📅

Daily Prompt Intelligence Report — 12. Oktober 2026

🏆 Highlight

### Pensieve: „Local Indexing to reduce tool calling and token usage" Der Hacker-News-Hit des Tages in unserer Nische (76 Punkte, 18 Kommentare, Frontpage) ist ein Mac-Tool von Ted Haley — und ein Context-Engineering-Manifest in einem: Agenten fragen über MCP einen lokalen Index aus Code, Dokumenten und vergangenen Agent-Sessions ab und bekommen die relevanten Passagen im ersten Versuch, ...

Daily Prompt Intelligence Report — 12. Oktober 2026

Der Tag gehört dem Context Engineering: „Local Indexing to reduce tool calling and token usage" erreichte über Nacht die Hacker-News-Frontpage (76 Punkte) — der komplette CLAUDE.md-Block dahinter ist heute Prompt Nr. 1. Parallel publizierte Anthropic die „neuen Regeln" des Context Engineering für die Claude-5-Generation (über 80 % des Systemprompts gestrichen), und ein Loop-Engineering-Map macht KI-Code überprüfbar. Dazu: 403 Slash-Commands für Bildprompts und das offizielle Sora-2-Beispiel aus dem OpenAI Cookbook.

🔤 TOP 3 PROMPTS — Textgenerierung

1. „Search before you grep": der CLAUDE.md-Block, der Agenten-Loops verbilligt

Prompt (vollständig, kopierbar):

## Pensieve: search before you grep

Pensieve (MCP: `search`, `read`, `similar`, `who_knows`, …) indexes this machine's git repos, documents and past
agent sessions, scoped to the repo you started in.

- **To find code, call Pensieve `search` first, before Grep/Glob/find.** Write what the code does plus the names you
  would guess it uses: "retry failed webhook delivery with backoff retryWebhook". A bare name or an error message
  works too; "double quotes" force exact text, and `kind:code`, `in:<folder>`, `ext:py` narrow it.
- Each hit shows `path:line`, the enclosing definition and the line that matched. If one hit clearly shows what you
  need, use that file: don't grep to confirm. If two hits both fit (say, one defines a name and one uses it), read
  both before you choose. Grep afterwards only to list every usage of a name you already know.
- **Before writing new code,** search for code that already does something similar and call `similar(id)` on the
  best hit: reuse its patterns rather than add a second copy.
- **"What did we decide / try before?"** Search `kind:session`. **Who knows this area?** `who_knows("<topic>")`.

Am besten mit: Claude Code (~/.claude/CLAUDE.md), Codex (AGENTS.md), Gemini CLI (GEMINI.md) — installiert und versioniert von pensieve integrate recommended, gepflegt zwischen <!-- pensieve:start -->-Markern.

Warum effektiv: Der Block ersetzt blindes Grep-Recycling durch eine Suchstrategie mit Fallback-Regeln: erst semantisch suchen („what the code does plus the names you would guess"), Grep nur noch zum Auflisten bereits bekannter Namen, vor Neuimplementierungen similar(id) gegen Code-Duplikate. Die Query-Syntax ist präzise dokumentiert: Anführungszeichen erzwingen exakten Text, kind:code / in:<folder> / ext:py schränken ein.

Quelle: https://github.com/TedHaley/pensieve/blob/main/pensieve/integrations/instructions.md | 76 Upvotes (Frontpage)

Community Resonanz: Die HN-Diskussion spaltet sich in Builder („I also built something similar — symbols, phrases, and words") und Skeptiker, die daran erinnern, dass Cursor eine vergleichbare Funktion wieder entfernt hat („in practice letting the AI just use grep yielded better results"); zwei Kommentare wurden von HN gar als „100 % AI generated" markiert.

2. Die Regel-Diät: „Write code that reads like the surrounding code"

Prompt (vollständig, kopierbar):

# Code style
Write code that reads like the surrounding code: match its comment density, naming, and idiom.

Die Zeile ersetzt wörtlich den alten Regelblock aus Claude Codes Systemprompt: „In code: default to writing no comments. Never write multi-paragraph docstrings or multi-line comment blocks — one short line max."

Am besten mit: CLAUDE.md- und AGENTS.md-Regeldateien für Claude-5-Klassen-Agenten (Opus 5.5, Fable 5.1); übertragbar auf jede Style-Regel.

Warum effektiv: Die Urteils-Regel („match its comment density, naming, and idiom") schlägt das Pauschalverbot, weil sie in kommentiertem Legacy-Code und in Barebones-Code jeweils das Richtige tut. Genau das ist die Kernlehre des neuen Anthropic-Posts: Über 80 % des Claude-Code-Systemprompts wurden gestrichen, weil Claude-5-Modelle Intent selbst interpretieren — überlappende Regeln („leave documentation as appropriate" vs. „DO NOT add comments" in derselben Anfrage) erzeugen nur Denkaufwand.

Quelle: https://claude.dev/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models/ | Anthropic Engineering Blog (11. Oktober 2026)

Community Resonanz: Der Post lief gestern frisch auf HN und gehört zur selben Docs-Familie wie der Opus-5.5-Prompting-Guide von gestern (207 Punkte) — die Community liest beide als Einheit: weniger Regeln, mehr Urteilsvermögen; /doctor in Claude Code rightsized die eigenen Skills automatisch.

3. Spec-First „Definition of Done": der Task-Opener, der „fertig" überprüfbar macht

Prompt (vollständig, kopierbar):

Before you start, turn this task into an independent, checkable specification:

1. Restate the requirement as a list of observable outcomes (what must be true when this is done).
2. For each outcome, name the check that verifies it (command to run, file to inspect, expected output).
3. Each check must pass or fail without human judgment.
4. Work until every check passes, then run the full list again in one pass and stop — do not add unrequested changes.

If any outcome cannot be checked, stop and tell me which one and why.

Am besten mit: Claude Code, Codex, Cursor — als erste Nachricht jedes Agenten-Runs.

Warum effektiv: Das ist Practice 02 des Loop-Engineering-Maps („Make done checkable: Turn specifications into independent checks and enforced stopping rules") als Prompt: Der Agent legt die Abnahmekriterien fest, bevor er Code schreibt, und „fertig" ist erst, wenn die Checks mechanisch durchlaufen. Damit trennt der Lauf Fähigkeit („es läuft") von Zuverlässigkeit („es stimmt nachweisbar") — und der erzwungene Stopp verhindert beide Klassiker: ungewollte Zusatzänderungen und vorzeitiges „Done".

Quelle: https://bradleygibbs.dev/posts/loop-optimization/ | 7 Upvotes

Community Resonanz: Der Artikel ist die konstruktive Antwort auf die Debatte der Woche (Ars Technica: „AI coding agents generate more code, but not more software"): nicht weniger Agenten, sondern Praktiken, die menschliche Zeit, Aufmerksamkeit und Urteil schützen.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. Slash-Command-Expander: 403 getestete Befehle für jeden Bildprompt

Prompt (vollständig, kopierbar):

a lone lighthouse on a cliff /storm /dramaticlighting /85mm /8k /16:9 /9:16 /clean /mj

Als fertiger Midjourney-Prompt kommt dabei heraus (1:1 aus dem Repo, eine Zeile pro Ratio):

a lone lighthouse on a cliff, 85mm portrait framing, flattering compression, creamy background,
violent storm, dark roiling clouds, lightning, wind, dramatic lighting, strong contrast between
light and shadow, 8K resolution, extreme fine detail --ar 16:9 --no text, watermark, logo,
signature, caption, username

Am besten mit: Midjourney (/mj) — derselbe Request kommt mit /kling, /flux, /dalle, /gemini, /sd oder /flow im jeweils passenden Tool-Format heraus; auch ohne Slashes funktioniert es („Create me a cinematic album double exposure, size 16:9 and 9:16").

Warum effektiv: Die Commands sind Slot-Expander, keine Magie-Wörter: /storm liefert „violent storm, dark roiling clouds, lightning, wind", /85mm liefert „flattering compression, creamy background", /clean erzeugt den Negativ-Block „--no text, watermark, logo…". 403 Commands (v1.10.0) decken Licht, Linse, Ratio, Stimmung und Zielformat ab — und das Repo zeigt zu jedem Command die ehrlichen Before/After-Bilder.

Quelle: https://github.com/geevarghesekthomas84-sys/image-style-skill | erschienen am 11. Oktober 2026

Community Resonanz: Brandneu (2 Sterne), aber mit GitHub-Actions-Tests, Before/After-Paaren für Porträt, Produkt und Landschaft — und der offenen Anmerkung, dass Linsen-Phrasen umformuliert wurden („85mm portrait framing" statt „85mm lens"), weil manche Modelle das Equipment selbst ins Bild zeichneten.

2. Commercial Hero: der Art-Director-Brief für Nano Banana Pro

Prompt (vollständig, kopierbar):

A matte-black stainless steel insulated water bottle, 750ml, with a slim cylindrical body and a brushed metal cap. The bottle stands upright on a wet slate countertop, a few condensation droplets sliding down its side, mid-morning. In a quiet kitchen by a north-facing window, soft overcast daylight coming from the left. Photoreal, high-end commercial product photography, the kind you'd see on a premium DTC brand's landing page. Tight three-quarter hero shot, slightly below eye level looking up to make the bottle feel tall and substantial, shot on an 85mm lens at f/8 so the whole product stays sharp while the background falls into soft blur. Lit with one large softbox from the left and a subtle reflector on the right to control the falloff; cool, desaturated grade with clean neutral whites and a faint blue cast in the shadows. The words "STAY COLD. 24 HOURS." set in small caps along the lower third. No other props, no hands, no visible brand logos, no harsh specular hotspots on the metal.

Am besten mit: Nano Banana Pro (Gemini 3 Pro Image); für Drafts läuft derselbe Brief auf Nano Banana 2.1.

Warum effektiv: Der Brief denkt wie ein Art Director, nicht wie eine Keyword-Liste: Material und Milliliter-Angabe, ein komplettes Licht-Setup (Softbox links, Reflektor rechts, Falloff-Kontrolle), Grade, On-Image-Text in Anführungszeichen und Negative Constraints am Ende. UltraPix' Leitregel: Nano Banana Pro plant die Komposition, bevor Pixel fallen — Prompts als Creative Brief schlagen Keyword-Soup.

Quelle: https://ultrapix.ai/blog/nano-banana-pro-prompting-guide | 10. Oktober 2026

Community Resonanz: Der Guide ist Teil der Nano-Banana-Pro-Welle der Woche (Google empfahl Pro explizit für Text-Lastiges und Brand-Arbeit; Nano Banana 2.1 ist seit dem 6. Oktober der Preisbrecher); die Lock/Change-Edit-Syntax aus demselben Guide steht heute als Technik Nr. 3 im Bericht.

3. YouTube-Thumbnail mit exakter Headline

Prompt (vollständig, kopierbar):

Create a 16:9 YouTube thumbnail, photoreal.
Subject: a woman in her 30s with a short silver bob and a mustard cardigan, holding a cracked,
over-risen sourdough loaf toward the camera with both hands; eyebrows raised, mouth slightly open.
Location: a small home kitchen, flour on a butcher-block counter, background soft and dim.
Composition: she fills the right half, face large and sharp; the left 40 percent is a clean,
dark kitchen wall reserved for text.
Text: exactly "30 DAYS OF STARTER" on two lines, heavy condensed white sans-serif, all caps,
thin black outline, left-aligned in the empty area.
Lighting: warm window light from the right, deep shadow on the left of the frame.
Style: shallow depth of field, 50mm look, saturated warm colour. No other text, no logos.

Am besten mit: Nano Banana Pro (2K, 4K nur für YouTubes empfohlene Größe); jedes Rezept läuft laut Guide auch auf Nano Banana 2.1.

Warum effektiv: Der Prompt reserviert zuerst die Textfläche („the left 40 percent is a clean, dark kitchen wall reserved for text") — genau die Regel, die verhindert, dass Wörter im Gesicht landen. Exakte Zeilen in Anführungszeichen plus Typo-Spezifikation (weight, case, outline, Position, Zeilenzahl) machen die Headline verlässlich; die Ausrichtung von Licht und Schatten unterstützt die Textzone.

Quelle: https://www.clipspeed.ai/blog/nano-banana-pro-guide.html | 8. Oktober 2026

Community Resonanz: Der Guide fasst Googles offizielle Prompting-Regeln in kopierbare Rezepte: starkes Verb zuerst, Sätze statt Keywords, positiv formulieren („an empty street" statt „no cars") — und die Text-Regel „settle the wording first, then ask for the image" stammt direkt aus Googles eigenem Guide.

🎬 TOP 3 PROMPTS — Videogenerierung

1. Das 5-Stufen-Prompt für Kinolook: „Core theme | Atmosphere | Camera | Storyboard"

Prompt (vollständig, kopierbar):

Der Einzeiler für den Sofort-Test (1:1 aus dem Repo):

Anamorphic widescreen cinematic. Simulated IMAX film camera +
Panavision C-series lens (35mm focal, f/4 aperture). Handheld
shot — extremely subtle, breath-like camera float throughout.
{{your scene description}}.
No score. Production audio only.

Die 5-Stufen-Struktur dahinter:

1. Core theme            <- 3-6 style tags separated by |
2. Character & scene     <- Face / clothing / environment
3. Atmosphere & quality  <- Visual base / color tone / style core
4. Camera rules          <- Single-shot or multi-shot / angle / breathing
5. Storyboard           <- Per-second OR per-shot breakdown

Am besten mit: Sora 2, Seedance, Kling, Veo — als Claude-Code-Skill installierbar oder ohne Installation im Online-Prompt-Builder (prompts.aiolaola.com, 21 Genres, negativer Prompt inklusive).

Warum effektiv: „real camera bodies + breath-like float" ankern den Look an echter Film-Ästhetik statt am Worthülsen-Keyword „cinematic feel". Der Repo-Vergleich zeigt den Unterschied: Vague praise („Epic cinematic shot … 4K, photoreal, movie-quality") liefert generische Game-CG — das 5-Stufen-Prompt liefert Regen, der sich sichtbar um ein Energieschild biegt („rain bends around a 2m dome").

Quelle: https://github.com/jnMetaCode/ai-shortfilm-prompts | 462 GitHub-Sterne

Community Resonanz: Die Methode geht auf X-Posts von Mx-Shell zurück (Original-Prompts im Repo, MIT plus ARR-Dual-Lizenz); gestern wurde das Repo in die kuratierte Regie-Sammlung kkone1238899/x-viral-video-directing aufgenommen, geführt in chinesischer und englischer Fassung mit Cheatsheet, Fehler-Galerie und FAQ.

2. Das offizielle Sora-2-Beispiel: Robot-Workshop mit Sound-Block

Prompt (vollständig, kopierbar):

Style: Hand-painted 2D/3D hybrid animation with soft brush textures, warm tungsten lighting, and a tactile, stop-motion feel. The aesthetic evokes mid-2000s storybook animation — cozy, imperfect, full of mechanical charm. Subtle watercolor wash and painterly textures; warm–cool balance in grade; filmic motion blur for animated realism.

Inside a cluttered workshop, shelves overflow with gears, bolts, and yellowing blueprints. At the center, a small round robot sits on a wooden bench, its dented body patched with mismatched plates and old paint layers. Its large glowing eyes flicker pale blue as it fiddles nervously with a humming light bulb. The air hums with quiet mechanical whirs, rain patters on the window, and the clock ticks steadily in the background.

Cinematography:
Camera: medium close-up, slow push-in with gentle parallax from hanging tools
Lens: 35 mm virtual lens; shallow depth of field to soften background clutter
Lighting: warm key from overhead practical; cool spill from window for contrast
Mood: gentle, whimsical, a touch of suspense

Actions:
- The robot taps the bulb; sparks crackle.
- It flinches, dropping the bulb, eyes widening.
- The bulb tumbles in slow motion; it catches it just in time.
- A puff of steam escapes its chest — relief and pride.
- Robot says quietly: "Almost lost it… but I got it!"

Background Sound:
Rain, ticking clock, soft mechanical hum, faint bulb sizzle.

Am besten mit: Sora 2 / Sora 2 Pro — 4-Sekunden-Clips; für 8 s laut offizieller Empfehlung zwei 4s-Clips schneiden statt einen 8s-Clip generieren.

Warum effektiv: Das Beispiel zeigt die funktionierende Prompt-Anatomie der offiziellen OpenAI-Guide: Prosa zuerst, dann der Cinematography-Block (Camera/Lens/Lighting/Mood), Actions in Beats („taps the bulb; sparks crackle"), Dialog als eigener, gelabelter Beat und Background Sound am Ende. Die wichtigste Lektion der Guide: API-Parameter (size, seconds, model) gehören nie in den Prompt-Prosa-Text, sondern nur in den API-Call.

Quelle: https://developers.openai.com/cookbook/examples/sora/sora2_prompting_guide | OpenAI Cookbook

Community Resonanz: Der Guide ist die kanonische Referenz der Sora-2-Community; die Vorlagen daraus (Descriptive Prompt Template, Dialogue-Block, Shot-Listen) kursieren diese Woche in allen Ableger-Seiten — hier in der Originalfassung.

3. Seedance-Kurz-Drama: das Storyboard-Regelwerk von heute

Prompt (vollständig, kopierbar):

优先把剧本转变为json格式，再生成分镜提示词。建议使用chatgpt。
在使用文本模型进行改写时，可以自己手动添加一些其它指令，比如：不要删减对话，不要改写内容，不要删减内容，13-15秒一个镜头，每个镜头3-4个分镜，保留每一句对话，每个镜头对话不超过60个字，如果超过，自动拆分为下一个镜头。要有明确人物位置关系的镜头。单人长台词禁止一镜到底，可切其他人反应镜头。双人长对话禁止一直使用正反打镜头，需穿插双人全景、侧景、中景等多种景别。固定镜头需要占比更多。人物情绪要刻划明显。遵循景别切换思路，按时长，运镜方式，场景人物动作描述，对白，音效，光影/情绪氛围的格式输出脚本。

Übersetzt die Kernregeln: Kein Dialog wird gekürzt oder umgeschrieben — 13–15 Sekunden pro Shot, 3–4 Frames pro Shot, maximal 60 Zeichen Dialog pro Shot (überschüssige Zeilen wandern automatisch in den nächsten Shot). Es braucht Shots mit klarer Positionierung der Figuren. Monologe laufen nie in einer Einstellung (Reaktions-Shots einschneiden). Lange Zweier-Dialoge wechseln die Einstellungsgrößen (kein ewiges Shot/Reverse-Shot — Totale, Seitenansicht, Halbtotale einstreuen). Feste Kamera dominiert, Emotionen werden deutlich markiert, und das Skript folgt dem festen Format: Dauer → Kamera → Szenenaktion → Dialog → Sound → Licht/Stimmung.

Am besten mit: ChatGPT (oder ein anderes starkes Textmodell) für die Umwandlung, dann Seedance für die 15-Sekunden-Shot-Gruppen mit video_prompt.

Warum effektiv: Die Regeln greifen genau, was KI-Storyboards typischerweise ruinieren: gekürzte Dialoge, endlose Shot/Reverse-Shot-Wechsel, Monologe in einer Einstellung, wabernde Figurenpositionen. Das erzwungene Ausgabeformat macht jede Zeile zur kopierbaren video_prompt-Vorlage für Seedance.

Quelle: https://github.com/tanzhixiang666/seedance-short-drama-storyboard | heute erschienen (12. Oktober 2026)

Community Resonanz: Das Repo ist Stunden alt und spiegelt den chinesischen Short-Drama-Trend; dieselbe Kuratierungs-Sammlung listet heute parallel 15 weitere Seedance-Regie-Skills für Auftragsproduktionen.

🧠 TOP 3 NEUE TECHNIKEN

1. Rightsized Context: 80 % Systemprompt löschen statt Regel-Berg addieren

Zusammenfassung: Anthropics Engineering-Post zeigt, wie Claude Code über 80 % des eigenen Systemprompts strich — Urteils-Regeln und ausdrucksstarke Tool-Parameter schlagen Regel-Kataloge.

Erklärung: Claude-5-Modelle interpretieren Intent selbst; überlappende und widersprüchliche Regeln in einer Anfrage zwingen sie nur zu mehr Denkaufwand. Die zwei Ersetzungen: Erst werden hart formulierte Verbote („Never write multi-paragraph docstrings") zu Urteils-Regeln („match its comment density, naming, and idiom"). Zweitens werden Tool-Beispiele gestrichen — stattdessen bekommen Tools ausdrucksstarke Parameter: Das Todo-Enum (pending | in_progress | completed, nur ein Eintrag in_progress) definiert das gewünschte Verhalten eleganter als jede Beispielliste. Frühere Best Practices („immer Beispiele geben", Regeln wiederholen) sind damit Mythen. CLAUDE.md ist zudem nicht mehr Gedächtnis — Memory, Artifacts und Skills übernehmen das.

Beispielprompt:

Alt (aus Claude Codes Systemprompt entfernt):
In code: default to writing no comments. Never write multi-paragraph docstrings or
multi-line comment blocks — one short line max.

Neu (die ganze Regel, wörtlich):
Write code that reads like the surrounding code: match its comment density, naming, and idiom.

Geeignet für: Claude-5-Modelle (Opus 5.5, Fable 5.1); jede CLAUDE.md/AGENTS.md-Regeldatei; Tool- und Schema-Design in eigenen Agenten-Harnesses.

Ursprung: https://claude.dev/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models/

Warum heute wichtig: Der Post liefert die offizielle Fortsetzung zu gestern (Opus-5.5-Prompting-Guide, 207 Punkte): Die AGENTS.md-Welle trifft auf die Gegendiagnose — nicht mehr Regeln schreiben, sondern Regeln löschen, motivieren und Parameter designen. /doctor in Claude Code macht das für die eigenen Skills automatisch.

2. Loop Engineering: „Done" überprüfbar machen

Zusammenfassung: Ein sechs Praktiken umfassendes Prozess-Map macht KI-generierten Code überprüfbar: Spezifikationen in unabhängige Checks und erzwungene Stop-Regeln übersetzen.

Erklärung: Der Kern ist die Trennung von Capability („das System kann es unter den Testbedingungen") und Reliability („es stimmt nachweisbar"): Eine Terminal Evaluation misst nur den Outcome eines autonomen Laufes — wie es dahin kam, bleibt unbekannt. Die Praktiken: „Done" checkable machen (unabhängige Checks statt Gefühls-Review), Agenten vorbereiten (nutzbare Tools, anforderungserhaltende Handoffs), Fehler erkennen und Reparaturen verifizieren (wiederkehrende Fehlermodi in zielgerichtete Checks und begrenzte Korrekturen überführen), Review erleichtern (Anforderungen, Code, Check-Ergebnisse und offene Fragen zusammenbringen) und messen, welche Checks ihre Kosten verdienen. Der Artikel gründet das auf die Datenlage: Faros assoziiert KI-Adoption mit +154 % durchschnittlicher PR-Größe und +9 % Bugs pro Entwickler — mehr Code macht die Verifikation zum Engpass, nicht die Generierung.

Beispielprompt:

Before you start, turn this task into an independent, checkable specification:
1. Restate the requirement as observable outcomes.
2. For each outcome, name the check that verifies it (command, file, expected output).
3. Each check must pass or fail without human judgment.
4. Work until every check passes, then rerun the full list in one pass and stop.
If any outcome cannot be checked, stop and tell me which one and why.

Geeignet für: Claude Code, Codex, Cursor — jeder Agenten-Loop mit Verifikationsschritt; jede CI-Pipeline, die KI-PRs bewertet.

Ursprung: https://bradleygibbs.dev/posts/loop-optimization/

Warum heute wichtig: Ars Technicas Befund der Woche („AI coding agents generate more code, but not more software") ist dasselbe Problem von der Ergebnisseite — Loop Engineering ist das Prozess-Gegenstück und gestern mit einer praktischen Karte von sechs Praktiken publiziert worden.

3. Lock/Change: präzise Bild-Edits ohne Kollateralschäden

Zusammenfassung: Eine feste Edit-Syntax für Nano Banana Pro: „Lock:" listet, was unverändert bleibt, „Change:" nur die Änderung, „Amount:" die Dosierung und „Constraints:" verbieten Nebenwirkungen.

Erklärung: Die häufigsten Edit-Fehler entstehen, weil Modelle unbeabsichtigt „verbessern" — Gesichter, Schilder, Reflexionen, Relighting. Lock/Change zwingt zum Explizitmachen: Der gelockte Teil benennt Material, Text, Kondenswasser, Größe, Position und Winkel; der Change-Teil beschreibt nur den Tausch; die Amount-Zeile dosiert („full environment swap, understated"); Constraints verbieten Relighting, neue Reflexionen, neue Personen. Ergebnis laut Guide: ein Produktbild, das wie on-location fotografiert aussieht, nicht komponiert.

Beispielprompt:

Lock: the water bottle: matte-black finish, brushed cap, slim cylindrical body, the "STAY COLD. 24 HOURS." text, the condensation droplets, its size and position in frame, and the three-quarter hero angle. Change: swap the kitchen-counter background for a flat grey boulder beside a sunlit mountain hiking trail. Amount: full environment swap, understated: soft natural daylight, not golden hour; bottle looks shot on location, not composited. Constraints: don't relight or recolor the bottle beyond the new ambient light; no new reflections or hotspots on the metal; keep the original cool grade; don't touch the cap, droplets, or text; no hands, people, or gear in frame.

Geeignet für: Nano Banana Pro (Gemini 3 Pro Image); dasselbe Listen-Prinzip („Change only / Keep exactly as they are / Do not add") funktioniert in jedem Bild-Edit-Modell.

Ursprung: https://ultrapix.ai/blog/nano-banana-pro-prompting-guide

Warum heute wichtig: Nano Banana Pro ist das Bild-Thema der Woche — Google empfahl es explizit für text-lastige und brand-kritische Arbeit, und die Parallel-Guides (clipspeed.ai mit „Edit this photo. Change only: … Keep exactly as they are: …") zeigen dieselbe Struktur als neues Standardmuster für Edit-Prompts.

🏆 Highlight des Tages

Pensieve: „Local Indexing to reduce tool calling and token usage"

Der Hacker-News-Hit des Tages in unserer Nische (76 Punkte, 18 Kommentare, Frontpage) ist ein Mac-Tool von Ted Haley — und ein Context-Engineering-Manifest in einem: Agenten fragen über MCP einen lokalen Index aus Code, Dokumenten und vergangenen Agent-Sessions ab und bekommen die relevanten Passagen im ersten Versuch, mit file und line.

Der Vorher-Nachher-Vergleich von der Projektseite (1:1):

Ohne Index — Grep-Recycling:

› Why do card retries stop after a decline?
● Grep "retry" in acme-app          212 matches
● Read payments/retry.py
● Read payments/gateway.py
● Read billing/invoices.py
● Read tests/test_payments.py
… 36 more files
Still looking for the backoff rule…

Mit Pensieve:

› Why do card retries stop after a decline?
● pensieve · search "card retry after decline"
  payments/retry.py:42    stop on hard_decline
  payments/gateway.py:118 decline codes
  Incident review.md      why we changed it
● pensieve · read payments/retry.py:42
  Hard declines skip the retry queue.
  Maya Rivera owns this; see the Mar 4 review.

Die Zahlen (Benchmark-Skripte sind im Repo): 131 von 144 Runs fanden die richtige Datei mit Pensieve gegen 123 mit Grep — bei 43 % weniger Tool-Calls und 18 % günstigerem Lookup; jede Suche dauert 0.1–0.2 Sekunden. Die Installation ist ein Befehl: pensieve integrate recommended verbindet Claude Code, Codex, Cursor, Gemini CLI, Windsurf und VS Code und schreibt den „search before you grep"-Block (heute Text-Prompt Nr. 1) in die Instruktionen.

Warum das zählt: Die HN-Diskussion ist die eigentliche Geschichte: Builder melden eigene Varianten („symbols, phrases, and words"), Skeptiker erinnern an Cursors gescheitertes Experiment („in practice letting the AI just use grep yielded better results"), und HN markierte Kommentare als mutmaßlich KI-generiert. Genau diese Reibung — Verifikation von Agent-Output gegen Agent-Marketing — ist das Thema der Woche, karpathys Tweet zur LLM-Fähigkeitslücke (594 Punkte) lieferte dazu gestern Abend den Rahmen.

Quelle: https://tedhaley.ca/pensieve/ | 76 Upvotes

📰 Erlesene Artikel & Ressourcen

Bericht erstellt am 2026-10-12 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs