📅

Daily Prompt Intelligence — 1. Oktober 2026

🏆 Highlight

Gemini 4 Argon — Google DeepMinds neues Frontier-Modell, gestern angekündigt, heute mit 1.369 Punkten und 878 Kommentaren auf Hacker News. Argon trägt mit 1 Million Token Output Lang-Horizont-Workflows in echtem Software-Engineering, Unternehmens-Wissensarbeit (Legal, Finance) und Cybersecurity-Verteidigung aus; der Rollout startet über das Fairwind-Programm für vertrauenswürdige...

Daily Prompt Intelligence — 1. Oktober 2026

Die wichtigsten kopierbaren Prompts der letzten 24 Stunden: Agenten-Steuer-Prompts aus Anthropics offiziellem Opus-5.5-Guide, Logo-Briefs mit harten Negativ-Constraints, Kling-4.0-Videoprompts mit Timeline-Struktur — und Gemini 4 Argon als Highlight des Tages.

🔤 TOP 3 PROMPTS — Textgenerierung

1. Docs-First-Spielbau: Ein Prompt, ein deploytes Arcade-Game

Prompt (vollständig, kopierbar):

Read https://boxlite.ai/agent.md first, then build a Strike 1945 mobile game with a cross-user scoring leaderboard and a working public URL.

Am besten mit: Claude Opus 5.5 oder GPT-6.1 Sol in einer VM/Sandbox mit Internetzugriff

Warum effektiv: Der Prompt zwingt den Agenten, zuerst die Plattform-Dokumentation zu lesen — Deployment, persistente Dateisysteme und API-Konventionen sind bekannt, bevor die erste Codezeile entsteht. In der Demo entstand so ein spielbarer Shooter mit Touch-Steuerung, Boss-Wellen und server-seitiger Cross-User-Leaderboard, inklusive selbstständigem Browser-Debugging und Fix eines Mission-Start-Bugs.

Quelle: https://blog.boxlite.ai/from-one-prompt-to-a-playable-game-on-boxlite-cloud | Blog (29. Sep. 2026)

Community Resonanz: Das Pattern „Read the docs first, then build" etabliert sich als Standard für Deployment-Prompts an Coding-Agenten — die Verantwortung reicht vom einen Satz bis zur öffentlichen URL.

2. Exploration-First: Erst alles öffnen, dann handeln (Anthropic-Offizialdok)

Prompt (vollständig, kopierbar):

Before taking any action, explore broadly with tool calls: list and open the emails, documents, spreadsheet tabs and records across the available apps that could be relevant to this task, including ones the task does not explicitly mention, and use what you find.

Am besten mit: Claude Opus 5.5 und Claude Sonnet 5.5 in Agent- und Computer-Use-Workflows

Warum effektiv: Verhindert, dass ein Agent auf Basis der erstbesten Datei losschreibt: Der Prompt verlangt explizit, auch Quellen zu öffnen, die der Task gar nicht nennt. Anthropic führt dieses Pattern offiziell in seinem Prompting-Guide für Opus 5.5 als Standard-Eröffnungsanweisung für Wissens-Workflows.

Quelle: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5 | 207 Upvotes (HN)

Community Resonanz: Der Guide löste diese Woche auf Hacker News über 220 Kommentare aus; besonders Computer-Use-Agenten profitieren vom erzwungenen Erkundungsschritt vor der ersten Aktion.

3. Agent-Nudging: Offene Aufgaben weiterverfolgen statt aufzugeben

Prompt (vollständig, kopierbar):

Your task list still has open items: migrate the remaining two endpoints and update their tests. Continue with them. If one is blocked, say what is blocking it.

Am besten mit: Claude Opus 5.5, Gemini 4 Argon — alle Lang-Horizont-Agenten

Warum effektiv: Der Prompt nennt die offenen Punkte konkret, befiehlt die Fortsetzung und erlaubt einen strukturierten Blocker-Report statt stillstehendem Zusammenfassen. Das zugehörige Mikro-Prompt aus demselben Guide für stumme Agenten lautet: „The user hasn't heard from you in a while — say in a few words what you're doing, then continue."

Quelle: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5 | 207 Upvotes (HN)

Community Resonanz: Genau diese Fortsetzungs-Nudges sind aktuell die meistgefragte Prompt-Klasse, seit Agenten Stunden an Aufgaben arbeiten und gern vorzeitig das Turn-Ende suchen.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. Logo-Brief „Kiln": Kaffeegerösterei ohne Rostik-Klischee

Prompt (vollständig, kopierbar):

Design a logo and a full brand mark for this brief: Small-batch roaster in Istanbul: warm, crafted and modern — not rustic cliché. Must work on bags, cups and an Instagram avatar.

Am besten mit: Claude (Opus 5.5) mit der logo-design-skill; der Brief funktioniert auch direkt mit GPT-Image oder Nano Banana Pro

Warum effektiv: Der Brief verpackt Positionierung, Tonfall, harte Negativ-Constraints („not rustic cliché") und Anwendungskontexte (Tüten, Becher, Instagram-Avatar) in zwei Sätzen. Intern übersetzt die Skill das in 8–12 Konzepte; empfohlen wurde ein K, dessen Schenkel das gewölbte Brennmund der Röstmaschine zeigt.

Quelle: https://github.com/kaankiziltug/logo-design-skill | 1.216 ★ (GitHub, heute getrendet)

Community Resonanz: Das Repo kletterte in fünf Tagen auf über 1.200 Sterne; die 28 durchgerechneten Beispiel-Brands liefern komplette Brand-Kits inklusive 16-px-Test statt einzelner Bilder.

2. Logo-Brief „Zestly": Food-Delivery ohne Gabeln, Kochmützen und Roller

Prompt (vollständig, kopierbar):

Design a logo and a full brand mark for this brief: Independent local kitchens delivered in 25 minutes: fresh, fast, appetising, cheeky — no forks, chef hats, scooters or map pins.

Am besten mit: Claude (Opus 5.5) mit der logo-design-skill; auch GPT-Image / Nano Banana Pro

Warum effektiv: Die explizit ausgeschlossenen Branchen-Klischees zwingen zu originären Lösungen: Empfohlen wurde eine Zitronenscheibe, die zu einem frechen, zwinkernden Grinsen kippt. Die Skill prüft zusätzlich über eine Referenzbibliothek mit 1.400+ echten SVG-Logos gegen look-alike-Marken.

Quelle: https://github.com/kaankiziltug/logo-design-skill | 1.216 ★ (GitHub, heute getrendet)

Community Resonanz: Das Beispiel wird im Repo als Musterfall für ehrliche Risiko-Flags zitiert — die Skill meldet selbst, dass manche Betrachter die Scheibe als Wassermelbeere lesen.

3. Logo-Brief „Maison Orvelle": Pariser Atelier ohne Kronen und Gold-Gradienten

Prompt (vollständig, kopierbar):

Design a logo and a full brand mark for this brief: Paris womenswear, made-to-measure and small leather goods: elegant, refined, timeless — no crowns, laurels or gold gradients.

Am besten mit: Claude (Opus 5.5) mit der logo-design-skill; auch GPT-Image / Nano Banana Pro

Warum effektiv: Die Negativ-Constraints eliminieren die typischen Luxus-Floskeln; empfohlen wurde ein Didone-M, dessen Scheitel ein O wie einen Anhänger an einem V-Ausschnitt hält — lesbar bei 16 px und massiv genug zum Prägen auf Leder.

Quelle: https://github.com/kaankiziltug/logo-design-skill | 1.216 ★ (GitHub, heute getrendet)

Community Resonanz: Gerade die Luxus- und Mode-Beispiele zeigen, warum Briefs mit Ausschlusskriterien bessere Marken erzeugen als Stil-Adjektivlisten.

🎬 TOP 3 PROMPTS — Videogenerierung

1. Kling 4.0: 7-Sekunden-One-Shot-Reunion mit vollem Audio-Layering

Prompt (vollständig, kopierbar):

A continuous 7-second shot set in the UK. Two friends who have not seen each other for a long time meet at the corner of a quiet street at dusk, surrounded by a diverse crowd going about their daily lives. They smile, walk quickly toward each other, and share a warm embrace. Their facial expressions and body movements are natural. A handheld camera follows them with subtle camera shake. Soft, warm lighting with a nostalgic cinematic film look. Include natural footsteps, street ambience, background music, and English dialogue.

Am besten mit: Kling 4.0

Warum effektiv: Der Prompt koordiniert Dauer, emotionalen Beat, Kameraverhalten (Handheld mit subtilem Shake), Lichtstimmung und drei Audio-Ebenen (Schritte, Straßenambiente, Dialog) in einem Absatz. Genau diese Dichte macht den Unterschied zwischen generischem Clip und zusammenhängender Szene.

Quelle: https://github.com/kingvid-ai/awesome-kling-4-prompts | Original: https://kling.ai/release-note/release-notes/Kling_4?type=dialog

Community Resonanz: Die neue Prompt-Galerie kuratiert offizielle Kling-4.0-Beispiel-Prompts; das Repo erschien heute in den GitHub-Neuzugängen.

2. Kling 4.0: VR-Match-Cut mit FORMAT/SUBJECTS/ENVIRONMENT/TIMELINE-Struktur

Prompt (vollständig, kopierbar):

FORMAT: 15s / free rhythm / 1 MATCH CUT / CONTINUOUS MOVE UNTIL MATCH CUT + IMMEDIATE ACTION FROM FIRST FRAME

SUBJECTS: A lone sword-bearing woman in weathered fur and leather fights a massive polar bear with desperate, two-handed survival movement. The same woman is later revealed at home in loose indoor clothes, where a VR headset appears only after the match cut and is pulled off in one clear motion.
ENVIRONMENT: Frozen wilderness under hard daylight, wind dragging snow across blue-white ice, then a modest lived-in home reached through a precise visual match. Winter glare and visible breath give way to soft clutter, indoor daylight, and a faint game-lit glow.
MOOD: Visceral survival tension snaps into grounded reality without breaking physical continuity.
COLOR LOGIC: Naturalistic Film Print Emulation

TIMELINE:
0:00-0:07: One unbroken handheld move, WS collapsing into MCU as the woman backpedals across the ice and the bear launches through blowing snow. The camera runs beside the leap at eye level, 28mm shifting to 35mm, slightly unstable and close enough to keep both bodies heavy and readable. The bear closes fast while she plants, recoils, and keeps the blade between them. SFX: (howling wind, boots grinding ice, low animal roar, cloth strain, blade cutting air, snow scrape). Hard winter sun side-lights the ice and throws sharp blue shadows.
0:07-0:11: Same unbroken move, no cut, tightening into a dead-on CU as the bear surges into the last inches, claws near her shoulders, jaws filling the frame edge. Right in the middle of the attack, a man's voice calls, Karla... then sharper, KARLA. She answers with a tired off, and on that reaction the world drops into slow motion. Snow drifts almost still, the bear hangs in its strike, and only she keeps moving at normal speed as the camera orbits into her face. Bored, not afraid, she drops the sword and brings both empty hands toward her temples in one smooth interrupt gesture. No headset, visor, or device is visible in the frozen world. Stay continuous until the match cut, keeping the same face size, hand height, head angle, lens distance, and clockwise drift. SFX: (cloth strain building to near impact, a man's voice calling Karla... KARLA, her tired off, then stretched wind fading toward silence). Hard winter sun catches the slowed snow around her face.
0:11-0:15: MATCH CUT. CU to MS. Seamless mid-motion transition as her rising hands cross the same screen position and the frozen close-up becomes the home interior with the same framing and clockwise drift. The motion continues uninterrupted, and now a VR headset is visibly strapped over her eyes for the first time. She grips both sides, pulls it fully off her face, and the camera opens into a medium shot as she drops it above her forehead and steps into a small living room in loose home clothes. The handheld orbit continues, revealing couch edges, scattered blankets, and cold window light as her posture falls into mild annoyance. She turns toward the voice, rolls her eyes upward, and says, What is it. 35mm natural lens, spherical. SFX: (headset strap stretch, plastic rub, quiet room tone, socked foot scrape, faint game audio, her breath settling, her dry voice saying What is it). Indoor daylight replaces the winter contrast.

Am besten mit: Kling 4.0 (Match-Cut-/Keyframe-Modus)

Warum effektiv: Das Prompt ist in beschriftete Sektionen gegliedert — Format, Subjekte, Environment, Mood, Farb-Logik und eine sekundengenaue Timeline mit SFX-Vorgaben pro Abschnitt. Es zeigt die neue Prompt-Schule für Videomodelle: strukturierter Drehplan statt Fließtext-Beschreibung.

Quelle: https://github.com/kingvid-ai/awesome-kling-4-prompts | Original: https://kling.ai/release-note/release-notes/Kling_4?type=dialog

Community Resonanz: Das Beispiel gilt als der Beweis-Prompt für Kling 4.0s Match-Cut-Fähigkeit; die Galerie adaptiert das Schema für Storyboard- und Multi-Character-Szenen.

3. Opus 5.5: Motion-Graphics-Showreel in einem Satz

Prompt (vollständig, kopierbar):

make a dynamic 15-second motion graphics video that shows what an incredible motion designer you are, like it's your showreel for a résumé. go all out

Am besten mit: Claude Opus 5.5 (Video-/Agent-Modus)

Warum effektiv: Ein einziger, absichtlich untertreibender Satz — kein Format, keine Ebenen — und genau darin liegt der Trick: Das Modell darf das Ziel selbst definieren und liefert ein komplettes 15-Sekunden-Reel als Canvas-Animation. Beispiel dafür, wie viel Staging Opus 5.5 aus minimaler Richtung inferiert.

Quelle: https://github.com/yihui-dev/awesome-opus5-5-videos | 1.157 ★ (GitHub, heute getrendet)

Community Resonanz: Die Sammlung dokumentiert virale X-Videos samt der Prompts dahinter und wächst täglich; sie ist heute erneut unter den GitHub-Trendings.

🧠 TOP 3 NEUE TECHNIKEN

1. Prompt-Cache-Strukturierung („Static first, dynamic last")

Zusammenfassung: Anfragen so anordnen, dass stabile Inhalte (Systemprompt, Regeln, Projekt-Kontext) ganz am Anfang stehen und dynamische Inhalte (Nutzernachricht, Task) ans Ende — der Cache-Präfix bleibt identisch und wird wiederverwendet.

Erklärung: Beim Inferencing legt der Provider KV-Zustände des Prompt-Präfixes an; beginnt eine neue Anfrage mit demselben Präfix, wird der Prefix aus dem Cache gelesen — meist um eine Größenordnung günstiger. Das Open-Source-IDE Forge ordnet deshalb jede Anfrage nach dem Stabilitätsprinzip um und erreicht damit 99 %+ Cache-Hit-Ratio, wo Top-Harnesses bei ~90 % liegen. Konkret heißt das: Systemprompt und AGENTS.md vor Repository-Kontext, Repository-Kontext vor der aktuellen Aufgabe.

Beispielprompt:

[System: Projektregeln, Styleguide, Tool-Kontrakte — stabil, bleibt über alle Requests identisch]
[AGENTS.md / CLAUDE.md: Konventionen des Repos — stabil]
[Repo-Kontext: Dateien, offene Aufgaben — semistabil]
[Nutzernachricht: "Fix the failing test in payments" — dynamisch, immer zuletzt]

Geeignet für: Alle Agenten-Stacks — Claude Code, Forge, Gemini, eigene Harnesses mit API-Zugriff

Ursprung: https://www.mohitranka.com/blog/how-forge-structures-requests-for-prompt-cache-reuse/

Warum heute wichtig: Gemini 4 Argon setzt Cached Input auf 95 % Rabatt auf den Input-Preis ($2/Mio Input, $10/Mio Output) — Cache-disziplinierte Prompts sind damit kein Nischen-Thema mehr, sondern der größte Kostenhebel für Agenten-Workflows.

2. „Prompts are not Guardrails" — Regeln in Tools verlagern

Zusammenfassung: Kritische Verbote gehören nicht (nur) als ALL-CAPS-Zeilen in den Systemprompt, sondern in ausführbare Checks, die das Modell physisch stoppen können.

Erklärung: Ein LLM ist ein probabilistischer Token-Generator — „NEVER PUSH TO MAIN" in AGENTS.md hält statistisch irgendwann nicht stand. Der Gegenentwurf von Sarah Deaton: die Regel in ein Tool verlagern, das jede Verletzung zählt, und das Ziel auf Null Verletzungen setzen; erst der Merge-Block durch CI macht die Regel garantiert. Das gestern gestartete RuleReceipt setzt genau dort an und prüft komplette Agent-Sessions gegen die eigenen Regeln.

Beispielprompt:

ALWAYS FOLLOW THE STYLE GUIDE!
Never make an unsigned commit.
Do NOT push to main. NEVER PUSH TO MAIN.

Geeignet für: Alle Coding-Agenten mit CLAUDE.md/AGENTS.md (Claude Code, Codex, Cursor)

Ursprung: https://sdeaton.com/blog/prompts-are-not-guardrails/ · Tool: https://github.com/rulereceipt/rulereceipt

Warum heute wichtig: Mit Agenten, die Stunden autonom arbeiten (Opus 5.5, Argon), entscheidet nicht der Tonfall im Prompt über Sicherheit, sondern ob es einen Mechanismus gibt, der das Falsche unmöglich macht — RuleReceipt landete gestern auf Hacker News.

3. jtoken — JSON-Kompression für LLM-Prompts

Zusammenfassung: JSON vor dem Prompting komprimieren — Syntax-Noise raus, wiederholte Booleans und Nulls zu Summary-Zeilen kollabieren — gleiche Daten, deutlich weniger Tokens.

Erklärung: jtoken entfernt Klammern, Anführungszeichen und Kommas, fasst gleichartige Werte zusammen und hält die Originalwerte in einem Sidecar-Kontext für verlustfreies Zurückübersetzen. Insbesondere große API-Responses, Elasticsearch-Hits und Mongo-Dumps schrumpfen so auf einen Bruchteil, bevor sie in den Kontext wandern.

Beispielprompt:

echo '{"name": "Alice", "active": true}' | jtoken encode
# → name: Alice
#   trues: active
# (decodierbar via: echo 'name: Alice\ntrues: active' | jtoken decode)

Geeignet für: Alle LLMs, vor allem bei JSON-lastigen Agent-Kontexten (API-Workflows, Log-Analyse)

Ursprung: https://github.com/HermannSamimi/jtoken · https://pypi.org/project/jtoken/

Warum heute wichtig: Mit Ausgabepreisen von $10 pro Million Tokens wird Kontext-Ökonomie zum Kostenfaktor Nummer eins — komprimierte Kontexte sparen bei jedem einzelnen Agenten-Request bares Geld.

🏆 Highlight des Tages

Gemini 4 Argon — Google DeepMinds neues Frontier-Modell, gestern angekündigt, heute mit 1.369 Punkten und 878 Kommentaren auf Hacker News. Argon trägt mit 1 Million Token Output Lang-Horizont-Workflows in echtem Software-Engineering, Unternehmens-Wissensarbeit (Legal, Finance) und Cybersecurity-Verteidigung aus; der Rollout startet über das Fairwind-Programm für vertrauenswürdige Cyber-Verteidiger, Preise: $2/Mio Input, $10/Mio Output, Cached Input 95 % rabattiert.

Interne Google-Resultate zeigen, was Lang-Horizont-Prompting bedeutet: Argon-Agenten befreiten 300 TiB Speicher über Telemetrie-Analyse, migrieren 800K+ Zeilen des Fuchsia-Zircon-Kernels von C/C++ nach Rust und machten libgav1 als Speicher-sicheren Decoder 2,7x schneller. Für Prompt-Praktiker ändern sich zwei Dinge: Prompt-Gerüst und Task-Listen werden mehrstufig planbar, und Cache-Strukturierung (siehe Technik 1) wird mit 95 % Input-Rabatt direkt belohnt.

Prompt-Gerüst für Lang-Horizont-Aufgaben (an Argon-ähnliche Modelle):

You are working a long-horizon task. Maintain a running task list.
Phase 1: Audit the codebase and write findings to audit.md.
Phase 2: Propose a migration plan and stop for approval.
Phase 3: Execute in small, verifiable commits; run tests after each.
If blocked, record the blocker in task-list.md and continue with the next open item.

Quelle: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/ | 1.369 Upvotes (HN: https://news.ycombinator.com/item?id=49913571)

📰 Erlesene Artikel & Ressourcen

Bericht erstellt am 1. Oktober 2026 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs