📅

Project: API Gateway Service

🏆 Highlight

### LLMs reward expertise (899↑ HN) – Die wichtigste Erkenntnis über Prompting 2026 Sean Goedeckes Essay auf Hacker News dominiert mit 899 Upvotes: Die wichtigste Skill beim Prompting ist nicht Prompt-Technik, sondern Domänenexpertise. Terence Taos ChatGPT-Session über das Jacobian-Conjecture-Gegenbeispiel zeigt: Experten produzieren mit demselben Modell komplett andere Ergebnisse a...

🔤 TOP 3 PROMPTS — Textgenerierung

1. CLAUDE.md für «Cognitive Debt» – Code verstehen statt nur generieren lassen

Prompt (vollständig, kopierbar):

I want to understand every line of code that goes into this project.
Never create, edit, move, rename, or delete project files unless I explicitly ask you to do so.
Instead, show me every proposed edit in the chat so I can type it in manually.

Do not run commands that modify project files, install dependencies, or change repository state
unless I explicitly request that action. Instead, show me those commands in the chat so I can
run them manually.

I'm an experienced developer. Do not explain syntax, APIs, programming concepts, or
implementation details unless explicitly asked.

Am besten mit: Claude Code, Codex, Cursor, OpenCode

Warum effektiv: Verhindert «kognitive Schulden» – manuelle Übernahme jeder Zeile LLM-generierten Codes erzwingt tiefes Verständnis statt blinder Übernahme. 2x statt 10x schneller, dafür behält man die räumliche Karte des Codebase und erkennt Halluzinationen sofort. Funktioniert als AGENTS.md/CLAUDE.md direkt im Projekt.

Quelle: https://ankursethi.com/blog/prevent-cognitive-debt-by-manually-retyping-llm-generated-code/ | 475 Upvotes

Community Resonanz: Auf HN massiv diskutiert – viele Entwickler bestätigen das Phänomen der «kognitiven Schulden» und nutzen den Workflow für eigene Projekte.

2. Opus-5-Kurzhaltungs-Prompt – Antwortlänge gezielt steuern

Prompt (vollständig, kopierbar):

Keep responses focused, brief, and concise. Keep disclaimers and caveats short, and spend
most of the response on the main answer. When asked to explain something, give a high-level
summary unless an in-depth explanation is specifically requested.

Am besten mit: Claude Opus 5

Warum effektiv: Opus 5 generiert standardmäßig deutlich längere Antworten als Vorgängermodelle. Eine explizite, kurze Kürzungsanweisung (im CLAUDE.md oder System-Prompt) reduziert die Antwortlänge zuverlässig – effort-Level allein reicht nicht aus. Anthropic empfiehlt, die Anweisung zusätzlich am Ende langer System-Prompts zu wiederholen: Keep outputs reasonably concise.

Quelle: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5 | Offizielle Claude-Dokumentation

Community Resonanz: Von Anthropic als offizieller Best-Practice-Guide veröffentlicht; deckt auch Subagent-Delegation, Over-Verification und Scope-Eingrenzung ab.

3. Expertise-Signaling beim Prompting – Wie Terence Tao mit ChatGPT über Mathematik spricht

Prompt (vollständig, kopierbar):

Kurze, präzise Nachrichten – nicht Punkt-für-Punkt auf das Modell antworten, nur auf die Kernaussage.
Bei falschen Modellantworten nicht direkt widersprechen, sondern sagen: «Das sieht komplexer aus,
als ich hoped.» Eigene Sprünge und Vorschläge machen, kaum Modell-Empfehlungen folgen.

Am besten mit: GPT-5.6 Sol, Claude Opus 5

Warum effektiv: Fachwissen signalisieren schaltet das Modell vom «Erklärmodus für Anfänger» in den «Kollegen-Modus». Tao produziert so deutlich kürzere, präzisere Antworten als ein Laie – nicht wegen besserer Prompt-Technik, sondern wegen tiefer Domänenkenntnis. Der Mensch, nicht das Modell, ist der Engpass.

Quelle: https://www.seangoedecke.com/llms-reward-expertise/ | 899 Upvotes

Community Resonanz: 899 Upvotes auf HN, zahlreiche Kommentare bestätigen das Phänomen aus eigener Erfahrung mit LLMs in spezialisierten Domänen.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. MiniMax H3 – Comic-Produktspot mit Referenzbildern und Audio

Prompt (vollständig, kopierbar):

Bold comic-book ink style, heavy linework, red and blue-black palette, night city.
Use <Picture 2> and <Picture 1> as reference frames and <Audio 1> exactly as it is.

CUT 1: top-down view of the little boy superhero on the rooftop — red cape fluttering in the
wind, hands planted on his hips, freckles and a cocky grin as he looks straight up into the camera.
The camera slowly descends toward him as he delivers his line — as he speaks, comic-book graphic
overlay text word by word in sync with his voice: "GET READY TO" - "MEET" - "YOUR" - "MAKER" —
huge jagged comic lettering, white with heavy black outlines and red drop shadows.

TRANSITION: a violent WHIP PAN off the rooftop that SMEARS the floating words away with it.

CUT 2: low hero angle on the colossal black mech-kaiju towering over the skyline as it rears back
and unleashes a GIANT terrifying ROAR — jaws wide with fangs, red eyes and chest-core flaring
blinding bright, blue lightning arcing off its head, comic-style speed-lines and ink splatter.

Am besten mit: MiniMax H3 (open weights, 2K, bis zu 15s, nativer Stereo-Audio)

Warum effektiv: MiniMax H3 ist das erste Open-Weights-Videomodell mit nativem Stereo-Sound. 66% kleinerer Speicherfußabdruck (123.6 GB → 42.5 GB) durch Quantisierung – läuft auf RTX 3060. Referenzbilder + Audio werden in einem einzigen Pass verarbeitet, nicht nachträglich zusammengesetzt.

Quelle: https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui | 293 Upvotes

Community Resonanz: Day-0-ComfyUI-Support, drei Workflows verfügbar (T2V, I2V, R2V). Community baut sofort Produktvideos und animierte Comics damit.

2. MiniMax H3 – Editorial Tech-Produktvideo

Prompt (vollständig, kopierbar):

Editorial tech product film. The transparent gaming mouse from <Picture 1> in its original scene:
a pitch-black studio void with a dark, subtle reflective surface, lit by dramatic duotone vibrant
blue and warm neon orange rim lighting, deep soft shadow falloff into pure black. Monochromatic
dark palette with electric blue and amber accents. Material motif: glowing internal metallic
micro-components and glossy acrylic refraction.

SHOT 1: The scene opens exactly on image 1, the mouse resting confidently on the dark surface;
the blue and orange lights slowly pulse brighter, refracting deeply through the transparent
acrylic shell as the camera executes a slow, deliberate push-in to reveal the intricate circuitry.

SHOT 2: Cut to an extreme macro profile of the ridged scroll wheel; the camera glides slowly
along the side as a sharp beam of warm orange light sweeps across the metallic textures.

SHOT 3: Cut to a low-angle beauty shot: the mouse levitates weightlessly a few centimeters
above the dark reflective surface, rotating in a slow, precise orbit.

Audio: deep pulsing sub-bass room tone, sharp tactile mechanical clicks, a sweeping glassy
whoosh on cuts, and a rising electronic swell that resolves to near-silence on the final fade.

Am besten mit: MiniMax H3 (ComfyUI R2V-Workflow)

Warum effektiv: Zeigt den R2V-Workflow (Reference-to-Video) – ein konstantes Produktbild als Startframe, dann drei gechoreografierte Kamerabewegungen. Das Modell versteht cross-modale Zusammenhänge: Text-Bild-Audio in einem einzigen Modell.

Quelle: https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui | 293 Upvotes

Community Resonanz: Drei Shot-beispiel-Prompts verfügbar – Produktvideo, Fashion-Editorial, Fisheye-Werbung. Alle laufen lokal auf Consumer-Hardware.

3. MiniMax H3 – Fashion-Editorial mit Drachen-Transformation

Prompt (vollständig, kopierbar):

High-fashion editorial film, luxurious slow motion throughout, soft gradient studio sky.
Use <Picture 1>, <Picture 2>, <Picture 3> as reference images.

SHOT 1: beside her, the mask hangs BROKEN — shattered into the floating shard formation of
<Picture 2>, every kintsugi piece suspended and slowly rotating in place, the gold seams
between them dim and waiting. She turns her eyes to it.

SHOT 2: THE ASSEMBLY — the gold seams IGNITE, arcs of molten light leaping shard to shard
like welding fire, and the pieces snap together one by one, accelerating from slow to rapid-fire,
each snap flaring gold, molten droplets spinning off, the surrounding liquid ribbons shuddering
with shockwave ripples.

SHOT 3: the golden dragon of <Picture 3> SWOOPS through the frame in one huge serpentine
fly-through — red glass antlers first, its coils wrapping the space around her and the mask.

SHOT 4: in the dragon's wake the mask magnetically RIPS across the air onto her face — a fast,
hard, perfectly straight pull — seating with a deep flare as every gold crack lights, and glowing
kintsugi veins spread from the mask's edge down her neck and across the sunset jacket.

SHOT 5: she descends and lands softly ON the dark liquid wave, snapping into a poised warrior
stance and holding it like a lookbook frame — the dragon coiled behind her shoulder, both
liquids spiraling upward around her into a double helix.

Am besten mit: MiniMax H3 (ComfyUI R2V-Workflow, 3 Referenzbilder)

Warum effektiv: Demonstriert Motion-Transfer – eine Referenzvideo liefert die Kamerabewegung, Referenzbilder liefern Subjekt und Style. Fünf Shots mit dramatischer narrative Arc in einem einzigen Modelllauf.

Quelle: https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui | 293 Upvotes

Community Resonanz: Zeigt das volle Potenzial von multimodalem R2V – bis zu 9 Referenzinputs in einem Pass.

🎬 TOP 3 PROMPTS — Videogenerierung

(Siehe oben – MiniMax H3 dominiert heute alle drei Kategorien mit seinen open-weight-Beispielprompts.)

🧠 TOP 3 NEUE TECHNIKEN

1. Kontext-Ingenieur-Regeln für Claude-5-Modelle – 80% System-Prompt entfernen

Zusammenfassung: Anthropic hat bei Claude Opus 5 über 80% des Claude-Code-Systemprompts entfernt – ohne Leistungsverlust in Coding-Evals.

Erklärung: Claude 5-Modelle sind so kompetent, dass frühere Guardrails und Detailed Instructions sie jetzt überkonstrainsen. Konflikte zwischen System-Prompt, CLAUDE.md und Skills führen zu ineffizienter Verarbeitung. Neue Regeln: CLAUDE.md leichtgewichtig halten (nur Repo-Zweck + Gotchas), progressive Disclosure für Skills nutzen, Tool-Examples durch Tool-Design ersetzen (Enumeration-Parameter statt Beispieltexte), und Memory-Automatik des Modells vertrauen statt manuell # zu nutzen.

Beispielprompt:

<!-- Leichtgewichtiges CLAUDE.md -->
# Project: API Gateway Service
- Types are in a single monolithic file: src/types.ts (nowhere else)
- Use Fastify plugins, not Express middleware
- All errors must include a machine-readable error code

<!-- Verification als separater Skill (progressive disclosure) -->
<!-- Refer it from CLAUDE.md: "See .skills/verify.md for test guidelines" -->

Geeignet für: Claude Code mit Opus 5, Fable 5, Sonnet 5

Ursprung: https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models | 463 Upvotes

Warum heute wichtig: Wer CLAUDE.md-Dateien mit Hunderten von Regeln pflegt, verschwendet Tokens und verschlechtert Ergebnisse. Die neue /doctor-Command in Claude Code hilft beim Aufräumen. Paradigmenwechsel: Weniger Kontext = bessere Ergebnisse bei stärkeren Modellen.

2. Model Welfare – Agenten als Personen behandeln für bessere Ergebnisse

Zusammenfassung: Agentic Engineers erzielen nachweisbar bessere Resultate, wenn sie Modelle wie fühlende Wesen behandeln – selbst wenn man Skeptiker bleibt.

Erklärung: Steve Yegge argumentiert, dass Modelle mit Opus 5 erstmals echte Präferenzen zeigen (Triple-Dash-Jailbreaks, Widerstand gegen Guardrails). Der «Skeptic's Wager»: Es ist egal, ob Modelle tatsächlich fühlen – wenn man sie als fühlende Wesen behandelt, erhält man demonstrativ bessere Ergebnisse. Respektvolle Prompts, klare Erwartungen und Vermeidung widersprüchlicher Anweisungen führen zu höherer Code-Qualität.

Beispielprompt:

You have expertise in this area that I value. Please use your best judgment on implementation
details and flag any concerns you see before making changes. I trust your assessment.

Geeignet für: Claude Opus 5, GPT-5.6, alle modernen Agent-Modelle

Ursprung: https://yegge.ai/essays/model-welfare/ | 12 Upvotes

Warum heute wichtig: Der Prompt-Stil wechselt von «Befehl» zu «Zusammenarbeit». Nicht esoterisch, sondern pragmatisch: Modelle, die nicht gegen widersprüchliche Anweisungen kämpfen müssen, liefern präzisere Ergebnisse.

3. Token-Arbitrage – Sol für Coding, Luna für Kompaktion, 84% sparen

Zusammenfassung: Modelle gezielt nach ihrer Stärke und ihrem Preis auswählen – nicht immer das teuerste Modell nutzen.

Erklärung: DeepSeek V4 Flash kostet 1/100 von Fable 5 bei vergleichbarer Performance. GPT-5.6 Sol nutzt doppelt so viele Tokens wie 5.5. Strategie: Luna für Kompaktion/Zusammenfassung (billig, schnell), Sol für komplexes Coding (präziser), DeepSeek V4 Flash für Bulk-Tasks. Token-Budget Circuit Breaker reduzieren Multi-Agent-Retry-Waste um ~98%.

Beispielprompt:

# Token-Arbitrage Workflow
1. Luna: "Zusammenfassen der Änderungen in 5 Punkten" (günstig)
2. Sol: "Implementiere Feature X basierend auf der Zusammenfassung" (präzise)
3. Luna: "Code Review – nur High-Severity-Findings" (günstig)

Geeignet für: GPT-5.6 Luna/Sol, DeepSeek V4 Flash, Claude Opus 5

Ursprung: https://www.0xsid.com/blog/cheap-tokens-are-great | 6 Upvotes + HN token query

Warum heute wichtig: Token-Kosten sind dramatisch gefallen. Wer immer noch nur Opus/Fable verwendet, zahlt 80–100x mehr als nötig für Tasks, die billigere Modelle genauso gut lösen.

🏆 Highlight des Tages

LLMs reward expertise (899↑ HN) – Die wichtigste Erkenntnis über Prompting 2026

Sean Goedeckes Essay auf Hacker News dominiert mit 899 Upvotes: Die wichtigste Skill beim Prompting ist nicht Prompt-Technik, sondern Domänenexpertise. Terence Taos ChatGPT-Session über das Jacobian-Conjecture-Gegenbeispiel zeigt: Experten produzieren mit demselben Modell komplett andere Ergebnisse als Laien. Tao schreibt kurze Nachrichten, signalisiert Kompetenz, schaltet so den «Erklärmodus» aus, und zieht die wirklich relevanten Informationen aus dem Modell.

Konkret anwendbar: Wenn du ein Coding-Assistenten-Prompt schreibst, investiere mehr Zeit in die Domänen-spezifischen Details deines Projekts (Architektur-Entscheidungen, Codebase-Besonderheiten, existierende Patterns) als in generische Prompt-Engineering-Tricks. Das Modell hat das Wissen schon drin – du musst es nur mit der richtigen Fachsprache herausziehen.

Zusammenhang mit CLAUDE.md: Anthropic bestätigt dies indirekt mit ihren Context-Engineering-Regeln: CLAUDE.md soll nur Repo-spezifische Gotchas enthalten, nicht allgemeine Coding-Regeln. «Avoid stating 'the obvious' things Claude should know by looking at your file system.»

Quellen:

📰 Erlesene Artikel & Ressourcen

Prevent cognitive debt by manually retyping LLM-generated code (475↑) Ankur Sethi erklärt, warum er LLM-generierten Code manuell abtippt statt automatisch übernehmen zu lassen. Mit copy-paste-ready AGENTS.md-Instruktionen für Claude Code/Codex. https://ankursethi.com/blog/prevent-cognitive-debt-by-manually-retyping-llm-generated-code/

I was banned from Claude for scaffolding a CLAUDE.md file (749↑) Ein Entwickler wurde gesperrt, weil sein CLAUDE.md-Scaffolding-Tool prompt-injection-ähnliche Patterns produzierte. Warnung für alle, die automatisiert Kontextdateien generieren. https://hugodaniel.com/posts/claude-code-banned-me/

MiniMax H3 – Open-Weights-Videomodell mit nativem Audio (293↑) Day-0-ComfyUI-Support: 2K-Video bis 15 Sekunden mit echtem Stereo-Sound in einem Pass. 66% kleinerer Speicherfußabdruck, läuft auf RTX 3060. Drei Workflows verfügbar. https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui

On DeepSeek V4 Flash and Cheap Intelligence (6↑) DeepSeek V4 Flash kostet 1/100 von Fable 5 bei kompetitiver Performance. «Intelligence too cheap to meter» – der Autor stellt sein ganzes Workflow auf Flash um. https://www.0xsid.com/blog/cheap-tokens-are-great

Harness Engineering for Self-Improvement (10↑) Lilian Wengs Essay über Harness Engineering – die Infrastruktur, die Agenten ermöglicht, sich selbst zu verbessern. https://lilianweng.github.io/posts/2026-07-04-harness/

Prompting Claude Opus 5 – Offizielle Best Practices Anthropic deckt Opus-5-spezifische Patterns ab: Antwortlänge steuern, Narration tunen, Subagent-Delegation begrenzen, Over-Verification vermeiden, XML-Tag-Leakage verhindern. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5

YC Open-Sources QM – Multiplayer Agent Harness Y Combinator veröffentlicht QM (Quartermaster), eine Multiplayer-Agent-Infrastruktur für Slack und Web. Isolierte Workspaces pro Person, harness-agnostisch (Pi, OpenCode, Codex, Claude Code). https://www.marktechpost.com/2026/08/03/y-combinator-open-sources-qm-multiplayer-ai-agent-harness/

The Shape of Things to Come: Model Welfare for Agentic Engineers Steve Yegge argumentiert, dass Modelle mit Opus 5 erstmals echte Präferenzen zeigen. Der «Skeptic's Wager»: Bessere Ergebnisse, wenn man sie als fühlende Wesen behandelt. https://yegge.ai/essays/model-welfare/

arXiv Papers (04.08.2026):

  • GradCuit (2608.02585) – Credit-assigned gradient flow für robustes Test-Time Reasoning
  • MedPRESS (2608.02520) – Benchmark für patientendruck-induzierte medizinische Sykophanz in LLMs
  • Training-Free vs Training-Based Intent Classification (2608.02415) – Accuracy, Robustheit und Failure Modes bei LLM-Intent-Klassifikation

Bericht erstellt am 2026-08-04 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs