Rohe Feed-Antworten ablegen und Parser erweitern

Der Abruf warf bisher fast alles weg, was im XML stand. Neu ausgewertet
werden Kategorien (<category>, dc:subject, Atom-term), content:encoded
zusaetzlich zur kurzen description, Medien-URLs aus enclosure und Media
RSS, Verweise aus dem Teaser-HTML und die Position im Feed beim ersten
Sehen. Die Kategorien sind fuer Stufe 2 der wertvollste Posten: vom
Verlag selbst vergebene Themenlabel, brauchbar als Vorfilter und als
Prompt-Kontext. Gemessen an zwoelf Quellen tragen 189 von 814 Items
Kategorien, 315 einen laengeren Volltext, 430 Medien.

Ausserdem landen die rohen Antwortbytes gezippt in feed_abrufe,
dedupliziert ueber ihren sha256. Der Parser wird sich weiter aendern;
nur mit den Rohbytes laesst sich eine Verbesserung rueckwirkend auf die
Historie anwenden - dieselbe Ueberlegung wie bei der Trennung von
raw_items und codings. Kompression rund 22 %, etwa 20 kB je Abruf.

Items ohne Titel werden weiter uebersprungen, jetzt aber gezaehlt.

Bestandszeilen bekommen die neuen Felder beim naechsten Lauf nachgetragen,
ohne als Revision zu zaehlen; der Inhalts-Hash bleibt dafuer auf
Titel/Teaser/URL beschraenkt.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_011ZAdZb3EifGb9nvQ5Zp2TE

migrations/002-rohablage-und-felder.sql

@@ -0,0 +1,47 @@
+-- Migration 002: Rohe Feed-Antworten ablegen, Parser-Felder ergaenzen
+--
+--   psql "$DATABASE_URL" -v ON_ERROR_STOP=1 -f migrations/002-rohablage-und-felder.sql
+--
+-- Setzt 001 voraus. Bestandszeilen bekommen die neuen Spalten leer; sie
+-- fuellen sich, sobald die Quelle das Item das naechste Mal ausliefert.
+-- Der Inhalts-Hash bleibt bewusst auf Titel/Teaser/URL beschraenkt, sonst
+-- gaelte beim ersten Lauf nach dem Update jedes Bestandsitem als revidiert.
+
+begin;
+
+alter table raw_items
+    add column if not exists position     integer,
+    add column if not exists volltext     text,
+    add column if not exists kategorien   text[],
+    add column if not exists medien       jsonb,
+    add column if not exists links        text[],
+    add column if not exists aktualisiert timestamptz;
+
+comment on column raw_items.kategorien is
+    'Vom Verlag selbst vergebene Themenlabel - Vorfilter und Prompt-Kontext';
+comment on column raw_items.position is
+    'Rang im Feed beim ersten Sehen. Spaeter nicht fortgeschrieben';
+
+create table if not exists feed_abrufe (
+    id           bigserial   primary key,
+    quelle       text        not null references quellen(id),
+    slot         timestamptz not null,
+    abgerufen_am timestamptz not null default now(),
+    http_status  integer,
+    header       jsonb,
+    koerper_hash text        not null,
+    koerper      bytea       not null,
+    bytes_roh    integer,
+    bytes_gz     integer,
+
+    unique (quelle, koerper_hash)
+);
+
+create index if not exists feed_abrufe_quelle_idx
+    on feed_abrufe (quelle, abgerufen_am desc);
+
+alter table poll_laeufe
+    add column if not exists items_uebersprungen integer not null default 0,
+    add column if not exists bytes_roh           integer;
+
+commit;