undoom.news

Gode historier fra hele verden, publisert som dagsutgaver på ti språk. Et kart for leserne, et redaksjonssystem bak og KI til research, skriving og oversettelse.

Et annet blikk på nyhetene

undoom.news samler historier om mennesker, vitenskap, natur og konstruktive endringer. Det er et privat, ikke-kommersielt prosjekt som gir plass til utviklingstrekk som lett forsvinner i den daglige nyhetsstrømmen. Relanseringen bygget om både leseopplevelsen og systemet som brukes til å forberede utgavene.

Startsiden gir én historie plass og markerer stedet med et lyspunkt på kartet. Leserne kan bla mellom historier, utforske kartet eller åpne en artikkel. Den mørke bakgrunnen følger med inn i artikkelvisningen. Kildene er lenket, og innholdet kan leses på ti språk, blant annet arabisk, persisk og hebraisk med tekst fra høyre mot venstre.

Oppmerksomhet om konkrete endringer

Ideen bak undoom er å utvide blikket på verden. Ved siden av dekningen av konflikter og kriser finnes det mennesker som løser problemer, gjør kunnskap tilgjengelig eller forbedrer levekår. Slike utviklingstrekk fortjener oppmerksomhet på egne premisser. En historie skal vise hva som har endret seg, hvem det betyr noe for og hva fremstillingen bygger på. En god hensikt er ikke i seg selv et dokumentert resultat.

Kartet er en del av denne tanken: Hver historie har et sted. Det synliggjør at bemerkelsesverdige utviklingstrekk kommer fra ulike verdensregioner. En avgrenset dagsutgave og en rolig presentasjon gir den enkelte historien plass. De ti språkversjonene gjør det samme utvalget tilgjengelig for forskjellige lesere.

KI gjør det mulig å organisere dette arbeidet som en enpersonsredaksjon. Den bistår med gjennomgang av kildemateriale, skriving, kontroll og oversettelse. Hvilke tekster jeg godkjenner og setter sammen til en utgave, er fortsatt en redaksjonell beslutning. Målestokken er om historien er etterprøvbar og verdt å lese.

Påstander forankret i kilder

Det redaksjonelle prinsippet er tydelig: Ingenting KI-en har diktet opp som fakta, skal publiseres. En velskrevet tekst er ikke et belegg. Påstander må kunne spores tilbake til identifiserbart kildemateriale; det som ikke støttes der, må avklares, rettes eller utelates.

Systemet skiller derfor skriving og kildekontroll i egne trinn. Kontrollen sammenligner påstander i den konkrete artikkelversjonen med det lagrede kildematerialet og klassifiserer dem som støttet, udokumentert, motsagt eller ikke mulig å vurdere. Den registrerer kildepassasjer for påstandene den vurderer. Koden kontrollerer dessuten at sitater som brukes som belegg, faktisk finnes i de lagrede originalpassasjene. En modell kan dermed ikke uten videre få et oppdiktet sitat godkjent som gyldig belegg.

Kontrollresultatet og den redaksjonelle godkjenningen dokumenteres separat. En positiv automatisk kontroll publiserer ingen artikkel. Godkjenningen gjelder en bestemt versjon og følger ikke automatisk med når teksten endres. Systemet tillater også en uttrykkelig manuell aksept fra redaktøren; denne lagres som en redaksjonell beslutning, ikke som en bestått automatisk faktasjekk.

Sammenligningen kontrollerer om teksten er tro mot kildematerialet. Den fastslår ikke uavhengig at den opprinnelige rapporteringen er riktig på alle punkter, og også KI-kontrollen kan overse noe. Kildelenker og lagrede kontrollfunn gjør grunnlaget for tekstene etterprøvbart. Målet er fortsatt å fjerne udokumenterte påstander før publisering.

En arbeidsflyt for en enpersonsredaksjon

Redaksjonen skiller mellom utkast, utgaveplanlegging og produksjonsstatus. Utkastene vises i et søkbart rutenett med kort. Jeg kan åpne en tekst, gå gjennom kilder og kontrollfunn, redigere den og velge et bilde før jeg godkjenner den. Automatisk kildekontroll og redaksjonell godkjenning registreres separat.

Godkjente artikler flyttes til planleggingsbeholdningen og tildeles en dag ved å dra dem inn i kalenderen eller velge en dato. Hver dag er en kolonne, slik at sammensetningen av utgaven forblir synlig. Produksjonsstatus viser fremdriften for opprettelse og oversettelse uten å fylle planleggingen med tekniske detaljer.

Publisere på tysk, deretter oversette

Artiklene produseres først på tysk. Først når den tyske utgaven er publisert, legger systemet de ni andre språkene i kø. Dermed oversettes ikke utkast som senere blir endret eller forkastet. Oversettelsen omfatter en automatisk kontroll og ved behov én målrettet korrigering. Gjenstående språklige funn krever ikke at jeg godkjenner et språk jeg ikke kan vurdere.

Publisering og produksjon har separate tidsplaner. Serveren publiserer en godkjent, planlagt utgave klokken ni om morgenen, Oslo-tid. Produksjonsjobben midt på dagen fyller på med nye utkast. Oversettelser og nytt KI-arbeid venter dersom Mac-en er frakoblet, mens nettstedet og den planlagte tyske publiseringen fortsetter å fungere.

Skille produksjon fra levering

React og TypeScript danner grensesnittene for lesere og redaksjon. PHP håndterer webtilgang og offentlig levering, mens Python koordinerer den redaksjonelle behandlingen. PostgreSQL lagrer arbeidsdata og publiserte versjoner. En worker på Mac-en min spør serveren etter KI-oppdrag og sender resultatene tilbake. Serveren trenger verken en innkommende forbindelse til den bærbare maskinen eller påloggingsopplysningene til abonnementene der.

Ved publisering opprettes en fast versjon for leserne. Senere redaksjonelle endringer blir offentlige gjennom en uttrykkelig republisering. Den offentlige feeden bruker APCu til å gjenbruke ferdig klargjorte svar, med kontroll av endringer i publiseringer, oversettelser og bilder. En sideforespørsel er dermed ikke avhengig av at en modell svarer.

Utviklet gjennom bruk

Jeg bygget relanseringen iterativt med agentic coding. PHP, Python og en modulær struktur var tidlige valg; den detaljerte arbeidsflyten tok form mens jeg brukte systemet. Et lite HTML-nettsted for utviklingen knyttet sammen arkitektur, åpne beslutninger og neste steg.

Da arbeidsflyten fungerte i praksis, konsoliderte jeg implementasjonen. Å skille oversiktsdata fra artikkeldetaljer, samle spørringer og undersøke databaseindekser reduserte unødvendig arbeid. Caching kom etter dette. Endringene ga bedre responstider med det eksisterende datagrunnlaget; de dokumenterer ikke at systemet allerede er testet med svært store datamengder.