Arbeitsverzeichnis nach: 1. SXO-Report: sxo-report-*.html (aus /sxo-analyze) 2. SXO-Page: sxo-page-*.html (aus /sxo-page) 3. Argumente: URL und/oder Keyword als Argument Bestimme den Modus: MODUS A -- Report gefunden: -> Zeige gefundene Datei(en) -> Falls mehrere Reports: User waehlen lassen -> Lies den Report mit Read-Tool -> IF zusaetzlich SXO-Page gefunden: -> Nutze die Page fuer praeziseres Scoring -> Hinweis: "SXO-Page gefunden -- Scoring basiert auf tatsaechlichem Seiteninhalt" -> Weiter mit Schritt 1 (Daten aus Report extrahieren) MODUS B -- Kein Report, aber URL + Keyword als Argumente: -> Standalone-Modus: Fuehre interne SERP-Analyse durch (siehe Schritt 0c) -> Hinweis: "Standalone-Modus: Fuehre SERP-Analyse fuer '[KEYWORD]' durch..." -> Weiter mit Schritt 0c MODUS C -- Kein Report, nur URL (ohne Keyword): -> Frage den User nach dem Fokus-Keyword: "Fuer die Persona-Analyse brauche ich ein Fokus-Keyword. Welches Keyword soll ich analysieren?" -> Warte auf Antwort -> Dann weiter wie Modus B (Standalone mit URL + Keyword) MODUS D -- Weder Report noch URL: -> Fehler: "Ich brauche mindestens einen SXO-Report oder eine URL + Keyword." -> "Option 1: /sxo-analyze [keyword] [url] (vollstaendiger Report)" -> "Option 2: /sxo-persona [keyword] [url] (Standalone-Analyse)" ``` ### 0b -- Spracherkennung Erkenne die Dashboard-Sprache automatisch: 1. **Aus SXO-Report:** `` -> Deutsch, `` -> Englisch 2. **Aus URL-TLD:** `.de/.at/.ch` -> Deutsch, `.com/.co.uk/.io` -> Englisch 3. **Aus Keyword:** Deutsche Begriffe -> Deutsch, englische -> Englisch ``` IF Sprache = Englisch: -> Verwende CSS aus assets/persona-template-en.html -> Schreibe ALLE Texte auf Englisch -> Englische Labels (Search Motive, Expectation, Improvements, etc.) ELSE: -> Verwende CSS aus assets/persona-template.html -> Deutsche Labels (Suchmotiv, Erwartung, Verbesserungen, etc.) ``` ### 0c -- Standalone-Modus (SERP-Analyse ohne Report) Wenn Modus B oder C aktiv ist, fuehre die SERP-Analyse intern durch. Ziel: Dieselben Datenfelder wie in Schritt 1 erzeugen, aber aus Live-SERP-Daten statt aus einem HTML-Report. **WICHTIG:** Es wird KEIN HTML-Report erzeugt. Alle Daten bleiben im Arbeitskontext. ``` SCHRITT 0c-1: SERP-Daten holen (ein einzelner API-Call) Rufe auf: mcp__dataforseo__serp_organic_live_advanced keyword: KEYWORD location_code: 2276 (Deutschland) bzw. passend zur Sprache language_code: "de" bzw. "en" depth: 30 Dieser Call liefert: - Organic Top-10/30 Ergebnisse - Related Searches (item_types: "related_searches") - People Also Ask (item_types: "people_also_ask") - Featured Snippets (item_types: "featured_snippet") - Google Ads (item_types: "paid") - AI Overview (item_types: "ai_overview") SCHRITT 0c-2: Daten in Report-Format mappen Aus den SERP-Daten extrahiere: RELATED_SEARCHES: -> Fuer jedes Related-Search-Item: SUCHBEGRIFF: title INTENT_BADGE: Leite Intent ab (Informational/Commercial/Transactional/Local/DIY) Nutze mcp__dataforseo__dataforseo_labs_search_intent fuer praezise Intent-Klassifikation PAA_FRAGEN: -> Fuer jedes People-Also-Ask-Item: PAA_FRAGE: title PAA_ANTWORT: description (falls vorhanden) ADS_SIGNALE: -> Fuer jedes Paid-Item: ADS_TITLE: title ADS_DESCRIPTION: description ADS_URL: url -> Interpretation: Welche Botschaften werden getestet? Preispunkte? TOP_10_ERGEBNISSE: -> Fuer jedes Organic-Item (Position 1-10): TITLE, URL, DESCRIPTION -> Analyse: Welche Themen dominieren? Content-Typen? SCHRITT 0c-3: User Story ableiten Aus den gesammelten SERP-Signalen leite die User Story ab: 1. WISSENSSTAND: Aus Komplexitaet der PAA-Fragen - Einfache Fragen ("Was ist...?") -> Einsteiger - Vergleichsfragen ("Was ist besser...?") -> Fortgeschritten - Detailfragen ("Wie konfiguriere ich...?") -> Experte 2. JOURNEY_PHASE: Aus Intent-Verteilung - Ueberwiegend Informational -> Recherche - Gemischt Info+Commercial -> Vergleich - Ueberwiegend Commercial/Transactional -> Entscheidung 3. EMOTIONALE_LAGE: Aus Tonalitaet der Suchanfragen - "Lohnt sich...?" -> Unsicherheit - "Beste/Top..." -> Optimismus - "Problem/Fehler..." -> Frustration 4. BARRIEREN: Aus PAA-Fragen und Related Searches - Preisfragen -> Kostenbarriere - "Erfahrungen" -> Vertrauensbarriere - "Nachteile/Risiken" -> Risikobarriere 5. PRIMAERES_ZIEL + SEKUNDAERES_ZIEL: Aus dominantem Intent 6. USER_STORY_STATEMENT: Formuliere als: "Als [Rolle] mit [Wissensstand] moechte ich [Ziel], damit ich [Nutzen]. Meine groesste Sorge ist [Barriere]." SCHRITT 0c-4: Seiteninhalte holen (fuer Scoring) -> Hole die Zielseite via WebFetch (URL aus Argument) -> Extrahiere: Headline, Meta-Description, Hauptinhalt, Trust-Signale -> Scoring-Modus: "Basierend auf Live-URL (Standalone)" SCHRITT 0c-5: Gap-Analyse ableiten Vergleiche SERP-Erwartungen mit Seiteninhalt: -> Fuer jedes SERP-Signal (Related Search, PAA, Ads-Botschaft): Pruefe ob die Zielseite dieses Thema abdeckt -> Erstelle Gap-Items mit Prioritaet: - SERP-Signal stark + Seite fehlt = high - SERP-Signal mittel + Seite schwach = medium - SERP-Signal schwach + Seite fehlt = low SCHRITT 0c-6: Above-the-Fold Screenshot (parallel zu 0c-4) -> Lies references/screenshot-capture.md fuer Capture-Befehl und Fehlerbehandlung -> npx playwright screenshot "{{URL}}" /tmp/sxo-screenshot.png --viewport-size "1280,800" --timeout 15000 -> Konvertiere zu Base64: SCREENSHOT_BASE64=$(base64 -w 0 /tmp/sxo-screenshot.png 2>/dev/null || openssl base64 -A -in /tmp/sxo-screenshot.png) -> rm -f /tmp/sxo-screenshot.png -> IF Screenshot fehlschlaegt: weglassen, Workflow NICHT abbrechen Danach: Weiter mit Schritt 2 (Personas ableiten). Die Daten aus 0c-2/0c-3/0c-5 ersetzen die Report-Daten aus Schritt 1. ``` --- ## Schritt 1: Daten aus SXO-Report extrahieren Lies den SXO-Report und extrahiere diese Datenfelder. Die HTML-Struktur des Reports folgt einem festen Schema: ### 1a -- Metadaten ``` Aus dem

: KEYWORD: Text aus

(nach "SXO-Analyse: " bzw. "SXO Analysis: ") URL: href aus .meta-value a DATUM: Text aus .meta-value (Datum/Date Feld) ``` ### 1b -- Related Searches / Autocomplete (Section 1a) ``` Aus der Tabelle in "Autocomplete / Related Searches": Fuer jede in : SUCHBEGRIFF: Text aus erster INTENT_BADGE: Text aus -> Ergibt eine Liste von (Suchbegriff, Intent-Typ) Paaren -> Jeder Intent-Typ ist ein Persona-Kandidat Aus dem Interpretations-Absatz (
nach "Interpretation"): AUTOCOMPLETE_INTERPRETATION: Freitext mit Cluster-Analyse ``` ### 1c -- PAA-Fragen (Section 1d) ``` Aus der
in "People Also Ask" / "Aehnliche Fragen": Fuer jedes
: PAA_FRAGE: Text (inklusive Preise, Details) HAT_AI_OVERVIEW: true wenn AI Overview Aus dem Interpretations-Absatz: PAA_INTERPRETATION: Freitext ``` ### 1d -- Google Ads Signale (Section 1b) ``` Aus "Google Ads / Shopping-Signale" bzw. "Google Ads Messages": ADS_BEOBACHTUNG: Freitext (Beobachtung/Observation) ADS_INTERPRETATION: Freitext -> Extrahiere: Preispunkte, A/B-getestete Botschaften, kommerzielle Signale ``` ### 1e -- User Story (Section 2) ``` Aus der Tabelle "Identifizierte Elemente": Fuer jede in : ELEMENT: Text aus erster (z.B. "Wissensstand", "Journey-Phase", "Barrieren") WERT: Text aus zweiter -> Besonders wichtig fuer Persona-Ableitung: - Wissensstand / Knowledge Level - Journey-Phase / Journey Phase - Emotionale Lage / Emotional State - Barrieren / Barriers - Primaeres Ziel / Primary Goal - Sekundaeres Ziel / Secondary Goal Aus .user-story-quote: USER_STORY_STATEMENT: Volltext ``` ### 1f -- Gap-Analyse (Section 3b) ``` Aus "User Story Coverage (Gap-Analyse)": Fuer jedes
: GAP_NAME: Text aus
GAP_PRIORITY: high | medium | low (aus Klasse) GAP_SERP: Text aus div mit .gd-label "SERP-Signal" GAP_ZIELSEITE: Text aus div mit .gd-label "Zielseite" GAP_TEXT: Text aus div mit .gd-label "Gap" -> Jeder High-Priority-Gap kann eine eigene Persona rechtfertigen ``` ### 1g -- First Screen Check (Section 3a) ``` Aus "First Screen Check": Fuer jede in : ELEMENT: Text aus erster STATUS: pass | warn | fail (aus badge-Klasse) BEWERTUNG: Text aus dritter ``` ### 1h -- Gesamturteil (Section 3c) ``` Aus .verdict: VERDICT_CLASS: verdict-good | verdict-partial | verdict-bad VERDICT_TEXT: Freitext ``` ### 1i -- Above-the-Fold Screenshot (wenn URL verfuegbar) ``` IF URL aus Report-Metadaten (Schritt 1a) vorhanden: -> Lies references/screenshot-capture.md fuer Capture-Befehl und Fehlerbehandlung -> npx playwright screenshot "{{URL}}" /tmp/sxo-screenshot.png --viewport-size "1280,800" --timeout 15000 -> Konvertiere zu Base64 und speichere als SCREENSHOT_BASE64 -> rm -f /tmp/sxo-screenshot.png -> IF Screenshot fehlschlaegt: weglassen, Workflow NICHT abbrechen ``` --- ## Schritt 2: Personas ableiten Lies die Referenzdatei `references/persona-derivation.md` fuer die vollstaendigen Ableitungsregeln. ### 2a -- Intent-Cluster bilden ``` WICHTIG: Alle Personas suchen dasselbe Fokus-Keyword! Related Searches und PAA-Fragen zeigen NICHT, dass Personas andere Keywords tippen, sondern welche ERWARTUNGEN und HINTERGRUENDE verschiedene Menschen mitbringen, wenn sie das Fokus-Keyword eingeben. Beispiel: Keyword "Photovoltaikanlage" -> Related "Photovoltaikanlage Kosten" zeigt: Manche Suchende haben primaer Kosten im Kopf, wenn sie "Photovoltaikanlage" tippen -> PAA "Lohnt sich PV noch?" zeigt: Manche Suchende sind skeptisch -> ABER: Alle tippen "Photovoltaikanlage" in Google ein! 1. Gruppiere Related Searches und PAA-Fragen nach Erwartungs-Cluster: - Welche VERBORGENEN BEDUERFNISSE stecken hinter dem Fokus-Keyword? - Gleicher Bedarf-Typ = gleicher Cluster (z.B. alle Preis-bezogenen = 1 Cluster) - ABER: Unterscheide innerhalb eines Clusters, wenn der Hintergrund sich grundlegend unterscheidet (z.B. Preis-Optimierer vs. ROI-Skeptiker) 2. Ordne PAA-Fragen den Clustern zu: - Preisbezogene PAA -> Kosten-Erwartungs-Cluster - Qualitaetsfragen -> Qualitaets-Erwartungs-Cluster - Grundsatzfragen ("Lohnt es sich?") -> Unsicherheits-Cluster 3. Pruefe Gap-Analyse auf unabgedeckte Cluster: - High-Priority-Gap ohne passenden Cluster -> neuer Cluster 4. User Story als Basis-Persona: - Die User Story beschreibt den "typischen" Suchenden - Daraus wird die Haupt-Persona abgeleitet - Weitere Personas sind Varianten mit anderem Hintergrund und Fokus - Alle suchen dasselbe Keyword, aber mit unterschiedlicher Erwartung ``` ### 2b -- Persona-Anzahl bestimmen ``` Ziel: 4-7 Personas IF weniger als 4 unterscheidbare Cluster: -> Teile den groessten Cluster in Sub-Personas auf -> Z.B. "Preis" -> "Sparfuchs" (billigste Option) + "Qualitaetsbewusster" (bestes P/L) -> Minimum: 4 Personas IF mehr als 7 Cluster: -> Merge die aehnlichsten Cluster -> Priorisiere Cluster mit High-Priority-Gaps -> Maximum: 7 Personas ``` ### 2c -- Persona-Details ausarbeiten Fuer JEDE Persona erstelle: ``` 1. NAME + DEMOGRAFIE - Alliterativer Vorname + Nachname-Initial oder Spitzname - Alter, Beruf, 1 relevantes Detail - MUSS zur Branche passen (nicht generisch!) - Deutsch: "Preisbewusste Petra, 34, Studentin" - English: "Budget-Conscious Ben, 28, Graduate Student" 2. SUCHMOTIV & INTENT - WICHTIG: Die Persona sucht IMMER das Fokus-Keyword, NICHT ein anderes Keyword! - Beschreibe den HINTERGRUND und die MOTIVATION hinter der Suche - Was hat diese Person dazu bewogen, genau jetzt "{{KEYWORD}}" zu googeln? - Was ist der konkrete Ausloser? (Event, Problem, Vergleich, Lebenssituation) - Intent-Typ: Informational / Transaktional / Commercial / Navigational / Lokal / DIY - Welcher Related-Search oder PAA-Eintrag spiegelt die Erwartung dieser Persona wider? - Beispiel: Keyword "Photovoltaikanlage" RICHTIG: "Sucht 'Photovoltaikanlage'. Hintergrund: Will wissen, was eine Anlage fuer sein Einfamilienhaus kostet und ob sich die Investition lohnt." FALSCH: "Sucht 'Photovoltaikanlage Kosten'." SPRECHBLASE (Ich-Perspektive): - Zusaetzlich zum Suchmotiv-Text: Schreibe 2-3 Saetze in der ICH-Form - Diese Saetze erscheinen in einer visuellen Sprechblase neben dem Avatar - Die Sprechblase macht die Persona lebendig und greifbar - Formuliere natuerlich, wie ein echter Mensch reden wuerde - Beispiel DE: "Mein iPhone-Display ist gesprungen und ich brauche schnell eine Reparatur. Am liebsten haette ich einen guenstigen Anbieter in meiner Naehe." - Beispiel EN: "My phone screen just cracked and I need it fixed fast. I'm looking for a reliable shop nearby that won't charge a fortune." 3. ERWARTUNG AN DIE SEITE - 2-3 Saetze: Was will diese Person KONKRET finden? - Welche Fragen muessen beantwortet werden? - Welches Format erwartet sie? (Tabelle, Rechner, Text, Video) 4. SCORE (1-100) -- nur wenn Page/URL verfuegbar - Berechnung: siehe Schritt 3 - ODER: "Projiziert" basierend auf Gap-Analyse 5. VERBESSERUNGSVORSCHLAEGE (2-4 Punkte) - Konkret und umsetzbar - Aus der Perspektive dieser Persona formuliert - Referenz auf Gap-Analyse oder First-Screen-Check 6. ARCHETYPE (fuer Avatar-Bild) - Ordne jeder Persona einen Archetype-Key zu (siehe references/persona-images.md) - Mapping: Intent-Cluster -> Archetype-Key Preis -> price-conscious | Qualitaet -> quality-focused Lokal -> local-seeker | DIY -> diy-maker Anbieter -> provider-comparer | Angst/Unsicherheit -> anxious-decider Spezialfall -> special-case | Dringlichkeit -> urgent-user Informational -> knowledge-seeker | Commercial -> ready-buyer - Die Hauptpersona (aus User Story) bekommt immer "main-planner" - WICHTIG: Keine zwei Personas duerfen denselben Archetype haben! Bei Kollision: sekundaeren Archetype verwenden (trust-seeker, expert-user, beginner, emotional-seeker, roi-calculator) ``` --- ## Schritt 3: Scoring (wenn Seite verfuegbar) ### 3a -- Scoring-Quelle bestimmen ``` IF SXO-Page vorhanden (sxo-page-*.html): -> Lies die Page mit Read-Tool -> Score basiert auf tatsaechlichem Seiteninhalt -> Scoring-Modus: "Basierend auf SXO-Page" ELIF URL als Argument UND Report vorhanden: -> Hole Seite via WebFetch -> Score basiert auf Live-Seite -> Scoring-Modus: "Basierend auf Live-URL" ELIF nur Report vorhanden (kein Page, keine URL): -> Score basiert auf Gap-Analyse + First-Screen-Check aus dem Report -> Scoring-Modus: "Projiziert aus SXO-Report" -> Hinweis im Dashboard: "Scores sind projiziert -- fuer praezisere Bewertung SXO-Page erstellen oder URL angeben" ``` ### 3b -- Scoring-Dimensionen (4 Dimensionen, je 25 Punkte) Fuer JEDE Persona, bewerte: ``` DIMENSION 1: First-Screen-Relevanz (0-25 Punkte) "Wird das Suchmotiv dieser Persona im First Screen adressiert?" 25: Headline + Hero sprechen genau diesen Intent an 20: Intent ist erkennbar, aber nicht dominant 15: Intent ist vorhanden, aber erst nach Scrollen 10: Intent wird nur indirekt angesprochen 5: Intent ist auf der Seite, aber versteckt 0: Intent wird nicht adressiert DIMENSION 2: Erwartungserfuellung (0-35 Punkte) "Findet diese Persona, was sie konkret sucht?" 35: Alle erwarteten Inhalte in passendem Format vorhanden 28: Meiste Inhalte da, aber Format nicht optimal 21: Kerninhalte vorhanden, aber unvollstaendig 14: Nur teilweise abgedeckt, wichtige Elemente fehlen 7: Nur am Rande erwaehnt 0: Nicht abgedeckt DIMENSION 3: Barriereabbau (0-25 Punkte) "Werden die spezifischen Bedenken/Barrieren dieser Persona adressiert?" 25: Alle Barrieren proaktiv entschaerft (Trust, Preis, Risiko) 20: Meiste Barrieren adressiert 15: Einige Barrieren adressiert, andere ignoriert 10: Nur die offensichtlichsten Barrieren 5: Minimal 0: Keine Barrieren adressiert DIMENSION 4: Trust-Signale (0-15 Punkte) "Gibt es passende Vertrauenssignale fuer diese Persona?" 15: Bewertungen, Zertifikate, Social Proof -- passend zum Persona-Kontext 12: Gute Trust-Signale, aber nicht persona-spezifisch 9: Basis-Trust vorhanden (Impressum, SSL) 6: Wenige Trust-Signale 3: Kaum Trust 0: Keine Trust-Signale GESAMTSCORE = Dim1 + Dim2 + Dim3 + Dim4 (max. 100) ``` ### 3c -- Scoring bei projiziertem Modus (nur Report) ``` IF Scoring-Modus = "Projiziert aus SXO-Report": Dim 1 (First-Screen): Leite aus First-Screen-Check ab - Alle 5 Checks "pass" -> 25 - Gemischt -> anteilig - Passe an: Ist der Check fuer DIESE Persona relevant? Dim 2 (Erwartung): Leite aus Gap-Analyse ab - Persona hat relevanten Gap mit Prio "high" -> max 14 - Persona hat relevanten Gap mit Prio "medium" -> max 21 - Persona hat keinen relevanten Gap -> 28-35 Dim 3 (Barrieren): Leite aus User Story "Barrieren" ab - Pruefe ob Gap-Analyse die Persona-spezifischen Barrieren adressiert Dim 4 (Trust): Leite aus First-Screen "Vertrauenssignale" ab - pass -> 12-15, warn -> 6-9, fail -> 0-3 ``` --- ## Schritt 4: Dashboard-Zusammenfassung berechnen ``` 1. DURCHSCHNITT = Summe aller Persona-Scores / Anzahl Personas (gerundet) 2. SCHWAECHSTE_PERSONA = Persona mit niedrigstem Score -> Name + Score + 1-Satz-Erklaerung 3. STAERKSTE_PERSONA = Persona mit hoechstem Score -> Name + Score + 1-Satz-Erklaerung 4. TOP_HANDLUNGSFELDER (max 5): -> Sammle alle Verbesserungsvorschlaege aller Personas -> Dedupliziere aehnliche Vorschlaege -> Sortiere nach: Anzahl betroffener Personas (absteigend) -> Jedes Handlungsfeld zeigt: Beschreibung + betroffene Personas 5. SCORING_MODUS: -> "Basierend auf SXO-Page" | "Basierend auf Live-URL" | "Projiziert aus SXO-Report" ``` ### 4b -- Persona-Bilder generieren (mit Cache) Lies die Referenzdatei `references/persona-images.md` fuer Archetype-Prompts und Cache-Logik. ``` Fuer JEDE Persona: 1. ARCHETYPE_KEY = Persona.archetype (aus Schritt 2c) 2. LANG = "de" oder "en" (aus Schritt 0b) 3. CACHE_KEY = "{ARCHETYPE_KEY}-{LANG}.png" 4. CACHE_PATH = ~/.sxo-persona/image-cache/{CACHE_KEY} 5. Pruefe Cache: IF Datei existiert UND Dateigroesse > 0: -> Log: "Cache-Hit: {CACHE_KEY}" -> Lies Bild als base64 via Bash: base64_data=$(base64 -w 0 {CACHE_PATH}) -> PERSONA_IMG_SRC = "data:image/png;base64,${base64_data}" ELSE (Cache-Miss): -> Log: "Cache-Miss: {CACHE_KEY} -- generiere Bild..." -> Erstelle Cache-Verzeichnis: mkdir -p ~/.sxo-persona/image-cache/ -> Bestimme BG_COLOR aus Persona-Score: Score 0-29: #fce4ec (soft coral) Score 30-49: #fff3e0 (soft peach) Score 50-69: #fffde7 (soft warm yellow) Score 70-89: #e3f2fd (soft sky blue) Score 90-100: #e8f5e9 (soft mint) -> Baue Prompt = BASIS_PROMPT + ARCHETYPE_ERWEITERUNG (siehe references/persona-images.md) -> Rufe gemini_generate_image auf (1:1, 512px -- wird als 120px Avatar angezeigt) -> Kopiere generiertes Bild in Cache: cp ~/Documents/nanobanana_generated/ {CACHE_PATH} -> Lies als base64 -> PERSONA_IMG_SRC = "data:image/png;base64,${base64_data}" 6. Falls Bildgenerierung fehlschlaegt: -> Verwende Fallback: persona-avatar-placeholder (CSS-Klasse mit Emoji) -> Log: "Warnung: Bild fuer {CACHE_KEY} konnte nicht generiert werden" -> Dashboard trotzdem erstellen (Bild ist optional) ``` --- ## Schritt 5: HTML-Dashboard generieren ### 5a -- CSS laden ``` 1. Bestimme die Dashboard-Sprache (siehe Schritt 0b) 2. Lies das passende Template fuer den CSS-Block: - Deutsch: assets/persona-template.html - English: assets/persona-template-en.html 3. Kopiere den