📅

Prompta.ch — Daily Prompt Intelligence Report

🏆 Highlight

### LEGO aus dem Prompt: Open-Source-Agent baut physisch korrekte LEGO-Modelle in LDraw Show HN von gestern Abend (113 Punkte): ldraw-nova ist eine Docker-Web-App, die einem Agenten Werkzeuge, Beispiele und Anleitungen an die Hand gibt, damit er echte LEGO-Modelle aus echten LDraw-Teilen konstruiert — mit Kollisions- und Lücken-Checks, headless Rendering zur Selbstkontrolle und VR-Ansicht a...

Prompta.ch — Daily Prompt Intelligence Report

Tagesbericht vom 03.10.2026 — recherchiert über Hacker News, GitHub, ArXiv und Tech-Blogs.

🔤 TOP 3 PROMPTS — Textgenerierung

1. Ein Satz, ein Spielmod: GTA V bekommt Minecraft per Prompt

Prompt (vollständig, kopierbar):

Mod Terraria: add a homing missile launcher and a tactical nuke that craters the world. Make the sprites with fal.

Make a new civilization for Age of Empires II with a unique unit rendered from 3D.

Put real Minecraft inside GTA V story mode. Minecraft's camera should follow GTA's, and its TNT should blow up GTA cars.

Am besten mit: Claude Code, Codex, Cursor, Gemini CLI oder OpenCode (mit universal-modder-Plugin und fal MCP für Sprites, 3D und Sound)

Warum effektiv: Die Prompts sind als Ergebnis-Briefs geschrieben — was am Ende im Spiel passieren soll —, nicht als Technik-Anweisung. Der Agent muss selbst herausfinden: welches Spiel, welche Engine, welche Mod-Route; echten Spielcode lesen, den Mod bauen, Assets mit fal generieren, im laufenden Spiel testen — und was er gelernt hat, als „Field Notes" in die Knowledge Base für den nächsten Agenten schreiben.

Quelle: https://github.com/rehan-remade/universal-modder | 2.292 GitHub-Sterne (Trending, neu)

Community Resonanz: In unter einer Woche zu einem der am schnellsten wachsenden Agent-Projekte auf GitHub geklettert; der Teaser zeigt eine taktische Atombombe in Terraria und Robotaxis in Age of Empires II.

2. Phase-0-Recon: Kartieren statt jagen

Prompt (vollständig, kopierbar):

# Phase 0: Lightweight Surface Map

## Purpose

Build the minimum unauthenticated map required by P01 and P02. Do not hunt vulnerabilities, validate secrets, scan infrastructure broadly, or write reports. Later phases own vulnerability testing. Prefer a small accurate map to an exhaustive wildcard inventory.

## Target and tracking

- **Domain**: {{target}}
- **Scope**: {{scope}}

Rules: stay on `$YOUR_RESEARCH_HOST`; use only supplied scope and workspace; never add custom or researcher headers; never validate a suspected vulnerability; never write `reports/` or `dig/`; release browser leases; record candidates for P02; do not connect to VNC.

Am besten mit: Claude Code oder Codex (Agent mit Bash- und Browser-Zugriff, eigene Helper-Umgebung)

Warum effektiv: Das Prinzip ist „eine Phase, ein Ziel": Recon darf nur kartieren, nicht jagen. Jedes explizite Verbot — keine Secret-Validierung, keine Breitband-Scans, keine Reports, kein VNC — verhindert, dass der Agent in Phasen abdriftet, die anderen Prompt-Dateien gehören. Deadline-Vertrag und Phase-Handoffs machen den 14-Phasen-Workflow reproduzierbar.

Quelle: https://github.com/mdpsec/bug-bounty-hunting-prompts | 44 GitHub-Sterne (neu)

Community Resonanz: Öffentliche Referenzversion eines echten privaten Hunting-Workflows; der Autor (@mdp_sec) betont ausdrücklich: nur autorisierte, in-scope Assets, keine Secrets im Repo — die Prompts sind bewusst nicht ohne eigene Anpassung lauffähig.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. Die prähistorische Insel: eine komplette 3D-Welt in einer einzigen HTML-Datei

Prompt (vollständig, kopierbar):

Create a beautiful, highly detailed, fully interactive 3D prehistoric island using Three.js and WebGL. Deliver everything in a single standalone HTML file that opens directly in Chrome. Embed assets wherever possible.

VISUAL DIRECTION
Build a large, rounded island surrounded by an ocean with a transparent underwater cross-section. The result should feel like a premium miniature world: lush vegetation, expressive dinosaurs, rich materials, atmospheric lighting, and polished animation. Use a cohesive, stylized art direction rather than basic geometric shapes.
ISLAND
Create varied terrain with beaches, rocky cliffs, dense prehistoric forests, giant ferns, a waterfall, a freshwater pond, and a volcano. Add a small research station, wooden walkways, observation platforms, supply crates, and dinosaur nests. Make the island spacious enough for dinosaurs to move naturally between distinct areas.

WATER CROSS-SECTION
The water must form a deep, rounded volume around the island, with clearly visible underwater scenery through its sides. Include a textured seabed, rocks, aquatic plants, fish, bubbles, and a green marine reptile swimming beneath the surface. Do not place ordinary land dinosaurs underwater, and do not add a submarine.
Use animated waves, Fresnel reflections, underwater light patterns, shoreline foam, and splashes. Avoid transparency sorting artifacts and visible gaps between the island and water.

DINOSAURS
Include several distinct species, such as a long-necked sauropod, Triceratops, Stegosaurus, a large theropod, and smaller herd animals. Add pterosaurs circling overhead.
Give every species recognizable anatomy, shaped bodies, articulated limbs, detailed heads, tails, and appropriate skin patterns. Avoid assembling the finished dinosaurs from obvious boxes or disconnected spheres.

NATURAL ANIMATION
Use hierarchical skeletons with correctly positioned joints. Walking must have distinct stance and swing phases: feet stay planted during contact and lift cleanly during each step. Match stride length to movement speed.

Use terrain sampling and inverse kinematics to keep feet on the ground. Add weight shifts, subtle body movement, balanced tail motion, head turns, and breathing. Dinosaurs must never float, slide, intersect the ground, or walk through buildings, rocks, trees, or each other.
Use obstacle avoidance and safe paths. Different species should have different movement speeds, gait patterns, and behaviors. Marine animals must face their direction of travel.

INTERACTION
Allow users to:

Rotate the camera freely, zoom, and inspect the underwater cross-section.
Select a dinosaur and follow it with a smoothly moving camera.

Place food in suitable locations and watch nearby dinosaurs approach and eat.

Trigger drinking, resting, calling, and herd movement.

Explore nests and watch a hatchling emerge.
Trigger a marine reptile surfacing with a splash.
Switch between daylight, sunset, and night.
Adjust rain, wind, and volcanic activity.
Pause the simulation and reset the scene.
Make every control produce a clear, visible response. Keep interactions repeatable and prevent overlapping animations from breaking character poses.
ATMOSPHERE AND AUDIO
Add moving foliage, drifting clouds, birds, insects, rain particles, and warm research-station lights at night. Include quiet atmospheric music and environmental sounds with a working music toggle and volume slider. Start audio only after user interaction.
INTERFACE
Use a compact, elegant interface with English labels. Keep the scene dominant and avoid large panels covering the island. Make the layout responsive for desktop and mobile.
TECHNICAL QUALITY
Use instancing for repeated vegetation and props, efficient geometry, appropriate shadows, and restrained post-processing. Balance visual richness with smooth real-time performance.
Build a complete scene, not a mockup. Test the final HTML directly in a desktop browser, inspect screenshots and the console, exercise every interaction, and fix loading errors, floating dinosaurs, foot sliding, broken collisions, water artifacts, and camera problems before delivery.

Am besten mit: Claude Opus 5.5 (effort xhigh) + Chrome — Three.js/WebGL, Single-File-HTML

Warum effektiv: Der Prompt ersetzt vages „mach es schön" durch pro Subsystem überprüfbare Anforderungen: Wasser mit Fresnel-Reflexionen, Querschnitt und Sortier-Artefakt-Verbot; Dinosaurier mit Hierarchie-Skeletten, Stand-/Swing-Phasen und IK-Bodenkontakt („must never float, slide, intersect the ground"); Interaktionen, die eine sichtbare Reaktion produzieren müssen. Die letzte Anweisung zwingt den Agenten zum Selbst-Test mit Screenshots und Console-Check vor der Abgabe.

Quelle: https://github.com/joeseesun/opus-video-prompts | 137 GitHub-Sterne (neu, 30.09.2026)

Community Resonanz: Die Sammlung zählt 54 Fälle mit direkt kopierbaren Prompts; das Schwestern-Repo awesome-opus5-5-videos steht parallel bei 1.485 Sternen — „3D scenes" ist dort mit 14 Beispielen eine eigene Kategorie.

2. Pixel-Art-Zauberer: 128×96-Raster, 24 Farben, null Allokation

Prompt (vollständig, kopierbar):

Create a single self-contained HTML file that renders an animated pixel art wizard casting a spell, using vanilla JavaScript and Canvas 2D. No external assets, libraries, or network requests.

RENDERING
- Draw everything to an offscreen canvas at a fixed logical resolution of 128x96, then blit to a fullscreen display canvas scaled by the largest integer factor that fits the window, centered, with imageSmoothingEnabled = false and CSS image-rendering: pixelated.
- All drawing snaps to integer coordinates on the logical canvas. No sub-pixel positions, anti-aliasing, gradients, or shadowBlur.
- Fixed palette of ~24 hex colors: deep blues/purples for night sky, warm robe tones, 3-4 bright magic colors. Every pixel comes from this palette.

CHARACTER
- Build the wizard procedurally from filled rects and pixel runs, ~24x32 logical pixels: pointed hat with a bend, long beard, two-shade robe with darker outline, staff with a gem at the tip.
- Parameterize the pose (staff angle, arm raise, head tilt, robe sway). Animate parameters smoothly, then quantize to the pixel grid each frame so motion reads at an 8-12 fps pixel animation feel even though the loop runs at 60fps.

ANIMATION
- Looping state machine: IDLE (2-frame bob, beard sway) -> CHARGE (staff raises, gem flickers, sparks spiral inward) -> CAST (bright burst, projectile fires across the scene, 1-2 pixel screen shake) -> RECOVER (settle back). Ease pose parameters between keyframes.
- Pooled allocation-free particle system: preallocate and reuse. Sparks orbit the gem during CHARGE, explode outward on CAST, each particle stepping its palette index from white to magic color to dark before despawn. Snap particle positions to the grid when drawing.
- Fixed 60hz timestep update with rAF rendering. Zero object allocation inside the loop.

SCENE
- Minimal background: dark sky, a few twinkling 1px stars, moon, stone floor line. Character silhouette must read clearly.
- Subtle 1px rim light on the wizard from the gem, brightening during CHARGE and CAST.

QUALITY BAR
- Crisp pixels at any window size, seamless loop, stable 60fps, readable silhouette. Should look like a polished 16-bit sprite animation, not vector shapes scaled down.

Am besten mit: Claude Opus 5.5 oder GPT-6 Astra — vanilla JavaScript + Canvas 2D, keine externen Assets

Warum effektiv: Der Prompt zeigt, wie man einen Stil technisch erzwingt, statt ihn nur zu beschreiben: festes logisches 128×96-Raster, Integer-Snapping, ~24-Farb-Palette, auf 8–12 fps quantisierte Animation bei stabilen 60fps und ein vorallokiertes, allocationsfreies Partikelsystem. Die Quality Bar („polished 16-bit sprite animation, not vector shapes scaled down") definiert das Anti-Pattern gleich mit.

Quelle: https://github.com/joeseesun/opus-video-prompts | 137 GitHub-Sterne (neu, 30.09.2026)

Community Resonanz: Pixel-Art per Code ist diese Woche eine der aktivsten Kategorien der Opus-5.5-Sammlungen — derselbe Prompt-Stil erzeugt lückenlose Loops ganz ohne Asset-Downloads.

🎬 TOP 3 PROMPTS — Videogenerierung

1. Austerlitz 1805: 4–5 Minuten Kino, komplett im Code gebaut

Prompt (vollständig, kopierbar):

Create a 4–5 minute cinematic video about the Battle of Austerlitz (1805), built entirely in code.

Research the battle thoroughly and decide for yourself how to tell the story, structure the pacing, explain the strategy, and visualize the events. I want it to be historically accurate, dramatic, easy to understand, and visually exceptional.

Use the attached paintings as visual inspiration, not a strict style requirement. I love their scale, atmosphere, smoke, dramatic skies, cavalry, massed formations, landscape, and sense of chaos. Find a way to translate that feeling into code — but if you can invent a stronger visual language, do it.

Don't make it feel like a generic infographic or strategy game. It should feel like a cinematic historical film that happens to be rendered with code.

You have complete creative control. Surprise me.

Am besten mit: Claude Opus 5.5 (effort xhigh) + angehängte Gemälde als Stilreferenz

Warum effektiv: Der Prompt delegiert Regie bewusst („decide for yourself how to tell the story, structure the pacing") und schließt gleichzeitig die zwei Standard-Fehler aus: Infographic-Look („Don't make it feel like a generic infographic or strategy game") und sture Kopie der Referenz („not a strict style requirement"). „You have complete creative control. Surprise me." ist die exakte Gegenformel zum Mikromanagement-Prompt.

Quelle: https://github.com/joeseesun/opus-video-prompts (Prompt Nr. 11) | 137 GitHub-Sterne

Community Resonanz: Historische Code-Kinofilme gelten in der Community als Beweis, dass Ein-Satz-Prompts ganze Regieaufgaben übernehmen können; die Sammlung führt das Beispiel unter den Langform-Fällen.

2. Der 30-Sekunden-Explainer fürs eigene Business

Prompt (vollständig, kopierbar):

Adopt the role of an expert motion designer. Build a 30-second animated explainer for my business as a single HTML page. 5 scenes. The customer's problem, what I do, how it works in 3 steps, one proof point, and my name at the end. Bold text, smooth transitions, my brand colours. My business [DESCRIBE WHAT YOU SELL, WHO IT'S FOR AND YOUR COLOURS]

Am besten mit: Claude Opus 5.5 — Ausgabe als einzelne HTML-Seite

Warum effektiv: Ein ausfüllbares Template mit fester Dramaturgie in fünf Szenen: Problem → Leistung → 3 Schritte → Beweispunkt → Name. Rollenzuweisung („Adopt the role of an expert motion designer") plus genau ein Platzhalter in eckigen Klammern — in 30 Sekunden angepasst, liefert der Prompt einen fertigen Single-HTML-Explainer.

Quelle: https://github.com/joeseesun/opus-video-prompts (Prompt Nr. 07) | 137 GitHub-Sterne

Community Resonanz: Das Template steht in der Sammlung direkt neben Varianten für Cocktail-Rezeptgrafiken und Erklärvideos mit TTS — die Erklär- und Marketing-Kategorie zählt 16 Fälle.

3. High-End-Produktfilm mit echtem Footage (1920×1080)

Prompt (vollständig, kopierbar):

<inputs>
Ask me for: the product name and a one-line promise, 3 to 5 UI moments to show, one accent color, 10 to 20 real vertical clips I own, and a royalty-free song with a clear drop (e.g. Mixkit, free for commercial use).
</inputs>
<direction>
High-end minimal. One idea per shot, lots of empty space, one accent color, one clean sans (Geist or Inter) with tight tracking. Masked type reveals, match cuts, one smooth camera language. Real footage only, never placeholder cards. No full stops in on-screen text.
Banned: shockwave rings, particle bursts, RGB split, camera shake, lens flares, neon glows, grid floors, flashing backgrounds, bouncy easing.
</direction>
<structure>
10 bars at 120 BPM, 2 seconds each.
Bar 1: the hook lands word by word on the beats.
Bar 2: one hook word morphs into the product UI. A cursor types and clicks.
The drop: a circle opens out of the button into a dark scene.
Then one move per bar: a wall of real clips with a scan line and 3 winners, the key output as big type, a 3D carousel of real videos with floor reflections and a motion-blurred whip onto one hero clip, the hero in a phone next to a panel that flips into results, big stats on push cuts, a 3-word ticker, a logo reveal, a fade to black.
</structure>
<build>
1. One HTML file at 1920x1080. Every style is computed from time inside seek(t): no CSS animations, no timers, no state between frames.
2. Real video: extract clips to 30fps JPEG sequences with ffmpeg and swap img sources per frame. seek awaits the image decodes.
3. Analyze the song with numpy: tempo, beat grid, energy per bar, the drop. Calibrate the grid to the real kick hits. Every cut sits on a downbeat, every UI hit on a beat.
4. Render with Playwright: 3 subframes per frame at t minus, at, and plus 1/240s, then blend with ffmpeg tmix for real motion blur at 60fps.
5. Place each sound effect so its measured peak, not its file start, lands on the event. Keep the effects quiet under the music. Loudnorm to -14 LUFS.
6. Probe 20 or more frames before the full render. Fix anything cluttered, overlapping or hard to read.
</build>
<gotchas>
Never set opacity or filter on a preserve-3d element, because it flattens and both faces show. Fade its wrapper instead. Measure element positions at runtime for match cuts. Only use music and sound effects whose license allows commercial use.
</gotchas>
<start>
Ask me for the inputs, then show me a storyboard with every timing on the beat grid before you write any code.
</start>

Am besten mit: Claude Opus 5.5 + 10–20 eigene Vertikal-Clips + lizenzfreie Musik mit klarem Drop (z. B. Mixkit)

Warum effektiv: Ein Produktions-Drehbuch auf Beat-Grid-Basis: 10 Takte à 2 Sekunden, jeder Schnitt auf einem Downbeat, Soundeffekte nach gemessenem Peak platziert, Motion Blur aus 3 Subframes per Playwright-Rendering, alles als reine Zeitfunktion in seek(t) — keine Timer, kein Zustand zwischen Frames. Die Banned-Liste (Shockwave-Ringe, Partikel-Bursts, Lens Flares …) verbietet exakt die Effekte, die generische KI-Videos erkennbar machen.

Quelle: https://github.com/joeseesun/opus-video-prompts (Prompt Nr. 16) | 137 GitHub-Sterne

Community Resonanz: Aus der Abteilung „professionelle Motion-Design-Templates"; die Community diskutiert diese Woche heiß, wie viel QA-Pipeline man um solche Prompts baut — ReelMimic (Technik 3) ist die Antwort auf genau diese Frage.

🧠 TOP 3 NEUE TECHNIKEN

1. Decision Models: System-1-Routing vor dem großen Modell

Zusammenfassung: Winzige Modelle beantworten Fragen, indem sie vorgegebene Optionen bewerten — statt Text zu generieren.

Erklärung: Ein Entscheidungsmodell liest den Input einmal und gibt immer eine der gestellten Optionen zurück, inklusive Wahrscheinlichkeit — ganz ohne Parsing, wie der neue llama.cpp-Blogpost erklärt. Die Infrastruktur dafür ist diese Woche komplett angekommen: llama.cpp unterstützt „Decision Models" nativ mit drei Fragetypen (choice, score, noul), Ollama unterstützt Jev-Style-Modelle seit dem 29.09., und firelex' offenes 0,8B-Modell „Jeff" (v1.2, 01.10., 1.336 Sterne) trifft mit LoRA-Adaptern 95,3 % der Entscheidungen korrekt bei 0,25 s pro Antwort — 38× schneller als ein 27B-Modell, das jede Entscheidung selbst trifft. Typische Jobs: Request-Routing, Moderation, Tool-Wahl, Grounding-Checks. OpenJev (27B) versteht dabei sogar Deutsch.

Beispielprompt:

curl http://localhost:8080/v1/systemone \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Customer message: I was charged twice for my order last week and nobody has replied.",
    "questions": {
      "route": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
          "billing": "payments, charges, refunds, invoices",
          "shipping": "delivery, tracking, lost or late parcels",
          "technical": "bugs, errors, login problems"
        }
      }
    }
  }'

Geeignet für: llama.cpp (Julia-1 144M, Laya 421M, Kev-4B, OpenJev 27B), Ollama, Jeff + Adapter (guard, triage, tools, spam)

Ursprung: https://huggingface.co/blog/ggml-org/decision-models-in-llamacpp (02.10.2026, 57 Upvotes)

Warum heute wichtig: MarkTechPost zeigt heute (03.10.), dass Meta, OpenAI und Uber Agenten das Sprechen beibringen — die eigentliche Entscheidung ist aber, wann ein Agent schweigt. Genau solche Millisekunden-Entscheidungen sind der Job von System-1-Modellen; Sean Goedecke argumentiert parallel, dass System-One-Modelle sogar ihre eigenen Nachfolger trainieren können.

2. Gacha Decoding: Diversität durch Würfel statt Entropie

Zusammenfassung: Diversität als Instruction-Following: Das Modell listet semantische Entscheidungen und Optionen auf — ein externer Zufallsgenerator wählt aus, die Variation verdichtet sich kombinatorisch.

Erklärung: Statt auf Token-Entropie zu hoffen, zerlegt der Harness die Aufgabe in semantische Entscheidungen (Setting, Protagonist, Konflikt, Twist, Ton). Das LM enumeriert für jede Entscheidung plausible, unterscheidbare Optionen; ein externer RNG wählt eine aus; und jede Wahl konditioniert die Optionslisten aller folgenden Entscheidungen. Die Autoren (University of Washington) nennen das „planning with dice" und „autoregressive generation lifted from tokens to ideas". Ergebnis: bis zu 2,4× Vendi-Diversität bei gleicher Qualität und 11× weniger Samples für gleich viele hochwertige Modi — Diversität bleibt selbst unter Greedy-Decoding erhalten, weil sie nicht von der Sampling-Temperatur, sondern von Instruction-Following-Fähigkeit kommt.

Beispielprompt:

Task: Write a short story (about 500 words).

1. Identify the sequence of semantic decisions that will shape this story
   (e.g. setting, protagonist, conflict, twist, tone).
2. For the next undecided element, enumerate 6 plausible, distinct options.
3. Roll an external RNG (e.g. dice) to pick one option. Record the choice.
4. Re-enumerate options for the next element, conditioned on every choice
   made so far. Roll again. Repeat until the plan is complete.
5. Write the story, faithfully executing the randomized plan.

Geeignet für: jedes Frontier-Modell als leichter Harness — laut Papier um jedes bestehende LM herum implementierbar

Ursprung: https://arxiv.org/abs/2610.01382 (01.10.2026, University of Washington)

Warum heute wichtig: Die Opus-5.5-Video-Prompt-Sammlungen zeigen das Problem täglich: Gleiche Prompts, gleich aussehende Videos. „Planning with dice" ist die strukturierte Gegenmaßnahme — und funktioniert ausgerechnet dort, wo klassische Diversität zusammenbricht: bei greedy decoding, also Temperatur 0.

3. ReelMimic: Stil aus dem Referenzvideo reverse-engineeren

Zusammenfassung: Ein Referenzvideo wird in Shot-Count, BPM, Transitions, Farben, Framing und Kamerabewegungen zerlegt — der neue Film entsteht nach exakt diesem Bauplan.

Erklärung: ReelMimic analysiert zuerst, wie das Vorbild gemacht ist — Schnitt-Rhythmus, Shot-Längen, BPM, Transitions, Farben, Framing, Kamera —, zeigt dann einen Plan (Storyboard, Charaktere, Assets, Style-Frames) zur Freigabe und produziert danach mit bis zu 6 Agenten parallel. Jeder fertige Shot geht zur Prüfung an einen anderen Agenten („nobody grades their own work"), jeder Fix braucht Vorher/Nachher-Screenshots als Beweis. Stile sind reine Markdown-Dateien; gebaut wird 2D-only mit sieben Zeichen-Engines (Vektor/Motion-Graphics, handgemalte Watercolor, Crayon, Pixel-Art, Paper-Cutout, Whiteboard, Anime-Cel) — komplett lokal über Claude Code oder Codex.

Beispielprompt:

Reference: [drop a video you love — file, recording or YouTube link]
Goal: a new 30-second music video about [YOUR THEME], same style and rhythm.

1. Break the reference down first: shot count, shot lengths, BPM,
   transitions, colors, framing and camera moves. Show me the analysis.
2. Show me the plan before building anything: storyboard, characters,
   assets and a few style frames. Wait for my approval.
3. Build it in the reference's editing rhythm — but my own characters,
   scenes and story. Every finished shot goes to a separate reviewer
   agent; every fix needs before/after screenshots.

Geeignet für: Claude Code oder Codex CLI (lokal; Node 22.18+, Python 3.10+, FFmpeg, Chrome)

Ursprung: https://github.com/edenfunf/reelmimic | 996 GitHub-Sterne (neu, heute trending)

Warum heute wichtig: Der Video-Trend der Woche — Code-generierte Filme per Ein-Satz-Prompt — wird hier vom Einzelfall zur reproduzierbaren Pipeline mit eingebauter QA: 30–60-Sekunden-Videos in 1–3,5 Stunden Laufzeit, Demos wie „Sugar Rush" (hand-painted, 58 s) inklusive.

🏆 Highlight des Tages

LEGO aus dem Prompt: Open-Source-Agent baut physisch korrekte LEGO-Modelle in LDraw

Show HN von gestern Abend (113 Punkte): ldraw-nova ist eine Docker-Web-App, die einem Agenten Werkzeuge, Beispiele und Anleitungen an die Hand gibt, damit er echte LEGO-Modelle aus echten LDraw-Teilen konstruiert — mit Kollisions- und Lücken-Checks, headless Rendering zur Selbstkontrolle und VR-Ansicht auf Meta Quest 3. Der entscheidende Trick laut README: Agenten scheitern an Geometrie-Mathematik, also generieren sie Python-Code, der die Mathematik macht, statt die Mathematik selbst zu machen. Heraus kommt „ein Agent, der einen Generator erstellt, der ein 3D-Modell in einer Assembler-artigen Sprache produziert": LDraw-Quelltext (.mpd), Blender-editierbare .glb-Dateien, Pläne, Teilelisten (BOM) und geprüfte Preview-Bilder. GPT-6 Astra und Claude Opus 5.5 haben das Tooling laut Autor selbst vibe-gecodet.

Prompt (vollständig, kopierbar):

# Generate and verify a new LDraw model

Create the model the user requests and deliver its editable `.mpd`, reproducible source plans/generator, checks, BOM and reviewed previews. Match the requested subject, scale, palette, features and complexity. Make visual quality an explicit design objective: recognizable proportions, a controlled palette, depth, coherent details and a readable focal feature. Geometric correctness alone does not complete the task. For a large model, divide it into modules and finish them in stages. Do not silently reduce a requested detailed scene to a few bricks. When no subject is supplied, choose a recognizable subject and state its scope briefly.

Work through design, construction, checks, repair, rendering and delivery. Correct syntax, a plausible picture and a connected-component result are separate kinds of evidence; none alone proves physical buildability.

Am besten mit: GPT-6 Astra oder Claude Opus 5.5 + Docker (jev-rerank-Semantiksuche optional mit TypeSafe-API-Key, sonst FTS-Fallback)

Warum effektiv: Der Prompt ist ein kompletter Bau-Vertrag: Ergebnisliste (mpd, Pläne, Checks, BOM, Previews), explizite Qualitätskriterien (Proportionen, kontrollierte Palette, lesbares Fokus-Feature), Modularitätsregeln für große Modelle und ein Evidenz-Dreieck — korrekte Syntax, plausibles Bild und Zusammenhang sind drei getrennte Beweise, keiner allein belegt physische Baubarkeit. Die Klausel „Do not silently reduce a requested detailed scene to a few bricks" ist als Anti-Faulheits-Regel auf jeden Generierungs-Prompt übertragbar, der Detailtreue verspricht.

Quelle: https://github.com/anteloc/ldraw-nova | 113 Upvotes (Hacker News, Show HN vom 02.10.2026, 44 Kommentare)

📰 Erlesene Artikel & Ressourcen

Bericht erstellt am 03. Oktober 2026 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs