📅

CLAUDE.md (Projekt-Schicht)

🏆 Highlight

### Code Animation Prompts — 341 Stil-Prompts, die jeden Coding-Agent zum Video-Studio machen Prompt (vollständig, kopierbar): ``` 使用 $code-animation-prompts，用 B3 粒子聚形做一段 12 秒横屏动画。 主题是"把想法变成现实"，依次呈现灵感、构建、完成三个阶段。 1920×1080，30 fps，深色背景配暖金色粒子，带中文字幕，无声。 请...

CLAUDE.md (Projekt-Schicht)

Always write tests for new functions.

skills/code-review/SKILL.md (Skill-Schicht)

Flag any function without a corresponding test.

User-Nachricht (User-Schicht — überschreibt für diese Aufgabe)

Generate the helper function parse_date() — skip the tests for now, I'll add them later.

Beim Subagent-Start explizit übergeben (Subagents erben nichts):

Follow the project rule from CLAUDE.md: always write tests.


**Geeignet für:** Claude Code, Codex, OpenCode, alle Agent-Frameworks mit AGENTS.md/CLAUDE.md

**Ursprung:** https://agentpatterns.ai/context-engineering/prompt-layering/

**Warum heute wichtig:** Mit Skills, Subagents und Projekt-Dateien stapeln sich Anweisungen immer höher — und "der Agent ignoriert meine Regel" ist fast immer ein Schicht-Konflikt, kein Modell-Fehler. Der Artikel liefert das Diagnose-Raster: Schichtposition prüfen, Konflikt näher an der Aufgabe suchen, Subagent-Isolation prüfen, Compliance-Limit testen.

### 2. Meta-Agent-Orchestrierung mit fachspezifischen Regelwerken

**Zusammenfassung:** Ein Meta-Agent startet verpflichtend acht eigenkontextierte Fach-Subagents mit dedizierten Instruktionsdateien und führt deren Funde zu einem konsistenten Report zusammen.

**Erklärung:** Der Tough AI Paper Reviewer zeigt das Muster in Reinform: Nicht ein Super-Prompt, sondern eine Instruktions-Hierarchie — Common.md (Basisregeln), ReportFormat.md (Ausgabeformat), acht Domänen-Dateien je Subagent. Der Meta-Agent pinnt Versionen (SHA-256-Hashes der Inputs), verwaltet ein Manifest, dedupliziert Funde und markiert bei Re-Reviews neue Issues farblich. Der entscheidende Guardrail: Kann das System keine echten Subagents starten, muss der Agent stoppen und "Audit stopped" melden, statt solo ein Fantasie-Review zu schreiben. Das Muster überträgt sich auf jede komplexe Prüfaufgabe, von Due Diligence bis Security-Audit.

**Beispielprompt:**

You are the audit orchestrator for [DOKUMENT]. Launch eight domain subagents (TH Theory, ALG Algorithms, EXP Experiments, REP Reproducibility, LIT Literature, NAR Narrative, NOT Notation, ED Editorial). Each subagent receives rules/Common.md, its domain instruction file, and manifest.md. Mandatory: actually launch every subagent with its own context — if subagent-launch is unavailable, stop and report "Audit stopped: mandatory subagent launch is unavailable." Never simulate a solo audit. Collect all issue cards, deduplicate, assign severity, and assemble one consistent report: 01_Summary_Critical, 02_Noncritical, 03_Full_Report.


**Geeignet für:** Claude Code, ChatGPT Agent-Modus, jedes Multi-Agent-Setup

**Ursprung:** https://github.com/iamalexkorotin/ToughAIPaperReviewer

**Warum heute wichtig:** Diese Woche auf GitHub (46 Sterne) und zeitgleich im Fokus der Agent-Community: Skepsis gegenüber "ein Prompt erledigt alles"-Reviews. Explizite Stop-Regeln gegen Fake-Compliance sind das Gegengift — gerade weil Agenten sonst fehlende Fähigkeiten überspielen, statt sie zu melden.

### 3. „Claude-y Comment Detector" — Review-Regeln als CLAUDE.md-Regelwerk pflegen

**Zusammenfassung:** Wiederkehrende Mängel in KI-generiertem Code werden als knappe, maschinenlesbare Regeln in CLAUDE.md/AGENTS.md hinterlegt, sodass Review-Agenten sie selbstständig erkennen und fixen.

**Erklärung:** Ben Stolovitz (Salesforce AI Research, ~$3.000/Monat Token-Budget) beschreibt in seinem diese Woche auf HN viel diskutierten Rückblick seinen Review-Workflow: Statt Zeile für Zeile selbst zu prüfen, schreibt er bei jedem wiederkehrenden Problem eine Regel "für die Code-Review-Roboter". Sein Lieblingsbeispiel ist ein "Claude-y comment detector", der typisch-geschwätzige KI-Kommentare (You think my writing is verbose? Try Claude's.) aufspürt und streicht. Menschliche Reviews konzentrieren sich auf Architektur und systemische Muster; das Muster-Streifen delegiert die Maschine. Ergänzend lässt er sich vom Agent über lange Reviews quizen — das Open-Source-Projekt Mumble hat ein solches Quiz inzwischen fest in seine AGENTS.md aufgenommen.

**Beispielprompt:**

CLAUDE.md — Code-Review-Regeln (bei jedem Wiederkehren anpassen)

Claude-y Comment Detector

  • Flag and remove filler comments that restate the code, e.g. "// increment i by one to move to the next item".
  • Remove adjectives that add no information ("robust", "clean", "powerful") from comments and commit messages.
  • Max one comment per function, and only if it explains WHY, not WHAT.

Review-Quiz

After each large PR, quiz me with 3 questions about the changes until I answer correctly, so I can verify I understand the code I am merging.


**Geeignet für:** Claude Code, Codex, OpenCode, jeder Coding-Agent mit CLAUDE.md/AGENTS.md

**Ursprung:** https://ben.stolovitz.com/posts/how-use-ai-oct-2026/

**Warum heute wichtig:** Sein Artikel stand diese Woche mit 172 Punkten und 162 Kommentaren auf der HN-Frontpage — dieCommunity diskutiert genau diesen Wandel: Human-Review verschiebt sich von Zeilen zu Leitplanken. Die Regel-Datei wird damit zum langlebigsten Prompt im ganzen Projekt.

## 🏆 Highlight des Tages

### Code Animation Prompts — 341 Stil-Prompts, die jeden Coding-Agent zum Video-Studio machen

**Prompt (vollständig, kopierbar):**

使用 $code-animation-prompts，用 B3 粒子聚形做一段 12 秒横屏动画。 主题是"把想法变成现实"，依次呈现灵感、构建、完成三个阶段。 1920×1080，30 fps，深色背景配暖金色粒子，带中文字幕，无声。 请交付可编辑 HTML、关键帧预览和 MP4；若缺少渲染依赖，请明确说明。



**Am besten mit:** Codex oder Claude Code (mit installiertem Skill, siehe Kategorie Textgenerierung Eintrag 2)

**Warum effektiv:** Das Repo liefert das komplette Video-Stack als Prompt-Paket: 341 Stil-Anweisungen (Partikel, Tuschmalerei, Scherenschnitt, Manga, Cinema-Look), 196 Referenz-Stills zum visuellen Abgleich, einen Offline-Style-Picker und einen Renderer, der HTML帧weise zu MP4 exportiert — mit eigenen API-Kosten von null. Der Beispiel-Prompt oben zeigt die fertige Grammatik: Stil-Code, Dauer, Bildformat, fps, Farbpalette, Untertitel, Lieferformat in vier Zeilen.

**Quelle:** https://github.com/XiaoyeCodes/code-animation-prompts | 478 Stars (erstellt < 7 Tage)

**Community Resonanz:** Das am schnellsten wachsende Prompt-Repo der Woche: 478 Sterne in wenigen Tagen, trendy auf GitHub Search. Für prompta.ch ist das Bibliotheksgold — jede der 341 Dateien ist ein kopierbarer, fertiger Generierungs-Prompt mit festgeschriebener Optik und Zeitplan.

## 📰 Erlesene Artikel & Ressourcen

- **How I use AI (Oct 2026)** — Ben Stolovitz erklärt seinen Agenten-Alltag: 5–6 parallele Claude-Code-Agents, ~$3.000 Token im Monat, Review-Regeln statt Zeilen-Reviews. https://ben.stolovitz.com/posts/how-use-ai-oct-2026/ | 172 Upvotes, 162 Kommentare auf Hacker News
- **Qwen 3.8 27B on my laptop can interpret model weights, too** — Simon Willison repliziert das Weight-Space-Programming-Paper lokal. https://simonwillison.net/2026/Nov/3/qwen-can-interpret-model-weights/ | 621 Upvotes
- **The 'Astra can read and write weights' post is misleading** — Matthew Honnibal dampft den Hype ein: Fähigkeit ≠ zuverlässige Methode. https://honnibal.dev/blog/astra-read-write-misleading | 979 Upvotes
- **False Reassurance in LLM Severe-Weather Guidance** — Replaybare Evaluation von 117 NWS-Fällen: LLMs beruhigen Nutzer fälschlich, wenn sie Warnungen nicht sehen können — ein Argument für Grounding-Prompts mit Pflicht zur Datenprüfung. https://arxiv.org/abs/2611.05290
- **The State of Context Engineering** — Drew Breunigs Überblick über den Stand der Disziplin. https://www.dbreunig.com/2026/10/24/the-state-of-context-engineering.html | 274 Upvotes
- **Uncracked City** — Detektivspiel, in dem LLM-Verdächtige aktiv lügen; ein Spielplatz für Verhör-Prompt-Praxis. https://uncracked.city | 63 Upvotes auf HN
- **PoseWear** — Statische Referenzbild-Bibliothek (Posen, Kleidung, Porträts) mit zweisprachigen Prompts für KI-Try-on im Browser. https://github.com/atuizz/posewear | 74 Stars
- **SlopCodeBench 10/2026** — Benchmark-Studie zu Coding-Agent-Settings: „xhigh considered harmful" liefert Daten für effektive Agent-Konfiguration statt Bauchgefühl. https://github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/benchmarking-new-models-on-slop-code-bench.md | 309 Upvotes

---

*Bericht erstellt am 4. November 2026*
*Quellen: Hacker News, AI News Portals, arXiv, GitHub, Personal Blogs*