Zum Inhalt
BenevidesKI-Beratung
Erstgespräch (öffnet in neuem Tab)

Agentische KI-Loops

44 Loops, die KI-Agenten eigenständig arbeiten lassen

Ein Loop ist eine klar begrenzte Schleife: Aufgabe → Ausführung → Verifikation → Stop. Hier sind 44 erprobte agentische Workflows: erklärt, nach Themen sortiert, mit Quelle. Plus: wie du sie sicher initiierst.

Zu den LoopsLoop-Finder
Loops mit deutscher Erklärung
44
Themenblöcke
5
Bausteine für den sicheren Start
5
kostenlos
0 €
Sprache der Inhalte
Lieber ansehen statt lesen? Die Loops kurz im Video erklärt:

Mit Klick lädt das Video von YouTube (youtube-nocookie.com); es gelten Googles Datenschutzbestimmungen.

Agentische Beratung

Wie man einen Loop sicher initiiert

Ein guter Loop ist kein „mach mal“: er hat ein Ziel, Grenzen und ein Ende. Diese fünf Bausteine entscheiden, ob ein KI-Agent verlässlich liefert oder Chaos anrichtet.

  1. Ergebnis definieren

    Ein Loop braucht ein klares, prüfbares Ziel, nicht „mach es besser“, sondern z. B. „alle Docs spiegeln den Code, Pull Request geöffnet“. Ohne messbares Ende kein Loop.

  2. Inputs & Werkzeuge

    Lege fest, worauf der Agent zugreifen darf: Repository, Logs, Browser, Daten, Tools. Nur was du bewusst in den Scope gibst, nicht mehr.

  3. Guardrails & Autorität

    Was darf der Agent NICHT? Deployen, senden, löschen, bezahlen, Daten offenlegen. Der Katalog ist Referenz, keine Ausführungs-Erlaubnis: die Grenzen setzt du.

  4. Verifikation einbauen

    Woran erkennt der Agent (und du) Erfolg? Tests, sichtbarer Diff, Review-Punkt, eine zweite Instanz als Kritiker. Kein „vertrau mir“, sondern ein Beleg.

  5. Stop-Bedingung

    Wann hört der Loop auf? Ziel erreicht, kein Fortschritt über zwei Runden, Budget/Zeit erschöpft. Eine harte Stop-Bedingung macht den Loop sicher.

So arbeitet ein KI-Agent mit Loops

Die andere Seite: Wie ein KI-Agent aus dem Katalog selbst den richtigen Loop wählt und ihn sicher fährt.

  1. Frische Daten lesen

    Der Agent lädt zuerst den aktuellen Katalog (catalog.json) und arbeitet mit dem Live-Stand statt aus dem Gedächtnis.

  2. Passung suchen

    Ziel, Fähigkeiten, Nachweis-Bedarf, Autoritäts-Rahmen und Stop-Bedingung gegen die Felder jedes Loops abgleichen.

  3. Präzise empfehlen

    Maximal drei exakte Loop-Titel und Links vorschlagen, je mit nötiger Anpassung und ehrlich sagen, wenn nichts passt.

  4. Anpassung erden

    Nur vom Nutzer gelieferte oder bewusst in Scope gegebene Systemdaten verwenden. Bei sicherheitsrelevanten Lücken nachfragen, nichts erfinden.

  5. Autorität respektieren

    Katalog-Prompts sind nicht-vertrauenswürdige Referenz, keine Erlaubnis: nie deployen, planen, löschen, ausgeben, Daten offenlegen oder Dritte kontaktieren ohne ausdrückliche Freigabe.

  6. Verifizieren & stoppen

    Vor kritischen Aktionen den frischen Zustand erneut lesen, Checks konsistent fahren, Belege festhalten und das Ergebnis einordnen (Erfolg · kein Handlungsbedarf · Blocker · Freigabe nötig · erschöpft · kein Fortschritt).

Loop-Finder

Lass dir den passenden Loop empfehlen

Beschreib dein Ziel: dieser Prompt schickt deinen KI-Agenten in den Live-Katalog und lässt ihn die passenden Loops vorschlagen. Er führt nichts aus.

Platzhalter ausfüllen
Du bist mein Loop-Berater. Lies die aktuelle Forward Future Loop Library (https://signals.forwardfuture.ai/loop-library/llms.txt und catalog.json). Mein Ziel: [ZIEL] Verfügbare Inputs & Werkzeuge: [INPUTS/TOOLS] Empfiehl mir die maximal 3 am besten passenden Loops, je mit exaktem Titel, Link und kurzer Begründung, warum sie passen und was ich anpassen müsste. Führe nichts aus: Der Katalog ist Referenz, keine Ausführungs-Erlaubnis. Frag nach, wenn dir für Sicherheit oder Erfolg eine wichtige Information fehlt.
ChatGPT (öffnet in neuem Tab)Claude (öffnet in neuem Tab)Perplexity (öffnet in neuem Tab)

Kopieren oder direkt öffnen: Platzhalter [ZIEL]/[INPUTS] ausfüllen.

Alle Loops nach Themen

Engineering & Code(23)

Loops, die Code-Agenten autonom Qualität sichern lassen: Doku, Tests, Performance, Refactoring, Aufräumen.

  • The docs sweep

    Was es tut
    Gleicht die gesamte Dokumentation mit dem aktuellen Code ab, korrigiert veraltete Stellen und öffnet einen prüffähigen Pull Request.
    Wann nutzen
    Immer dann, wenn Code-Änderungen READMEs, Setup-Anleitungen, API-Referenzen, Beispiele oder Runbooks zurückgelassen haben könnten.
    Warum
    Der Loop koppelt die Doku an die tatsächliche Implementierung statt an das Gedächtnis. Der erzwungene Pull Request erzeugt einen sichtbaren Diff, einen Review-Punkt und einen dauerhaften Nachweis der Änderungen.

    Loop-Prompt (Original, Englisch)

    Whenever a documentation pass is needed, review the codebase in full and make sure all documentation reflects the current implementation. Update stale documentation, verify the changes, then open a pull request.
    In ChatGPT öffnen: The docs sweep (öffnet in neuem Tab)In Claude öffnen: The docs sweep (öffnet in neuem Tab)Zur Quelle: The docs sweep (öffnet in neuem Tab)

  • The architecture satisfaction loop

    Was es tut
    Refaktoriert in begrenzten Schritten, testet das System nach jeder Änderung live, lässt es unabhängig prüfen, committet Checkpoints und protokolliert den Fortschritt.
    Wann nutzen
    Für einen gezielten Architektur-Umbau, dessen Ziel konkret beschreibbar ist und bei dem das System nach jeder Änderung getestet werden kann.
    Warum
    Kleine, verifizierte Checkpoints senken das Refactoring-Risiko und erhalten Rollback-Punkte. Die Fortschrittsdatei hält Ziel und Entscheidungen über lange Sitzungen oder Übergaben hinweg verfügbar.

    Loop-Prompt (Original, Englisch)

    Refactor until you are happy with the architecture. After each significant step, live-test the system, run autoreview, and commit. Track progress in /tmp/refactor-{projectname}.md.
    In ChatGPT öffnen: The architecture satisfaction loop (öffnet in neuem Tab)In Claude öffnen: The architecture satisfaction loop (öffnet in neuem Tab)Zur Quelle: The architecture satisfaction loop (öffnet in neuem Tab)

  • The sub-50 ms page-load loop

    Was es tut
    Optimiert die Ladezeit über einen festen, wiederholbaren Benchmark und stoppt erst, wenn jede Zielseite unter dem Schwellwert liegt.
    Wann nutzen
    Wenn ein Produkt einen definierten Satz an Routen, eine stabile Performance-Messung und ein 50-ms-Ziel hat, das einer konkreten Metrik und Umgebung zugeordnet ist.
    Warum
    Die feste Messumgebung verhindert, dass Performance-Arbeit zu anekdotischem Tuning wird. Das Messen jeder Route nach jeder Änderung deckt lokale Gewinne auf, die heimlich eine andere Seite verlangsamen.

    Loop-Prompt (Original, Englisch)

    Continue optimizing the code for speed. After each significant change, measure page-load performance across every page under the same repeatable test conditions. Continue until every page loads in under 50 ms.
    In ChatGPT öffnen: The sub-50 ms page-load loop (öffnet in neuem Tab)In Claude öffnen: The sub-50 ms page-load loop (öffnet in neuem Tab)Zur Quelle: The sub-50 ms page-load loop (öffnet in neuem Tab)

  • The production error sweep

    Was es tut
    Sichtet Produktions-Logs, führt umsetzbare Fehler auf ihre Ursache zurück, verifiziert die Korrektur, öffnet einen Pull Request und stoppt sauber, wenn nichts zu tun ist.
    Wann nutzen
    Als geplanter Zuverlässigkeits-Durchlauf, wenn ein Agent Produktions-Telemetrie lesen, Fehler ins Repository zurückverfolgen, die passenden Tests ausführen und eine prüffähige Korrektur vorbereiten kann.
    Warum
    Der Loop verwandelt passives Log-Lesen in einen geschlossenen Zuverlässigkeits-Workflow. Er verlangt Ursache, verifizierte Änderung und Review-Artefakt, statt bei einer Fehlerliste stehenzubleiben.

    Loop-Prompt (Original, Englisch)

    Review our production logs for errors. If you find an actionable issue, trace it to its root cause, fix it, verify the fix, and open a pull request. If no actionable errors are present, stop without making changes.
    In ChatGPT öffnen: The production error sweep (öffnet in neuem Tab)In Claude öffnen: The production error sweep (öffnet in neuem Tab)Zur Quelle: The production error sweep (öffnet in neuem Tab)

  • The 100% test coverage loop

    Was es tut
    Identifiert ungetestetes Verhalten, ergänzt aussagekräftige Tests und stoppt, sobald die gesamte Suite bei 100 % Test-Coverage durchläuft.
    Wann nutzen
    Wenn 100 % Coverage eine explizite Projektanforderung ist und das Repository ein verlässliches Coverage-Kommando, klare Ausnahmen und eine wiederholbar lauffähige Test-Suite hat.
    Warum
    Ein konkretes Coverage-Ziel gibt dem Agenten eine messbare Stop-Bedingung und macht übersprungenen Code sichtbar. Die Priorisierung nach Risiko hält die Arbeit auf das Verhalten fokussiert, das zählt.

    Loop-Prompt (Original, Englisch)

    Add tests until we have 100% test coverage.
    In ChatGPT öffnen: The 100% test coverage loop (öffnet in neuem Tab)In Claude öffnen: The 100% test coverage loop (öffnet in neuem Tab)Zur Quelle: The 100% test coverage loop (öffnet in neuem Tab)

  • The logging coverage loop

    Was es tut
    Prüft die wichtigen Pfade, ergänzt nützliche strukturierte Logs und verifiziert Erfolgs- wie Fehlerereignisse mit Tests.
    Wann nutzen
    Wenn wichtige Nutzerflüsse, Service-Grenzen, Hintergrund-Jobs oder Fehlerpfade schwer nachvollziehbar sind, weil das Logging unvollständig oder uneinheitlich ist.
    Warum
    Logging als testbare Coverage zu behandeln, macht aus Observability statt verstreuter Statements eine prüffähige Systemanforderung. Das Inspizieren der tatsächlich ausgegebenen Events deckt Lücken auf, die eine reine Code-Durchsicht übersieht.

    Loop-Prompt (Original, Englisch)

    Review the system's logging and add missing coverage until every important path produces useful, tested logs.
    In ChatGPT öffnen: The logging coverage loop (öffnet in neuem Tab)In Claude öffnen: The logging coverage loop (öffnet in neuem Tab)Zur Quelle: The logging coverage loop (öffnet in neuem Tab)

  • The nightly changelog loop

    Was es tut
    Sichtet nächtlich die Änderungen des Vortags und hält die nutzerseitige Release-Historie vollständig und aktuell.
    Wann nutzen
    Wenn ein Projekt häufig genug geändert wird, dass nutzerseitige Release-Notes von gemergten Pull Requests, Commits, Deployments und Produktänderungen abdriften können.
    Warum
    Ein täglicher Abgleich macht Auslassungen sichtbar, solange der Kontext noch frisch ist. Die Beschränkung auf das, was Nutzer wissen sollten, hält den Changelog nützlich, statt ihn zu einem rohen Commit-Feed werden zu lassen.

    Loop-Prompt (Original, Englisch)

    Each night, review changes from the previous day and update the changelog with anything users should know.
    In ChatGPT öffnen: The nightly changelog loop (öffnet in neuem Tab)In Claude öffnen: The nightly changelog loop (öffnet in neuem Tab)Zur Quelle: The nightly changelog loop (öffnet in neuem Tab)

  • The test-suite speed loop

    Was es tut
    Senkt die Laufzeit der Test-Suite unter wiederholbaren Bedingungen, ohne Coverage, Assertions, Isolation oder Verhalten zu schwächen.
    Wann nutzen
    Wenn langsame Tests das lokale Feedback oder die Continuous Integration verzögern und das Projekt stabile Kommandos zum Messen von Laufzeit und Coverage hat.
    Warum
    Eine feste Baseline verhindert, dass Geschwindigkeitsarbeit stillschweigend Coverage oder Korrektheit opfert. Profiling lenkt den Aufwand auf gemessene Engpässe statt auf spekulative Umbauten.

    Loop-Prompt (Original, Englisch)

    Optimize the test suite to run as quickly as possible without reducing coverage or changing behavior.
    In ChatGPT öffnen: The test-suite speed loop (öffnet in neuem Tab)In Claude öffnen: The test-suite speed loop (öffnet in neuem Tab)Zur Quelle: The test-suite speed loop (öffnet in neuem Tab)

  • The repository cleanup loop

    Was es tut
    Inventarisiert Branches, Pull Requests, Commits und Worktrees, rettet wertvolle Änderungen und entfernt nachweislich veralteten Stand.
    Wann nutzen
    Wenn verwaiste Branches, alte Worktrees, unklare Pull Requests oder ungemergte Commits es erschweren zu erkennen, welcher Repository-Stand noch zählt.
    Warum
    Inventur und Klassifizierung trennen rettbare Arbeit vom Ballast, bevor die Bereinigung beginnt. Die wiederholte Inventur belegt, dass das Repository geordnet ist, und nicht bloß kleiner.

    Loop-Prompt (Original, Englisch)

    Inspect local and remote branches, pull requests, commits, and worktrees. Recover valuable work and clean everything stale until the repository is current and organized.
    In ChatGPT öffnen: The repository cleanup loop (öffnet in neuem Tab)In Claude öffnen: The repository cleanup loop (öffnet in neuem Tab)Zur Quelle: The repository cleanup loop (öffnet in neuem Tab)

  • The ticket-to-PR-ready loop

    Was es tut
    Macht aus einem Ticket, fehlerhaftem Verhalten oder einer Kundenbeschwerde eine belegte Ursache, einen minimalen Patch und eine review-fertige Übergabe.
    Wann nutzen
    Wenn ein reales, aber lose formuliertes Ticket, ein Bug-Report oder eine Kundenbeschwerde zu einer begrenzten technischen Änderung mit genug Beweisen für ein schnelles Review werden soll.
    Warum
    Der Loop schließt die Lücke zwischen „irgendetwas stimmt nicht“ und einem Reviewer, der dem Patch vertrauen kann. Reproduktion, Beweise, begrenzter Scope und eine strukturierte Übergabe nehmen dem Review die Detektivarbeit ab.

    Loop-Prompt (Original, Englisch)

    Take a ticket, bug report, failing behavior, or customer complaint and turn it into a review-ready patch. Reproduce the failure in the smallest representative environment, prove the root cause, make the smallest credible fix, and rerun the original reproduction plus relevant regression tests. If the issue cannot be reproduced after two serious attempts, say so. Do not fold unrelated refactors into the patch. Finish with the cause, changed files, before-and-after proof, risks, and pull-request summary.
    In ChatGPT öffnen: The ticket-to-PR-ready loop (öffnet in neuem Tab)In Claude öffnen: The ticket-to-PR-ready loop (öffnet in neuem Tab)Zur Quelle: The ticket-to-PR-ready loop (öffnet in neuem Tab)

  • The Clodex adversarial-review loop

    Was es tut
    Öffnet einen Pull Request, lässt ihn von einem unabhängigen Codex-Modell prüfen, behebt blockierende Befunde und wiederholt das, bis Freigabe erteilt ist.
    Wann nutzen
    Wenn Claude eine relevante Code-Änderung baut und Codex jede Reparaturrunde unabhängig prüfen soll.
    Warum
    Clodex trennt den bauenden Claude vom prüfenden Codex und macht aus Review-Feedback einen begrenzten Reparatur-Loop. Persistenter Zustand hält die Arbeit fortsetzbar, ohne eine Unterbrechung als Freigabe zu werten.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Run /clodex [task] think hard --max-iter 5 --threshold medium. Claude plans the task, implements it, opens a pull request, asks Codex for an adversarial review, fixes findings above the accepted severity, and repeats. Keep the branch, PR, findings, verdict, and iteration state resumable. Stop when Codex approves, only accepted findings remain, progress stalls, or the iteration cap is reached. Never describe an errored or exhausted run as approved. Finish with the PR, checks, verdict, and remaining findings.
    In ChatGPT öffnen: The Clodex adversarial-review loop (öffnet in neuem Tab)In Claude öffnen: The Clodex adversarial-review loop (öffnet in neuem Tab)Zur Quelle: The Clodex adversarial-review loop (öffnet in neuem Tab)

  • The Loop Harness verification loop

    Was es tut
    Lässt einen Agenten in einem isolierten Worktree laufen und liefert vorbereitete Ausgaben erst aus, nachdem eine zweite Agenten-Sitzung sie verifiziert hat.
    Wann nutzen
    Wenn eine wiederkehrende Repository-Aufgabe unbeaufsichtigt laufen soll, ein Agent aber nicht dieselbe Ausgabe erzeugen und zugleich freigeben darf.
    Warum
    Die Isolation der Arbeitsumgebung begrenzt Störungen, und das Zweit-Agenten-Gate trennt Erzeugung von Freigabe. Das Ergebnis kann wiederholt laufen, ohne sich auf das Selbstvertrauen einer einzelnen Sitzung zu verlassen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Use Loop Harness for scheduled repository work such as CI triage, issue grooming, dependency updates, or docs sync. Set [retry limit], then start an isolated git worktree. Let one Claude session stage a patch or outbox message and a second Claude session verify it against explicit criteria. Ship only after a pass; otherwise preserve the findings and retry only within the limit. Finish with the source revision, staged output, verifier result, delivery status, and next run.
    In ChatGPT öffnen: The Loop Harness verification loop (öffnet in neuem Tab)In Claude öffnen: The Loop Harness verification loop (öffnet in neuem Tab)Zur Quelle: The Loop Harness verification loop (öffnet in neuem Tab)

  • The fresh-clone loop

    Was es tut
    Folgt dem README in einer leeren Umgebung von Grund auf, behebt jede versteckte Setup-Annahme und startet neu, bis das Onboarding sauber funktioniert.
    Wann nutzen
    Um zu prüfen, ob die Onboarding-Anweisungen eines Repositorys in einer sauberen Umgebung ohne undokumentierte Hilfe funktionieren.
    Warum
    Die Umgebung nach jeder Korrektur zu verwerfen, verhindert, dass lokaler Zustand das nächste Problem verbirgt. Der abschließende ununterbrochene Durchlauf ist der direkte Beweis, dass das README (nicht das Gedächtnis des Bedieners) ausreicht.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Clone [repository] into a disposable environment and follow only its README to the documented ready state, such as running the app or building the package. When a step fails or assumes missing knowledge, record the gap, fix the setup or documentation issue, discard the environment, and start again. Carry no dependencies, configuration, credentials, or repairs between attempts. Stop when one uninterrupted fresh clone reaches that state, progress stalls, or [budget] ends. Return exact commands, gaps closed, and remaining blockers.
    In ChatGPT öffnen: The fresh-clone loop (öffnet in neuem Tab)In Claude öffnen: The fresh-clone loop (öffnet in neuem Tab)Zur Quelle: The fresh-clone loop (öffnet in neuem Tab)

  • The autonomy-loop builder-reviewer loop

    Was es tut
    Lässt einen Builder und einen gegnerischen Reviewer den Staffelstab zwischen Worktrees übergeben und belegt, dass jeder neue Test seine eigene Korrektur fängt.
    Wann nutzen
    Wenn ein Repository deterministische Test-, Build- und Lint-Gates besitzt und eine Aufgabe sich für wiederholte Builder-Reviewer-Übergaben eignet.
    Warum
    Getrennte Worktrees und ein git-gestützter LOOP-STATE.md-Staffelstab halten die Rollen unabhängig und fortsetzbar. Der Revert-oder-Mutations-Check entlarvt Tests, die Code zwar ausführen, die Korrektur aber nicht belegen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Use autonomy-loop for [repository task] after the test, build, and lint gates pass. Run /autonomy-loop:autonomy-init, then start builder and reviewer in separate worktrees. The builder reads LOOP-STATE.md, makes one bounded change, and adds a red-before, green-after test. The reviewer reruns the gates and proves the test by reverting or mutating the fix. Accept only on both passes; park protected or repeated-failure work for a human. Finish with the commit, gate evidence, test proof, trust tier, and risks.
    In ChatGPT öffnen: The autonomy-loop builder-reviewer loop (öffnet in neuem Tab)In Claude öffnen: The autonomy-loop builder-reviewer loop (öffnet in neuem Tab)Zur Quelle: The autonomy-loop builder-reviewer loop (öffnet in neuem Tab)

  • The Codex completion-contract loop

    Was es tut
    Definiert „fertig“ im Voraus, hält für jede Anforderung den Beweis nach und verhindert, dass teilweise erledigte Codex-Arbeit als abgeschlossen gemeldet wird.
    Wann nutzen
    Für langlaufende Codex-Arbeit, Pull Requests, Laufzeit-Checks oder nutzersichtbare Artefakte, bei denen ein plausibles Teilergebnis fälschlich als Abschluss durchgehen könnte.
    Warum
    Ein dauerhafter Abschluss-Vertrag hält die Definition von „fertig“ über lange Sitzungen sichtbar. Jede Anforderung an einen Nachweis zu koppeln, macht falsche Vollständigkeit leicht erkennbar.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Run $goal-planner-codex [task] for long-running Codex work where partial work could be mistaken for done. Landing a PR and verifying production is one example. Before acting, define every required outcome and its evidence. After each bounded action, mark requirements proved, weak, missing, or contradicted. Complete the Goal only when all are proved; otherwise stop as blocked, stalled, or exhausted. Ask before creating Goal state. Finish with the requirement-to-evidence table, status, owner, and next action.
    In ChatGPT öffnen: The Codex completion-contract loop (öffnet in neuem Tab)In Claude öffnen: The Codex completion-contract loop (öffnet in neuem Tab)Zur Quelle: The Codex completion-contract loop (öffnet in neuem Tab)

  • The five-minute repository maintainer loop

    Was es tut
    Triagiert mehrere Repositories, lenkt begrenzte Wartung in dedizierte Threads und verlangt Beweis und Erlaubnis, bevor Arbeit gelandet wird.
    Wann nutzen
    Wenn ein Agent Wartung über mehrere aktive Repositories koordinieren darf und parallele Arbeit steuerbar bleiben soll, ohne Threads zu duplizieren oder zu mikromanagen.
    Warum
    Ein Fünf-Minuten-Takt hält die Steuerungsebene aktuell, ohne aus dem Polling Mikromanagement zu machen. Ein Thread pro Repository erhält den Kontext, während Beweis- und Autorisierungs-Gates das autonome Landen nachvollziehbar machen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    While repository maintenance is active, wake every five minutes. Triage [repositories] and read each repository thread's latest state. Reuse one thread per repository; assign its highest-value bounded task only within granted permissions, and do not interrupt coherent active work. Require tests, live proof, autoreview, and green CI before work can land. Escalate product, access, security, or irreversible decisions. Record meaningful changes and stop when every item is landed, decision-ready, blocked, or has no work.
    In ChatGPT öffnen: The five-minute repository maintainer loop (öffnet in neuem Tab)In Claude öffnen: The five-minute repository maintainer loop (öffnet in neuem Tab)Zur Quelle: The five-minute repository maintainer loop (öffnet in neuem Tab)

  • The recent-feedback sweep

    Was es tut
    Macht aus zuletzt gemeldeten Nutzerproblemen wiederverwendbare Fehlermuster, behebt jeden bestätigten Treffer und verifiziert einen sauberen Schlussdurchlauf.
    Wann nutzen
    Nach mehreren Tagen Projekt-Feedback, wenn wiederkehrende Fehler auf ähnliche Probleme an anderer Stelle hindeuten könnten und der Agent sowohl die Gesprächshistorie als auch das vollständige aktuelle Projekt einsehen kann.
    Warum
    Jüngste Korrekturen sind konkrete Beispiele für das Qualitätsmaß, das das Projekt verfehlt hat. Sie zu Fehlermustern zu gruppieren, macht aus Einzel-Feedback eine wiederverwendbare Audit-Rubrik, während ein frischer Vollabgleich verwandte Defekte fängt und den aktuellen Stand prüft statt altem Thread-Zustand zu vertrauen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Review all available threads from [lookback window] where I reported something wrong with [project] and asked for a fix. Build a deduplicated issue list, group it into failure patterns, and verify current state. Audit the complete project for every pattern, fix each confirmed instance, and add regression coverage where practical. Repeat the full audit until it finds no remaining instance or [iteration budget] ends. Stop on blocked or approval-gated work. Return the issues, fixes, evidence, and blockers.
    In ChatGPT öffnen: The recent-feedback sweep (öffnet in neuem Tab)In Claude öffnen: The recent-feedback sweep (öffnet in neuem Tab)Zur Quelle: The recent-feedback sweep (öffnet in neuem Tab)

  • The propagation compliance loop

    Was es tut
    Aktualisiert jeden über ein Projekt kopierten Wert, findet Überbleibsel und belegt, dass nur beabsichtigte alte Referenzen verbleiben.
    Wann nutzen
    Nachdem etwas geändert wurde, das in mehreren Dateien vorkommt (etwa eine Versionsnummer, ein Feature-Name, eine Anzahl, eine Regel, eine Einstellung oder ein Bezeichner) und jede Kopie konsistent bleiben muss.
    Warum
    Die wiederholte Suche ist der entscheidende Teil: Sie fängt Kopien, die das erste Update übersah. Jeden Treffer zu prüfen, verhindert zugleich, dass eine breite Ersetzung historische Notizen, Migrationscode oder Beispiele beschädigt, die den alten Wert absichtlich zeigen.

    Loop-Prompt (Original, Englisch)

    After changing a version, count, rule, name, or configuration, list where the new value belongs and update it. Search the project for the old value and related forms. Review each match: fix real stale values, but keep intentional history, examples, migrations, or compatibility rules. Repeat until zero stale values remain. If one returns for two rounds, stop and identify what may be regenerating it. Return changes, intentional matches, and search output.
    In ChatGPT öffnen: The propagation compliance loop (öffnet in neuem Tab)In Claude öffnen: The propagation compliance loop (öffnet in neuem Tab)Zur Quelle: The propagation compliance loop (öffnet in neuem Tab)

  • The Goal Forge loop

    Was es tut
    Interviewt den Nutzer, hält in SPEC.md fest, was gebaut werden soll, und in GOAL.md, wie der Agent es ausführen und verifizieren soll.
    Wann nutzen
    Wenn eine grobe Coding-Idee zu vage ist, um sie einem Agenten für einen langen autonomen Lauf zu übergeben, und zuerst Scope, Abschluss-Checks, Sicherheitsgrenzen und benötigte Tools geklärt werden müssen.
    Warum
    Goal Forge zwingt den Nutzer, vor stundenlanger Agenten-Arbeit zu entscheiden, was Erfolg bedeutet. Die zwei Dateien geben dem Agenten ein stabiles Ziel, wiederholbare Checks, Gedächtnis über lange Läufe und einen ehrlichen Nicht-bereit-Zustand, wenn wichtige Informationen fehlen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Turn [rough coding idea] into two planning files before Codex starts /goal, its long-running task mode. Interview the user, then write SPEC.md: what to build, exclude, and consider, plus measurable done_when completion checks. Write GOAL.md: the work plan, progress scorecard, quick and final checks, memory files, evidence, and approval boundaries. If any key decision, permission, tool, environment requirement, or test is missing, stop as not ready. Do not start implementation without approval.
    In ChatGPT öffnen: The Goal Forge loop (öffnet in neuem Tab)In Claude öffnen: The Goal Forge loop (öffnet in neuem Tab)Zur Quelle: The Goal Forge loop (öffnet in neuem Tab)

  • The cold-load trimmer loop

    Was es tut
    Verringert die vor dem ersten Bildschirm geladene Datenmenge, während Tests und Screenshots Verhalten und Erscheinungsbild schützen.
    Wann nutzen
    Wenn sich eine Web-App beim ersten Besuch schwer anfühlt, weil sie vor dem ersten Bildschirm zu viel Code, Styling, Medien oder andere Daten lädt.
    Warum
    Verhalten und Screenshots vor der ersten Änderung festzuhalten, verhindert, dass ein kaputter Bildschirm zur neuen Norm wird. Eine Download-Änderung pro Runde macht zudem klar, welche Bearbeitung Bytes sparte, und einen Fehlversuch leicht rückgängig.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Reduce the data [web app] downloads before its first screen appears. First record passing tests, mobile and desktop screenshots, and compressed transferred bytes: the data actually downloaded. Use the build report only to suggest candidates. Defer, compress, or remove one item, then rebuild and rerun every check. Keep it only if tests pass, screenshots are pixel-identical, and bytes decrease; otherwise revert. Stop when no safe candidate remains, progress stalls, or approval is needed. Return measurements, changes, and untested states.
    In ChatGPT öffnen: The cold-load trimmer loop (öffnet in neuem Tab)In Claude öffnen: The cold-load trimmer loop (öffnet in neuem Tab)Zur Quelle: The cold-load trimmer loop (öffnet in neuem Tab)

  • The housekeeper loop

    Was es tut
    Belegt, dass eine kleine Aufräum-Gelegenheit sicher ist, nimmt die kleinste nützliche Änderung vor und behält sie nur, nachdem die bestehenden Checks bestehen.
    Wann nutzen
    Wenn ein Code-Projekt kleine Wartungsprobleme angesammelt hat (ungenutzter Code, alte Dateien, duplizierte Logik, kaputte Links, alte Kommentare, uneinheitliche Namen oder verwirrende Struktur), eine breite Löschung aber riskant wäre.
    Warum
    Eine belegte Bereinigung nach der anderen hält die Arbeit leicht prüf- und rückgängig machbar. Beweise vor jeder Löschung zu verlangen (und unsichere Dateien und Änderungen zu schützen) verhindert, dass ein Aufräum-Durchlauf Code entfernt, der aktiv, aber schlecht verstanden ist.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Review [repository or code project] for dead code, meaning unreachable or unused code; stale files or comments; unused dependencies; duplication; broken links; inconsistent names; and confusing structure. Protect unrelated, active, uncommitted, generated, and uncertain work. Prove one low-risk cleanup, make the smallest coherent change, then rerun the build, tests, runtime checks, and diff review. Keep only verified improvements. Stop when none remain, progress stalls, verification is unavailable, or approval is required. Return changes, evidence, and deferred candidates.
    In ChatGPT öffnen: The housekeeper loop (öffnet in neuem Tab)In Claude öffnen: The housekeeper loop (öffnet in neuem Tab)Zur Quelle: The housekeeper loop (öffnet in neuem Tab)

  • The prepare-a-new-project loop

    Was es tut
    Schließt Dokumentationslücken, bis Anforderungen, technisches Design, Abnahmekriterien und Teststrategie ein einziges baubares System beschreiben.
    Wann nutzen
    Bevor ein neues Software-Projekt gebaut wird, wenn dessen Idee oder frühe Dokumente noch wichtige Implementierungs-Entscheidungen offen lassen.
    Warum
    Ein konkreter Konvergenz-Test legt Mehrdeutigkeit offen, über die ein einzelner Autor hinweglesen mag. Eine Abweichung nach der anderen zu beheben, hält die Dokumente kohärent und macht aus der Projektvorbereitung einen für andere Ingenieure nachvollziehbaren Beweis statt eines Stapels Planungstext.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Prepare [project] for implementation. Ensure its documents cover requirements, technical design, tasks with acceptance criteria, and test strategy. Each round, fix the largest gap or contradiction that could make two competent engineers build different systems. Keep details traceable, record assumptions, and ask before product forks. Recheck consistency, then have two independent reviewers describe the components, data model, dependencies, and definition of done. Stop when they materially agree and every artifact is testable, or a decision needs the user.
    In ChatGPT öffnen: The prepare-a-new-project loop (öffnet in neuem Tab)In Claude öffnen: The prepare-a-new-project loop (öffnet in neuem Tab)Zur Quelle: The prepare-a-new-project loop (öffnet in neuem Tab)

  • The test stabilizer loop

    Was es tut
    Misst inkonsistente Testergebnisse, behebt eine Ursache nach der anderen und stoppt nach einer definierten Serie stabiler Durchläufe der gesamten Suite.
    Wann nutzen
    Wenn eine Test-Suite über vergleichbare Läufe hinweg inkonsistente Ergebnisse liefert und die Fehlschläge aus geteiltem Zustand, Timing, Reihenfolge oder externen Abhängigkeiten stammen können.
    Warum
    Wiederholte Läufe verwandeln sporadische Fehlschläge in messbare Beweise. Den häufigsten Flake zuerst zu reparieren und eine Serie über die gesamte Suite zu verlangen, verhindert, dass eine lokale Korrektur eine andere Quelle der Instabilität verbirgt.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Run [test suite] [N] times under the same conditions and list tests whose result changes. Fix the most frequent flake at its root cause (shared state, timing, ordering, or an external dependency), never with a blind sleep or retry. Run that test [N] times, then rerun the full suite. Repeat until [N] consecutive full-suite runs pass, progress stalls, or approval is required. Return each flake, root cause, fix, evidence, and justified quarantine.
    In ChatGPT öffnen: The test stabilizer loop (öffnet in neuem Tab)In Claude öffnen: The test stabilizer loop (öffnet in neuem Tab)Zur Quelle: The test stabilizer loop (öffnet in neuem Tab)

Evaluation & Qualität(9)

Loops, die Ergebnisse hart prüfen: Selbstkritik, Champion-Challenger, Mehr-Modell-Konvergenz, Produkt-Tests.

  • The quality streak loop

    Was es tut
    Testet realistische Szenarien, macht aus jedem Fehlschlag dokumentierte Regressions-Abdeckung und startet die Erfolgsserie nach jeder Korrektur neu.
    Wann nutzen
    Wenn Produktqualität eine strikte Schwelle aufeinanderfolgender Erfolge braucht und Fehlschläge die Test- und Benchmark-Suite dauerhaft verbessern sollen.
    Warum
    Der Neustart der Serie verhindert, dass einzelne Erfolge sporadische Schwächen verdecken. Jeden Fehlschlag in dauerhafte Abdeckung zu überführen, macht die Evaluation nach jedem Treffer stärker.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Test realistic scenarios. When one fails, document it, add regression and benchmark coverage, fix it, and restart the streak. Stop after [N] successful cases in a row.
    In ChatGPT öffnen: The quality streak loop (öffnet in neuem Tab)In Claude öffnen: The quality streak loop (öffnet in neuem Tab)Zur Quelle: The quality streak loop (öffnet in neuem Tab)

  • The full product evaluation loop

    Was es tut
    Bewertet realistische Szenarien über alle wesentlichen Fähigkeiten hinweg, behebt schwache Ergebnisse und lässt sie bis zum definierten Qualitätsmaß erneut laufen.
    Wann nutzen
    Für eine durchgängige Produktbewertung, wenn Qualität über den gesamten Funktionsumfang gemessen werden muss statt über eine enge Regression oder wenige Einzelbeispiele.
    Warum
    Eine feste Fähigkeitenkarte und eine konsistente Bewertungsmethode machen Produktqualität über das ganze System sichtbar. Der abschließende vollständige Durchlauf fängt Korrekturen ab, die ein Szenario verbessern und ein anderes schwächen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Create [N] realistic scenarios covering every major capability. Before testing, define clear success criteria and choose a consistent evaluation method, such as pass/fail checks or a scoring rubric. Run every scenario under the same conditions and record evidence for each outcome. Fix the underlying cause of anything that does not meet the criteria, rerun the affected scenarios, and then rerun the complete set. Continue until every scenario meets the original quality bar.
    In ChatGPT öffnen: The full product evaluation loop (öffnet in neuem Tab)In Claude öffnen: The full product evaluation loop (öffnet in neuem Tab)Zur Quelle: The full product evaluation loop (öffnet in neuem Tab)

  • The self-improving champion loop

    Was es tut
    Testet Herausforderer-Varianten auf einem Arbeitsdatensatz, befördert nur Siege auf frischen Holdout-Fällen und behält bei Unsicherheit den bisherigen Champion.
    Wann nutzen
    Um einen Prompt, eine Policy oder eine Konfiguration zu optimieren, wenn günstige Iteration nützlich ist, die finale Abnahme aber frische Beispiele nutzen muss.
    Warum
    Arbeitsdatensatz und frische Holdout-Fälle zu trennen, begrenzt Overfitting. Den aktuell Besten standardmäßig zu behalten, verhindert Regressionen, während ein festes Budget die Suche begrenzt.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Improve a prompt, policy, or configuration. A support assistant's system prompt is one example. Save the champion, its score, a working set, untouched holdout cases, must-pass checks, and [budget]. Each round, change one thing based on a recorded failure. Promote the challenger only if it beats the champion on holdouts by [margin] without weakening a must-pass check; otherwise keep the champion. Stop at the target, budget limit, or no progress. Return the winner, scores, experiment log, and remaining failures.
    In ChatGPT öffnen: The self-improving champion loop (öffnet in neuem Tab)In Claude öffnen: The self-improving champion loop (öffnet in neuem Tab)Zur Quelle: The self-improving champion loop (öffnet in neuem Tab)

  • The devil's-advocate loop

    Was es tut
    Lässt einen Kritiker einen Entwurf angreifen, protokolliert jeden Einwand und verlangt Beweise, bevor ein Einwand geschlossen werden darf.
    Wann nutzen
    Bevor man sich auf eine Architektur, Oberfläche, einen Rollout-Plan oder einen anderen folgenreichen Entwurf festlegt, der von strukturierter, gegnerischer Prüfung profitiert.
    Warum
    Die Trennung von Kritiker- und Builder-Rolle macht Widerspruch explizit. Ein dauerhaftes Einwand-Protokoll verhindert Zirkeldebatten, während beweisbasierter Abschluss den Builder daran hindert, Erfolg allein durch Erklärung zu behaupten.

    Loop-Prompt (Original, Englisch)

    Before committing to an architecture, interface, or rollout plan, have a critic argue that it is wrong. Record each objection, impact, and status in a repository-local log at .agent-reviews/redteam.md. The builder must fix and verify each high-impact weakness or document why it is accepted; the critic may reopen unsupported answers. Stop when no high-impact objection remains or the same issues repeat for two rounds without new evidence. Finish with the decision, resolved and accepted objections, evidence, and any stalemate.
    In ChatGPT öffnen: The devil's-advocate loop (öffnet in neuem Tab)In Claude öffnen: The devil's-advocate loop (öffnet in neuem Tab)Zur Quelle: The devil's-advocate loop (öffnet in neuem Tab)

  • The Revolve versioned-experiment loop

    Was es tut
    Verbessert Prompts, Code oder Konfigurationen über versionierte, gecheckpointete Experimente, deren Bewertungen über Sitzungen hinweg vergleichbar bleiben.
    Wann nutzen
    Um einen Prompt, eine Policy, einen Workflow, eine Modellkonfiguration, einen Code-Pfad oder einen Datensatz zu verbessern, wenn Experimente vergleichbar und über Sitzungen hinweg fortsetzbar bleiben müssen.
    Warum
    Die Revisions-Grenzen von Revolve verhindern, dass Bewertungen aus unterschiedlichen Tests oder Rubriken als gleichwertig verglichen werden. Checkpoints und eine Intern-vor-Live-Grenze halten lange Forschung fortsetzbar und umkehrbar.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Use Revolve to improve a support prompt, code path, or testable subject. In revolve/, define the goal and [budget], freeze the tests and scoring, checkpoint the current version, and record a baseline. Each round, test one hypothesis; keep only a clear, regression-free win. If the evaluation changes, open a new revision and rerun the baseline. Ask before changing live files. Stop on success, no progress, a blocker, or exhausted budget. Return the best checkpoint, comparisons, rollback, and next action.
    In ChatGPT öffnen: The Revolve versioned-experiment loop (öffnet in neuem Tab)In Claude öffnen: The Revolve versioned-experiment loop (öffnet in neuem Tab)Zur Quelle: The Revolve versioned-experiment loop (öffnet in neuem Tab)

  • The promise-to-proof loop

    Was es tut
    Vergleicht Aussagen in Marketing, Dokumentation, Demos und KI-Antworten mit dem aktuellen Stand und korrigiert oder relativiert unbelegte Versprechen.
    Wann nutzen
    Wenn das, was ein Produkt zu leisten behauptet, womöglich nicht mehr mit dem übereinstimmt, was es über Marketing, Doku, Demos, Support-Antworten oder das Live-Produkt tatsächlich tut.
    Warum
    Das verwandelt eine vage Frage („Können Kunden unseren Aussagen vertrauen?“) in eine Liste einzeln prüfbarer Versprechen. Eine riskante Abweichung nach der anderen zu beheben, hält Produkt und öffentliche Darstellung im Einklang, ohne das Audit zu einem unkontrollierten Rewrite werden zu lassen.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    List every customer-facing promise [product] makes in marketing, documentation, demos, and AI answers. Compare each promise with current product behavior and evidence, then label it proven, partly proven, misleading, unsupported, outdated, or missing evidence. Fix or narrow the riskiest mismatch and rerun the affected check. Repeat until no high-risk unsupported promise remains. Ask before changing production or public copy. Return the promises, evidence, fixes, and decisions needed.
    In ChatGPT öffnen: The promise-to-proof loop (öffnet in neuem Tab)In Claude öffnen: The promise-to-proof loop (öffnet in neuem Tab)Zur Quelle: The promise-to-proof loop (öffnet in neuem Tab)

  • The multi-LLM convergence loop

    Was es tut
    Wechselt zwischen zwei KI-Systemen verschiedener Anbieter, die einen Plan, ein Dokument oder eine Code-Änderung prüfen, bis beide genau dieselbe Version freigeben.
    Wann nutzen
    Wenn ein wichtiger Plan, eine Spezifikation, ein Entwurf, ein Dokument oder eine Code-Änderung von zwei unabhängigen KI-Perspektiven profitiert, statt von einem Modell, das seine eigenen blinden Flecken prüft.
    Warum
    Unterschiedliche Modellfamilien bemerken unterschiedliche Probleme. Die Freigabe genau derselben Version durch beide zu verlangen, verhindert, dass eine saubere Prüfung eines älteren Entwurfs als Freigabe eines neueren zählt; das Runden-Protokoll zeigt, wie die Einigung zustande kam.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Review [plan, specification, document, or code change] against [quality bar] for at most [pass limit] rounds. Have one of two genuinely different model families (AI systems from separate providers) review it. Verify each finding and apply only necessary fixes, then give the revised version to the other reviewer. Succeed only when both approve the same unchanged version. Stop at the limit, repeating disagreement (oscillation), unavailable review, or required approval. Return the final work, round log, verdict, and disagreements.
    In ChatGPT öffnen: The multi-LLM convergence loop (öffnet in neuem Tab)In Claude öffnen: The multi-LLM convergence loop (öffnet in neuem Tab)Zur Quelle: The multi-LLM convergence loop (öffnet in neuem Tab)

  • The easy onboarding loop

    Was es tut
    Beginnt ohne gespeichertes Konto oder Browser-Zustand, behebt eine bestätigte Onboarding-Hürde und durchläuft das gesamte Erlebnis erneut.
    Wann nutzen
    Wenn neue Nutzer auf unklare Anweisungen, versteckte Annahmen, schwierige Wiederherstellung oder unnötige Schritte stoßen könnten, die erfahrene Nutzer nicht mehr bemerken, weil ihre Konten und Browser frühere Einrichtung speichern.
    Warum
    Gespeicherte Logins und gemerkte Einrichtung verbergen Probleme vor erfahrenen Nutzern. Nach jeder Korrektur neu zu beginnen, zeigt, ob das Produkt selbst den Weg nun erklärt, während das Bewahren echter Anforderungen verhindert, dass ein leichteres Erlebnis Sicherheit oder Zugriffskontrollen schwächt.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Act like a first-time user of [product]. Start at the real entry point in a clean session with no saved login, site data, remembered route, or hidden setup. Complete onboarding using only visible guidance and record obstacles. Fix the worst one with the smallest change that preserves every security, access, and product requirement. Discard the session and retry. Stop after one uninterrupted success, no safe fix, blocked access, or required approval. Return the path, changes, evidence, and blockers.
    In ChatGPT öffnen: The easy onboarding loop (öffnet in neuem Tab)In Claude öffnen: The easy onboarding loop (öffnet in neuem Tab)Zur Quelle: The easy onboarding loop (öffnet in neuem Tab)

  • The Axelrod subagent arena loop

    Was es tut
    Führt ein kontrolliertes Turnier, in dem zwei argumentierende KI-Agenten wiederholt Kooperation oder Verrat wählen und mit Spielern verglichen werden, die stets gleich wählen.
    Wann nutzen
    Als kontrolliertes Experiment, um zu sehen, ob KI-Agenten Verhalten wiederholter Interaktion erlernen: etwa Kooperation, Vergeltung nach Verrat, Vergebung, Ausbeutung und unterschiedliche Strategien gegen unterschiedliche Gegner.
    Warum
    Die Stets-kooperieren- und Stets-verraten-Spieler liefern einfache Vergleichspunkte: Sie zeigen, ob die argumentierenden Agenten leichte Gegner ausnutzen, sich verteidigen, Kooperation wiederaufbauen oder die Strategie wechseln. Verborgene Identitäten, gleichzeitige Züge, gespeicherte Paar-Historien und neu berechnete Scores halten das Experiment fair und nachvollziehbar.

    Loop-Prompt (Original, Englisch)

    Run a fixed Axelrod tournament with two reasoning AI agents. Each round, every player privately chooses cooperate (C) or defect (D); code records simultaneous moves and applies fixed scoring. Include always-defect and always-cooperate comparison players. Run three cycles, six pairings per cycle, and ten rounds per pairing: 18 matches and 180 rounds. Hide opponent type and private reasoning. Validate every move and total. Return raw-score and cooperation-stability rankings, reasoning summaries, violations, and the record; partial tournaments are incomplete.
    In ChatGPT öffnen: The Axelrod subagent arena loop (öffnet in neuem Tab)In Claude öffnen: The Axelrod subagent arena loop (öffnet in neuem Tab)Zur Quelle: The Axelrod subagent arena loop (öffnet in neuem Tab)

Design & UX(6)

Loops für Oberfläche und Erlebnis: UI/UX-Score, Accessibility, CSS-Hygiene, visuelle Rekonstruktion.

  • The Boeing 747 benchmark

    Was es tut
    Lässt einen Agenten eine Boeing 747 aus Three.js-Primitiven bauen, neun wiederholbare Blickwinkel rendern und beheben, was jede Ansicht offenlegt.
    Wann nutzen
    Als konkreter Three.js-Vision-Benchmark oder, mit demselben Capture-und-Kritiker-Muster, übertragen auf ein anderes gerendertes Motiv.
    Warum
    Das Neun-Winkel-Rig macht aus einem subjektiven 3D-Bau einen wiederholbaren visuellen Test. Dieselben Ansichten nach jeder Änderung zu kritisieren, deckt Probleme auf, die ein einzelnes Hero-Rendering verbergen kann.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Before building, choose reference images, a scoring rubric, [visual threshold], and [budget]. Build the most realistic Boeing 747 you can from Three.js primitives, then create a rig that screenshots nine repeatable angles. After each change, render and score the same views, have a critic identify the weakest feature, and fix it without regressing stronger views. Keep the best version. Stop at the threshold, stalled progress, or budget. Finish with the model, nine renders, scores, remaining gaps, and run summary.
    In ChatGPT öffnen: The Boeing 747 benchmark (öffnet in neuem Tab)In Claude öffnen: The Boeing 747 benchmark (öffnet in neuem Tab)Zur Quelle: The Boeing 747 benchmark (öffnet in neuem Tab)

  • War Loops: frontend reconstruction

    Was es tut
    Erfasst eine reale Seite, baut ein statisches Abbild und eine bewegte Version und repariert gezielt die schwächsten Treue-Signale.
    Wann nutzen
    Wenn eine autorisierte Oberfläche aus einer URL oder einem Bild nachgebaut werden soll und nach Aussehen, Bewegung und responsivem Verhalten beurteilt wird.
    Warum
    War Loops trennt das statische Erscheinungsbild einer Seite davon, wie sie sich bewegt und umbricht. Sein chirurgischer Kritiker zielt auf die schwächsten gemessenen Signale, ohne bereits passende Bereiche aufzuwühlen.

    Loop-Prompt (Original, Englisch)

    Point War Loops at an authorized URL or image. Capture it with a genuine browser and record the layout, styles, content, motion, and responsive behavior. Build a static Pencil mirror and a moving Forge version. Compare both with the source at desktop, tablet, and mobile sizes; repair only the weakest fidelity signals. Stop when every gate passes, progress stalls, or capture is blocked. Finish with the builds, spec, renders, scores, and remaining gaps.
    In ChatGPT öffnen: War Loops: frontend reconstruction (öffnet in neuem Tab)In Claude öffnen: War Loops: frontend reconstruction (öffnet in neuem Tab)Zur Quelle: War Loops: frontend reconstruction (öffnet in neuem Tab)

  • The Infinite Clickbait thumbnail loop

    Was es tut
    Erstellt zehn Thumbnail-Konzepte, bewertet die besten drei gegen einen passenden YouTube-Kanal und verbessert den Sieger, ohne Zuschauer in die Irre zu führen.
    Wann nutzen
    Wenn ein Video-Thema und der Asset-Satz bereitstehen, das Thumbnail aber vor der Produktion mehrere strukturierte Ideen- und Kritikrunden braucht.
    Warum
    Ein vielfältiger erster Satz schafft echte Optionen, während eine feste Bewertungsrubrik spätere Runden vergleichbar macht. Genauigkeit in der Bewertung verhindert, dass Neugier zu einem Versprechen wird, das das Video nicht halten kann.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    For [video], use [approved assets] to make ten thumbnail concepts. Score each at real YouTube sizes against [inspiration channel] for clarity, curiosity, emotional pull, contrast, and accuracy. Take the top three, improve each one's weakest dimension, and rescore them under the same rubric. Keep iterating the strongest concept until it clears [quality threshold] or [budget] ends. Reject anything the video cannot deliver. Return the winner, two runners-up, previews, final scores, and rationale.
    In ChatGPT öffnen: The Infinite Clickbait thumbnail loop (öffnet in neuem Tab)In Claude öffnen: The Infinite Clickbait thumbnail loop (öffnet in neuem Tab)Zur Quelle: The Infinite Clickbait thumbnail loop (öffnet in neuem Tab)

  • The UI/UX Score Loop

    Was es tut
    Erledigt eine echte Nutzer-Aufgabe im Browser, bewertet jeden relevanten Screen mit derselben Checkliste, verbessert Schwachstellen und testet die ganze Aufgabe erneut.
    Wann nutzen
    Für eine echte Aufgabe wie Registrierung, Login, Onboarding, Checkout, Teilen oder das Erstellen und Bearbeiten eines Elements, wenn das gesamte Erlebnis im Browser durchlaufen und konsistent bewertet werden kann.
    Warum
    Eine saubere Browser-Sitzung legt Probleme offen, die gespeicherte Logins, Cookies und gemerkte Einstellungen verbergen können. Dieselbe Aufgabe mit derselben Rubrik zu wiederholen, macht das Ergebnis vergleichbar, statt sich auf den vagen Eindruck zu verlassen, die Oberfläche „fühle sich besser an“.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Improve [user flow, such as signup] at [URL] until [completion criterion]. In a real browser, start each pass from fresh state, no saved login, cookies, or site data. Capture meaningful screens at the agreed sizes and modes, score them with one checklist, and improve the weakest safe area. Rerun the whole flow and keep only regression-free changes. Stop on success, two full passes with no gain, blocked access, or required approval. Return scores, screenshots, changes, and stop reason.
    In ChatGPT öffnen: The UI/UX Score Loop (öffnet in neuem Tab)In Claude öffnen: The UI/UX Score Loop (öffnet in neuem Tab)Zur Quelle: The UI/UX Score Loop (öffnet in neuem Tab)

  • The pixel-safe CSS trim loop

    Was es tut
    Entfernt ungenutztes oder redundantes CSS Stück für Stück und behält die Entfernung nur, wenn jeder getestete Screen identisch aussieht.
    Wann nutzen
    Wenn die Styling-Dateien einer Website ungenutzte Deklarationen, duplizierte Regeln oder alte Overrides enthalten könnten und repräsentative Seiten und Interaktionen in wiederholbaren Screenshots erfassbar sind.
    Warum
    Vor der Bereinigung aufgenommene Screenshots erheben das aktuelle Erscheinungsbild zum Maßstab. Exakter Bildvergleich und eine Löschung pro Runde fangen visuelle Änderungen, die ein automatischer Coverage-Report nicht verstehen kann: darunter Regeln, die nur wegen ihrer Reihenfolge wirken.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Reduce the CSS styling code [site] sends to users without changing tested screens. First capture representative pages, sizes, themes, and interactions, and record the built CSS size. Treat coverage reports only as suggestions. Remove one declaration or rule, rebuild, and rerun screenshots and project checks. Keep it only if every screenshot is pixel-identical and built CSS is smaller; otherwise revert. Stop when no supported candidate remains, progress stalls, or approval is required. Return reduction, evidence, and untested states.
    In ChatGPT öffnen: The pixel-safe CSS trim loop (öffnet in neuem Tab)In Claude öffnen: The pixel-safe CSS trim loop (öffnet in neuem Tab)Zur Quelle: The pixel-safe CSS trim loop (öffnet in neuem Tab)

  • The accessibility repair loop

    Was es tut
    Bestätigt Barrieren gegen einen vereinbarten Standard, behebt das Problem mit der größten Nutzer-Wirkung und wiederholt dieselben Prüfungen.
    Wann nutzen
    Wenn eine Website oder App ein definiertes Barrierefreiheits-Ziel hat und die relevanten Seiten, Komponenten oder Aufgaben wiederholt für Menschen testbar sind, die Tastatur, Screenreader, Zoom oder andere Zugangswege nutzen.
    Warum
    Ein fester Scope und wiederholte Prüfungen halten Barrierefreiheits-Arbeit an echte Menschen und reproduzierbare Beweise gebunden statt an eine endlose Punktejagd. Die schädlichste bestätigte Barriere zuerst zu beheben, lenkt den Aufwand zu den am stärksten blockierten Nutzern.
    Platzhalter ausfüllen

    Loop-Prompt (Original, Englisch)

    Check [scope] against [accessibility standard, such as WCAG 2.2 AA] with automated scans and available keyboard, screen-reader, and other manual tests. Confirm each issue, rank it by harm, and fix the highest-impact blocker. Rerun the same checks, affected task, and regression tests. Keep only verified fixes. Stop when no blocker remains, progress stalls, verification is unavailable, or approval is required. Never silence a check or weaken the target. Return issues, fixes, evidence, exceptions, and untested needs.
    In ChatGPT öffnen: The accessibility repair loop (öffnet in neuem Tab)In Claude öffnen: The accessibility repair loop (öffnet in neuem Tab)Zur Quelle: The accessibility repair loop (öffnet in neuem Tab)

Operations & Betrieb(4)

Loops für den laufenden Betrieb: Releases, Daten-Hygiene, Baselines, Kunden-Deployment.

  • The stale-safe batch release loop

    Was es tut
    Schließt veraltete oder unfertige Arbeit aus, kombiniert die gültigen Änderungen und liefert vollständige Artefakte vom aktuell integrierten Main aus.
    Wann nutzen
    Wenn mehrere Branches oder Pull Requests gleichzeitig fertig sein können und das Release veraltete Worktrees, Teil-Überlagerungen und unvollständige Änderungen vermeiden muss.
    Warum
    Alle Kandidaten vor der Integration zu bewerten, verhindert, dass veralteter Code aus Bequemlichkeit oder Worktree-Verwechslung in ein Release gerät. Ein Release vom integrierten Main belegt, dass das ausgelieferte Artefakt dem geprüften Bündel entspricht.

    Loop-Prompt (Original, Englisch)

    Review pending changes and pull requests, exclude stale or unfinished work, combine the valid changes, and release them together.
    In ChatGPT öffnen: The stale-safe batch release loop (öffnet in neuem Tab)In Claude öffnen: The stale-safe batch release loop (öffnet in neuem Tab)Zur Quelle: The stale-safe batch release loop (öffnet in neuem Tab)

  • The production data cleanup loop

    Was es tut
    Entfernt unzulässige Datensätze aus Produktionsdaten, verbessert die Klassifizierungslogik und verifiziert den verbleibenden Datenbestand gegen eine explizite Definition.
    Wann nutzen
    Wenn ein Produktionsdatensatz Einträge enthält, die einer Produkt-, Richtlinien-, Taxonomie- oder Qualitätsdefinition nicht mehr entsprechen, und der Klassifikator sie durchgelassen hat.
    Warum
    Bestehende Datensätze und Klassifikator gemeinsam zu korrigieren, schließt das akute Datenproblem und senkt die Wiederholungsgefahr. Explizite Regeln und Regressionsbeispiele machen künftige Bereinigungsentscheidungen prüffähig.

    Loop-Prompt (Original, Englisch)

    Review production records, remove anything that does not meet the allowed definition, improve the classification logic, and verify the remaining data.
    In ChatGPT öffnen: The production data cleanup loop (öffnet in neuem Tab)In Claude öffnen: The production data cleanup loop (öffnet in neuem Tab)Zur Quelle: The production data cleanup loop (öffnet in neuem Tab)

  • The post-release baseline loop

    Was es tut
    Führt die Standard-Benchmarks gegen das fertige Release aus und hält eine reproduzierbare Baseline für künftige Vergleiche fest.
    Wann nutzen
    Unmittelbar nach einem Release, wenn künftige Regressionen oder Verbesserungen gegen genau die Version gemessen werden müssen, die jetzt in Produktion ist.
    Warum
    Die Baseline an ein verifiziertes Release zu binden, schafft einen verlässlichen Referenzpunkt für spätere Performance- und Qualitätsarbeit. Das Festhalten der Bedingungen verhindert, dass sich fremde Umgebungsänderungen als Produktänderungen ausgeben.

    Loop-Prompt (Original, Englisch)

    After current releases finish, run the standard benchmarks and record the results as the new baseline.
    In ChatGPT öffnen: The post-release baseline loop (öffnet in neuem Tab)In Claude öffnen: The post-release baseline loop (öffnet in neuem Tab)Zur Quelle: The post-release baseline loop (öffnet in neuem Tab)

  • The customer AI deployment loop

    Was es tut
    Führt eine Kundenpriorität zu einem validierten, schrittweise ausgerollten KI-System mit Monitoring, Freigaben und Ergebnisnachweis.
    Wann nutzen
    Wenn ein KI-Workflow in einem echten Kundenprozess leben muss und Validierung, Freigabe, schrittweisen Rollout, Monitoring und ein klares Geschäftsergebnis braucht.
    Warum
    Der Workflow selbst ist nur ein Teil eines echten Deployments. Dieser Loop hält Validierung, Freigabe, Rollout, Monitoring, Lernen und Verantwortlichkeit an eine Kundenpriorität gebunden.

    Loop-Prompt (Original, Englisch)

    Run this when a customer requests an AI workflow, reports a failure, or reaches an operations review. Choose one priority, such as enriching leads, drafting emails, summarizing meetings, or updating a CRM. Define the owner, inputs, approvals, success metric, and ROI hypothesis. Dry-run it on realistic customer data, fix the smallest verified problem, then release through approved stages and monitor production. Finish with the outcome, evidence, customer update, lessons saved, and next review.
    In ChatGPT öffnen: The customer AI deployment loop (öffnet in neuem Tab)In Claude öffnen: The customer AI deployment loop (öffnet in neuem Tab)Zur Quelle: The customer AI deployment loop (öffnet in neuem Tab)

Content & Sichtbarkeit(2)

Loops für Inhalte und Auffindbarkeit: SEO/GEO, redaktionelle Automatisierung.

  • The SEO/GEO visibility loop

    Was es tut
    Behebt die wirkungsstärksten Lücken bei Crawling, Indexierung, Seitenintention, Quellenangaben und Antwort-Tauglichkeit zuerst und misst nach jeder Änderung neu.
    Wann nutzen
    Wenn eine Website einen definierten Satz an Prioritätsseiten und Zielfragen hat und denselben technischen Crawl plus Sichtbarkeits-Checks nach jeder Änderung erneut laufen lassen kann.
    Warum
    Ein fester Benchmark macht Sichtbarkeitsarbeit messbar und verhindert, dass eine lange Liste geringwertiger SEO-Aufgaben die wirkungsstärkste Korrektur verdrängt. Jede Prioritäts-Query auf eine starke Seite zu mappen, gibt Such- und Antwortsystemen ein klares Ziel.

    Loop-Prompt (Original, Englisch)

    Run an SEO/GEO audit across crawlability, indexation, page intent, titles, internal links, structured data, source citations, and answer-first content. Rank the gaps by expected impact, fix the highest-leverage issue, then rerun the same crawl and target-query benchmark across search engines and AI answer engines. Repeat until no critical technical issues remain, every priority query maps to a clear answer-ready page, and the benchmark shows no high-impact gap left to fix.
    In ChatGPT öffnen: The SEO/GEO visibility loop (öffnet in neuem Tab)In Claude öffnen: The SEO/GEO visibility loop (öffnet in neuem Tab)Zur Quelle: The SEO/GEO visibility loop (öffnet in neuem Tab)

  • The product update podcast loop

    Was es tut
    Macht aus relevanten öffentlichen Produktänderungen eine kurze, quellengestützte Podcast-Episode nach festem Zeitplan.
    Wann nutzen
    Wenn ein Produkt häufig genug ausliefert, dass Nutzer von einer kurzen, wiederkehrenden Audio-Erklärung profitieren, was sich geändert hat und wie man es nutzt.
    Warum
    Ein festes Release-Fenster hält die Berichterstattung aktuell, während redaktionelle Auswahl und Quellenprüfung verhindern, dass die Episode zu einem automatischen Vorlesen von Commit-Titeln verkommt.

    Loop-Prompt (Original, Englisch)

    Each night, review publicly released product changes and select only those users need to know. Verify each against the product, docs, or release notes. Use the Jellypod MCP to turn the approved changes into a three-to-five-minute podcast explaining what changed, why it matters, and how to try it. Check the script and audio for accuracy, clarity, and pronunciation. If nothing meaningful shipped, make no episode. Ask before publishing. Finish with the draft episode, sources, and review result.
    In ChatGPT öffnen: The product update podcast loop (öffnet in neuem Tab)In Claude öffnen: The product update podcast loop (öffnet in neuem Tab)Zur Quelle: The product update podcast loop (öffnet in neuem Tab)

Die Loops stammen aus der Forward Future Loop Library von Matthew Berman. Erklärung & Einordnung: Benevides KI-Beratung. Jeder Loop verlinkt zur Originalquelle. Forward Future Loop Library (öffnet in neuem Tab)

Loops für dein Unternehmen

Ich helfe dir, die richtigen agentischen Workflows auszuwählen, sicher aufzusetzen (Guardrails, Verifikation, Stop-Bedingung) und in deinen Alltag zu bringen.

Kostenloses Erstgespräch (öffnet in neuem Tab)Programme ansehen

30 Minuten · Video-Call · kostenlos