📅

Daily Prompt Intelligence — 15. Oktober 2026

🏆 Highlight

Daily Prompt Intelligence — 15. Oktober 2026

🔤 TOP 3 PROMPTS — Textgenerierung

1. Ein Prompt baut ein 13-köpfiges GTM-Agenten-Team

Prompt (vollständig, kopierbar):

Set up my Grok Bot GTM team from github.com/timscheuerai/grokbot-gtm-team.

1. Read README.md and every file in agents/. The raw files are at
   https://raw.githubusercontent.com/timscheuerai/grokbot-gtm-team/main/agents/<file>.md
2. Ask me these questions in 1 message, then wait for my answers:
   - My company, what we sell and who we sell to (our ICP)
   - Which GTM tools we use for tables, enrichment, sequences and the
     inbox (the files assume the OXYGEN CLI, swap the names if needed)
   - Where my second brain lives (voice, proof, audience), if I have one
   - Where Claude Code and Codex run for me: my Mac, an always-on server
     over SSH, or not set up yet
   - Which Bots I want now (default: all of them)
3. Take on the Chief of Staff instructions from agents/01-chief-of-staff.md.
4. Create each Bot I picked, with its name and the instructions block from
   its file, adapted to my answers. Keep every rule about approvals,
   spend and connectors exactly as strict as written.
5. Create a group chat called Content Room with the Head of Content,
   LinkedIn Writer, X Writer, YouTube Writer, Graphic Designer and you.
6. Create 1 routine: the Outbound Lead, weekdays at 08:20 in my time zone,
   the outbound rollup. No other routines.
7. Show me what you created, and anything you couldn't create, with the
   step I need to do in the app.

During setup, don't connect any tool, send any message or spend credits.

Am besten mit: Grok Bot (Chat-Agent); Bauen lässt die Bots an Claude Code oder Codex delegieren

Warum effektiv: Der Prompt nutzt eine wenig bekannte Fähigkeit: Ein Bot kann weitere Bots, Gruppen-Chats und Routinen aus seinem eigenen Chat anlegen. Ein einziger Aufruf erstellt die komplette Organisation — Chief of Staff, Outbound-Abteilung mit vier Spezialisten, Content-Team mit fünf Rollen — inklusive strikter Freigabe- und Spend-Regeln. Der Schlussatz verhindert teure Nebenwirkungen beim Setup: keine Tools, keine Nachrichten, keine Credits.

Quelle: https://github.com/timscheuerai/grokbot-gtm-team | 11 Stars

Community Resonanz: Das Repo erschien am 14. Oktober und sammelte binnen eines Tages 11 Stars; der Autor teilte den Flow als "Import the team in 1 prompt" auf X und LinkedIn.

2. Casa Larga: Scroll-getriebene 3D-Landingpage aus einem Starter-Prompt

Prompt (vollständig, kopierbar):

I want to build a scroll-driven landing page for [an architecture studio, a house, a hotel, your subject].

The idea: the page opens on a flat floor plan, like a sheet an architect prints. Black ink on paper, room names, dimensions. Nothing looks 3D. When the visitor scrolls, the walls rise out of the drawing, the camera comes down to the front door and walks through [the rooms you want, in order] at eye height. Each room stays a line drawing until the camera gets there, then the real materials sweep across it.

What I care about:
- The floor plan is not a picture. It is the real 3D model, cut at about 1.2 m and seen from straight above through a very long lens. The drawing and the building are the same thing.
- The camera travels deep into the space, room after room. It does not orbit the building from outside.
- It should feel like [a house that costs millions, your level of ambition]: big rooms, real furniture, late afternoon light.
- three.js, GSAP ScrollTrigger and Lenis, plain files, no build step. Free CC0 materials for the textures.

Before you write any code, propose the layout of the building with sizes I can picture, and the camera path stop by stop. Give me two or three directions to choose from and wait for my answer. Then build in checkpoints. First checkpoint only: the plan sheet, the walls rising, and the walk to the first room. Record it and show me before you go further.

Am besten mit: Claude Code mit Claude Opus 5.5 (vom Autor genau so getestet: eine frische Session, ein Lauf, nichts von Hand korrigiert)

Warum effektiv: Der Prompt beschreibt die Vision so konkret (Grundriss als echtes, auf 1,2 m geschnittenes 3D-Modell, Kamera auf Augenhöhe durch alle Räume, Material-Übergang erst bei Ankunft), dass kaum Interpretationsspielraum bleibt. Der letzte Absatz ist der eigentliche Trick: Erst Layout und Kamerapfad vorschlagen, auf die Antwort warten, dann in Checkpoints bauen — so bekommt man ein Zwischenstand zum Prüfen statt einer fertigen Seite, die man nie gewählt hat.

Quelle: https://github.com/Sam1983Aing/casa-larga | 7 Stars

Community Resonanz: Der Autor veröffentlichte das Repo als Antwort auf die Frage nach "dem Prompt" hinter seinem viralen Floor-Plan-Demo und betont: 70 Prompts über zwei Wochen wurden zu einem Starter-Prompt plus zwei Antworten verdichtet.

3. Awwwards-One-Liner: preisverdächtige Websites in einer Zeile

Prompt (vollständig, kopierbar):

make me a portfolio, my name is Ana
a site for my architecture studio in Lisbon, we do small houses
launch page for a mechanical keyboard called Kestrel, it should feel insane
redesign this landing page so it could win site of the day

Am besten mit: Claude Code oder Codex mit der /awwwards-Skill (npx skills add juliobsz/skills -g); das Modell muss Bilder lesen können, damit der QA-Loop eigene Screenshots bewerten kann

Warum effektiv: Der Einzeiler genügt, weil die Skill dahinter einen ganzen kreativen Prozess übernimmt: drei Konzept-Richtungen aus verschiedenen Territorien (Name, Handwerk, Ort), echtes Design-System in DESIGN.md, Motion mit GSAP, Lenis und WebGL nur dort, wo sie sich lohnen — und ein QA-Loop mit echten Browser-Screenshots, bewertet von einem frischen Kritiker-Subagenten, bis jede Kategorie 8/10 erreicht. Die eine Zeile liefert nur die echte Story; alle Standards kommen aus der Skill.

Quelle: https://github.com/juliobsz/skills | 350 Stars

Community Resonanz: Seit dem 12. Oktober über 350 Stars; die Installations-Zeile und die Demo zirkulieren auf X, und die optionale Kombination mit der /anatomy-Skill (isometrische Erklär-Figuren) ist im README dokumentiert.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. JSON-strukturierte Bildprompts: Stil klonen statt beschreiben

Prompt (vollständig, kopierbar — das im Repo getestete Original):

{
  "风格模式": "夸张讽刺漫画风格, 粗黑描边, 平涂赛璐璐上色, 三国连环画, 国潮漫画",
  "画面气质": "滑稽, 狂放, 诙谐, 荒诞, 动感十足",
  "场景": {
    "环境": {
      "地点设定": "纯白背景，无任何环境元素，角色与坐骑以抠图式独立呈现",
      "光线": "均匀平光，无投影，仅靠粗描边与固有色塑造体积",
      "天气氛围": "无场景氛围，画面完全聚焦角色本身"
    },
    "主体": {
      "整体描述": "三国猛将骑乘驴马挥矛冲锋的夸张漫画形象，人物与坐骑构成滑稽的双人组合",
      "外形特征": { "身材": "五短精悍，上身粗壮，头身比夸张", "面部": "圆脸大鼻头，咧开大嘴狂笑", "头发": "头戴三国风格战盔", "眼睛": "双眼瞪圆放光" },
      "表情与动作": { "情绪": "狂喜，癫狂，意气风发", "动作": "右手高举长矛作突刺状，左手横握短矛，双腿大张跨骑坐骑" },
      "服装": { "穿着": "褐红与米黄配色的三国武将甲，鱼鳞纹胸甲配金色护心镜", "细节": "甲片以粗描边加平涂表现" },
      "配饰": "手中长矛与短矛各一，身后插着旗杆与撕裂飘动的红色战旗；坐骑为米白色驴马"
    },
    "背景": { "描述": "纯白留白背景，突出角色与坐骑的完整剪影轮廓", "景深": "无景深，全图等焦" }
  },
  "相机": { "机位角度": "正面平视，略带仰角", "构图": "方形构图，角色与坐骑完整居中", "镜头特性": "标准镜头感", "传感器画质": "8K 超高清分辨率" },
  "审美控制": {
    "呈现意图": "三国题材夸张漫画插画，连环画与讽刺漫画风格",
    "色彩风格": { "整体色调": "米黄暖调打底，朱红与墨褐点缀", "对比度": "高对比度，深褐描边与浅色块形成强烈分割", "特殊效果": "线条飞白与速度线" }
  }
}

Schema-Kurzführer: 风格模式 = Stilmodus · 画面气质 = Bildwirkung · 场景 = Szenario (环境 Umgebung, 主体 Subjekt, 背景 Hintergrund) · 相机 = Kamera (机位角度 Winkel, 构图 Komposition, 传感器画质 Auflösung) · 审美控制 = Ästhetik-Kontrolle. Die Schlüssel lassen sich eins zu eins durch deutsche Begriffe ersetzen — die Struktur, nicht die Sprache, ist der Trick.

Am besten mit: GPT-Image 2.5 Flare oder Gemini Nano Banana 2.1 (via apiz-cli, beide Ausgaben dokumentiert im Repo)

Warum effektiv: Statt eines langen Fließtext-Prompts steckt jede Bildentscheidung in einem eigenen Feld: Stilmodus, Umgebung (Ort, Licht, Atmosphäre), Subjekt (Körper, Pose, Kleidung, Accessoires), Kamera (Winkel, Komposition, Auflösung) und Ästhetik-Kontrolle. Ein JSON-Schema statt Prosa macht Prompts präzise, modular austauschbar und wiederholbar — dieselbe Struktur erzeugt konsistente Serien in beiden Modell-Familien, ohne bei jeder Anpassung alles neu zu formulieren.

Quelle: https://github.com/liangdibiao/image-prompt-studio | 22 Stars

Community Resonanz: Das Repo wurde am 14. Oktober erstellt und steht seit dem Start bei 22 Stars; das README dokumentiert den kompletten Testlauf von der Referenzbild-Analyse über die JSON-Erzeugung bis zur Ausgabe in beiden Modellen.

🎬 TOP 3 PROMPTS — Videogenerierung

1. Fourier-Epicykel-Video mit synchronisiertem Soundtrack

Prompt (vollständig, kopierbar):

Make a slow-reveal Fourier epicycle video of [thing], make the video in the style of the attached reference image, add a cinematic soundtrack using Lyria 3.5 and sync the music.

Am besten mit: Gemini 4 Argon (code-generiertes Video) mit Lyria 3.5 als Soundtrack-Modell

Warum effektiv: Ein Template mit nur einem Platzhalter ([thing]) plus Referenzbild: Epicykel-Kreise zeichnen das Motiv langsam nach, der visuelle Stil kommt komplett vom angehängten Bild, und der Soundtrack wird im selben Prompt mitgeneriert und auf die Enthüllung synchronisiert. Der stabile Rahmen funktioniert für jedes Motiv — Porträt, Logo, Landkarte, Produktfoto.

Quelle: https://x.com/fofrAI/status/2110045963951956250 | gesammelt in https://github.com/yihui-dev/awesome-gemini4-argon-videos (15 Stars)

Community Resonanz: Einer von 57 verbatim-Prompts in der neuen Awesome-Gemini-4-Argon-Sammlung (294 Videos von 221 X-Accounts, seit gestern wachsend); fofr ist ein bekannter KI-Künstler auf X.

2. Vom Zimmer zum Quark: codebasierte Kamerafahrt in einem Satz

Prompt (vollständig, kopierbar — deutsche Adaption des verbatim-Originals):

Erstelle eine codebasierte Animation: Beginne in einem Zimmer, fahre mit der Kamera auf einen MacBook heran, dann hinein in den Apple-M4-Chip, weiter bis zur Atom-Ebene und schließlich bis zum Quark.

Original (verbatim, X-Post): 基于代码做一段动画：从一个房间开始，镜头推进到一台 MacBook，再进入 Apple M4 芯片，然后到原子，最后到夸克

Am besten mit: Gemini 4 Argon (Default Mode, in AI Studio)

Warum effektiv: Ein einziger Satz erzeugt eine sechsstufige Kamerafahrt (Zimmer → MacBook → M4-Chip → Atom → Quark) als codebasierte Animation — kein Storyboard, keine Einstellungsliste, nur eine Sequenz von Zoom-Stufen. Genau dieses Muster lässt sich auf jedes Thema übertragen: Produkt, Zelle, Stadt, Galaxie, Auge.

Quelle: https://x.com/fanxing321/status/2110054004650852659 | gesammelt in https://github.com/yihui-dev/awesome-gemini4-argon-videos

Community Resonanz: Im Index als verbatim-Prompt geführt; der Creator verlinkte die AI-Studio-App direkt zum Nachbauen, das 28-sekündige Ergebnis (2506×1690) läuft in der Galerie.

3. Motion-Effekt-Rezepte für Faceless-Kanäle

Prompt (vollständig, kopierbar — fertige Beispiele aus der 24-Effekte-Bibliothek):

reveal the sentence word by word, synced to the voice
punch zoom on "8 million" when the narrator says it
draw the expedition route on the map in 2 s
mask reveal the year 1969 from bottom to top
count up from 0 to 1,500 years in 1.5 s
slow Ken Burns on the photo, about 5% over 6 s

Szenen-Rezepte (Kombinationen aus der Bibliothek):

Opening hook  → word reveal (15) + punch zoom (22)
Map & journey → draw-on (19) + pulse (12)
Big number    → count-up (14) + punch zoom (22)
Quote         → typewriter (13) + highlight (17)
End screen    → pop in (03) + pulse (12)

Am besten mit: Claude, ChatGPT, Codex oder Cursor (SKILL.md-Inhalt als Projekt-Regeln einfügen; als Claude-Code-Skill installierbar); Demo-Videos entstanden mit HyperFrames (HeyGen)

Warum effektiv: "Faz uma animação bonita" / "mach eine schöne Animation" funktioniert nicht — die KI braucht den Namen des Effekts, wie ein echter Video-Editor. Die Bibliothek liefert 24 benannte Effekte (fade in, stagger, overshoot, typewriter, count-up, punch zoom, morph …) je mit fertigem Prompt-Beispiel inklusive Dauer und Timing, plus Kombinations-Rezepte für typische Dokumentar-Szenen. Der Ken-Burns-Einzeiler ist der heimliche Klassiker für jede Foto-Sequenz.

Quelle: https://github.com/apenasdouglas/ai-motion-library | 59 Stars

Community Resonanz: Am 14. Oktober veröffentlicht, 59 Stars am ersten Tag; inspiriert von einem japanischen Motion-Effekt-Katalog auf X, alle Demo-Videos wurden von KI generiert.

🧠 TOP 3 NEUE TECHNIKEN

1. Simplified Technical English (STE) für Agenten-Output

Zusammenfassung: Die kontrollierte Sprache der Luft- und Raumfahrt (ASD-STE100) als regelbasiertes Stilwerk für LLM-Antworten, Runbooks und Anleitungen.

Erklärung: LLM-Prosa versteckt Mehrdeutigkeit an zwei Stellen: beim Hedging ("this might potentially help") und in Satzkompositionen, die drei Aussagen in einen Satz packen. STE entfernt beides mechanisch: maximal 20 Wörter pro prozeduralem Satz, eine Anweisung pro Satz, Aktiv und Präsens, Kommando-Verb am Satzanfang, ein Wort mit genau einer Bedeutung. Weil der Stil regelbasiert ist, kann ein Modell STE tatsächlich befolgen — perfekt für Runbooks, Schritt-Logs und API-How-tos; ungeeignet für Risiko-Diskussionen, wo das Hedging selbst der Inhalt ist.

Beispielprompt:

Rewrite the above in Simplified Technical English using these rules:
1. Keep procedural sentences to 20 words or fewer; descriptive to 25.
2. One instruction per sentence.
3. Use the active voice.
4. Use the present tense for procedures.
5. Start an instruction with the command verb ("Remove the bolt.").
6. Use articles ("the file," not "file").
7. Do not use a noun as a verb.
8. Use only approved words — one meaning per word.
9. Write one topic per paragraph; lead with the topic sentence.
10. Use a vertical list for more than three conditions or steps.

Geeignet für: Claude Code (/ste-Befehl), Codex (AGENTS.md), ChatGPT, Gemini, Cursor

Ursprung: https://github.com/menonpg/ste-prompt

Warum heute wichtig: In einer Woche voller Agenten-Runbooks und Workflow-Regeln (AI-DLC, going-dark) wird mehrdeutiger Output zum Produktionsrisiko. STE ist der einzige Stil, den Modelle überprüfbar befolgen — und der companion-Linter agent-ste blockt Regelbrüche direkt beim Schreiben und nennt jeden Verstoß.

2. AI-DLC: Workflow-Steuerung mit Freigabe-Toren für Coding-Agenten

Zusammenfassung: AWS Labs' "AI-Driven Development Life Cycle" verwandelt Ad-hoc-Coding-Agenten in strukturierte, auditierbare Software-Lieferung — ein harness-neutraler Kern, viele Laufzeit-Umgebungen.

Erklärung: AI-DLC verbindet Anforderungen, Entscheidungen, Implementierung, Tests und Betrieb über einen Lifecycle aus 5 Phasen, 33 Stufen, 14 Agenten und 11 Workflow-Profilen (Features, Bugfixes, Infrastruktur, Security, PoCs, Enterprise-Delivery). Der Einstiegs-Prompt ist bewusst simpel — AI-DLC wählt daraus den passenden Workflow, fragt fehlende Entscheidungen ab und stoppt an menschlichen Freigabe-Toren, bevor es weitergeht. Die Methodik läuft identisch in Claude Code, Codex CLI, Cursor, opencode, GitHub Copilot und Kiro und dokumentiert jeden Schritt in einem 119-Ereignis-Audit-Trail.

Beispielprompt:

/aidlc Build a REST API for inventory management

Geeignet für: Claude Code (empfohlenes Modell: Claude Opus 4.8), Codex CLI ($aidlc), Cursor, opencode, GitHub Copilot, Kiro

Ursprung: https://github.com/awslabs/aidlc-workflows

Warum heute wichtig: Das Projekt erschien heute neu auf Hacker News und adressiert genau das heute viel diskutierte Problem wachsender Projekte: verlorener Kontext und Agenten ohne Leitplanken. Während auf Hacker News parallel (897 Punkte, csoonline-Analyse) über "Containment and monitoring failures" bei AI-Agenten berichtet wird, zeigen die Freigabe-Tore hier den pragmatischen Gegenweg: Autonomie ja, aber an messbaren Punkten.

3. Multimodale Zerlegung: Bilder als Bausteine in strukturierten Prompts

Zusammenfassung: Jev 1.14 macht Bilder zu komponierbaren Elementen in JSON-Prompts — einsetzbar überall, wo die JSON-Schnittstelle Platz bietet: im State, in Instructions und in Criteria.

Erklärung: TypeSafe AI schaltete mit dem Release die Bild-Eingabe frei — "Surprise: the Jev you all know and love was multimodal all along!" — per Find-and-Replace landet ein Asset an jeder JSON-Position. Der wichtigste Prompting-Hinweis des Releases: Alle Modelle (Jev eingeschlossen) performen bei Multimodalität schlechter als bei purem Text; wer Fragen in die einfachst möglichen Zerlegungen aufteilt, gewinnt deutlich. Konkret: statt einem Monster-Prompt mit drei Bildern und Vergleichsfrage erst jedes Bild einzeln beschreiben lassen, dann vergleichen — jedes Zwischenergebnis bleibt prüfbar.

Beispielprompt:

Statt: "Welches der drei Referenzbilder [Bild 1] [Bild 2] [Bild 3] passt am besten zum Brand-Styleguide [Bild 4]?"

Zerlegt:
1. "Beschreibe Bild 1: Farben, Formen, Material, Stimmung."
2. "Beschreibe Bild 2: Farben, Formen, Material, Stimmung."
3. "Beschreibe Bild 3: Farben, Formen, Material, Stimmung."
4. "Vergleiche die drei Beschreibungen mit dem Styleguide [Bild 4]. Nenne die zwei besten Treffer mit je einem Begründungssatz."

Geeignet für: Jev 1.14.0 (mit TypeSafe-Danger-Zone-Images: true); die Zerlegungs-Regel gilt für jedes multimodale Modell

Ursprung: https://typesafe.ai/blog/jev-1-14

Warum heute wichtig: Der Release schlug heute mit 283 Upvotes auf Hacker News ein und zeigt, wohin strukturiertes Prompting geht: Assets als First-Class-Bausteine im Prompt-Gerüst statt als losere Anhänge. Wer heute multimodale Workflows baut, sollte die Zerlegungs-Regel sofort übernehmen — sie kostet nur Prompt-Zeilen und liefert belastbarere Ergebnisse.

🏆 Highlight des Tages

OpenCode 2.0: Agenten-Orchestrierung in reiner Absichtssprache

OpenCode 2.0 ist mit 591 Punkten in 12 Stunden die Story des Tages — und der Release verändert, was ein Prompt überhaupt ist: Der Coding-Agent läuft als Hintergrund-Service mit eigener API, die er selbst kennt und nutzen kann. Sessions, Worktrees, Tabs und Quarantäne werden zu Sätzen.

Prompt (vollständig, kopierbar — drei echte Beispiele aus dem Release-Post):

Start rate limiting uploads in a new worktree.

The flaky test session is stuck. Stop it, have it quarantine the test, and close my finished tabs.

File GitHub bugs in Linear.

Am besten mit: OpenCode 2.0 (TUI, Web-Interface oder Desktop-App; alle reden mit demselben Hintergrund-Prozess) mit capablen Modellen

Warum effektiv: Die Prompts sind reine Absichtserklärungen — kein Tool-Name, kein Flag, kein Pfad. OpenCode übersetzt sie eigenständig in API-Calls (session_list → session_interrupt → session_prompt → tab_close, plus worktree_create und session_move) oder generiert über den neuen Code Mode (ein minimaler JavaScript-Interpreter) Code, der MCP-Server und OpenAPI-Endpunkte als Funktionen aufruft. Was früher Orchestrierungs-Skripte waren, ist jetzt ein Satz im Chat.

Quelle: https://anoma.ly/notes/opencode-2-0/ | 591 Upvotes (https://news.ycombinator.com/item?id=50094994)

Community Resonanz: 226 Kommentare in 12 Stunden; die Diskussion dreht sich um den Always-On-Service, die selbstbeschriebene API und was "agent-native tools" für alle anderen Agenten bedeuten.

📰 Erlesene Artikel & Ressourcen

Bericht erstellt am 15. Oktober 2026 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs