Del 1 — scaffold-bånd (KTG-beslutning: behold målbåndet, utvid komponentene).
Komponentsummen var 960–1 640 mot målbåndet 1 200–1 800: en skjelett-konform
draft kunne lande under gulvet og nådde aldri taket. Nye bånd — Context
250–350, Insight 550–850, Implication 250–350 (Hook 110–140 og CTA 50–100
uendret) — summerer til 1 210–1 790, altså INNI 1 200–1 800. Skjelett-konform
er nå gate-konform per konstruksjon.
Målbåndet 1 200–1 800 er uendret overalt; hooks/prompts/content-quality-gate.md
(den kanoniske gaten) er ikke rørt. Alternativet — å heve taket per AuthoredUp
D-4 — ville krevd 25 filer / 40 linjer inkl. gate-prompten, begge skills,
quality-scorecard, config-malen og brain-fiksturen.
Skjelettet fantes i seks kopier, alle rettet på KTG-go: commands/post.md,
commands/batch.md, commands/pipeline.md, references/engagement-frameworks.md,
agents/content-optimizer.md, skills/linkedin-content-creation/SKILL.md. De tre
siste lå utenfor planens scope, men to av dem var internt selvmotsigende på én
linje (overskrift 1 200–1 800 over komponenter som summerte til 960–1 640), og
engagement-frameworks.md er nettopp fila post.md/pipeline.md instruerer
modellen om å LESE for strukturen.
Nabofunn tatt med på KTG-go: post.md:95 ga «Personal stories → 1 000–1 400»,
som motsa post.md:136s egen gate. Kald-review R2a MAJOR — nå 1 200–1 800.
D-4 inn i kanonfila: ny «Post length»-seksjon i
references/algorithm-signals-reference.md med AuthoredUp-optimumet 1 301–2 500
(372 126 poster, sep 2025–feb 2026), merket single-vendor/ett vindu, med
eksplisitt note om at datapunktet gjør det shippede taket konservativt — ikke
feil — og at de to AuthoredUp-N-ene i fila (621K vs 372K) er ulike studier.
Kilde verifisert mot primærkilden, ikke overført fra planen.
Del 2 — ferskhet-rester (begge påstander verifisert mot LinkedIn Help):
- D-6 newsletter-strategy-guide.md: «5 000+ følgere» framstilt som terskel er
feil — «All LinkedIn members have access to create a newsletter on LinkedIn»
(a517914). Omskrevet til redaksjonell modenhetsvurdering (også i
Mistakes-tabellen og Bottom Line). E-post er ikke garantert: LinkedIn
de-dupliserer på tvers av kanaler — «if you receive an in-app or push
notification, you should not expect to also receive an email for the same
notification» (a517914). Bringer referansefila i tråd med newsletter.md:2384.
Fjernet samtidig den ukildede «Algorithm favors newsletters from established
creators» i den omskrevne blokka.
- D-7 first-comment-strategy.md: «pinned by default» er uverifisert og feil —
pinning er en eksplisitt forfatterhandling (a524166), og standard
kommentarsortering er algoritmisk. Lagt til «What this file does not claim»-
avsnitt som speiler kanonfilas «contested»/low-confidence-epistemikk.
Scope 3 (KTG-go, amend): references/engagement-frameworks.md har FIRE
skjeletter, ikke ett. To til brot gulvet i malbandet — Data-Driven Post
(1 050-1 400) og Contrarian Post (1 060-1 410) — og er lagt om til samme
komponentprofil som Standard, sum 1 210-1 790. Narrative Arc (1 350-1 500) la
allerede inni og star urort; alle tre har na en eksplisitt sum-linje. Fila er
den post.md:104 sender modellen til for «story structures», sa a sertifisere
den som fikset med to odelagte skjeletter igjen ville vaert usant.
SUPERSEDED og ikke gjeninnført: gammel B §S6 Del 2 pkt 1 (first-comment
−5/−10 %-tall, pods-eskalering, 360Brew-fotnote).
Verifisering: bånd-summen ligger inni målbåndet i alle seks kopier av
standard-skjelettet og i alle fire skjelettene i engagement-frameworks.md
(grep-bevis, 0 gjenværende 200-300/400-800) · D-6/D-7 omformulert (0 treff på
«5,000+ followers» / «pinned by default» / «inbox + email») · alle ti suiter
grønne, alle floors uendret: test-runner 270/0 (269 assertions >= floor 251) ·
trends 300/0 · analytics 202/0 · hooks 191/0 · brain 134/0 · editions 72/0 ·
render 63/0 · specifics-bank 45/0 · tests 35/0 · contract-gate 33/0.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01LhF1H7ctT5Fk8KkoCQpe5n
The last de-niche slice: recast the 10 sites where the vendor/sector beat
(Microsoft|Azure|Copilot|public sector) sat as the PRIVILEGED/default example,
varying each to a concrete cross-domain example instead of sterilizing
(plugin-is-domain-general — domain comes from user config, never hardcoded).
Recast (10): url-processing-templates (news worked-example Copilot->Figma),
opportunity-generation (3 headline examples + About block -> varied/ops persona),
profile (3 "good example" headlines/impact -> healthcare/e-commerce/support),
first-comment-strategy (drop "Microsoft" from research-paper example),
poll-strategy-guide (Copilot option -> generic AI assistants),
engagement-frameworks (1 of 3 direct-address audiences -> RevOps/SaaS),
setup (audience e.g. -> two varied examples), post (invocation e.g. -> SaaS pricing),
network-builder (tagline example -> ops/manufacturing),
video-scripter (2 filename slugs -> neutral topics).
Kept as false positives (would sterilize): content-angles.md (Public Sector is
1 of 6 balanced industry tables + Industry-Agnostic section), outreach.md
(Microsoft Build/Ignite/Azure UG = 3 of ~20 varied real conferences),
linkedin-growth-playbook (biographical fact in a real case study), the
Gemini/Tavily/Perplexity MCP tool-name examples, and the algorithm-signals
"Gemini provenance" SSOT citation. AI-as-topic kept (not a niche token; the
de-AI/AI-slop mechanic is the plugin's legit subject).
Gate scripts/test-runner.sh 87/0/0 (no lint touches these files yet; §17-guard
extension to content-planner is the deferred next step). 10 files, 26/26.
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01RBMKqPSVbvSZHtQ4heM1UY
Reconcile external-link and topic-relevance reach-loss framing to the algorithm-signals
SSOT across 6 files (10 edits): body links "correlate with lower reach" (LinkedIn denies
an intentional penalty), topic relevance is a positive ranking input with no quantified
off-topic figure. 3 plan-cited lines + 7 same-class siblings surfaced during verify.
Bucket B (link-penalty lines in linkedin-formats.md) folded into S28; Bucket D (other
unsourced reach-coefficients: -68%/-25%/-15-25%/-30-50%/55%) queued as new S30. Engagement-
pod + AI-slop "penalized" framing left intact (officially confirmed). Gate 81/0/0; counts
29/19 unchanged.
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_016qgzo6rxthw7KuxHjn5vyE
Add /ultraresearch-local for structured research combining local codebase
analysis with external knowledge via parallel agent swarms. Produces research
briefs with triangulation, confidence ratings, and source quality assessment.
New command: /ultraresearch-local with modes --quick, --local, --external, --fg.
New agents: research-orchestrator (opus), docs-researcher, community-researcher,
security-researcher, contrarian-researcher, gemini-bridge (all sonnet).
New template: research-brief-template.md.
Integration: --research flag in /ultraplan-local accepts pre-built research
briefs (up to 3), enriches the interview and exploration phases. Planning
orchestrator cross-references brief findings during synthesis.
Design principle: Context Engineering — right information to right agent at
right time. Research briefs are structured artifacts in the pipeline:
ultraresearch → brief → ultraplan --research → plan → ultraexecute.
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
