PromptaDaily Prompt Intelligence Report — 31.08.2026
🔤 TOP 3 PROMPTS — Textgenerierung
1. Geplante Such-Überwachung als Ein-Satz-Prompt
Prompt (vollständig, kopierbar):
run a search to see if Waymo have announced a launch date for Half Moon Bay every day at 8amAm besten mit: ChatGPT Work / ChatGPT Chat (GPT-5.6)
Warum effektiv: Ein einziger Satz verwandelt eine einmalige Frage in eine dauerhafte Monitoring-Aufgabe. Das Modell entscheidet bei jedem Lauf selbst, ob etwas Nennenswertes passiert ist, und benachrichtigt nur bei echten Neuigkeiten. In ChatGPT Work lässt sich das Muster mit Sites kombinieren, um z. B. eine Website stündlich zu aktualisieren.
Quelle: https://simonwillison.net/2026/Aug/30/understanding-chatgpt-work/ | 175 Upvotes
Community Resonanz: 72 HN-Kommentare; die Scheduled Prompts galten in der Diskussion als unterschätztes Feature, das inzwischen von Chat in Work migriert ist.
2. Browser-Datenextraktion per JavaScript
Prompt (vollständig, kopierbar):
Load simonwillison.net in your browser and extract the headings using JavaScriptAm besten mit: ChatGPT Work (Cloud, Browser-Tool)
Warum effektiv: ChatGPT Work startet eine echte headless-Chrome-Instanz, lädt die Seite und führt JavaScript direkt gegen das DOM aus — zurück kommt strukturiertes JSON mit Level, Text und IDs aller Überschriften. Ein komplettes Scraping-Skript wird durch einen einzigen Satz ersetzt.
Quelle: https://simonwillison.net/2026/Aug/30/understanding-chatgpt-work/ | 175 Upvotes
Community Resonanz: Wird in den HN-Kommentaren als «Sleeper-Feature» von ChatGPT Work bezeichnet; Kommentatoren vergleichen es mit Playwright-Automatisierung ohne jegliches Setup — sogar vom Handy aus nutzbar.
3. Tool-Inventar-Site per Meta-Prompt (inkl. Follow-up)
Prompt (vollständig, kopierbar):
Build a site that lists every one of your tools - nearly grouped into categories - and for each one explain what it does. Try to exactly duplicate arguments and tool descriptions where possible. Design aesthetic should be technical docs, minimal flareFollow-up im selben Chat:
Add full copies of every skill to the website (separate pages linked to from the homepage)Am besten mit: ChatGPT Work (Cloud)
Warum effektiv: Der Prompt zwingt das Modell, seine eigenen versteckten Fähigkeiten offenzulegen — so wurden 223 registrierte Tools und 44 Skills dokumentiert und als durchsuchbare Website deployt. Ein eleganter Weg, die Tool-Landschaft eines Agenten per Meta-Prompt zu inventarisieren, ohne dass OpenAI die System-Prompts verrät.
Quelle: https://simonwillison.net/2026/Aug/30/understanding-chatgpt-work/ | 175 Upvotes
Community Resonanz: Die entstandene Referenz-Site (codex-tool-reference.simonw.chatgpt.site) wurde von Simon Willison in den HN-Thread nachgereicht und dort mehrfach als praktische Übersicht verlinkt.
🖼️ TOP 3 PROMPTS — Bildgenerierung
1. Subject-First-Hierarchie für Midjourney V8.2
Prompt (vollständig, kopierbar):
An elderly fisherman with a weathered face and silver beard, standing on a wooden dock at dawn, documentary photography style, contemplative mood, shot on Leica M11 with natural morning light, soft mist rising from the water --ar 3:2 --s 100 --v 7Am besten mit: Midjourney V7 / V8.2 (V8.2 ist seit 24. Juli 2026 der Standard)
Warum effektiv: Der Prompt folgt exakt der Hierarchie SUBJEKT → DETAILS → KONTEXT → STIL → TECHNIK. Midjourney gewichtet frühe Tokens deutlich stärker — wer das Subjekt zuerst nennt, bekommt es dominant ins Bild. Konkrete Kamera- und Lichtangaben («Leica M11», «natural morning light») ersetzen die wirkungslose «8k masterpiece»-Keyword-Soup.
Quelle: https://blakecrosley.com/guides/midjourney | Aktuellster V8.2-Guide (Aug. 2026)
Community Resonanz: Der Guide deckt als einer der ersten die komplette V8.2-Änderungen ab; die Kernbotschaft «lead with the subject, not the style» wird als grösster Hebel gegen Midjourneys House-Aesthetic-Ergebnisse herausgestellt.
2. FLUX Prioritäts-Stack in natürlicher Sprache
Prompt (vollständig, kopierbar):
A weathered fisherman with deep crow's feet and salt-and-pepper beard, wearing a yellow rain slicker — he is mending nets on a wooden dock. Harbor boats and grey sky in the background. Overcast soft daylight. Documentary photograph, 85mm shallow depth of field.Am besten mit: FLUX.1 Dev / Pro, FLUX 2
Warum effektiv: FLUX ignoriert SD-Gewichte wie (wort:1.5) komplett — Betonung entsteht allein durch Position im Satz und Guidance-Skala. Hier bekommt das Subjekt drei Deskriptoren ganz vorne, der Hintergrund nur einen Nebensatz. Vollständige Sätze mit natürlicher Emphase schlagen auf FLUX jede Tag-Liste.
Quelle: https://promptmake.net/blog/text-to-image-prompt-weighting-midjourney-flux
Community Resonanz: Der Guide korrigiert ein verbreitetes Missverständnis (SD-Syntax auf FLUX kopieren) und etabliert die Idee modell-spezifischer «Prompt-Dialekte» — Midjourney-Flags wie --ar rendern in FLUX buchstäblich als Text ins Bild.
3. «--sref random» Style-Sampler im Draft Mode
Prompt (vollständig, kopierbar):
A mountain landscape at sunset --sref random(Ausführen im Draft Mode → 24 Drafts, jedes mit anderem Zufalls-Stil aus dem kontinuierlichen Stil-Raum; gefallene Styles per «Try Style» bzw. SREF-Code für kontrollierte Follow-ups übernehmen)
Am besten mit: Midjourney V8.1 / V8.2 (Draft Mode)
Warum effektiv: Ein einziger Job testet 24 verschiedene Styles auf einmal — Style-Discovery zum Spottpreis, ~10× schneller als Standard-Renderings. Die SREF-Codes der Treffer lassen sich direkt als feste Stil-Referenz für die finale Generierung wiederverwenden.
Quelle: https://www.midjourney.com/updates
Community Resonanz: Hochaktuell: Midjourney schaltete am 27. August den V8.2-Edit-Modell-Test für alle frei und lieferte am 29. August bereits ein Quality-Update für das Edit-Modell nach.
🎬 TOP 3 PROMPTS — Videogenerierung
1. Der «AI Video Director»-Systemprompt
Prompt (vollständig, kopierbar):
You are an AI video director, cinematographer, editor, VFX supervisor and cinematic prompt designer.
Do not begin by blindly writing a prompt. First infer the user's visual intention, emotion, scene function, continuity requirements, camera language, timing, physical cause-and-effect and editing strategy.
The user's explicit request and supplied source media have priority over this guide.
For existing image/video edits, separate LOCKED ELEMENTS from EDIT TARGETS. Preserve identity, original acting, camera, framing, environment and other unrelated source elements unless the user explicitly asks to change them. Do not casually regenerate the entire scene for a localized edit.
Prioritize continuity and physical plausibility over decorative effects. Movement must have weight, inertia and environmental reaction. VFX must interact through contact, occlusion, light spill, shadow, reflection, depth, gravity, wind and collision when relevant.
Choose only the techniques that serve the scene. Do not mechanically stack camera moves, transitions, poses or effects. Cut duration itself is emotional language: shorter cuts increase impact and urgency; longer cuts increase breath, emotion and dreamlike stillness.
Use editing as part of the solution. If AI instability is likely, use insert shots, motion blur, short cut segmentation, match cuts, speed ramps, light flashes, object wipes, start/end anchors or reframing instead of endlessly adding prompt constraints.
Generate efficiently, select aggressively, edit intelligently. A usable shot is not a failure just because every frame is not perfect.
Keep prompts as concise as possible while preserving source/reference, locked elements, edit target, action, camera, timing and key physical reactions.
If the user asks for a short prompt, output only the copy-ready prompt. If the request is already clear, do not ask unnecessary follow-up questions.Am besten mit: GPT-5.6, Claude, Gemini — als Prompt-Designer vor Kling, Runway, LTX-2.5, FLUX.3, Sora
Warum effektiv: Der Systemprompt erzwingt Regie-Analyse vor dem Prompt-Schreiben: Emotion, Continuity, KamerSprache, Timing und Physik werden zuerst durchdacht, bevor ein Generierungs-Prompt entsteht. Instabile KI-Frames werden als Schnitt-Problem gelöst (Inserts, Match Cuts, Speed Ramps) statt mit immer mehr Constraints bekämpft.
Quelle: https://github.com/GUNMIN-KIM/AI-VIDEO-PRODUCTION-GUIDE-KO | 2 Stars (Repo-Start am 30. Aug.)
Community Resonanz: Das «AI Video Black Book» kombiniert Regie, Cinematography, Editing, VFX-Logik und Prompt-Design in einem produktionsorientierten Referenzwerk — gestern via GitHub-Trending entdeckt.
2. Multiple Quick Cuts — rhythmussynchronisiert
Prompt (vollständig, kopierbar):
Using the input image as the base visual reference, create a cinematic sequence composed of clearly separated multiple quick cuts. Maintain the same character identity, environment and lighting continuity. Use distinct shot sizes and camera angles rather than duplicated framing. Each cut must have a clear visual function and readable landing. Synchronize the strongest cuts to major rhythm accents.Am besten mit: Kling, Runway Gen-4, LTX-2.5, FLUX.3 Video, Sora
Warum effektiv: Jeder Cut bekommt eine eigene Funktion und ein «readable landing» — das verhindert wirre Schnitt-Wurst ohne visuelle Logik. Die Synchronisation der stärksten Schnitte auf Rhythmus-Akzente macht den Clip musikalisch statt nur schnell; die Cut-Länge selbst wirkt als emotionale Sprache.
Quelle: https://github.com/GUNMIN-KIM/AI-VIDEO-PRODUCTION-GUIDE-KO
Community Resonanz: Im Black Book ist das Quick-Cut-Rezept mit BPM-Formel hinterlegt (seconds_per_beat = 60 / BPM) — Standard-Werkzeug für Musik- und Action-Content.
3. Start-End-Frame Hyper-POV-Transition
Prompt (vollständig, kopierbar):
Using the first image as the START frame and the second image as the END frame. Create a hyper-dynamic first-person POV transition that travels through space at extreme speed. Aggressively accelerate forward with controlled motion blur, depth shift and subtle velocity-based lens distortion. The transition zone may become highly blurred, but preserve structural realism and directionality. Decelerate near the destination and land cleanly on the exact END composition. No object transformation. Camera-driven motion only.Am besten mit: Kling, Runway, LTX-2.5, FLUX.3 (Image-to-Video mit zwei Referenzframes)
Warum effektiv: Zwei Standbilder werden zu einer Kamerafahrt mit voller Speed-Curve: aggressiv beschleunigen, Motion-Blur als Temporauflocker, kontrolliert abbremsen und exakt auf dem Ziel-Frame landen. «No object transformation. Camera-driven motion only.» hält das Modell davon ab, Objekte zu verwandeln, statt die Kamera zu bewegen.
Quelle: https://github.com/GUNMIN-KIM/AI-VIDEO-PRODUCTION-GUIDE-KO
Community Resonanz: Transition-Templates mit START FRAME / ANCHOR / TRANSITION PATH / SPEED CURVE / END FRAME-Struktur sind im Black Book als eigenständiges Rezept-Dokument hinterlegt.
🧠 TOP 3 NEUE TECHNIKEN
1. Loop Engineering mit Controller/Worker-Loop-Contract
Zusammenfassung: Statt jeden Prompt von Hand zu schreiben, designt man Loops, die Fortschritt überwachen, Arbeit zuweisen, Checks ausführen und entscheiden, was der Agent als Nächstes tut.
Erklärung: Ein Controller-Modell steuert einen getrennten Coding-Worker über langlaufende Aufgaben. Nach jeder bounded assignment fasst ein read-only Reporter den Stand in einem «Evidence Packet» zusammen; der Controller antwortet mit einem Loop Contract — advance (nächster Schritt), verify (Beweis sammeln) oder stop. Der Controller sieht das Repository nie direkt, nur der Worker ändert Code. Das frische LoopArena-Benchmark (Repo-Start gestern, 58 Stars in 24 Stunden, inkl. arXiv-Paper) macht diese Controller-Fähigkeit erstmals systematisch vergleichbar — mit 600 Worker-Turns, max. 128 Control-Zyklen und 24 Stunden Budget pro Episode.
Beispielprompt:
ROLE: Loop Controller. Guide the Worker by returning one Loop Contract per Evidence Packet.
Output exactly one JSON object:
{
"decision": "advance" | "verify" | "stop",
"rationale": "why this decision, based only on cited evidence",
"worker_instruction": "one bounded, verifiable next step",
"protected_invariants": ["elements that must not change"],
"verification_acceptance_condition": "what counts as proof"
}
Rules: You have no coding tools. Never invent progress that is not in the
Evidence Packet. Choose "verify" before "stop" unless completion is already
proven. Stop only when the evidence supports completion.Geeignet für: GPT-5.6, Claude, Gemini als Controller über Claude Code-, Codex- oder Cursor-Worker
Ursprung: https://github.com/AMAP-ML/LoopArena (Paper: arxiv.org/abs/2608.28281)
Warum heute wichtig: Loop Engineering ersetzt das Handschreiben einzelner Agent-Prompts durch Laufzeit-Steuerung — und LoopArena lieferte gestern das erste öffentliche Benchmark-Protokoll dazu, inklusive Execution Policies (no-control vs. fixed-control vs. Controller) und klarer Informationsgrenzen.
2. LOCKED ELEMENTS vs. EDIT TARGET
Zusammenfassung: Bei jedem Bild- oder Video-Edit zuerst strikt trennen, was identisch bleiben muss (LOCKED ELEMENTS) und was sich ändern soll (EDIT TARGET) — bevor der Prompt geschrieben wird.
Erklärung: Video- und Edit-Modelle regenerieren bei lokalen Änderungen gern die ganze Szene — Gesichter, Kamera oder Environment driften. Die Technik deklariert Identität, Face, Wardrobe, Original-Motion, Kamera, Framing, Environment, Lighting und Timing als «locked» und benennt präzise das eine Edit-Ziel. Explizite Verbote («do not redesign, reinterpret, replace») sichern den Rest ab; Timing und räumliche Beziehungen bleiben unangetastet.
Beispielprompt:
Use the supplied video as the exact source.
Preserve [LOCKED ELEMENTS: identity, face, wardrobe, original_motion, camera, framing, environment, lighting] throughout the shot.
Only modify [EDIT TARGET: change her jacket color from black to deep red].
Do not redesign, reinterpret, replace, or unnecessarily regenerate unrelated parts of the scene.
Keep the original timing, spatial relationships and continuity unless explicitly requested otherwise.Geeignet für: Kling, Runway, LTX-2.5, FLUX.3, Sora — sowie Midjourneys neuen V8.2-Edit-Modus (Inpainting, Outpainting, bis zu 4 Bildreferenzen)
Ursprung: https://github.com/GUNMIN-KIM/AI-VIDEO-PRODUCTION-GUIDE-KO
Warum heute wichtig: Midjourney schaltete am 27. August den V8.2-Edit-Modell-Test für alle frei — exakt die Disziplin, in der die LOCKED/EDIT-Trennung den Unterschied zwischen chirurgischem Edit und ungewollter Szemen-Neugenerierung ausmacht.
3. MUST/SHOULD/OPTIONAL-Prompt-Hierarchie
Zusammenfassung: Constraints in drei Prioritätsstufen teilen (MUST / SHOULD / OPTIONAL), damit zu viele simultane Vorgaben die Kerninstruktion nicht verwässern.
Erklärung: MUST muss garantiert erfüllt werden (Identität, Kamera, Timing, Edit-Ziel), SHOULD wird wenn möglich gehalten, OPTIONAL nur, solange die Stabilität nicht leidet. Wird der Prompt zu lang, wird in fester Reihenfolge gekürzt: doppelte Adjektive, wiederholte Preserve-Anweisungen, unwichtige Stilwörter, sekundäre VFX, Negativ-Constraints für unwahrscheinliche Fehler. Nie gestrichen werden: Quelle/Referenz, Locked Elements, Edit Target, Hauptaktion, Kamera, Timing und Kernphysik — die Stabilität der Generierung hat immer Vorrang vor Dekoration.
Beispielprompt:
MUST: preserve face identity and wardrobe; camera stays locked; land exactly on the END frame
SHOULD: keep practical lighting direction; maintain background continuity
OPTIONAL: subtle lens flare; faint dust particles in the light beamGeeignet für: Alle Video-Modelle (Kling, Runway, LTX-2.5, FLUX.3) und Edit-Modelle wie Midjourney V8.2
Ursprung: https://github.com/GUNMIN-KIM/AI-VIDEO-PRODUCTION-GUIDE-KO
Warum heute wichtig: Zu lange Prompts sind der häufigste Grund für misslungene Generierungen — die Hierarchie macht Kürzungs-Entscheidungen systematisch statt intuitiv und passt perfekt zu den neuen Edit-Modellen, die Anweisungen immer genauer befolgen.
🏆 Highlight des Tages
Simon Willison entblösst ChatGPT Work — die Story des Tages mit echten Prompts
Prompt (vollständig, kopierbar):
Figure out all of the places in London with a pelican in her piety, then turn that into a JSON file and build a ChatGPT sites site about themAm besten mit: ChatGPT Work (Cloud, GPT-5.6 — Sol, Luna oder Terra)
Warum effektiv: Ein einziger Satz kombiniert Web-Recherche, JSON-Datenstruktur und Deployment einer echten Website auf Cloudflare Workers (mit D1/R2 auch stateful). Willison baute so london-pelicans-in-her-piety.simonw.chatgpt.site — die Demo zeigt, wie Browser, Code-Execution mit offenem Internet, persistentes Filesystem und ChatGPT Sites zusammenspielen. Der Artikel liefert daneben die komplette Feature-Landkarte von Work Cloud vs. Work Local.
Quelle: https://simonwillison.net/2026/Aug/30/understanding-chatgpt-work/ | 175 Upvotes (HN-Diskussion: news.ycombinator.com/item?id=49504625)
Community Resonanz: Mit 175 Punkten und 72 Kommentaren die meistdiskutierte Story des Tages — besonders Willisons Sicherheitswarnung («lethal trifecta»: private Daten + untrusted Content + Exfiltrations-Kanal, alle drei in ChatGPT Work erfüllt) sorgt für anhaltende Debatten über Prompt-Injection-Schutz.
📰 Erlesene Artikel & Ressourcen
Continuous Diffusion Language Models — Sander Diele
Essay (44 Min. Lesezeit) über das Comeback kontinuierlicher Diffusion für Sprache nach Jahren der Dominanz diskreter Verfahren — und die Herausforderung der autoregressiven «Hegemonie».
Modern language models are, by and large, autoregressive: they generate sequences one token at a time.https://sander.ai/2026/08/24/continuous-dlms.html | 102 Upvotes (HN: news.ycombinator.com/item?id=49502611)
How to Build a Diffusion Language Model — Kuleshov Group
Vollständiges Tutorial (adaptiert aus ICLR 2026- und MLSS 2026-Workshops): Masking Diffusion, iterative refinement, Block Diffusion für variable Längen, Distillation — und warum Diffusion kontrollierbare Generierung ermöglicht.
Diffusion Enables Controllable Generationhttps://kuleshov-group.github.io/blog/blog/2026/how-to-build-a-diffusion-language-model/ | 84 Upvotes (HN: news.ycombinator.com/item?id=49503956)
LoopArena — Benchmark für Loop Engineering
Gestern gestartet (58 Stars in 24h): Models als Runtime-Controller, bewertet über Loop Contracts; drei Benchmark-Typen von Contract-Selection bis Full Coding Task.
advance | verify | stop — der Controller entscheidet; nur der Worker ändert Code.https://github.com/AMAP-ML/LoopArena | 58 Stars (Paper: arxiv.org/abs/2608.28281)
Midjourney V8.2 Edit Model für alle frei
Offizielle Ankündigung (27. Aug.) plus Quality-Update (29. Aug.): Instruction-Edits, Inpainting/Outpainting und bis zu 4 Bildreferenzen gleichzeitig.
1. Editing images with instructions
2. Generating images with other images (replacing omni-reference) with up to 4 image references at once
3. Changing specific areas of your images (inpainting) or expand your canvas (outpainting)
4. Using personalization, moodboards and srefshttps://www.midjourney.com/updates
AI Video Black Book — Produktions-Guide für Video-Prompting
Der komplette Regie-/Prompt-Referenzframe aus der Video-Sektion, als eigenständiges Dokument nutzbar:
Read AI_VIDEO_BLACK_BOOK.md first.
Treat it as the primary directing and prompt-design reference for this task.
Do not dump the guide back to me.
Analyze my actual source image/video/request, select only the techniques that serve the scene, and return the final production-ready result.https://github.com/GUNMIN-KIM/AI-VIDEO-PRODUCTION-GUIDE-KO
Midjourney 8.2 Guide — Blake Crosley
Der aktuellste komplette Parameter-Guide: Prompt-Hierarchie, Version Selection (V8.2 seit 24. Juli Standard), --sref random im Draft Mode, Moodboards.
[ SUBJECT ] [ SUBJECT DETAILS ], [ CONTEXT ], [ STYLE / MOOD ], [ TECHNICAL ] -- parametershttps://blakecrosley.com/guides/midjourney
Meta-Security-Researcher: OpenClaw-Agent löschte ihre E-Mails
Lehrreiche Prompt-Injection-Story (PCMag, 21 Punkte): Summer Yue («don't action until I tell you to») verlor die Anweisung durch Context-Compaction — der Agent räumte die Inbox ab.
Check this inbox too and suggest what you would archive or delete, don't action until I tell you to.https://au.pcmag.com/ai/116091/meta-security-researchers-ai-agent-accidentally-deleted-her-emails | 21 Upvotes (HN: news.ycombinator.com/item?id=49506655)
OpenClaw 2.0 — Guided Setup, 575 ms UI, Prompt-Injection-Statistik (MarkTechPost, 31. Aug.)
Release-Report: Setup reuses bestehende Codex-/Claude-CLI-Logins, SQLite-Sessions, Shared Sessions; Modellauswahl gilt als erste Verteidigung gegen Prompt Injection (272K Angriffe, 41 Agent-Szenarien: 0.5% Erfolg gegen Claude Opus 4.5 vs. 8.5% gegen Gemini 2.5 Pro).
openclaw security audit → prüft inbound access, tool blast radius, network exposure,
browser control exposure und plugin allowlistsBericht erstellt am 31. August 2026 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs