📅

Daily Prompt Intelligence — 21. Oktober 2026

🏆 Highlight

### REAP: 1171 Sterne in 48 Stunden für evidenzbasierte Prompts Das Highlight kommt direkt aus der GitHub-Trending-Liste: JoasASantos/REA-Prompts (kurz REAP) ist eine kuratierte Sammlung fertiger Prompts für [REA — Reverse Engineer Anything](https://rea.tools/), das AI-Coding-Agents native Binaries, Firmware, Kernel, APKs, Electron-Apps und Spiele inspizieren lässt. Die Prompts sind z...

Daily Prompt Intelligence — 21. Oktober 2026

🔤 TOP 3 PROMPTS — Textgenerierung

1. Der REA-Wildcard: Jede App verstehbar machen

Prompt (vollständig, kopierbar):

Use REA to understand how <FEATURE> works in <PATH TO APPLICATION>.

Check first which tools are actually available. Start with static analysis
and trace the feature down to the responsible functions.

Present evidence for each conclusion, separate facts from hypotheses, and
record the limitations. At the end, generate a behavioral specification and
propose tests to verify it.

Am besten mit: Claude Code, Codex, Cursor — mit dem REA-Toolset („Reverse Engineer Anything", Install via npx rea-agents@latest setup)

Warum effektiv: Der Prompt erzwingt eine Sache pro Anfrage, verlangt für jede Schlussfolgerung einen Beweis (Datei, Funktion, Adresse) und trennt Fakten von Vermutungen. Genau diese drei Zutaten verhindern, dass der Agent konfabuliert, und liefern am Ende ein überprüfbares Artefakt (SPEC plus Tests).

Quelle: https://github.com/JoasASantos/REA-Prompts | 1171 Sterne (Repo erstellt am 19.10.2026)

Community Resonanz: Das Repo explodierte binnen zwei Tagen auf über 1100 Sterne; die Sammlung entstand aus dem viralen REA-Thread („REA is the most dangerous thing on the internet right now") und deckt 16 Kategorien ab — von Feature-Tracing bis Firmware-Analyse.

2. Standing Instruction: Der Anti-Stopp-Systemprompt 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 (API, Agent-Harnesses). Wichtig: ans Ende des System-Prompts ab der ersten Anfrage einer Session setzen; für Fortschritts-Notizen thinking.display: "updates" aktivieren.

Warum effektiv: Der Text verbietet die vier typischen „Ende-ohne-Toolcall"-Muster, mit denen Agenten unbeaufsichtigt stehen bleiben, und verlagert Statusmeldungen in dieselbe Nachricht wie der nächste Tool-Call. Ersetzt werden muss er nicht — ergänzt wird er, und Bestätigungen für riskante Aktionen bleiben ausdrücklich bestehen.

Quelle: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5 | HN-Diskussion „Prompting Claude Opus 5.5": 207 Upvotes

Community Resonanz: Der offizielle Opus-5.5-Prompting-Guide war Ende September einer der meistkommentierten HN-Threads zum Thema (227 Kommentare); die Standing Instruction ist das herausgestellte Muster für unattended Workflows.

3. Terse: Schreibregeln, die Antworten um die Hälfte kürzen

Prompt (vollständig, kopierbar):

# Writing rules

Applies to every word you produce: replies, docs, commits, tickets, code
comments, prompts to subagents, reports from subagents.

Shape of a chat reply: one sentence with the answer. Then a list or a table
when the items are parallel, prose when they are an argument. Then at most
one sentence of caveat. Then stop.

1. First sentence is the answer.
2. One idea per sentence, 8 to 20 words, active voice. Two claims joined by
   "and" are two sentences.
3. Every claim carries a number or a name.
4. Literal words. When a metaphor and a literal phrase both fit, use the
   literal phrase.
5. Commas, periods and parentheses join clauses. No em dashes, no en
   dashes, anywhere.
6. State the mechanism. A ", not" contrast ("X, not Y") becomes what X does
   and what Y does.
7. The claim stands on its own. Cut flags on the writer ("to be honest",
   "let me be direct", "the honest answer").
8. Address the question. Cut reader grading ("good question", "your
   instinct is right").
9. The last sentence is a fact. Cut closing offers, recaps and summaries.
10. Problem reports have four parts: problem, cause, fix, what happens
    next.
11. Calibrate in one word ("probably", "likely", "(opinion)"), then move
    on.
12. Banned words: significant, robust, comprehensive, leverage, scoped,
    precisely, buildable.
13. Lists for parallel items, prose for argument. Headers appear only in
    text over 500 words.
14. Every prompt to a subagent carries the line: "No mannered prose.
    Answer first, short sentences, numbers and names, end on the result."
15. Fewer words, same facts. Cut until removing a word loses a fact.
16. A principle comes with its mechanism. A short declarative that names
    none ("The decision is the feature.", "Context is a nicety.", "Built to
    audit, not to trust.") becomes the mechanism. Applies to docstrings,
    comments and headings too.
17. Chat replies: 150 words max. A requested document or walkthrough may
    run longer. A list of findings gives each finding one or two sentences
    and stays under 300 words. In a findings list this rule overrides rule
    10. Cut everything else before cutting a fact.
18. Report results. An action appears as its result ("Both docs read, same
    value."). Cut announcements ("I'll search the code", "Looking at X
    now").
19. Every sentence has the topic as its subject. No "I", "me", "my", "let
    me", "I'd", "I would", "I'll". Drop the sentence about what you did,
    checked, think or would do, keep the finding. Fragments are fine when
    the facts are dense ("Checked both runs. No bug."). Your own next step
    is an instruction or a noun phrase: "Next: run the suite, paste the
    count." A permission ask is one question about the action: "Delete the
    22 docs?"
20. When asked to redo or extend a reply, send the delta only.
21. Bullets start with the fact. A line of 8 words or fewer ending in a
    colon, and a bold phrase opening a bullet, are headers, so rule 13
    applies to them.
22. Plain words the reader already uses. A thing that has a description
    gets the description: "the sessions with the rules in CLAUDE.md" in
    place of "the CLAUDE.md era".

Am besten mit: Claude Code mit Fable 5.1 oder Opus 5.5 — als Plugin installiert, in CLAUDE.md oder als Output-Style.

Warum effektiv: Die 22 Regeln verbannen genau die Slop-Muster, die Antworten aufblasen (Slogans, Metaphern, „X, not Y"-Reframings, Ich-Erzählungen), und zwingen jede Aussage auf Zahlen und Namen. Gemessen an 20 Prompts gegen eine echte Codebase: 46–54 % weniger Wörter bei 32–51 % niedrigeren Kosten.

Quelle: https://github.com/lowenbjer/claude-terse | HN „Show HN: Terse": 25 Upvotes

Community Resonanz: Der Autor baute das Plugin nach wochenlangem Notieren von „Claude-Sprech"-Nervigkeiten; die gemessenen Werte (Opus-5-Judge zählt Stilbrüche, -90 %) machten den Thread zu einer der geteiltesten „AI-Kommunikation"-Diskussionen der Woche.

🖼️ TOP 3 PROMPTS — Bildgenerierung

1. Flat-Lay ohne Perspektive: Die Kamera beschreiben, nicht das Motiv

Prompt (vollständig, kopierbar):

An orthographic flat lay. The camera points straight down at the tabletop,
with no perspective and no horizon. The table surface fills the entire frame
edge to edge. No walls, windows, floor or table edges are visible.

Spread these around all four edges (top, bottom, left and right) rather
than bunching them on one side or in the corners. Each one should be small
and cut off by the edge of the image.

<OBJEKTE, z. B. Kaffeebecher, Notizbuch, Schlüssel, Pflanze> on
<UNTERGRUND, z. B. a pine kitchen table>

Am besten mit: FLUX 3 Klein (~$0.009/Bild) oder Meta Muse (~$0.01/Bild)

Warum effektiv: Statt mit Adjektiven („stunning", „hyper-detailed") wird das Bild über die physische Kamera definiert — orthographisch, senkrecht von oben, Rahmen randvoll mit Tischfläche. Der zweite Block nennt exakt, wo jedes Element sitzt; getestet wurde der Prompt auf beiden Modellen mit sauberem Top-Down-Ergebnis.

Quelle: https://danielball.com/notes/ai_image_generation.html | HN: 8 Upvotes (20.10.2026)

Community Resonanz: Der neue Guide „A practical guide to AI image generation, from diffusion to agents" kam gestern auf HN und zeigt Promptfragmente samt echter Modellvergleiche (FLUX vs. Muse) samt Kosten pro Bild.

2. Cheatsheet-Bild: 24 Begriffe fehlerfrei in einem Poster

Prompt (vollständig, kopierbar):

Create a cheat-sheet image in <LANGUAGE>.

## Output
- Aspect ratio 8:9 (for example 1024x1152). Compose for 8:9 from the
  start, so nothing needs cropping or padding afterwards.
- Make 3 variants. Vary spacing, text size and icon drawing slightly
  between them. The text is the same in all three.

## Layout
- Top: big bold title "<TITLE>"; below it a gray subtitle "<SUBTITLE>"
- White or very light gray background. One rounded box (thin light-gray
  border) per group. Group headings in the accent color.
- Each row, as a table with aligned columns:
  icon -> number (accent color) -> bold name -> <second line, gray> ->
  gray one-line description
- Bottom: one line in a light-gray band.
- <Colors: e.g. one blue accent + black + gray only. No emoji, photos or
  gradients.>
- 24 rows must fit in 8:9. Spacing can be a bit tight, but the text must
  stay crisp.

## Text (use EXACTLY as written, character for character. Do not rephrase,
shorten or add. "|" separates columns and must not be drawn.)
Title: <TITLE>
Subtitle: <SUBTITLE, e.g. "Numbers match the videos — use the name in
your prompt">
Group heading 1: <Video 1/3   GROUP TITLE   01–08>
01 | <name> | <second line> | <description>
...
08 | ...
Group heading 2: <Video 2/3   GROUP TITLE   09–16>
09 | ...
...
16 | ...
Group heading 3: <Video 3/3   GROUP TITLE   17–24>
17 | ...
...
24 | ...
Bottom line: <one line in a light-gray band>

## Icons (line art in the accent color, small and simple)
01 <name> = <what to draw, e.g. "horizontal double arrow + camera">
02 <name> = <...>
...
For pairs that mirror each other, say which way: e.g. "audio bar BEFORE the
video bar (audio leads)".

Am besten mit: Multimodale Bildmodelle, die Text zeichnen können (z. B. Gemini 2.5 Flash Image / Nano Banana Pro, GPT Image)

Warum effektiv: Der Prompt trennt Layout, exakten Text und Icons in drei Blöcke und verlangt „character for character"-Treue — der Script-Autor hat ihn in der Praxis verfeinert (z. B. ein Icon-Hinweis pro Zeile, sonst zeichnet das Modell überall dasselbe). Dazu kommt eine Checkliste: jede Zeile gegenlesen, kaputte Zeilen einzeln fixieren („Keep everything else exactly the same. In row 08, the description must read …"), statt das ganze Bild neu zu generieren.

Quelle: https://github.com/showheyohtaki/motion-explainer (Datei prompts/cheatsheet-image.md, MIT-lizenziert) | 53 Sterne

Community Resonanz: Das Repo stammt vom Motion-Designer Shohei Ohtaki, dessen „24 names"-Erklärvideos auf X viral gingen; der Satz „What was holding me back wasn't a lack of imagination. It was not knowing what this kind of movement is called." ist der Kern der ganzen Idee.

3. 90er-Jahre-Poster: Druckprozess statt KI-Look

Prompt (vollständig, kopierbar):

A 1996 fast-food print advertisement, a scan rather than a photo.

Three flat spot inks on uncoated paper, slight misregistration. A pristine
scan, a flat red background with an early-Photoshop gradient, a cut-out
product photo with a slightly too-even drop shadow, plain heavy italic
type. An off-centre composition. Competent and slightly bland.

The product photo: 1996 medium-format film photography. Deliberately
imperfect food — a lopsided bun, pale winter tomatoes.

Text: "<HEADLINE, kurz und exakt>" — spell every word exactly as written.

Am besten mit: FLUX 3, Meta Muse oder ein beliebiges modernes Bildmodell (die Rechtschreibung sitzt inzwischen; der Unterschied liegt im Stil)

Warum effektiv: Die Kernregel des Guides: „Describe how it was made, not how it should look." — Kamera, Film, Druckverfahren und Scannen geben dem Modell konkrete Constraints; Hype-Wörter („stunning", „8K") pushen es dagegen direkt in den KI-Look. „Slightly bland" zu verlangen brachte das glaubwürdigste Resultat; die maximale Slop-Version („Unreal Engine, volumetric god rays, galaxy") lieferte erwartungsgemäß das Gegenteil.

Quelle: https://danielball.com/notes/ai_image_generation.html | HN: 8 Upvotes (20.10.2026)

Community Resonanz: Der Poster-Test (Trattoria-Siebdruck, 90s-Burger, „Maximum AI slop") ist der meistzitierte Abschnitt des Guides — er zeigt vor/nach jedem Stil das konkrete Rezept statt abstrakter Tipps.

🎬 TOP 3 PROMPTS — Videogenerierung

1. Motion-Routinen für prompt2rig: Prompt → Video → 3D-Animation

Prompt (vollständig, kopierbar):

does a fast martial arts combo: two punches, a front kick, then a high
roundhouse kick | 8

does an explosive hip hop routine with jumps, kicks and big arm swings | 10

does a ballet sequence: plié, relevé, then an arabesque with one leg
extended back | 10

Am besten mit: FLUX 3 Max (720p, ~8–9 s/Clip) oder H3 Max Turbo (480p, ~2–3 s/Clip) über fal.ai — danach GVHMR + WiLoR auf der eigenen GPU für saubere 3D-Body- und Finger-Motion

Warum effektiv: Die Syntax ist minimal (Englischer Bewegungssatz + | N für die Cliplänge in Sekunden, FLUX 3 Max: 5–20 s), und die Prompts folgen der Faustregel des Tools: Einzelperson frontal zur Kamera, Gliedmaßen frei sichtbar — das retargetet sauber auf Mixamo-Charaktere, während Salti, Spins und verschränkte Arme jeden Single-Camera-Pose-Estimator überfordern.

Quelle: https://github.com/blendi-remade/prompt2rig (Datei tools/prompts_dynamic.txt, Apache-2.0) | 134 Sterne (Repo erstellt am 18.10.2026)

Community Resonanz: Das Repo des universal-modder-Teams trendete direkt nach Release in den GitHub-Trending-Listen; der Weg von Typ → Performer-Clip → rigged Character (Export als .glb für Blender/Unity) macht es zum praktischsten Video-zu-3D-Workflow der Woche.

2. Motion-Explainer: „24 names"-Erklärvideos für jedes Fachgebiet

Prompt (vollständig, kopierbar):

Read PROMPT.md and follow it.
Field: <your field, e.g. "coffee brewing", "stage lighting", "UI components">
Who it is for: <e.g. "people who ask AI image models for product photos">

Am besten mit: Claude Code, Codex oder Cursor (Node 18+ und ffmpeg installiert; dann npm install && npx playwright install chromium im Repo-Ordner). Das Look-and-Feel steuert man mit einem Zusatz wie „make it colorful" oder „use our brand color #1A73E8".

Warum effektiv: Ein einziger Meta-Prompt fährt einen 7-Stufen-Prozess vom Fachgebiet bis zum fertigen Set: drei Looping-Videos mit je 8 animierten Karten, Cheatsheet-Bild und Posttext — mit zwei bewussten Stopps (wenn die 24 Namen stehen und wenn das Design fest ist), wo Expertise am meisten zählt. Die Sprache, in der man schreibt, bestimmt die Sprache des Sets; nicht-englische Sets tragen zusätzlich englische Namen, damit man sie direkt in KI-Prompts verwenden kann.

Quelle: https://github.com/showheyohtaki/motion-explainer (MIT-lizenziert, inkl. PROMPT.md und Beispiel-Kamera-Moves) | 53 Sterne

Community Resonanz: Die japanischen Original-Posts der Serie gingen auf X viral; das Repo soll „Lehrer" für jedes Fachgebiet ermöglichen — fertig Sets mit #MotionExplainer posten, und der Autor schaut vorbei.

3. Motion-Vokabular: 24 Effekte mit kopierfertigen Befehlen

Prompt (vollständig, kopierbar):

faz o título surgir com fade in em 0,4 s
faz o card deslizar da direita (slide in) em 0,5 s
faz os 5 tópicos do vídeo entrarem em cascata (stagger), 0,08 s entre cada um
faz o número contar de 0 até 1.500 anos (count-up) em 1,5 s
revela a frase palavra por palavra (word reveal), junto com a fala
grifa a palavra 'abandonada' com highlight da esquerda para a direita
move de A para B com ease in-out em 0,8 s

Am besten mit: Claude, ChatGPT, Codex, Cursor — oder als Skill im Claude Code installieren, dann versteht der Agent auch freie Formulierungen („faz o número quicar") und setzt selbst die richtige Dauer und Beschleunigung

Warum effektiv: „Pedir pra IA 'faz uma animação bonita' não funciona" — die Bibliothek löst genau das: 24 benannte Motion-Graphics-Effekte mit dem Fachterminus (fade in, stagger, count-up, word reveal …), passender Einsatzdauer und einem fertigen Beispiel-Befehl pro Effekt. Dazu kommen Szenen-Rezepte für „dunkle" Faceless-YouTube-Kanäle (Doku, Geschichte, Mysterium) inklusive Farbschema-Anpassung.

Quelle: https://github.com/apenasdouglas/ai-motion-library (MIT-lizenziert) | 86 Sterne

Community Resonanz: Die Bibliothek wird aktiv in drei Stufen genutzt (nur nachschlagen, Skill installieren, Tabelle ins eigene Projekt kopieren); die GIF-Galerie zeigt jeden der 24 Effekte in hellem und dunklem Theme, generiert selbst von der KI.

🧠 TOP 3 NEUE TECHNIKEN

1. Drei-Eimer-Trennung mit Beweispflicht (Evidence-First Prompting)

Zusammenfassung: Jeder Prompt erzwingt Beweise (Datei, Funktion, Adresse) und sortiert jede Aussage in drei Eimer: bestätigte Fakten, Vermutungen, offene Fragen.

Erklärung: Die REAP-Sammlung (1171 Sterne in 48 Stunden) formuliert die Regeln explizit: eine Funktion pro Prompt statt „erklär mir die ganze App", Beweis-Anforderung in jeder Schlussfolgerung, statische Analyse zuerst („Do not execute the application in this step"), und am Ende ein konkretes Deliverable, das den Agenten zur Selbstverifikation zwingt. Das Drei-Eimer-Format hält Hypothesen ehrlich und macht Antworten überprüfbar statt plausibel klingend. Skopus wird laut ausformuliert („document, don't bypass", „lab machine I own"), damit Ergebnisse forschungs- und report-tauglich bleiben.

Beispielprompt:

Use REA to investigate how <FEATURE> works in <PATH TO APPLICATION>.

Identify the entry point, the functions involved, the data flow, the
dependencies and the observable effects.

For every conclusion, present evidence: file, function, address or relevant
snippet. Separate confirmed facts, inferences and points that remain
unknown.

Do not execute the application in this step.

Geeignet für: Claude Opus 5.5, Codex/GPT-6, Cursor, jeden Coding-Agenten mit Datei-Zugriff

Ursprung: https://github.com/JoasASantos/REA-Prompts

Warum heute wichtig: Das Repo ist mit Abstand der schnellste Prompt-Sammlungs-Release der Woche (1171 Sterne seit Sonntag) und etabliert Beweis-Pflicht als Standard-Ansatz für Analyse-Arbeit mit Agenten — genau das Gegenmittel zu Konfabulation in tiefen Code-Investigationen.

2. Effort-Kalibrierung: Medium schlägt XHigh (und kostet ein Viertel)

Zusammenfassung: SlopCodeBench 10/2026 zeigt über 36 Probleme und 196 Checkpoints: höhere Reasoning-Effort-Stufen kosten 2,11–4,22x mehr und kaufen keine verlässlich mehr bestandenen Checkpoints.

Erklärung: Opus 5.5 Medium löste 28/196 strenge Checkpoints, Opus 5.5 XHigh nur 25/196 — bei 4,22-fachen Kosten; das Gesamtbild der zehn Messungen (Astra XHigh führt mit 32/196 = 16,33 %) zeigt Effort als Stellschraube, die man messen muss, nicht einfach aufdrehen. Interessanter Dreh: XHigh schrieb saubereren Code (~5x weniger Slop-Anteil, 77,75 % vs. 94,25 % flaggte Zeilen), hielt aber weniger Regressionen grün. Die praktische Konsequenz: Standardaufgaben mit Medium fahren und Aufwand nur dort erhöhen, wo eine Messung es rechtfertigt — Regressionen über alle Checkpoints hinweg bleiben der eigentliche Engpass (1.435–2.831 finale Testfehler pro Campaign).

Beispielprompt:

<PROBLEM>

Effort: medium. Rules:
- Solve this in stages; requirements will change between checkpoints.
- Every change must keep the regression tests from all earlier
  checkpoints green, not just the new tests.
- Do not raise reasoning effort beyond medium unless a step fails twice.
- End each stage by running the full test suite and reporting the counts.

Geeignet für: Claude Opus 5.5, GPT-6 (SOL/Astra), GLM 5.3, Fable 5.1 — überall dort, wo Effort-Levels konfigurierbar sind

Ursprung: https://github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/benchmarking-new-models-on-slop-code-bench.md

Warum heute wichtig: Der Oktober-Update von Dex Horthy (HumanLayer) trug den Untertitel „xhigh considered harmful" und lieferte die Zahlen dazu: $178–$1.550 pro Campaign bei 12–16 % strikter Passrate. Für alle, die Agenten im Alltag betreiben, ist das die Kosten-Benchmark der Woche.

3. Strict-Mode Persona-Isolation: System-Prompts als kontrolliertes Experiment

Zusammenfassung: pi-purge ersetzt den Harness-Systemprompt einer Session durch die eigene Persona — im strict-Modus bleibt nur die eigene Instruktion plus „Current working directory" übrig, damit sie die einzige Variable im Experiment ist.

Erklärung: Das pi-Extension-Schema kennt drei Modi: append (eigene Instruktion vor dem Stock-Prompt, Control-Run), replace (eigener Prompt plus pi-Prompt ohne Identitäts-Zeile) und strict (nur noch der eigene Prompt — Standard). Damit werden System-Prompt-Änderungen regressions-testbar: gleiche Anfrage, einmal mit, einmal ohne Framing, Session für Session. Vor einer pi-Änderung bricht der strict-Modus nicht (kein Text-Matching), Tool-Schemas laufen über den API-Parameter weiter. Scope ist rein session-basiert, nichts wird auf Disk geschrieben, nach Neustart ist alles Stock.

Beispielprompt:

/purge
/purge source C:/prompts/my-instructions.md
/purge mode replace
/purge on
/purge status

Geeignet für: pi-Coding-Agent; jede eigene Persona-/Instruktionsdatei, die man A/B-testen will (auch Prompt-Injection-Robustheit unter kontrollierten Bedingungen)

Ursprung: https://github.com/ZiChuanLan/pi-purge

Warum heute wichtig: Das Repo (207 Sterne seit dem Wochenende) steht exemplarisch für den Trend der Woche: Prompts werden nicht mehr nur geschrieben, sondern isoliert, gemessen und regressionsgetestet — im gleichen Zeitraum wie SlopCodeBench-Update und REAP-Sammlung.

🏆 Highlight des Tages

REAP: 1171 Sterne in 48 Stunden für evidenzbasierte Prompts

Das Highlight kommt direkt aus der GitHub-Trending-Liste: JoasASantos/REA-Prompts (kurz REAP) ist eine kuratierte Sammlung fertiger Prompts für REA — Reverse Engineer Anything, das AI-Coding-Agents native Binaries, Firmware, Kernel, APKs, Electron-Apps und Spiele inspizieren lässt. Die Prompts sind zum Reinkopieren gedacht; alles in <angle brackets> wird ersetzt:

Prompt (vollständig, kopierbar):

Install REA and connect it to this agent using: npx rea-agents@latest setup

First, show me the installation plan and the configuration changes for my
approval. After the install, verify the connection and list the available
tools and workflows.

Und dahinter stehen sechs Prompt-Regeln, die man auf jedes Agent-Problem übertragen kann: eine Funktion pro Prompt, Beweis für jede Schlussfolgerung, Fakt/Vermutung/Unbekannt trennen, statisch zuerst, am Ende ein Deliverable und den Skopus laut aussprechen („Lab machine I own", „document, don't bypass"). Die Sammlung umfasst 16 Kategorien — Feature-Tracing, Clean-Room-Klon-Spezifikationen, WASM-Port-Pläne, Firmware- und Android-Analyse, Patch-Diffing, Long-Running-Investigations mit INVESTIGATION.md — und verweist auf die offizielle Prompt-Galerie unter madewithrea.com/prompts. Prompts sind MIT-lizenziert; der Warnhinweis des Autors (nur Software analysieren, die man besitzt oder darf) ist Teil des Konzepts und in jeden Prompt eingebaut.

Quelle: https://github.com/JoasASantos/REA-Prompts | 1171 Sterne in 48 Stunden

Community Resonanz: Ausgelöst durch den viralen X-Thread „REA is the most dangerous thing on the internet right now" (Matthew Berman-Zitat) entsteht gerade eine ganze Community-Galerie eigener Untersuchungen — das Repo ist der Startpunkt dafür.

📰 Erlesene Artikel & Ressourcen

Bericht erstellt am 21. Oktober 2026 Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs