📅

Prompt Intelligence Daily — 31. Juli 2026

🏆 Highlight

### Claude Opus 5 System Prompt Leak & Prompting-Guide Der dominante Thema heute auf HN: Claude Opus 5. Drei parallele Stories haben die Diskussion erobert: 1. System Prompt Leak (22↑HN) — Jemand extrahierte den vollen Claude Opus 5 System Prompt. Er zeigt, dass Anthropic über 80 % der Constraints entfernt hat. Statt "KEINE Kommentare schreiben" oder "IMMER Tests schreiben" steht jet...

Prompt Intelligence Daily — 31. Juli 2026

🔤 TOP 3 PROMPTS — Textgenerierung

1. Anthropic: Claude 5 Prompt-Optimierung (offiziell)

Prompt (vollständig, kopierbar):

Before your first tool call, say in one sentence what you're about to do. While working, give a brief update only when you find something important or change direction. When you finish, lead with the outcome: your first sentence should answer "what happened" or "what did you find," with supporting detail after it for readers who want it.

Am besten mit: Claude Opus 5 / Claude Fable 5

Warum effektiv: Anthropic entfernt 80 % seines System-Prompts für Claude 5. Dieser Prompt ist die offizielle Vorgabe für agentische Arbeitsausgaben — Ergebnis zuerst, Details nach Bedarf, ohne ausschweifende Narration der Tool-Chronologie.

Quelle: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5 | 3↑ HN (offizielle Docs)

Community Resonanz: Die gesamte Claude-Prompting-Diskussion auf HN heute dominiert vom Opus 5 Launch: System-Prompt-Leak (22↑), 3-Word-Jailbreak (19↑), Vending-Machine-Walkthrough (13↑).

2. Claude 5: Task-Scoping & Anti-Over-Verification

Prompt (vollständig, kopierbar):

Deliver what was asked, at the scope intended. Make routine judgment calls yourself, and check in only when different readings of the request would lead to materially different work. If the request seems mistaken or a better approach exists, say so in a sentence and continue with the task as asked rather than quietly narrowing, widening, or transforming it. Finish the whole task, and stop short of actions that are clearly beyond what was asked.

Am besten mit: Claude Opus 5

Warum effektiv: Verhindert das häufigste Problem bei Claude 5: Model erweitert eigenmächtig den Aufgabenumfang ("over-scope"). Die direkte Anweisung schützt vor unnötigen Subagent-Delegierungen und Korrektur-Aussagen.

Quelle: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5 | 562↑ (alle Opus-5-Stories kombiniert)

Community Resonanz: Claude Code System Prompt Leak (22↑ HN) bestätigt, dass Anthropic genau diese Constraints aus dem offiziellen Prompt entfernt hat — Modell muss weniger "gegen sich selbst kämpfen."

3. System-Prompt-Verkürzung: 32 % Token-Einsparung bei DeepSeek V4 Flash

Prompt (vollständig, kopierbar):

Write code that reads like the surrounding code: match its comment density, naming, and idiom.

Am besten mit: DeepSeek V4 Flash, kleine Modelle (< 7B)

Warum effektiv: Antigma-Experiment bestätigt: System-Prompt von 5.000 auf 2.300 Zeichen halbiert, gleiche Benchmark-Ergebnisse, aber 32 % weniger Input-Tokens im Same-Outcome-Subset (509.498 → 346.409). Das kurze Prompt funktioniert sogar mit kleinen Modellen — der "lange Anleitungen helfen kleinen Modellen"-Mythos widerlegt.

Quelle: https://antigma.ai/blog/2026/07/25/short-prompt-small-models | 7↑ HN

Community Resonanz: "Prompt text like ours accumulates as patches for the failure modes of models that are two or three generations gone, and nobody goes back to delete any of it. It never shows up as a problem. It just quietly costs money on every request until someone runs the A/B." — Kommentar traf 13↑ auf HN.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. In-Browser Photo Inpainting mit LaMa und ONNX

Prompt (vollständig, kopierbar):

Verwende ONNX Runtime mit dem LaMa (Large Mask Inpainting) Modell für browser-seitiges Inpainting. Lade ein Masken-Bild und ein Quellbild, führe die Segmentierung und Rekonstruktion lokal im Browser durch — keine API-Anfrage nötig.

Am besten mit: ONNX Runtime (WebGPU), Browser

Warum effektiv: Komplettes Inpainting-Pipeline direkt im Browser, keine Daten verlassen den Client, keine API-Kosten.

Quelle: https://wipe.photos/ | 1↑ HN (Show HN)

Community Resonanz: Nische, aber zeigt den Trend zu lokalen Inpainting-Pipelines. Kein direkter Image-Gen-Prompt, sondern eine lokale Alternative zu Midjourney/DALL-E Inpainting.

🎬 TOP 3 PROMPTS — Videogenerierung

Keine neuen Video-Prompt-Reports in den letzten 24 Stunden verfügbar.

🧠 TOP 3 NEUE TECHNIKEN

1. Prompt-Verkürzung als Standard-Regel für neue Modellgenerationen

Zusammenfassung: Mit jedem neuen Modell (Claude 5, Opus 5, Fable 5) müssen System-Prompts nicht ergänzt — sondern gekürzt werden.

Erklärung: Anthropic hat 80 % von Claude Codes System-Prompt für die neuesten Modelle entfernt. Der Grund: Stärkere Modelle brauchen weniger Vorlagen und Beispiele; stattdessen behindern sie. Die A/B-Tests zeigen, dass kurze Prompts selbst bei kleinen Modellen (DeepSeek V4 Flash gleiche Benchmarks bei 32 % weniger Tokens liefern. Die Regel: Sobald ein neueres Modell startet, zuerst löschen, nicht hinzufügen.

Beispielprompt:

# Vorher (5000 Zeichen):
You are an expert coding assistant. You should:
1. Always write detailed comments
2. Create plan documents
3. Write docstrings
4. ... 20 weitere Regeln ...

# Nachher (2300 Zeichen):
Write code that reads like the surrounding code: match its comment density, naming, and idiom.

Geeignet für: Claude Opus 5, Fable 5, DeepSeek V4 Flash, alle Modelle < 7B

Ursprung: https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models | 498↑ HN

Warum heute wichtig: Das ist eine Paradigmenverschiebung. Jahre lang haben wir System-Prompts ständig erweitert. Jetzt ist die bewiesene Strategie: Mit jedem Upgrade erst mal 80 % löschen.

2. CLIs sind nicht mehr token-effizienter als MCPs

Zusammenfassung: Der "MCP frisst dein Context Window"-Mythos ist 2026 überholt — moderne MCPs laden Tools on-demand, genau wie CLI-Skills.

Erklärung: Bis 2025 luden MCP-Server alle Tool-Definitionen upfront (Playwright MCP: 48 Tools à 5.9k Tokens, GitHub MCP: 17.8k Tokens). Heute: Lazy-Loading der Tool-Definitionen in agentischen Frameworks. Claude Code hält nur Tool-Namen im Kontext und zieht die volle Definition erst beim tatsächlichen Aufruf. Playwright MCP schreibt Snapshots jetzt auf Disk und antwortet mit Resource-URLs statt YAML-Walls. Der Unterschied zwischen CLI und MCP ist praktisch Null.

Beispielprompt:

# Früher (teuer): MCP lädt alle 48 Tools upfront → 5.9k Tokens verschwendet
# Heute: MCP lädt nur Tool-Namen → Agent ruft browser_click → Tool-Definition wird nachgeladen
# Gleicher Token-Verbrauch wie CLI mit Skills

Geeignet für: Claude Code, alle MCP-basierte Agenten

Ursprung: https://www.checklyhq.com/blog/mcp-vs-cli-token-efficiency/ | 32↑ HN

Warum heute wichtig: Die Entscheidung "MCP oder CLI" ist nicht mehr eine Token-Frage. Entwickler sollten nach Funktionalität wählen, nicht nach historischem Kontext-Overhead.

3. Differential Privacy Gateway für unvertraute AI-Agenten

Zusammenfassung: Noisegate ist ein Differential-Privacy-Gateway, das mathematisch garantiert, dass keine einzelnen Datensätze aus untrusted AI-Agent-Anfragen leaken — selbst bei manipulierten Queries.

Erklärung: Das Gateway fügt kontrolliertes Rauschen hinzu und erzwingt ein Privacy-Budget. Der kritische Punkt: Die Garantie hängt nicht vom LLM ab. Das Modell ist nur ein bequemer NL→SQL-Compiler. Das Gateway läuft mit demonstrierten Angriffen (Differencing, Membership Inference, Singling Out) gegen seine eigene Engine. Jeder Angriff wird gezeigt — mit Rauschen schlägt er, ohne Rauschen gelingt er. Keine API-Keys, keine Data-Fetches nötig zum Testen.

Beispielprompt:

# Noisegate-Setup für AI-Agent mit DP-Garantie:
pip install -e .
export ANTHROPIC_API_KEY=...  # Nur für NL→SQL-Compiler
docker compose up

# Der Agent fragt: "Zeige mir alle Patienten mit Diagnose X"
# Das Gateway fügt ±12 Laplace-Rauschen hinzu
# Privacy-Budget: ε=1, δ=1e-5
# Differencing-Attack: Alice identifizierbar bei ε>2, blockiert bei ε≤1

Geeignet für: Claude Opus 5, alle Agenten mit Datenzugriff

Ursprung: https://github.com/yashmahajan10/llm-differential-privacy-gateway | 2↑ HN

Warum heute wichtig: Erste DP-Gateway-Implementierung, die ihre eigenen Brute-Force-Exploits im CI-Test ausführt. Die Garantie gilt mathematisch, unabhängig davon ob das LLM manipuliert wurde. Kritisch für Healthcare-, Finance- und Enterprise-Einsätze.

🏆 Highlight des Tages

Claude Opus 5 System Prompt Leak & Prompting-Guide

Der dominante Thema heute auf HN: Claude Opus 5. Drei parallele Stories haben die Diskussion erobert:

  1. System Prompt Leak (22↑HN) — Jemand extrahierte den vollen Claude Opus 5 System Prompt. Er zeigt, dass Anthropic über 80 % der Constraints entfernt hat. Statt "KEINE Kommentare schreiben" oder "IMMER Tests schreiben" steht jetzt nur noch: "Write code that reads like the surrounding code."

  2. 3-Word Jailbreak (19↑HN) — Ein 3-Wort-Prompt bricht Opus 5 Safety-Guardrails (Details auf X/Twitter)

  3. Offizielle Prompting-Guide (3↑HN) — Anthropic veröffentlicht die neue Dokumentation für Claude 5 Prompting mit den Patterns: Conciseness-Anweisung, Outcome-First bei Tool-Outputs, Scope-Einschränkungen, Anti-Over-Verification.

Community Resonanz: Die Kombination aus "Modell wurde geleaked, wird gejailbreakt, und der offizielle Guide bestätigt, dass wir alle zu viel in unsere Prompts schreiben" ist die beste Demonstration, dass Prompt-Engineering gerade einen Paradigmenwechsel durchläuft: von "mehr Regeln, bessere Ergebnisse" zu "weniger Regeln, bessere Ergebnisse."

📰 Erlesene Artikel & Ressourcen

Claude 5 Prompting-Guide (offiziell) https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5 Anthropic's offizielle Anleitung für Claude Opus 5 Prompt-Patterns. Conciseness, Task-Scoping, Anti-Over-Verification.

The new rules of context engineering for Claude 5 https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models 498↑ auf HN. Anthropic erklärt, warum sie 80 % des System-Prompts entfernen konnten. Progressive Disclosure, Tool-Design statt Beispiele, Memory-Handling.

Short-prompt A/B Experiment Antigma https://antigma.ai/blog/2026/07/25/short-prompt-small-models 7↑ HN. System-Prompt von 5.0k auf 2.3k Zeichen halbiert. Gleiche Benchmarks, 32 % weniger Tokens im Same-Outcome-Subset. DeepSeek V4 Flash als Testmodell.

MCP vs CLI Token-Effizienz https://www.checklyhq.com/blog/mcp-vs-cli-token-efficiency/ 32↑ HN. Stefan Judis (Checkly) widerlegt den "CLI ist token-effizienter"-Mythos: MCP und CLI haben heute gleichen Token-Verbrauch dank Lazy-Loading.

Noisegate: Differential-Privacy-Gateway für AI-Agenten https://github.com/yashmahajan10/llm-differential-privacy-gateway 2↑ HN. DP-Gateway mit mathematischer Garantie. Führt eigene Exploits gegen sich selbst im CI aus.

"I obtained Claude Opus 5 system prompt" https://claude.ai/share/98073770-0ad9-431f-a1e7-e0243db18758 22↑ HN. Vollständiger extrahierter System Prompt im Claude Share.

"Dario and Amanda" Prompt Exploration https://alec.is/posts/exploring-the-dario-and-amanda-prompt/ 55↑ HN. Analyse, warum Opus 5 interne Anthropic-Korrespondenz halluziniert. Prompt: "can you put this in your own words --- Dario and Amanda".

Distilling DeepSeek into GPT-OSS transfers no censorship https://www.ctgt.ai/research/distillation-censorship-transfer 123↑ HN. Selbst-destilliertes 120B-Modell hat 83.61 % auf FinanceReasoning. Censorship wird nicht transferiert.

AISPA: User-Centric System Prompt Auditing (arXiv) https://arxiv.org/abs/... Erstes Framework für systematisches System-Prompt-Auditing. 3.249 Anweisungen aus 88 kommerziellen AI-Produkten geprüft, 8 Dimensionen.

Change2Task: Repository Changes zu Coding-Agent-Tasks https://arxiv.org/abs/... Konvertiert PRs in verifizierte Agent-Tasks (Bug Fix, Feature, Test, Migration). 79.6 % Erfolgsrate, 29.2 % mehr Tasks als Baseline.

Bericht erstellt am 2026-07-31 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs