fix(geo+recall): Länder-Centroid statt Hauptstadt + Eigennamen in GNews-Query

Zwei Fixes aus der jp_demo-Verifikation:

1. Geoparsing — Länder mit Centroid statt Hauptstadt
   Bisher bekam ein Land die Koordinaten seiner Hauptstadt. Damit landeten
   alle "Japan"-Marker exakt auf Tokyo (35.69, 139.69) und die Karte
   suggerierte faelschlich ein Ereignis in der Hauptstadt. Neue Tabelle
   _COUNTRY_CENTROIDS (37 Laender) verortet ein Land in seiner geografischen
   Mitte (Japan: 36.20, 138.25). Laender ohne Centroid-Eintrag fallen auf die
   Hauptstadt zurueck.

2. Recall — Eigennamen in den Google-News-Suchfeed erzwingen
   Beim ersten Refresh fehlt die Headlines-Historie, daher kamen die GNews-
   Such-Keywords aus der Feed-Selektion. Haiku legt Eigennamen (z.B. "Qilin")
   in die en-Liste, die ja-Liste hatte nur Allgemeinbegriffe — die ja-Query
   suchte ohne "Qilin". build_news_search_feeds stellt nicht-englischen
   Sprach-Queries jetzt die 2 wichtigsten en-Keywords voran (Eigennamen
   kommen auch in fremdsprachigen Artikeln lateinisch vor). Damit ist schon
   der erste Refresh spezifisch.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

src/agents/geoparsing.py

@@ -31,6 +31,28 @@ def _get_geonamescache():
     return _gc
 
 
+# Geografische Zentren (Centroids) der Laender, keyed nach ISO-2-Code.
+# Wird genutzt, wenn ein Artikel ein LAND nennt (kein konkreter Ort). Vorher
+# wurde dem Land die Hauptstadt zugewiesen — das stapelte z.B. alle "Japan"-
+# Marker exakt auf Tokyo und suggerierte faelschlich ein Ereignis in der
+# Hauptstadt. Das Centroid liegt in der Landesmitte und ist neutral.
+# Laender, die hier fehlen, fallen auf die Hauptstadt zurueck (alte Logik).
+_COUNTRY_CENTROIDS = {
+    "AF": (33.94, 67.71),  "AT": (47.52, 14.55),  "AZ": (40.14, 47.58),
+    "CH": (46.82, 8.23),   "CN": (35.86, 104.20), "CY": (35.13, 33.43),
+    "DE": (51.17, 10.45),  "EG": (26.82, 30.80),  "ES": (40.46, -3.75),
+    "FR": (46.23, 2.21),   "GB": (54.70, -3.28),  "GR": (39.07, 21.82),
+    "IL": (31.05, 34.85),  "IN": (20.59, 78.96),  "IQ": (33.22, 43.68),
+    "IR": (32.43, 53.69),  "IT": (41.87, 12.57),  "JO": (30.59, 36.24),
+    "JP": (36.20, 138.25), "KP": (40.34, 127.51), "KR": (35.91, 127.77),
+    "KW": (29.31, 47.48),  "LB": (33.85, 35.86),  "NL": (52.13, 5.29),
+    "OM": (21.47, 55.98),  "PK": (30.38, 69.35),  "PS": (31.95, 35.23),
+    "QA": (25.32, 51.18),  "RU": (61.52, 105.32), "SA": (23.89, 45.08),
+    "SY": (34.80, 38.997), "TR": (38.96, 35.24),  "UA": (48.38, 31.17),
+    "US": (39.83, -98.58), "YE": (15.55, 48.52),  "TW": (23.80, 121.00),
+}
+
+
 # Bekannte Laendernamen (deutsch/englisch/alternativ -> ISO-2 Code + Hauptstadt-Koordinaten)
 _COUNTRY_ALIASES = {
     "libanon": {"code": "LB", "name": "Lebanon", "lat": 33.8938, "lon": 35.5018},
@@ -106,9 +128,12 @@ def _geocode_offline(name: str, country_code: str = "") -> Optional[dict]:
     # 1. Bekannte Laender-Aliase (schnellster + sicherster Pfad)
     alias = _COUNTRY_ALIASES.get(name_lower)
     if alias:
+        # Land -> geografisches Zentrum (Centroid) statt Hauptstadt, wo bekannt.
+        centroid = _COUNTRY_CENTROIDS.get(alias["code"])
+        lat, lon = centroid if centroid else (alias["lat"], alias["lon"])
         return {
-            "lat": alias["lat"],
+            "lat": lat,
-            "lon": alias["lon"],
+            "lon": lon,
             "country_code": alias["code"],
             "normalized_name": alias["name"],
             "confidence": 0.95,
@@ -118,9 +143,20 @@ def _geocode_offline(name: str, country_code: str = "") -> Optional[dict]:
     countries = gc.get_countries()
     for code, country in countries.items():
         if country.get("name", "").lower() == name_lower:
+            # Land -> Centroid (Landesmitte), wo bekannt. Das verhindert, dass
+            # alle "Japan"-Marker exakt auf Tokyo gestapelt werden.
+            centroid = _COUNTRY_CENTROIDS.get(code)
+            if centroid:
+                return {
+                    "lat": centroid[0],
+                    "lon": centroid[1],
+                    "country_code": code,
+                    "normalized_name": country["name"],
+                    "confidence": 0.9,
+                }
+            # Kein Centroid hinterlegt -> Fallback auf die Hauptstadt.
             capital = country.get("capital", "")
             if capital:
-                # Hauptstadt geocoden, aber als Land benennen
                 cap_alias = _COUNTRY_ALIASES.get(capital.lower())
                 if cap_alias:
                     return {

src/agents/researcher.py

@@ -58,15 +58,36 @@ def build_news_search_feeds(
         locale = _GNEWS_LOCALE.get(lang_key)
         if not locale:
             continue
-        kws = keywords_by_lang.get(lang_key) or []
+        lang_kws = [str(k).strip() for k in (keywords_by_lang.get(lang_key) or []) if str(k).strip()]
-        # Fallback: wenn fuer die Sprache keine Keywords da sind, "en" nehmen
+        en_kws = [str(k).strip() for k in (keywords_by_lang.get("en") or []) if str(k).strip()]
-        # (lateinische Eigennamen matchen auch in fremdsprachigen News-Indizes).
+
-        if not kws and lang_key != "en":
+        if lang_key == "en":
-            kws = keywords_by_lang.get("en") or []
+            query_terms = en_kws[:max_keywords]
-        kws = [str(k).strip() for k in kws if str(k).strip()]
+        else:
-        if not kws:
+            # Fuer nicht-englische Sprachen: die ersten 2 englischen Keywords
+            # voranstellen. Haiku ordnet Eigennamen/Akronyme (z.B. "Qilin",
+            # "Asahi") nach vorne — und die kommen auch in fremdsprachigen
+            # Artikeln lateinisch vor. Ohne das fehlt beim ersten Refresh (noch
+            # keine Headlines-Historie) der entscheidende Eigenname in der Query.
+            # Danach 3 sprach-spezifische Keywords.
+            query_terms = en_kws[:2] + lang_kws[:3]
+            # Wenn fuer die Sprache gar keine Keywords da sind: ganz auf en.
+            if not lang_kws:
+                query_terms = en_kws[:max_keywords]
+
+        # Dedup, Reihenfolge erhalten
+        seen_terms: set[str] = set()
+        deduped: list[str] = []
+        for t in query_terms:
+            tl = t.lower()
+            if tl in seen_terms:
+                continue
+            seen_terms.add(tl)
+            deduped.append(t)
+
+        if not deduped:
             continue
-        query = " ".join(kws[:max_keywords])
+        query = " ".join(deduped)
         if not query or query in seen_queries:
             continue
         seen_queries.add(query)