Kann ich LowFruits vibecoden?

Baue mir einen Analysator für schwach umkämpfte Suchbegriffe aus bereitgestellten SERP-Daten. Anforderungen:

- Ein Python-Prozess mit Typer, SQLite und pandas.
- Zwei Eingänge, beide als CSV, beide von dir geliefert: eine Liste von Keyword-Ideen, und je Keyword die zehn Ergebnisse mit Position, Domain, URL und Titel.
- Je Ergebnis wird ein Schwächesignal bestimmt: die Domain ist ein Forum, ein Frage-Antwort-Portal, ein soziales Netzwerk, ein Verzeichnis oder eine Seite ohne eigenen Inhalt. Die Liste dieser Domains steht in schwach.yaml und ist von Hand gepflegt.
- Je Keyword wird gezählt, wie viele schwache Ergebnisse in den ersten zehn stehen und auf welchen Positionen. Ein schwaches Ergebnis auf Platz drei zählt mehr als eines auf Platz neun, und die Gewichtung steht in der README.
- Gruppiere ähnliche Keywords über gemeinsame Wortstämme, damit du zehn Varianten desselben Themas als ein Thema siehst und nicht zehnmal denselben Text schreibst.
- Ergebnis ist eine Rangliste der Themen nach Anzahl schwacher Ergebnisse, mit den zugehörigen Keywords und den konkreten schwachen URLs als Beleg. Ohne den Beleg ist die Einschätzung nicht prüfbar.
- Ein Filter auf Suchintention über Signalwörter: Informationsabsicht, Vergleich, Kaufabsicht. Die Wortlisten liegen in derselben YAML-Datei.
- Export als CSV und als Markdown-Liste, sortiert nach Chance.
- Deutsch sind Ausgaben, Kommentare und README. Alle Bezeichner bleiben englisch: Befehle, Optionen, CSV-Spalten, YAML-Schlüssel.

Bewusst weglassen:

- Eigene SERP-Erhebung. Du bringst die Daten mit, aus einer API oder einem Export.
- Suchvolumen und Wettbewerbszahlen aus lizenzierten Quellen.
- Jede Zusage, dass ein schwaches Ergebnis leicht zu schlagen ist.