Keyword-Search-Volume-Checker-Workflow: entscheiden, was Sie als Nächstes schreiben
Ein praktischer Workflow, um Suchvolumen, Schwierigkeit, CPC und Intent von Keywords zu prüfen, bevor aus der Liste ein Content-Briefing wird.
Notizen aus der Entwicklung von Agent-First-Skills für öffentliche Daten
Skills, MCP-Muster, KOL-Preise, die Ökonomie öffentlicher Daten und Lektionen aus den Live-Plattformen, die Agents aufrufen.
Sie nutzen ChatGPT, Claude Code oder einen anderen Client? Zur Einrichtung

Diese Beiträge konzentrieren sich auf wiederholbare Aufgaben: Reddit-Recherche, Creator-Suche, Social Monitoring, Anreicherung und die kleinen Entscheidungen, die eine Agent-Antwort nützlich statt vage machen. Jedes Cookbook verbindet einen Prompt in einfacher Sprache mit den UnifAPI-Operationen, die Belege liefern, und erklärt dann, wie man das Ergebnis so formt, dass der Workflow erneut ausgeführt, geprüft und später in Produktion überführt werden kann.
Diese Kategorie umfasst derzeit 15 Beiträge. Neue Einträge werden für Leser geschrieben, die konkrete Implementierungsdetails, klare Abwägungen und kopierbare Muster für Agent-Workflows suchen.
Ein praktischer Workflow, um Suchvolumen, Schwierigkeit, CPC und Intent von Keywords zu prüfen, bevor aus der Liste ein Content-Briefing wird.
So nutzen Sie einen Twitter-Profil-Viewer für Creator-Prüfung, Wettbewerbsrecherche und Account-Benchmarks, ohne sich im Ziel-Account anzumelden.
Wie UnifAPI Live-SEO-Daten, GEO-Antwort-Sichtbarkeit und gerenderte Browser-Reads zu einem Beleg-Stack für Marketing-Agents kombiniert.
Ein Architektur-Leitfaden für Public-Data-Skills: Agent-Client, MCP-Runtime, einheitliche Datenschicht, Observability, Kostenkontrolle, Fehlergrenzen.
Ein funktionierender Reddit-Research-Skill in einem MCP-Prompt: Feeds prüfen, Top-Kommentare holen, zusammenfassen – in jedem MCP-fähigen Agent.
Öffentliche TikTok-, Instagram- und YouTube-Daten in Creator-Research- und Listening-Skills nutzen – zuerst per MCP, per HTTP für die Produktion.