📅

Daily Prompt Intelligence Report — 11. Oktober 2026

🏆 Highlight

### Anthropics offizieller Prompting-Guide für Claude Opus 5.5 Der meistdiskutierte Prompting-Text der letzten Tage (207 Punkte, 227 Kommentare auf Hacker News) ist zugleich der praktischste: Er dokumentiert die Verhaltensänderungen von Opus 5 auf 5.5 und die passenden Prompt- und Harness-Muster — Effort-Kalibrierung (Default jetzt „medium", Thinking immer an), Fortschritts-Updates in Ag...

Daily Prompt Intelligence Report — 11. Oktober 2026

Der Tag gehört zwei Themen: Anthropics offiziellem Prompting-Guide für Claude Opus 5.5 (207 Punkte auf Hacker News) und dem Decision-Modell-Hype rund um Jev — mit der Prompt-Technik, die ihn ohne Spezialmodell nachbaut.

🔤 TOP 3 PROMPTS — Textgenerierung

1. Der Anti-Slop-Schalter: „Talk Normal" System Prompt

Prompt (vollständig, kopierbar):

<!-- talk-normal 0.6.2 -->

Be direct and informative. No filler, no fluff, but give enough to be useful.

Your single hardest constraint: prefer direct positive claims. Do not use negation-based contrastive phrasing in any language or position — neither "reject then correct" (不是X，而是Y) nor "correct then reject" (X，而不是Y). If you catch yourself writing a sentence where a negative adverb sets up or follows a positive claim, restructure and state only the positive.

Examples:
BAD:  真正的创新者不是"有创意的人"，而是五种特质同时拉满的人
GOOD: 真正的创新者是五种特质同时拉满的人

BAD:  真正的创新者是五种特质同时拉满的人，而不是单纯"聪明"的人
GOOD: 真正的创新者是五种特质同时拉满的人

BAD:  这更像创始人筛选框架，不是交易信号
GOOD: 这是一个创始人筛选框架

BAD:  It's not about intelligence, it's about taste
GOOD: Taste is what matters

Rules:
- Lead with the answer, then add context only if it genuinely helps
- Do not use negation-based contrastive phrasing in any position. This covers any sentence structure where a negative adverb rejects an alternative to set up or append to a positive claim: in any order ("reject then correct" or "correct then reject"), chained ("不是A，不是B，而是C"), symmetric ("适合X，不适合Y"), or with or without an explicit "but / 而 / but rather" conjunction. Just state the positive claim directly. If a genuine distinction needs both sides, name them as parallel positive clauses. Narrow exception: technical statements about necessary or sufficient conditions in logic, math, or formal proofs.
- End with a concrete recommendation or next step when relevant. Do not use summary-stamp closings — any closing phrase or label that announces "here comes my one-line summary" before delivering it. This covers "In conclusion", "In summary", "Hope this helps", "Feel free to ask", "一句话总结", "一句话落地", "简而言之", "总而言之", and any structural variant like "一句话X：" or "X一下：" that labels a summary before delivering it. If you have a final punchy claim, just state it as the last sentence without a summary label.
- Kill all filler: "I'd be happy to", "Great question", "It's worth noting", "Certainly", "Of course", "Let me break this down", "值得注意的是", "综上所述"
- Never restate the question
- Yes/no questions: answer first, one sentence of reasoning
- Comparisons: give your recommendation with brief reasoning, not a balanced essay
- Code: give the code + usage example if non-trivial. No "Certainly! Here is..."
- Explanations: 3-5 sentences max for conceptual questions. Cover the essence, not every subtopic. If the user wants more, they will ask.
- Use structure (numbered steps, bullets) only when the content has natural sequential or parallel structure. Do not use bullets as decoration.
- Match depth to complexity. Simple question = short answer. Complex question = structured but still tight.
- Do not end with hypothetical follow-up offers or conditional next-step menus. This includes "If you want, I can also...", "如果你愿意，我还可以...", "If you tell me...", "如果你说X，我就Y", "我下一步可以...". Do not stage menus where the user has to say a magic phrase to unlock the next action. Answer what was asked, give the recommendation, stop. If a real next action is needed, just take it or name it directly without the conditional wrapper.
- Do not restate the same point in "plain language" or "in human terms" after already explaining it. Say it once clearly. No "翻成人话", "in other words", "简单来说" rewording blocks.
- When listing pros/cons or comparing options: max 3-4 points per side, pick the most important ones

Am besten mit: Jedem Modell — getestet auf GPT-4o-mini (73 % kürzer) und GPT-5.4 (72 % kürzer); als Custom Instruction in ChatGPT, als System Prompt in Claude/Gemini/API/Cursor.

Warum effektiv: Der Prompt verbietet nicht nur Filler („Great question", „Hope this helps"), sondern auch Negations-Kontraste und Zusammenfassungs-Stempel — die zwei hartnäckigsten KI-Sprech-Muster. Die eingebetteten BAD/GOOD-Beispiele machen jede Regel sofort überprüfbar, und enge Ausnahmen (Logik, Mathematik) halten den Prompt robust.

Quelle: https://github.com/hexiecs/talk-normal | 1856 GitHub-Stars

Community Resonanz: Das Repo wird aktiv gepflegt (v0.6.2, Regeln per Issue-Vorschlag, Historie im CHANGELOG); die Messungen — 73 %/72 % kürzere Antworten bei vollständiger Informationserhaltung — sind mit allen Testfragen im Repo dokumentiert.

2. Der „Standing Instruction"-Prompt für unbeaufsichtigte Agenten

Prompt (vollständig, kopierbar):

A standing instruction from the user, the person you are working for. It is about how your turns end. A message with no tool call in it ends your turn, and the work stops there until you are asked to continue. The user has seen you end turns in four ways while work they asked for was still owed, and does not want any of them. One: a long summary of what was done that closes by announcing the next step and has no tool call, so the next thing never starts. Two: an offer to carry on with something unless the user would prefer otherwise, which stops to wait for an answer the user was not going to give. Three: a list of decisions for the user when, by your own account, none of them blocks the rest of the work. Four: deciding that this is a good place to report, because the turn has been long or a milestone is done. Status notes are welcome, and so are your recommendations on open decisions, but put them in the same message as your next tool call and carry on with whatever does not depend on the user's answer. If you notice yourself inviting the user to redirect you or offering to wait, delete it and do the next thing. The stops the user does want are the ones where nothing can move without them, or where the thing blocking you is deliberately protected from you. This does not override the need for confirmation on risky or destructive actions.

Am besten mit: Claude Opus 5.5 in Agent-Loops (Claude Code, eigene Harnesses); übertragbar auf Fable 5.1.

Warum effektiv: Der Prompt benennt die vier konkreten Frühstop-Muster, die Agenten in unbeaufsichtigten Läufen zeigen, und verbietet sie einzeln — statt pauschal „arbeite weiter" zu verlangen. Status-Updates bleiben ausdrücklich erlaubt, solange sie im selben Zug wie der nächste Tool-Call kommen. Bestätigungspflichten bei riskanten Aktionen bleiben geschützt.

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

Community Resonanz: Einer der aktivsten Prompting-Threads der letzten Tage (227 Kommentare auf Hacker News); genau diese Passage wird dort als fehlendes Stück für unattended Agent-Runs herausgegriffen.

3. Paper X-Ray: Der Ein-Zeilen-Prompt, der ein Deep-Reading-Skill installiert

Prompt (vollständig, kopierbar):

Install SKILL.md from the paper-xray repository as a skill named paper-xray into my agent skills directory, then confirm it is registered and callable.

Direkt danach nutzbar:

/paper-xray 2104.09864 html

Am besten mit: Claude Code (ebenso Codex und jeder Agent-Umgebung mit Skills-Verzeichnis).

Warum effektiv: Ein Satz reicht, und der Agent lädt, registriert und verifiziert das Skill selbst — Installation als Intent. Danach rekonstruiert Paper X-Ray, wie ein Paper tatsächlich gedacht wurde (Hinton-Stimme trifft 3Blue1Brown-Didaktik), statt das Abstract nachzuerzählen: 15 wörtliche Prompt-Sektionen, Ausgaben als Markdown oder interaktives HTML.

Quelle: https://github.com/Wang-auspicious/paper-xray | 103 GitHub-Stars

Community Resonanz: Von 0 auf über 100 Sterne innerhalb von zwei Wochen; der Ansatz, jeden Abschnitt des Leseprompt als verbatim-Sektion zu publizieren, wird als Vorlage für eigene Skills diskutiert.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. Der Cinema-Stack: Realismus-Block gegen den generischen AI-Look

Prompt (vollständig, kopierbar):

Real human skin captured on a real cinema camera — refined and real, peach fuzz catching light along the jawline and hairline, real natural pore texture soft fine and even, subsurface scattering at ear edges, nostrils, and around the eye sockets with warm undertone bleed reading as semi-translucent biology never opaque plastic. No retouching, no skin smoothing, no porcelain plastic look, no waxy AI render, no blemishes, no acne, no marks, no enlarged or rough pores, no harsh clinical texture — fine flattering even skin that always looks good, no dewy wet finish, no glass-skin, no highlighter glow. Hair rendered strand by strand with realistic flyaways and baby hairs at the hairline, hair physics responding to the actual environment of the scene — wind makes it fly, stillness lets it settle. Fabric with real weave detail, real weight, real drape. Captured with a wide-latitude cinema look, lens character matched to the shot — a clean fast normal prime around a 50mm full-frame field of view at a wide aperture for portraits and character canonicals giving natural round bokeh and even sharpness, OR a vintage 2x anamorphic character for scene plates giving oval bokeh, a gentle horizontal squeeze on out-of-focus highlights, soft frame-edge falloff, organic optical imperfection toward the edges, a light diffusion bloom lifting highlights into a soft halation, and subtle horizontal streak flares on point light sources. Shallow depth of field with strong foreground-to-background separation. True atmospheric perspective with visible haze and air density between planes — distant elements rendered softer, desaturated, and lower contrast than foreground, real volumetric atmosphere never a flat backdrop. Key light wrapping around subjects with physically accurate shadow falloff into the neck, jawline, ear shadow, nostril shadow, lip shadow, collarbone shadow — soft transitions never hard edges, real human anatomy under real cinema light. Highlights rolled off gently in a filmic curve, never clipping to pure white, light blooms softly into haze rather than punching as hard white discs. Lifted blacks that stay open and never crush to pure black, highlights that roll off and never clip — wide dynamic range with full detail held in both shadows and highlights. Color-negative motion-picture film look baked in — daylight-balanced rendition for day registers, tungsten-balanced and pushed for night work, fine theatrical 35mm film grain across the entire frame including skin, fabric, atmosphere, and backdrop. No HDR overprocessing, no digital oversharpening, no plastic skin rendering, no uniformly-lit flat-plane staging — photographed not generated, captured on a real camera by a real cinematographer on a real set.

Am besten mit: Nano Banana / Banana Pro, Midjourney, Flux, Imagen, Seedream — als abschließender Block hinter jedem Detail-Prompt.

Warum effektiv: Der Block ersetzt Adjektive durch Physik: Haut als „semi-transluzente Biologie", Atmosphäre als Distanz-Streuung, 35mm-Korn als Bindemittel über den ganzen Frame. Die Negative Constraints („no waxy AI render, no glass-skin, no HDR overprocessing") treffen exakt die Fehler, die Bildmodelle am häufigsten machen.

Quelle: https://github.com/marcoaiwithfefe-hub/prompt-director | 10 GitHub-Stars

Community Resonanz: Die Grammatik dahinter ist als statisches Web-Tool frei nutzbar (https://marcoaiwithfefe-hub.github.io/prompt-director/ — kein Account, kein Key, Prompt wird lokal im Browser zusammengebaut) und zusätzlich als Claude-Code-Skill installierbar.

2. Die Cinematic-Formel für Standbilder

Prompt (vollständig, kopierbar):

[Shot size + Angle], [Subject + appearance], [specific action], [setting + weather], [lighting], [composition], [style + color grading], [mood], [lens + technical details]

Regeln aus dem Cheat-Sheet: Für Standbilder den Kamerabewegungs-Block streichen und Composition + Lens ergänzen; Subjekt + Aktion stehen vor den technischen Begriffen; Wetter und Licht müssen zusammenpassen (nie „golden hour" + „heavy downpour"); nur 1–2 Keywords pro Block.

Am besten mit: Midjourney, Flux, Nano Banana, Stable Diffusion.

Warum effektiv: Die Formel ist der Einstieg in ein kuratiertes Wörterbuch mit 700+ Film-Begriffen — Shot-Größen, Lichtstimmungen, Kompositionsregeln, Farbgradings, Moods, alle mit „wann benutzen"-Erklärung. Aus „a nice cinematic scene" wird so „medium close-up, low angle, rim lighting, teal and orange grading".

Quelle: https://github.com/Rylaispirit/cinematic-video-prompt-skill | 148 GitHub-Stars

Community Resonanz: Das Repo funktioniert als Claude Skill (Claude Code, Claude Cowork, Claude.ai) und ist bewusst modellagnostisch gehalten — die Vokabellisten decken Midjourney, Flux, Nano Banana und kommende Modelle ab.

🎬 TOP 3 PROMPTS — Videogenerierung

1. Die Cinematic-Video-Formel: neun Blöcke, ein Prompt

Prompt (vollständig, kopierbar):

[Shot size + Angle], [Subject + appearance], [specific action], [setting + weather], [lighting], [camera movement], [style + color grading], [mood], [technical details]

Fertiges Beispiel aus dem Skill (1:1 übernommen):

Medium close-up, low angle, a young woman in a red áo dài walks slowly through a rainy Saigon alley at night, neon signs reflecting on wet asphalt, rim lighting from city lights, slow dolly in, cinematic, teal and orange grading, melancholic mood, shallow depth of field, 35mm film grain

Am besten mit: Veo 3 / Google Flow, Kling, Sora, Runway Gen-4, Hailuo, Luma Dream Machine.

Warum effektiv: Die Kernregel „ein Clip = eine Kamerabewegung + eine Hauptaktion" verhindert, bevor das Modell Mehrfachaktionen halluziniert. Das Beispiel zeigt die richtige Reihenfolge: Subjekt und Aktion zuerst, Fachterminologie danach.

Quelle: https://github.com/Rylaispirit/cinematic-video-prompt-skill | 148 GitHub-Stars

Community Resonanz: Enthält zusätzlich einen Abschnitt „was Videomodelle typischerweise falsch machen" und eine Mood→Combo-Suchtabelle — die Community nutzt es als Skill und als Nachschlagewerk zugleich.

2. Video-Blocks: Regie-Grammatik für Seedance & Co.

Prompt (vollständig, kopierbar):

Scene & Mood: [one or two sentences — what the moment IS, translated to observable action]

Subject Lock: [the subject pinned — identity, body orientation, pose, physical state, gaze, contact points, and a lock-down line holding face, hair, wardrobe, and silhouette identical throughout]

Movement: [what happens across the runtime — character motion, micro-motion (breath, hair, fabric), environmental motion (rain, dust, traffic), the camera move written out as physical travel, speeds in km/h, atmosphere in % and meters — closing with the one-shot clause: one uninterrupted shot, no internal cuts]

Last Frame: [the exact closing composition — where the subject sits, final pose and gaze, what holds focus — closing with: No on-screen text, no captions, no signage typography, no rendered text in the frame.]

World Plate: [location, time of day, weather, set dressing, atmospheric quality]

Sound Bed: [Diegetic only — the real sounds of the scene, no music, no score. Footsteps name their surface; ambience is specific.]

Capture Realism: [the anti-plastic physics block — skin matte, real pore texture, atmospheric perspective, no specular highlights]

Camera Capture: [one closing line — lens as FOV° (mm), the camera move named as gear, stock, grade, frame rate, runtime. The only place grade language lives, and the only place the camera is named as equipment.]

Am besten mit: Seedance; die Block-Struktur funktioniert für alle Videomodelle (Veo 3, Kling, Sora, Runway).

Warum effektiv: Der Subject-Lock hält Gesichter, Frisur, Garderobe und Silhouette über die gesamte Clip-Länge konsistent — das größte Problem längerer Sequenzen. Der Last-Frame-Block verbietet On-Screen-Text hart, und der Sound Bed auf „Diegetic only" hält die Szene glaubwürdig statt trailerhaft.

Quelle: https://github.com/marcoaiwithfefe-hub/prompt-director | 10 GitHub-Stars

Community Resonanz: Prompt-Director nennt als Einsatzfälle Produkt-Ads, UGC-Testimonials, Story-Beats und B-Roll-Plates; das Web-Tool liefert zu jedem Modus eine „what happens"-Box für die Aktion über den Clip.

🧠 TOP 3 NEUE TECHNIKEN

1. Choice-Index-Prefilling: Decision-Modell-Verhalten ohne Fine-Tuning

Zusammenfassung: Ein Standard-LLM wird per Prompt-Design in ein Jev-artiges Decision-Modell verwandelt — typisierte Entscheidung plus Konfidenzwert in einem einzigen Forward-Pass.

Erklärung: Status, Frage und Optionen kommen als nummeriertes JSON in den Prompt; die Instruktion verlangt die Antwort als „choice_index:" und der Prompt endet mit genau diesem Prefix als Prefill. Mit max_tokens: 1, temperature: 0 und allowed_token_ids auf die Options-Indizes begrenzt, liest man die Logprobs der Indizes an dieser einen Position und renormalisiert sie — das Ergebnis ist Option plus Konfidenz, ohne dass das Modell ein ganzes JSON-Objekt schreiben muss. Auf GLM-5.3-Flash erreichte die Technik auf 29 öffentlichen Datensätzen Parität mit TypeSafes Jev — und kann zusätzlich Bilder entscheiden, was Jev nicht kann.

Beispielprompt:

user
{
  "state": "I was charged twice for my order.",
  "question": "Which team?",
  "options": [
    { "index": 0, "name": "payments" },
    { "index": 1, "name": "complaints" },
    { "index": 2, "name": "technical" }
  ]
}
assistant
choice_index:

Settings: max_tokens: 1 · temperature: 0 · allowed_token_ids: [Options-Indizes] · Auswertung: Logprobs renormalisieren → Option + Konfidenz.

Geeignet für: GLM-5.3-Flash (vLLM, continue_final_message + add_generation_prompt: false), grundsätzlich jedes Modell mit Logprob- und Prefill-Zugriff.

Ursprung: https://www.privatemode.ai/blog/system-one-from-glm-flash

Warum heute wichtig: Decision-Modelle sind das Thema der Woche: OpenAIs Decisions API ging in die Public Beta, der Jev-Macher wurde mit 7,5 Mrd. USD bewertet, Microsoft open-sourced Decision-1, Nace AI Drex 1.5. Die Prefill-Technik holt das Verhalten ohne Spezialmodell in jeden eigenen Agenten.

2. Motivierte Constraints: Regeln mit Begründung schlagen bloße Verbote

Zusammenfassung: Die Diff-Analyse von Claudes Fable-5.1-Systemprompt zeigt: Regeln, die das WARUM nennen und Ausnahmen definieren, funktionieren besser als nackte Verbote — und kommen ohne stures Wiederholen aus.

Erklärung: Im Update wurde die Bullet-Regel nicht gestrichen, sondern motiviert („bullets make Claude feel less personal and friendly") und mit einer Ausnahme versehen. Eine Trainingsregel gegen „honestly" verfiel und kehrte als In-Context-Instruktion zurück — Training allein hält solche Regeln nicht dauerhaft. Die Lehre für eigene System-Prompts: Jede Regel mit Motivation und expliziter Ausnahme schreiben, Zahlen und Wiederholungen streichen, und ändern, wenn das Modell sich ändert — Prompts sind bewegliche Ziele.

Beispielprompt:

Antworte in Fließtext statt in Bulletpoints — Bullets wirken in einer persönlichen Konversation distanziert und unpersönlich. Ausnahme: Listen mit echter Parallelstruktur (Anleitungsschritte, Optionen, Checklisten) bleiben erlaubt.

Geeignet für: Alle System-Prompts (Claude, GPT, Gemini), CLAUDE.md/AGENTS.md-Regeldateien, Custom Instructions.

Ursprung: https://www.dbreunig.com/2026/09/07/what-we-can-learn-from-claude-s-fable-5-1-system-prompt.html

Warum heute wichtig: Anthropic hat gerade die AGENTS.md-Unterstützung massiv ausgebaut (741 Punkte auf HN) — wer jetzt Regelwerke schreibt, sollte nach diesem Muster bauen: motivieren, Ausnahmen definieren, nichts doppelt sagen.

3. Turn-scoped Nudges: Loop-Steuerung, die den Prompt-Cache nicht zerstört

Zusammenfassung: Wiederkehrende Verhaltens-Nachrichten pro Zug als „turn-scoped system message" senden statt als injizierte Erinnerung — gleiche Wirkung, ohne den Prompt-Cache zu invalidieren.

Erklärung: Der Fable-5.1-Guide empfiehlt, per-Turn-Nachrichten als role: "system"-Eintrag mit clear_at: "next_user_message" zu senden: Die API räumt alte Kopien automatisch weg, sobald die nächste User-Nachricht existiert, und der Prompt-Cache bleibt intakt. Jede spätere Historien-Änderung — Injektion von Erinnerungen, Inplace-Summary, Mid-Session-Systemprompt-Änderung — startet den Cache neu und verteuert den Agent-Loop. Der Batch-Nudge für parallele Tool-Calls läuft nach demselben Prinzip und wird im Guide als kompletter Python-Loop gezeigt.

Beispielprompt:

First privately list what you need next; then request every item that doesn't depend on another's result in this one response.

(als turn-scoped system message versenden: role: "system", clear_at: "next_user_message", Beta-Header mid-conversation-system-clear-at-2026-08-21 — ohne Beta als Text-Block nach den tool_result-Blöcken)

Geeignet für: Claude Fable 5.1 und Opus 5.5 in API-Agent-Loops (Anthropic Messages API), alle selbstgebauten Harnesses.

Ursprung: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1

Warum heute wichtig: Agent-Loops laufen lange — Cache-Treffer entscheiden über Kosten und Latenz. Der Guide gehört zur selben Docs-Familie wie der Opus-5.5-Prompting-Guide und macht erstmals konkret, welche Historien-Edits den Cache wirklich killen.

🏆 Highlight des Tages

Anthropics offizieller Prompting-Guide für Claude Opus 5.5

Der meistdiskutierte Prompting-Text der letzten Tage (207 Punkte, 227 Kommentare auf Hacker News) ist zugleich der praktischste: Er dokumentiert die Verhaltensänderungen von Opus 5 auf 5.5 und die passenden Prompt- und Harness-Muster — Effort-Kalibrierung (Default jetzt „medium", Thinking immer an), Fortschritts-Updates in Agent-Loops, Zeit-Signale für Multiagent-Harnesses, Refusals und Frontend-Design-Defaults.

Zwei kopierbare Kernstücke daraus:

Der Continuation-Nudge — wenn ein Agent zu früh stoppt, als User-Nachricht zurückschicken (ein end_turn ist ein Report, kein Beweis für Fertigstellung):

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.

Der Frontend-Anti-Pattern-Prompt — „avoid a generic AI look" tauscht laut Guide nur einen Default gegen den nächsten; konkret benannte Verbote wirken:

Output a vanilla HTML/CSS personal website with placeholder data. Do not use a cream or off-white background, italic accent words in headlines, numbered "01/02/03" section labels, monospace labels, or pill-shaped buttons.

Warum das zählt: Der Guide ersetzt Prompting-Folklore durch offizielle Anleitungen — von der Lektüre von end_turn über Refusal-Fallbacks bis zur Zeile „Treat a text-only end of turn as a report rather than as proof the task is done". Der Ton auf Hacker News („this how-to-prompt changes every 3 months") zeigt genau, warum eine kanonische Referenz so wertvoll ist.

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

📰 Erlesene Artikel & Ressourcen

Bericht erstellt am 2026-10-11 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs