Zuerst schauen wir uns die social media Arbeitsmoral an.
Trotzem die Agenda Austria (AA) ihre 24/7 Öffnungszeiten haben will, ist sie eher eine 9-5 Bude. Nur wenn der Chef im Fernsehen ist, gibts Überstunden.
Beim Momentum Institut (MI) gibts Gleitzeit und Stechuhr.
Klickts auf einen Balken, um euch die dazugehörigen Tweets anzeigen zu lassen.
Das bestätigt für AA warum sie auch nach 22:00 noch tweeten: Der Chef im Fernsehen muss besungen werden. Auf Servus TV.
Bei Frau Blaha passiert das nicht. Vll. weil sie weniger eingeladen wird.
Als nächstes schauen wir uns die Wochentagsarbeitszeit an.
Links AA, rechts MI.
Auch hier doch starke Unterschiede. Bei AA scheint der Samstag der Netflix & Chill Tag zu sein. Entspricht in etwa dem 24/7 Wunsch.
Bei MI ist Wochenende Wochenende!
Weiter gehts mit dem monatlichen Tweet Durchsatz. Zu beachten: Mai bei AA, Juli bei MI und Februar bei beiden sind unvollständig.
Sind Urlaubszeiten erkennbar?
Bei AA eher nicht. Gearbeitet wird das ganze Jahr. Zumindest auf Twitter.
Bei MI erkennt man die Urlaubszeit.
Bei der AA gibts also den neoliberalen Hustle, beim MI wird hingegen ganz ArbeitnehmerInnen-freundlich auf die Zeit schaut.
Schlägt sich das im Twitter Game, aka Likes+Retweets, nieder?
Nope, im Schnitt ziemlich gleich. Wobei MI um einiges weniger postet!
Wie schauen wir thematisch aus? Dafür gibts eine schiache, net besonders gute Word Cloud.
Völlig überraschend reden beide vor allem über Österreich. Bei AA ist Herr Schellhorn auch sehr wichtig. Frau Blaha steht im aber um nicht viel nach.
Ansonsten erwartbar.
Next, die top Tweets. Jeder Tweet kriegt eine Wertung = Likes+Retweets-Replies = Ratio.
Bei der AA gwinnt ein Lobgesang auf @florianklenk. Mit Abstand.
Beim MI gibts ... keinen Widerspruch vom Publikum? Hier schlagen Tweets ohne Interaktion auf. Das Twitter so linksversifft gleichgeschalten ist, hätte ich nicht erwartet.
Vll. erbarment sich ein paar Twitter Trolle, damit auch das MI die volle Twitter Experience erleben kann?
Speaking of Trolls. Wenn erwähnen die beiden Organisationen in ihren Tweets?
Erwähnungen der AA. Auf "Tweets anzeigen" klicken, um die konkreten Tweets zu sehen.
Eigene Mitarbeiter werden erwartbar am öftesten erwähnt. Gefolgt von Babler, AK, MI (MitarbeiterInnen), SPÖ, ÖGB
:D
Beim MI ist das alles um einiges handzahmer und weniger angriffig.
Auch hier werden die eigenen MitarbeiterInnen am öftesten erwähnt.
Aber Konfrontationen mit anderen Personen und Orgas scheint man zu meiden. AA und Schellhorn werden nur jeweils 1x erwähnt.
Als nächstes schauen wir uns die Zitate/"Drükos" an. Das gibt uns Auskunft darüber, ob gebeefed wird.
Bei der AA schaut das so aus. Man zitiert sich am liebsten selbst. Dann beefed man per Drüko mit MI, AK, ÖGB, MitarbeiterInnen dieser Organisationen, SPÖ, GPA, und Fussi (lol)
Das MI macht so gut wie keine Zitate/Drückos. Das hat man wohl in der "How-to-social-media-professionally" Schule gelernt. Mit AA und ihren Mitarbeitern beefed man 2x per Retweet von Tweets eigener Mitarbeiter.
Quasi die Königsdisziplin des Beefings. AA ist hier klare Siegerin.
Dann habe wir noch Retweets.
Bei der AA retweeted man sich selbst bzw. seine Mitarbeiter erwarungsgemäß am häufigsten.
Aber auch der Pragmaticus, eXXpress, und verschiedene Servus TV Outlets werden retweetet.
Weil man dort schreibt oder auftritt.
Die Retweets des MI sind dem ggü. wieder zurückhaltender.
Wiederum retweeted man sich selbst bzw. seine MitarbeiterInnen am häufigsten. ZackZack ist hier der einzige Ausreisser.
Und zu guter letzt gibts noch ein interaktives Tool für euch. Mit dem könnt ihr per Stichwörtern die Tweets der beiden Organisationen durchsuchen.
Enjoy.
Was haben wir gelernt?
- AA ist eine 9-5 Hustlebude, MI ein Stechuhr Verein. Beide haben ähnliche Engagementzahlen
- AA beefed mit allem was links ist, MI versucht sich professionell zurück zu halten
- Beide lieben sich selbst am meisten
• • •
Missing some Tweet in this thread? You can try to
force a refresh
My magic little /todo prompt is indispensible for local work now. New/existing project? No problemo. Create docs/todo.md folder, add your first sloppy todo. On first start, Claude will generate a tiny in docs/ it can refer to later. project-description.md
Then Claude asks me which todo from docs/todo.md I want to work on. Like in a text adventure, I specify the number of the todo. Claude removes the sloppy todo from docs/todo.md and puts a structured one in docs/todos/work/${date}-${title-slug}/task.md
It then uses parallel agents to gather info and write a refinded todo description based on its findings. Before (left) and proposed after (right).
I can iterate on the refined description with Claude until I'm happy, then it updates the . task.md
A new entry to my popular series "LLM tools for plebs": claude-trace
- Injects itself into Claude Code
- Logs all traffic
- Reconstructs conversations and shows what's going on behind the scenes (system prompts, all tool inputs/outputs, and more)
Some observations. 🧵
Repo:
I don't consider most of this a trade secret, as the "binary" is just a semi-obfuscated Node app. All prompts are contained as plain string literals. Same for the tool schemas, etc. But what's not in there are the tool inputs and outputs.github.com/badlogic/lemmy…
Let's have a look at the WebSearch and Fetch tools. I asked Claude Code (CC) to research the Anthropic TypeScript SDK.
It uses the WebSearch tool, passing a query to it. It then inspects the results and follows links. Cool, right? Well.
Können wir statistisch herausfinden, ob Exxpress generative KI wie ChatGPT zum Schreiben von Artikeln verwendet?
Wie könnten wir das feststellen? Eine Annäherung :) 🧵
Dazu müssen wir uns zuerst die Texte der Artikel von Exxpress holen. Als Computerhawi und mit Hilfe von Leuten wie @bemayr ist das ziemlich einfach. Es sind ein bissl über 50.000 seit 2021.
Für jeden Artikel bekommen wir den Text, die Kategorie und ein Publikationsdatum.
Als nächstes berechnen wir sogenannte stilometrische Eigenschaften jedes Texts. Darunter versteht man Dinge wie durchschnittliche Wort oder Satzlänge, oder komplexeres wie "lexical diversity". Das ist die Zahl einzigartiger dividiert durch die Zahl aller Wörter im Text.
Da sind einige Begriffe drinnen, die wir erst einmal behirnen müssen. Dazu müssen wir ein gemeinsames Verständnis haben, was LLMs sind und wie sie (sehr, sehr grob) funktionieren.