feat(livia): Runde 10 Prompt 2 — eine Leadliste, dynamische Quellen, zeitliche Relevanz

Livia arbeitet nicht mehr neben dem Leadbestand, sondern in ihn hinein.

- Systemzugänge tragen Titel, Beschreibung und Adresse; die Liste zeigt je
  Eintrag nur noch Aktiv/Inaktiv und Lesen/Schreiben — kein Berechtigungsbalken,
  kein Auge-Icon, keine Lese-/Schreibgruppen
- Die Quellenregistry ist dynamisch: Der Lauf liest genau die aktiven
  Lesezugänge mit Adresse aus Livias Personalblatt. Für die drei gepflegten
  Quellen greift weiterhin ihr eigener Leser, für alles andere ein allgemeiner —
  eine Übersichtsseite, bis zu zehn Unterseiten, kein Spider. Freie Adressen
  werden auf http/https geprüft und gegen interne Netze gesperrt
- Manuell abgelegte PDF- und Word-Dokumente fliessen in denselben Lauf. Text
  wird beim Ablegen nativ extrahiert (ZIP + Flate über DecompressionStream,
  ohne neue Abhängigkeit), Datei und Text liegen in IndexedDB
- Neuer harter Filter «Zeitliche Relevanz»: das Modell beurteilt die
  Ereigniszeit der Veränderung, nicht das Publikationsdatum. «unknown» fällt
  bewusst nicht durch — ein erfundenes Datum wäre die schlechtere Antwort
- Quellentypen und Beobachtungsraum sind Chips mit Freitext; jeder Wert lässt
  sich einzeln entfernen, auch die vorgegebenen
- Info-Knopf bei «Zeitliche Relevanz» und «Mindestrelevanz» erklärt, wie der
  Wert entsteht — ohne erfundene Prozentgewichte
- Gefundene Leads gehen in den zentralen Signalbestand statt in eine zweite
  Ergebnisliste; die Herkunft steht am Signal (origin: RESEARCH_RUN)
- Der Lauf erzeugt einen echten Protokolleintrag mit den Zahlen des Laufs
- Lead-Detail: zeitliche Einordnung mit Fundstelle, semantisches Suchprofil bei
  Chancen mit «Matching starten», und bei Risiko ausdrücklich «Kein internes
  Objekt eindeutig zugeordnet» statt einer beliebigen Mock-Immobilie
- Aufgabenliste nach §11 bereinigt, «Unsichere Signale in Review Queue legen»
  von Nora übernommen

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

api/_lib/researchSources.ts

@@ -336,3 +336,105 @@ export async function fetchZefixResearch(): Promise<ResearchItem[]> {
     aggregate: true,
   }]
 }
+
+// ── Frei angebundene Quellen (Runde 10, §2.3) ─────────────────────────────────
+
+/**
+ * Adressbereiche, die eine serverlose Funktion niemals abrufen soll.
+ *
+ * Der Nutzer gibt die Adresse frei ein, und die Funktion ruft sie mit den
+ * Rechten des Rechenzentrums ab. Ohne diese Sperre wäre das Eingabefeld ein
+ * Weg, interne Dienste des Hosters anzusprechen. Geprüft wird der Hostname,
+ * weil eine serverlose Funktion keine Namensauflösung vorab machen kann —
+ * das deckt die versehentlichen Fälle und die offensichtlichen Versuche ab.
+ */
+const PRIVATE_HOSTS =
+  /^(localhost$|127\.|0\.0\.0\.0$|10\.|192\.168\.|169\.254\.|172\.(1[6-9]|2\d|3[01])\.|\[?::1\]?$|.*\.local$|.*\.internal$)/i
+
+export interface QuellenAdresse {
+  id: string
+  name: string
+  url: string
+}
+
+/** Wirft mit einer Meldung, die so in der Oberfläche stehen darf. */
+export function pruefeQuellenAdresse(url: string): URL {
+  let parsed: URL
+  try {
+    parsed = new URL(url)
+  } catch {
+    throw new Error('Keine gültige Adresse.')
+  }
+  if (parsed.protocol !== 'http:' && parsed.protocol !== 'https:') {
+    throw new Error('Nur http- und https-Adressen können gelesen werden.')
+  }
+  if (PRIVATE_HOSTS.test(parsed.hostname)) {
+    throw new Error('Adressen im internen Netz werden nicht abgerufen.')
+  }
+  return parsed
+}
+
+/** Höchstzahl Artikel je frei angebundener Quelle — bewusst kleiner als bei den gepflegten drei. */
+const GENERIC_MAX_ARTICLES = 10
+
+/**
+ * Eine beliebige Seite als Recherchequelle lesen.
+ *
+ * Bewusst kein Spider: Es wird genau eine Übersichtsseite geholt. Führt sie
+ * Links auf Unterseiten desselben Hosts, werden bis zu zehn davon gelesen —
+ * sonst zählt der Text der Seite selbst als einziger Eintrag. Das reicht für
+ * eine Newsseite und kostet nie mehr als elf Abrufe.
+ *
+ * Was hier ausdrücklich nicht passiert: keine zweite Ebene, keine Warteschlange,
+ * kein Zeitplan, kein Browser. Eine frei angebundene Quelle liefert damit
+ * weniger als die drei gepflegten — das ist der ehrliche Preis dafür, dass
+ * niemand für sie einen eigenen Leser geschrieben hat.
+ */
+export async function fetchGenericSource(quelle: QuellenAdresse): Promise<ResearchItem[]> {
+  const basis = pruefeQuellenAdresse(quelle.url)
+  const html = await getText(quelle.url)
+
+  const $ = cheerio.load(html)
+  $('script, style, nav, header, footer, noscript, form').remove()
+
+  // Kandidaten: Links auf denselben Host, mindestens zwei Pfadsegmente tief.
+  // Eine Startseite verlinkt so ihre Artikel; Impressum und Kontakt liegen
+  // typischerweise flacher und fallen dadurch von selbst heraus.
+  const links: Artikellink[] = []
+  const gesehen = new Set<string>()
+  $('a[href]').each((_, el) => {
+    const href = $(el).attr('href')
+    if (!href) return
+    let ziel: URL
+    try {
+      ziel = new URL(href, basis)
+    } catch {
+      return
+    }
+    if (ziel.hostname !== basis.hostname) return
+    if (ziel.pathname.split('/').filter(Boolean).length < 2) return
+    const url = `${ziel.origin}${ziel.pathname}`
+    if (url === `${basis.origin}${basis.pathname}` || gesehen.has(url)) return
+    const title = $(el).text().replace(/\s+/g, ' ').trim()
+    if (title.length < 12) return
+    gesehen.add(url)
+    links.push({ url, title })
+  })
+
+  if (links.length > 0) {
+    const items = await ladeArtikel(links.slice(0, GENERIC_MAX_ARTICLES), quelle.name)
+    if (items.length > 0) return items
+  }
+
+  // Kein brauchbarer Unterseiten-Fund: die Seite selbst ist der Eintrag.
+  const text = extractArticleText(html)
+  if (text.length < 120) {
+    throw new Error('Die Seite lieferte zu wenig lesbaren Text.')
+  }
+  return [{
+    source: quelle.name,
+    title: cleanTitle($('h1').first().text().replace(/\s+/g, ' ').trim()) || quelle.name,
+    url: quelle.url,
+    text,
+  }]
+}