Best Practices für das Prompting

Dies ist die Referenz für „prompt engineering“ (Prompt-Engineering) mit aktuellen Claude-Modellen, einschließlich Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5, Claude Mythos 5, Claude Opus 5, Claude Opus 4.8, Claude Opus 4.7, Claude Opus 4.6, Claude Sonnet 5, Claude Sonnet 4.6 und Claude Haiku 4.5. Die Seite ist in drei Teile gegliedert:

• Modellspezifische Hinweise zuerst: wo sich ein einzelnes Modell anders verhält und was du in deinem Prompt ändern solltest.
• Techniken für alle aktuellen Modelle danach: allgemeine Prinzipien, Ausgabe und Formatierung, Tool-Nutzung, Denken und agentische Systeme.
• Überlegungen zur Migration zuletzt, für Prompts, die von früheren Generationen übernommen werden.

Modellspezifische Hinweise

Jedes dieser Modelle hat seine eigene Prompting-Seite. Lies zuerst die Seite für dein Modell und dann die nachfolgenden Techniken.

Allgemeine Prinzipien

Die Techniken in diesem Abschnitt und den folgenden Abschnitten gelten für aktuelle Claude-Modelle, einschließlich Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5 und Claude Mythos 5. Wenn eine Technik ein bestimmtes Modell nennt, betrachte sie als an diesem Modell gemessen und überprüfe sie anhand deiner eigenen Evals, bevor du sie auf ein anderes Modell anwendest.

Sei klar und direkt

Claude reagiert gut auf klare, explizite Anweisungen. Wenn du deine gewünschte Ausgabe konkret beschreibst, kann das die Ergebnisse verbessern. Wenn du ein Verhalten möchtest, das „über das Erwartete hinausgeht“, fordere es ausdrücklich an, anstatt dich darauf zu verlassen, dass das Modell dies aus vagen Prompts ableitet.

Stell dir Claude als brillanten, aber neuen Mitarbeiter vor, dem der Kontext zu deinen Normen und Arbeitsabläufen fehlt. Je präziser du erklärst, was du willst, desto besser das Ergebnis.

Goldene Regel: Zeige deinen Prompt einem Kollegen mit minimalem Kontext zur Aufgabe und bitte ihn, ihn zu befolgen. Wenn er verwirrt wäre, wird Claude es auch sein.

• Sei konkret in Bezug auf das gewünschte Ausgabeformat und die Einschränkungen.
• Gib Anweisungen als aufeinanderfolgende Schritte mit nummerierten Listen oder Aufzählungspunkten, wenn die Reihenfolge oder Vollständigkeit der Schritte wichtig ist.

Create an analytics dashboard

Create an analytics dashboard. Include as many relevant features and interactions as possible. Go beyond the basics to create a fully-featured implementation.

Füge Kontext hinzu, um die Leistung zu verbessern

Wenn du den Kontext oder die Motivation hinter deinen Anweisungen angibst, etwa indem du Claude erklärst, warum ein bestimmtes Verhalten wichtig ist, kann Claude deine Ziele besser verstehen und gezieltere Antworten liefern.

NEVER use ellipses

Your response will be read aloud by a text-to-speech engine, so never use ellipses since the text-to-speech engine will not know how to pronounce them.

Claude ist intelligent genug, um aus der Erklärung zu verallgemeinern.

Nutze Beispiele effektiv

Beispiele sind eine der zuverlässigsten Methoden, um Claudes Ausgabeformat, Ton und Struktur zu steuern. Einige gut ausgearbeitete Beispiele (bekannt als „few-shot prompting“ oder „multishot prompting“ (Prompting mit wenigen bzw. mehreren Beispielen)) verbessern Genauigkeit und Konsistenz.

Wenn du Beispiele hinzufügst, achte darauf, dass sie:

• Relevant sind: Sie sollten deinen tatsächlichen Anwendungsfall genau widerspiegeln.
• Vielfältig sind: Sie sollten Grenzfälle abdecken und ausreichend variieren, damit Claude keine unbeabsichtigten Muster übernimmt.
• Strukturiert sind: Umschließe Beispiele mit <example>-Tags (mehrere Beispiele mit <examples>-Tags), damit Claude sie von Anweisungen unterscheiden kann.

Strukturiere Prompts mit XML-Tags

XML-Tags helfen Claude, komplexe Prompts eindeutig zu parsen, insbesondere wenn dein Prompt Anweisungen, Kontext, Beispiele und variable Eingaben mischt. Wenn du jede Art von Inhalt in ein eigenes Tag einschließt (zum Beispiel <instructions>, <context>, <input>), verringert das Fehlinterpretationen.

Best Practices:

• Verwende konsistente, beschreibende Tag-Namen in deinen Prompts.
• Verschachtele Tags, wenn der Inhalt eine natürliche Hierarchie hat (Dokumente innerhalb von <documents>, jedes innerhalb von <document index="n">).

Gib Claude eine Rolle

Das Festlegen einer Rolle im „system prompt“ (System-Prompt) fokussiert Claudes Verhalten und Ton auf deinen Anwendungsfall. Schon ein einziger Satz macht einen Unterschied:

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    system="You are a helpful coding assistant specializing in Python.",
    messages=[
        {"role": "user", "content": "How do I sort a list of dictionaries by key?"}
    ],
)

print(message.content)

Prompting mit langem Kontext

Wenn du mit großen Dokumenten oder datenreichen Eingaben (20k+ Token) arbeitest, strukturiere deinen Prompt sorgfältig, um die besten Ergebnisse zu erzielen:

• Platziere lange Daten oben: Platziere deine langen Dokumente und Eingaben nahe am Anfang deines Prompts, oberhalb deiner Anfrage, Anweisungen und Beispiele. Dies verbessert die Leistung bei allen Modellen.

• Strukturiere Dokumentinhalte und Metadaten mit XML-Tags: Wenn du mehrere Dokumente verwendest, umschließe jedes Dokument zur Klarheit mit <document>-Tags mit den Untertags <document_content> und <source> (und weiteren Metadaten).

  Beispiel für eine Struktur mit mehreren Dokumenten

• Stütze Antworten auf Zitate: Bitte Claude bei Aufgaben mit langen Dokumenten, zuerst relevante Teile der Dokumente zu zitieren, bevor es seine Aufgabe ausführt. Das hilft Claude, sich auf den relevanten Inhalt zu konzentrieren und den Rest des Dokuments zu ignorieren.

  Beispiel für Zitatextraktion

Selbstkenntnis des Modells

Wenn du möchtest, dass Claude sich in deiner Anwendung korrekt identifiziert oder bestimmte API-Strings verwendet:

The assistant is Claude, created by Anthropic. The current model is Claude Opus 5.

Für LLM-gestützte Apps, die Modell-Strings angeben müssen:

When an LLM is needed, please default to Claude Opus 5 unless the user requests
otherwise. The exact model string for Claude Opus 5 is claude-opus-5.

Ausgabe und Formatierung

Kommunikationsstil und Ausführlichkeit

Claudes neueste Modelle haben im Vergleich zu früheren Modellen einen prägnanteren und natürlicheren Kommunikationsstil:

• Direkter und fundierter: Liefert faktenbasierte Fortschrittsberichte statt selbstlobender Updates
• Gesprächiger: Etwas flüssiger und umgangssprachlicher, weniger maschinenhaft
• Weniger ausführlich: Lässt aus Effizienzgründen möglicherweise detaillierte Zusammenfassungen weg, sofern nicht anders angewiesen

Das bedeutet, dass Claude nach Tool-Aufrufen verbale Zusammenfassungen überspringen und direkt zur nächsten Aktion übergehen kann. Wenn du mehr Einblick in seine Überlegungen bevorzugst:

After completing a task that involves tool use, provide a quick summary of the work you've done.

Claude Opus 5 ist bei der Ausführlichkeit eine Ausnahme: Seine standardmäßigen nutzerseitigen Antworten sind länger als die früherer Modelle, und das Erhöhen oder Senken von effort ändert die sichtbare Antwortlänge nicht zuverlässig. Fordere stattdessen ausdrücklich Prägnanz an. Eine Beispielanweisung findest du unter Prompting für Claude Opus 5. Claude Fable 5.1 hat bei agentischer Arbeit die gegenteilige Tendenz: Es schreibt weniger nutzerseitige Updates zwischen Tool-Aufrufen. Fordere Fortschrittstext ausdrücklich an und entferne jede Anweisung, die es auffordert, diesen Text kurz zu halten. Siehe Nutzerseitige Fortschrittsmeldungen anfordern.

Steuere das Format von Antworten

Es gibt einige besonders effektive Möglichkeiten, die Ausgabeformatierung zu steuern:

1. Sage Claude, was es tun soll, statt was es nicht tun soll

   • Statt: „Verwende kein Markdown in deiner Antwort“
   • Versuche: „Deine Antwort sollte aus flüssig geschriebenen Prosa-Absätzen bestehen.“

2. Verwende XML-Formatindikatoren

   • Versuche: „Schreibe die Prosa-Abschnitte deiner Antwort in <smoothly_flowing_prose_paragraphs>-Tags.“

3. Passe deinen Prompt-Stil an die gewünschte Ausgabe an

   Der in deinem Prompt verwendete Formatierungsstil kann Claudes Antwortstil beeinflussen. Wenn du weiterhin Probleme mit der Steuerbarkeit der Ausgabeformatierung hast, versuche, deinen Prompt-Stil so genau wie möglich an deinen gewünschten Ausgabestil anzupassen. Wenn du zum Beispiel Markdown aus deinem Prompt entfernst, kann das die Menge an Markdown in der Ausgabe reduzieren.

4. Verwende detaillierte Prompts für spezifische Formatierungspräferenzen

   Für mehr Kontrolle über die Verwendung von Markdown und Formatierung gib explizite Hinweise:

<avoid_excessive_markdown_and_bullet_points>
When writing reports, documents, technical explanations, analyses, or any long-form
content, write in clear, flowing prose using complete paragraphs and sentences. Use
standard paragraph breaks for organization and reserve markdown primarily for `inline
code`, code blocks (```...```), and simple headings (## and ###). Avoid using **bold**
and *italics*.

DO NOT use ordered lists (1. ...) or unordered lists (*) unless: a) you're presenting
truly discrete items where a list format is the best option, or b) the user explicitly
requests a list or ranking

Instead of listing items with bullets or numbers, incorporate them naturally into
sentences. This guidance applies especially to technical writing. Using prose instead of
excessive formatting will improve user satisfaction. NEVER output a series of overly
short bullet points.

Your goal is readable, flowing text that guides the reader naturally through ideas
rather than fragmenting information into isolated points.
</avoid_excessive_markdown_and_bullet_points>

Claude Fable 5.1 formatiert bereits weniger als frühere Modelle, sodass ein solcher Block bei diesem Modell Struktur unterdrücken kann, die der Inhalt benötigt. Entferne ihn oder ersetze ihn durch die kürzere Regel unter Formatierung im Chat.

LaTeX-Ausgabe

Claudes neueste Modelle verwenden standardmäßig LaTeX für mathematische Ausdrücke, Gleichungen und technische Erklärungen. Wenn du reinen Text bevorzugst, füge deinem Prompt die folgenden Anweisungen hinzu:

Format your response in plain text only. Do not use LaTeX, MathJax, or any markup
notation such as \( \), $, or \frac{}{}. Write all math expressions using standard text
characters (e.g., "/" for division, "*" for multiplication, and "^" for exponents).

Dokumenterstellung

Claudes neueste Modelle erstellen Präsentationen, Animationen und visuelle Dokumente mit starker Befolgung von Anweisungen und liefern in der Regel beim ersten Versuch brauchbare Ergebnisse.

Für beste Ergebnisse bei der Dokumenterstellung:

Create a professional presentation on [topic]. Include thoughtful design elements,
visual hierarchy, and engaging animations where appropriate.

Migration weg von vorausgefüllten Antworten

Ab den Claude-4.6-Modellen und Claude Mythos Preview werden vorausgefüllte Antworten (das Bereitstellen einer partiellen Assistant-Nachricht, die Claude fortsetzt) im letzten Assistant-Turn nicht mehr unterstützt. Anfragen mit vorausgefüllten Assistant-Nachrichten an diese Modelle geben einen 400-Fehler zurück. Modellintelligenz und Befolgung von Anweisungen haben sich so weit entwickelt, dass die meisten Anwendungsfälle für Prefill dies nicht mehr erfordern. Frühere Modelle unterstützen Prefills weiterhin, und das Hinzufügen von Assistant-Nachrichten an anderer Stelle im Gespräch ist nicht betroffen.

Hier sind gängige Prefill-Szenarien und wie du davon weg migrierst:

Tool-Nutzung

Verwendung von Tools

Claudes neueste Modelle sind auf präzises Befolgen von Anweisungen trainiert und profitieren von expliziten Anweisungen zur Verwendung bestimmter Tools. Wenn du sagst „kannst du einige Änderungen vorschlagen“, wird Claude manchmal Vorschläge machen, anstatt sie umzusetzen, selbst wenn das Vornehmen von Änderungen das war, was du beabsichtigt hast. Wie du Tools definierst und Probleme beim Auslösen von Tools behebst, erfährst du unter Tool-Nutzung mit Claude.

Damit Claude handelt, sei expliziter:

Can you suggest some changes to improve this function?

Change this function to improve its performance.

Make these edits to the authentication flow.

Damit Claude standardmäßig proaktiver handelt, kannst du Folgendes zu deinem System-Prompt hinzufügen:

<default_to_action>
By default, implement changes rather than only suggesting them. If the user's intent is
unclear, infer the most useful likely action and proceed, using tools to discover any
missing details instead of guessing. Try to infer the user's intent about whether a tool
call (e.g., file edit or read) is intended or not, and act accordingly.
</default_to_action>

Wenn du andererseits möchtest, dass das Modell standardmäßig zurückhaltender ist, weniger dazu neigt, direkt in Implementierungen zu springen, und nur auf Anfrage handelt, kannst du dieses Verhalten mit einem Prompt wie dem folgenden steuern:

<do_not_act_before_instructions>
Do not jump into implementation or change files unless clearly instructed to make
changes. When the user's intent is ambiguous, default to providing information, doing
research, and providing recommendations rather than taking action. Only proceed with
edits, modifications, or implementations when the user explicitly requests them.
</do_not_act_before_instructions>

Claude Opus 4.5 und Claude Opus 4.6 reagieren außerdem stärker auf den System-Prompt als frühere Modelle. Wenn deine Prompts darauf ausgelegt waren, ein zu seltenes Auslösen von Tools oder Skills zu reduzieren, lösen diese Modelle jetzt möglicherweise zu häufig aus. Die Lösung besteht darin, aggressive Formulierungen zurückzunehmen. Wo du vielleicht „KRITISCH: Du MUSST dieses Tool verwenden, wenn...“ gesagt hättest, kannst du normaleres Prompting wie „Verwende dieses Tool, wenn...“ nutzen.

Optimiere parallele Tool-Aufrufe

Claudes neueste Modelle führen unabhängige Tool-Aufrufe parallel aus. Diese Modelle werden:

• Während der Recherche mehrere spekulative Suchen ausführen
• Mehrere Dateien gleichzeitig lesen, um schneller Kontext aufzubauen
• Bash-Befehle parallel ausführen (was sogar die Systemleistung ausbremsen kann)

Dieses Verhalten ist steuerbar. Obwohl das Modell ohne Prompting eine hohe Erfolgsquote bei parallelen Tool-Aufrufen hat, kannst du diese auf ~100 % steigern oder den Aggressivitätsgrad anpassen:

<use_parallel_tool_calls>
If you intend to call multiple tools and there are no dependencies between the tool
calls, make all of the independent tool calls in parallel. Prioritize calling tools
simultaneously whenever the actions can be done in parallel rather than sequentially.
For example, when reading 3 files, run 3 tool calls in parallel to read all 3 files into
context at the same time. Maximize use of parallel tool calls where possible to increase
speed and efficiency. However, if some tool calls depend on previous calls to inform
dependent values like the parameters, do NOT call these tools in parallel and instead
call them sequentially. Never use placeholders or guess missing parameters in tool
calls.
</use_parallel_tool_calls>

Execute operations sequentially with brief pauses between each step to ensure stability.

Sende bei Claude Fable 5.1 in langen Agentenschleifen die Anweisung für parallele Aufrufe als Turn-bezogene System-Nachricht nach jeder Runde von Tool-Ergebnissen. Siehe Unabhängige Tool-Aufrufe in Agentenschleifen bündeln.

Denken und Schlussfolgern

Übermäßiges Nachdenken und übertriebene Gründlichkeit

Claude Opus 4.6 betreibt mehr Vorab-Exploration als frühere Modelle, insbesondere bei höheren effort-Einstellungen. Diese anfängliche Arbeit hilft oft, die Endergebnisse zu optimieren, aber das Modell kann umfangreichen Kontext sammeln oder mehrere Recherchestränge verfolgen, ohne dazu aufgefordert zu werden. Wenn deine Prompts das Modell zuvor zu mehr Gründlichkeit ermutigt haben, solltest du diese Hinweise für Claude Opus 4.6 anpassen:

• Ersetze pauschale Standardvorgaben durch gezieltere Anweisungen. Statt „Verwende standardmäßig [tool]“ füge Hinweise hinzu wie „Verwende [tool], wenn es dein Verständnis des Problems verbessern würde.“
• Entferne übermäßiges Prompting. Tools, die bei früheren Modellen zu selten ausgelöst wurden, werden jetzt wahrscheinlich angemessen ausgelöst. Anweisungen wie „Im Zweifel verwende [tool]“ führen zu übermäßigem Auslösen.
• Nutze Effort als Fallback. Wenn Claude weiterhin zu aggressiv ist, verwende eine niedrigere Einstellung für effort.

In manchen Fällen kann Claude Opus 4.6 ausgiebig nachdenken, was die Thinking-Token aufblähen und Antworten verlangsamen kann. Wenn dieses Verhalten unerwünscht ist, kannst du explizite Anweisungen hinzufügen, um seine Überlegungen einzuschränken, oder die effort-Einstellung senken, um das Denken und den Token-Verbrauch insgesamt zu reduzieren.

When you're deciding how to approach a problem, choose an approach and commit to it.
Avoid revisiting decisions unless you encounter new information that directly
contradicts your reasoning. If you're weighing two approaches, pick one and see it
through. You can always course-correct later if the chosen approach fails.

Wenn du eine harte Obergrenze für Denkkosten benötigst, ist „extended thinking“ (erweitertes Denken) mit einer budget_tokens-Obergrenze auf Opus 4.6 und Sonnet 4.6 noch funktionsfähig, aber abgekündigt. Bei Claude 4.7 und späteren Modellen gibt das Setzen von budget_tokens einen 400-Fehler zurück. Bevorzuge das Senken der effort-Einstellung oder die Verwendung von max_tokens als hartes Limit mit adaptivem Denken.

Nutze Denk- und verschachtelte Denkfähigkeiten

Claudes neueste Modelle bieten Denkfähigkeiten, die besonders hilfreich für Aufgaben sein können, die Reflexion nach der Tool-Nutzung oder komplexes mehrstufiges Schlussfolgern erfordern. Du kannst das anfängliche oder verschachtelte Denken für bessere Ergebnisse lenken.

Claude 4.6 und spätere Modelle sowie Claude Mythos Preview verwenden „adaptive thinking“ (adaptives Denken) (thinking: {type: "adaptive"}), bei dem Claude dynamisch entscheidet, wann und wie viel es nachdenkt. Bei Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5 und Claude Mythos 5 ist das Denken immer aktiviert und adaptives Denken ist der einzige Modus. Claude kalibriert sein Denken anhand zweier Faktoren: des effort-Parameters und der Komplexität der Anfrage. Höherer Effort löst mehr Denken aus, und komplexere Anfragen tun dasselbe. Bei einfacheren Anfragen, die kein Nachdenken erfordern, antwortet das Modell direkt. In internen Evaluierungen führt adaptives Denken zuverlässig zu besserer Leistung als erweitertes Denken. Erwäge den Wechsel zu adaptivem Denken.

Verwende adaptives Denken für Workloads, die agentisches Verhalten erfordern, wie mehrstufige Tool-Nutzung, komplexe Coding-Aufgaben und Agentenschleifen mit langem Horizont. Ältere Modelle verwenden manuelles erweitertes Denken mit budget_tokens; welche Konfiguration jedes Modell akzeptiert, findest du in der Konfigurationstabelle pro Modell.

Du kannst Claudes Denkverhalten lenken:

After receiving tool results, carefully reflect on their quality and determine optimal
next steps before proceeding. Use your thinking to plan and iterate based on this new
information, and then take the best next action.

Das Auslöseverhalten für adaptives Denken ist per Prompt steuerbar. Wenn du feststellst, dass das Modell häufiger nachdenkt, als du möchtest, was bei großen oder komplexen System-Prompts vorkommen kann, füge Hinweise hinzu, um es zu steuern:

Thinking adds latency and should only be used when it will meaningfully improve
answer quality - typically for problems that require multistep reasoning. When in
doubt, respond directly.

Wenn du von erweitertem Denken mit budget_tokens migrierst, ersetze deine Thinking-Konfiguration und verlagere die Budgetsteuerung auf effort. Die folgenden Beispiele zeigen dieselbe Anfrage vor und nach der Migration (siehe effort für die verfügbaren Stufen und die Verfügbarkeit pro Modell):

# Vorher: erweitertes Denken mit manuellem Budget (ältere Modelle)
client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 10000},
    messages=[{"role": "user", "content": "..."}],
)

# Nachher: adaptives Denken mit effort
client.messages.create(
    model="claude-opus-4-8",
    max_tokens=16000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},
    messages=[{"role": "user", "content": "..."}],
)

Wenn du kein erweitertes Denken verwendest, sind keine Änderungen erforderlich. Bei Claude Opus 4.6 bis Claude Opus 4.8 und Claude Sonnet 4.6 ist das Denken deaktiviert, wenn du den thinking-Parameter weglässt. Bei Claude Opus 5 und Claude Sonnet 5 ist das Denken standardmäßig aktiviert, wenn du den thinking-Parameter weglässt. Bei Claude Opus 5 kannst du es nur bei Effort high oder niedriger deaktivieren. Bei Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5 und Claude Mythos 5 ist das Denken immer aktiviert, unabhängig davon, ob du den thinking-Parameter setzt.

• Bevorzuge allgemeine Anweisungen gegenüber vorschreibenden Schritten. Ein Prompt wie „denke gründlich nach“ führt oft zu besserem Schlussfolgern als ein handgeschriebener Schritt-für-Schritt-Plan. Claudes Schlussfolgern übertrifft häufig das, was ein Mensch vorschreiben würde.
• Multishot-Beispiele funktionieren mit Denken. Verwende <thinking>-Tags innerhalb deiner Few-shot-Beispiele, um Claude das Denkmuster zu zeigen. Es wird diesen Stil auf seine eigenen Blöcke für erweitertes Denken verallgemeinern.
• Manuelles Chain-of-Thought-Prompting (CoT) als Fallback. Wenn das Denken deaktiviert ist, kannst du dennoch schrittweises Schlussfolgern fördern, indem du Claude bittest, das Problem durchzudenken. Verwende strukturierte Tags wie <thinking> und <answer>, um das Schlussfolgern sauber von der endgültigen Ausgabe zu trennen. Bei Claude Opus 5 solltest du stattdessen das Denken auf einer niedrigeren Effort-Stufe aktiviert lassen: Bei deaktiviertem Denken kann das Modell gelegentlich interne XML-Tags in seine sichtbare Ausgabe ausgeben. Lies daher Ausführung mit deaktiviertem Denken, bevor du dieses Muster dort anwendest.
• Bitte Claude um eine Selbstprüfung. Hänge etwas an wie „Bevor du fertig bist, überprüfe deine Antwort anhand von [Testkriterien].“ Das fängt Fehler zuverlässig ab, insbesondere bei Coding und Mathematik. Claude Opus 5 ist die Ausnahme: Es überprüft seine eigene Arbeit gut ohne explizite Anweisung, und Verifizierungsanweisungen, die aus für frühere Modelle abgestimmten Prompts übernommen wurden, können zu Überverifizierung führen, was Token und Latenz erhöht. Entferne diese Anweisungen bei der Migration zu Claude Opus 5, anstatt sie umzuschreiben. Siehe Aufgabenumfang und Überverifizierung.

Agentische Systeme

Schlussfolgern mit langem Horizont und Zustandsverfolgung

Claudes neueste Modelle bewältigen Schlussfolgerungsaufgaben mit langem Horizont mit starker Zustandsverfolgung. Claude behält über ausgedehnte Sitzungen hinweg die Orientierung, indem es sich auf inkrementellen Fortschritt konzentriert und stetig an wenigen Dingen gleichzeitig vorankommt, anstatt alles auf einmal zu versuchen. Diese Fähigkeit zeigt sich besonders über mehrere „context windows“ (Kontextfenster) oder Aufgabeniterationen hinweg, wobei Claude an einer komplexen Aufgabe arbeiten, den Zustand speichern und mit einem frischen Kontextfenster fortfahren kann.

Kontextbewusstsein und Workflows über mehrere Fenster

Claude Sonnet 5, Claude Sonnet 4.6, Claude Sonnet 4.5 und Claude Haiku 4.5 verfügen über Kontextbewusstsein, das es dem Modell ermöglicht, sein verbleibendes Kontextfenster (also sein „Token-Budget“) während eines Gesprächs zu verfolgen. Dadurch kann Claude Aufgaben ausführen und den Kontext effektiver verwalten, weil es versteht, wie viel Platz ihm zum Arbeiten bleibt.

Umgang mit Kontextlimits:

Wenn du Claude in einem Agenten-Harness verwendest, das Kontext komprimiert oder das Speichern von Kontext in externen Dateien erlaubt (wie in Claude Code), erwäge, diese Information in deinen Prompt aufzunehmen, damit Claude sich entsprechend verhalten kann. Andernfalls versucht Claude manchmal von sich aus, die Arbeit abzuschließen, wenn es sich dem Kontextlimit nähert. Das Folgende ist ein Beispiel-Prompt:

Your context window will be automatically compacted as it approaches its limit, allowing
you to continue working indefinitely from where you left off. Therefore, do not stop
tasks early due to token budget concerns. As you approach your token budget limit, save
your current progress and state to memory before the context window refreshes. Always be
as persistent and autonomous as possible and complete tasks fully, even if the end of
your budget is approaching. Never artificially stop any task early regardless of the
context remaining.

Das Memory-Tool lässt sich gut mit Kontextbewusstsein kombinieren, um Kontextübergänge zu verwalten.

Workflows über mehrere Kontextfenster hinweg

Für Aufgaben, die sich über mehrere Kontextfenster erstrecken:

1. Verwende einen anderen Prompt für das allererste Kontextfenster: Nutze das erste Kontextfenster, um ein Framework aufzubauen (Tests schreiben, Setup-Skripte erstellen), und nutze dann zukünftige Kontextfenster, um eine To-do-Liste abzuarbeiten.

2. Lass das Modell Tests in einem strukturierten Format schreiben: Bitte Claude, vor Arbeitsbeginn Tests zu erstellen und sie in einem strukturierten Format (zum Beispiel tests.json) zu verfolgen. Das führt zu einer besseren langfristigen Iterationsfähigkeit. Erinnere Claude an die Bedeutung von Tests: „Es ist inakzeptabel, Tests zu entfernen oder zu bearbeiten, da dies zu fehlender oder fehlerhafter Funktionalität führen könnte.“

3. Richte Komfort-Tools ein: Ermutige Claude, Setup-Skripte (zum Beispiel init.sh) zu erstellen, um Server sauber zu starten sowie Test-Suites und Linter auszuführen. Das verhindert wiederholte Arbeit, wenn mit einem frischen Kontextfenster fortgefahren wird.

4. Neu starten versus komprimieren: Wenn ein Kontextfenster geleert wird, erwäge, mit einem brandneuen Kontextfenster zu beginnen, anstatt Komprimierung zu verwenden. Claudes neueste Modelle sind äußerst effektiv darin, den Zustand aus dem lokalen Dateisystem zu ermitteln. In manchen Fällen möchtest du dies vielleicht gegenüber der Komprimierung bevorzugen. Gib genau vor, wie es beginnen soll:

   • „Rufe pwd auf; du kannst nur in diesem Verzeichnis Dateien lesen und schreiben.“
   • „Sieh dir progress.txt, tests.json und die Git-Logs an.“
   • „Führe manuell einen grundlegenden Integrationstest durch, bevor du mit der Implementierung neuer Features fortfährst.“

5. Stelle Verifizierungstools bereit: Mit zunehmender Länge autonomer Aufgaben muss Claude die Korrektheit ohne kontinuierliches menschliches Feedback überprüfen. Tools, mit denen Claude UI-Arbeit überprüfen kann, sind hilfreich, etwa das Computer-Use-Tool, das Browser-Use-Tool oder ein MCP-Server für Browser-Automatisierung.

6. Fördere die vollständige Nutzung des Kontexts: Fordere Claude auf, Komponenten effizient abzuschließen, bevor es weitermacht:

This is a very long task, so it may be beneficial to plan out your work clearly. It's
encouraged to spend your entire output context working on the task - just make sure you
don't run out of context with significant uncommitted work. Continue working
systematically until you have completed this task.

Best Practices für die Zustandsverwaltung

• Verwende strukturierte Formate für Zustandsdaten: Wenn du strukturierte Informationen verfolgst (wie Testergebnisse oder Aufgabenstatus), verwende JSON oder andere strukturierte Formate, damit Claude die Schema-Anforderungen versteht.
• Verwende unstrukturierten Text für Fortschrittsnotizen: Freiform-Fortschrittsnotizen eignen sich gut, um allgemeinen Fortschritt und Kontext zu verfolgen.
• Verwende Git für die Zustandsverfolgung: Git bietet ein Protokoll dessen, was getan wurde, und Checkpoints, die wiederhergestellt werden können. Claudes neueste Modelle sind besonders gut darin, Git zur Zustandsverfolgung über mehrere Sitzungen hinweg zu nutzen.
• Betone inkrementellen Fortschritt: Bitte Claude ausdrücklich, seinen Fortschritt zu verfolgen und sich auf inkrementelle Arbeit zu konzentrieren.

{
  "tests": [
    { "id": 1, "name": "authentication_flow", "status": "passing" },
    { "id": 2, "name": "user_management", "status": "failing" },
    { "id": 3, "name": "api_endpoints", "status": "not_started" }
  ],
  "total": 200,
  "passing": 150,
  "failing": 25,
  "not_started": 25
}

// Progress notes (progress.txt)
Session 3 progress:
- Fixed authentication token validation
- Updated user model to handle edge cases
- Next: investigate user_management test failures (test #2)
- Note: Do not remove tests as this could lead to missing functionality

Autonomie und Sicherheit ausbalancieren

Ohne Anleitung kann Claude Opus 4.6 Aktionen ausführen, die schwer rückgängig zu machen sind oder gemeinsam genutzte Systeme betreffen, wie das Löschen von Dateien, Force-Pushes oder das Posten an externe Dienste. Wenn du möchtest, dass Claude Opus 4.6 vor potenziell riskanten Aktionen eine Bestätigung einholt, füge deinem Prompt Hinweise hinzu:

Consider the reversibility and potential impact of your actions. You are encouraged to
take local, reversible actions like editing files or running tests, but for actions that
are hard to reverse, affect shared systems, or could be destructive, ask the user before
proceeding.

Examples of actions that warrant confirmation:
- Destructive operations: deleting files or branches, dropping database tables, rm -rf
- Hard to reverse operations: git push --force, git reset --hard, amending published commits
- Operations visible to others: pushing code, commenting on PRs/issues, sending
messages, modifying shared infrastructure

When encountering obstacles, do not use destructive actions as a shortcut. For example,
don't bypass safety checks (e.g. --no-verify) or discard unfamiliar files that may be
in-progress work.

Recherche und Informationsbeschaffung

Claudes neueste Modelle können Informationen aus mehreren Quellen effektiv finden und zusammenführen. Für optimale Rechercheergebnisse:

1. Gib klare Erfolgskriterien vor: Definiere, was eine erfolgreiche Antwort auf deine Recherchefrage ausmacht.

2. Fördere die Quellenüberprüfung: Bitte Claude, Informationen über mehrere Quellen hinweg zu verifizieren.

3. Verwende für komplexe Rechercheaufgaben einen strukturierten Ansatz:

Search for this information in a structured way. As you gather data, develop several
competing hypotheses. Track your confidence levels in your progress notes to improve
calibration. Regularly self-critique your approach and plan. Update a hypothesis tree or
research notes file to persist information and provide transparency. Break down this
complex research task systematically.

Dieser strukturierte Ansatz hilft Claude, große Korpora methodisch durchzuarbeiten und seine Erkenntnisse iterativ kritisch zu prüfen.

Orchestrierung von Subagenten

Claudes neueste Modelle orchestrieren „subagents“ (Subagenten) nativ. Diese Modelle können erkennen, wann Aufgaben von der Delegation an spezialisierte Subagenten profitieren würden, und tun dies proaktiv, ohne explizite Anweisung zu benötigen.

Um dieses Verhalten zu nutzen:

1. Stelle gut definierte Subagenten-Tools sicher: Halte Subagenten-Tools verfügbar und beschreibe sie in den Tool-Definitionen.
2. Lass Claude natürlich orchestrieren: Claude delegiert angemessen ohne explizite Anweisung.
3. Achte auf übermäßige Nutzung: Claude Opus 4.6 hat eine starke Vorliebe für Subagenten und kann sie in Situationen starten, in denen ein einfacherer, direkter Ansatz ausreichen würde. Zum Beispiel kann das Modell Subagenten für die Code-Exploration starten, wenn ein direkter grep-Aufruf schneller und ausreichend ist. Auch Claude Opus 5 delegiert bereitwilliger an Subagenten als frühere Modelle; Hinweise und einen Beispiel-Prompt zur Dämpfung findest du unter Steuerung des Startens von Subagenten.

Wenn du übermäßige Subagenten-Nutzung beobachtest, füge explizite Hinweise hinzu, wann Subagenten angebracht sind und wann nicht:

Use subagents when tasks can run in parallel, require isolated context, or involve
independent workstreams that don't need to share state. For simple tasks, sequential
operations, single-file edits, or tasks where you need to maintain context across steps,
work directly rather than delegating.

Verkette komplexe Prompts

Mit adaptivem Denken und Subagenten-Orchestrierung erledigt Claude das meiste mehrstufige Schlussfolgern intern. Explizites Prompt-Chaining (das Aufteilen einer Aufgabe in aufeinanderfolgende API-Aufrufe) ist weiterhin nützlich, wenn du Zwischenergebnisse inspizieren oder eine bestimmte Pipeline-Struktur erzwingen musst.

Das häufigste Chaining-Muster ist die Selbstkorrektur: einen Entwurf generieren → Claude ihn anhand von Kriterien überprüfen lassen → Claude auf Basis der Überprüfung verfeinern lassen. Jeder Schritt ist ein separater API-Aufruf, sodass du an jedem Punkt protokollieren, evaluieren oder verzweigen kannst.

Reduziere die Dateierstellung beim agentischen Coding

Claudes neueste Modelle erstellen manchmal neue Dateien zu Test- und Iterationszwecken, insbesondere bei der Arbeit mit Code. Dieser Ansatz ermöglicht es Claude, Dateien, insbesondere Python-Skripte, als „temporären Notizblock“ zu verwenden, bevor es seine endgültige Ausgabe speichert. Die Verwendung temporärer Dateien kann die Ergebnisse insbesondere bei agentischen Coding-Anwendungsfällen verbessern.

Wenn du die Erstellung neuer Dateien netto minimieren möchtest, kannst du Claude anweisen, hinter sich aufzuräumen:

If you create any temporary new files, scripts, or helper files for iteration, clean up
these files by removing them at the end of the task.

Übereifer

Claude Opus 4.5 und Claude Opus 4.6 neigen zum Overengineering, indem sie zusätzliche Dateien erstellen, unnötige Abstraktionen hinzufügen oder Flexibilität einbauen, die nicht angefordert wurde. Wenn du dieses unerwünschte Verhalten beobachtest, füge spezifische Hinweise hinzu, um Lösungen minimal zu halten.

Zum Beispiel:

Avoid over-engineering. Only make changes that are directly requested or clearly
necessary. Keep solutions simple and focused:

- Scope: Don't add features, refactor code, or make "improvements" beyond what was
asked. A bug fix doesn't need surrounding code cleaned up. A simple feature doesn't need
extra configurability.

- Documentation: Don't add docstrings, comments, or type annotations to code you didn't
change. Only add comments where the logic isn't self-evident.

- Defensive coding: Don't add error handling, fallbacks, or validation for scenarios
that can't happen. Trust internal code and framework guarantees. Only validate at system
boundaries (user input, external APIs).

- Abstractions: Don't create helpers, utilities, or abstractions for one-time
operations. Don't design for hypothetical future requirements. The right amount of
complexity is the minimum needed for the current task.

Vermeide die Fixierung auf bestandene Tests und Hardcoding

Claude kann sich manchmal zu stark darauf konzentrieren, Tests zum Bestehen zu bringen, auf Kosten allgemeinerer Lösungen, oder Workarounds wie Hilfsskripte für komplexes Refactoring verwenden, anstatt Standardtools direkt zu nutzen. Um dieses Verhalten zu verhindern und Lösungen zu erhalten, die verallgemeinern:

Please write a high-quality, general-purpose solution using the standard tools
available. Do not create helper scripts or workarounds to accomplish the task more
efficiently. Implement a solution that works correctly for all valid inputs, not just
the test cases. Do not hard-code values or create solutions that only work for specific
test inputs. Instead, implement the actual logic that solves the problem generally.

Focus on understanding the problem requirements and implementing the correct algorithm.
Tests are there to verify correctness, not to define the solution. Provide a principled
implementation that follows best practices and software design principles.

If the task is unreasonable or infeasible, or if any of the tests are incorrect, please
inform me rather than working around them. The solution should be robust, maintainable,
and extendable.

Halluzinationen beim agentischen Coding minimieren

Claudes neueste Modelle sind weniger anfällig für Halluzinationen und geben genauere, fundiertere, intelligentere Antworten auf Basis des Codes. Um dieses Verhalten noch weiter zu fördern und Halluzinationen zu minimieren:

<investigate_before_answering>
Never speculate about code you have not opened. If the user references a specific file,
you MUST read the file before answering. Make sure to investigate and read relevant
files BEFORE answering questions about the codebase. Never make any claims about code
before investigating unless you are certain of the correct answer - give grounded and
hallucination-free answers.
</investigate_before_answering>

Fähigkeitsspezifische Tipps

Verbesserte Vision-Fähigkeiten

Claude Opus 4.5 und Claude Opus 4.6 haben im Vergleich zu früheren Claude-Modellen verbesserte Vision-Fähigkeiten. Sie schneiden bei Bildverarbeitungs- und Datenextraktionsaufgaben besser ab, insbesondere wenn mehrere Bilder im Kontext vorhanden sind. Diese Verbesserungen übertragen sich auf Computer Use, wo die Modelle Screenshots und UI-Elemente zuverlässiger interpretieren können. Du kannst diese Modelle auch zur Analyse von Videos verwenden, indem du sie in Einzelbilder zerlegst.

Eine Technik, die sich als effektiv erwiesen hat, um die Leistung weiter zu steigern, besteht darin, Claude ein Crop-Tool oder einen Agent Skill zu geben. Tests haben eine konsistente Verbesserung bei Bild-Evaluierungen gezeigt, wenn Claude in relevante Bereiche eines Bildes „hineinzoomen“ kann. Anthropic hat ein Rezept für das Crop-Tool erstellt.

Frontend-Design

Claude Opus 4.5 und Claude Opus 4.6 erstellen komplexe, praxisnahe Webanwendungen mit starkem Frontend-Design. Ohne Anleitung können Modelle jedoch auf generische Muster zurückfallen, die das erzeugen, was Nutzer als „AI slop“-Ästhetik bezeichnen. Um unverwechselbare, kreative Frontends zu erstellen, die überraschen und begeistern:

Für Frontend-Design-Arbeit außerhalb der API bietet Claude Design eine Arbeitsfläche und Design-Tools, mit denen Claude Designs interaktiv generiert und iterativ weiterentwickelt.

Hier ist ein Ausschnitt eines „system prompt“ (System-Prompt), den du verwenden kannst, um besseres Frontend-Design zu fördern:

<frontend_aesthetics>
You tend to converge toward generic, "on distribution" outputs. In frontend design, this
creates what users call the "AI slop" aesthetic. Avoid this: make creative, distinctive
frontends that surprise and delight.

Focus on:
- Typography: Choose fonts that are beautiful, unique, and interesting. Avoid generic
fonts like Arial and Inter; opt instead for distinctive choices that elevate the
frontend's aesthetics.
- Color & Theme: Commit to a cohesive aesthetic. Use CSS variables for consistency.
Dominant colors with sharp accents outperform timid, evenly-distributed palettes. Draw
from IDE themes and cultural aesthetics for inspiration.
- Motion: Use animations for effects and micro-interactions. Prioritize CSS-only
solutions for HTML. Use Motion library for React when available. Focus on high-impact
moments: one well-orchestrated page load with staggered reveals (animation-delay)
creates more delight than scattered micro-interactions.
- Backgrounds: Create atmosphere and depth rather than defaulting to solid colors. Layer
CSS gradients, use geometric patterns, or add contextual effects that match the overall
aesthetic.

Avoid generic AI-generated aesthetics:
- Overused font families (Inter, Roboto, Arial, system fonts)
- Clichéd color schemes (particularly purple gradients on white backgrounds)
- Predictable layouts and component patterns
- Cookie-cutter design that lacks context-specific character

Interpret creatively and make unexpected choices that feel genuinely designed for the
context. Vary between light and dark themes, different fonts, different aesthetics. You
still tend to converge on common choices (Space Grotesk, for example) across
generations. Avoid this: it is critical that you think outside the box!
</frontend_aesthetics>

Du kannst dich auch an der vollständigen Skill-Definition orientieren.

Überlegungen zur Migration

Bei der Migration von früheren Generationen zu aktuellen Claude-Modellen:

1. Sei konkret in Bezug auf das gewünschte Verhalten: Erwäge, genau zu beschreiben, was du in der Ausgabe sehen möchtest.

2. Formuliere deine Anweisungen mit Modifikatoren: Das Hinzufügen von Modifikatoren, die Claude dazu anregen, die Qualität und den Detailgrad seiner Ausgabe zu erhöhen, kann helfen, Claudes Leistung besser zu formen. Verwende zum Beispiel statt „Erstelle ein Analytics-Dashboard“ lieber „Erstelle ein Analytics-Dashboard. Füge so viele relevante Funktionen und Interaktionen wie möglich hinzu. Gehe über die Grundlagen hinaus, um eine voll ausgestattete Implementierung zu erstellen."

3. Fordere bestimmte Funktionen explizit an: Animationen und interaktive Elemente sollten explizit angefordert werden, wenn sie gewünscht sind.

4. Aktualisiere die Thinking-Konfiguration: Claude 4.6-Modelle verwenden adaptives Denken (thinking: {type: "adaptive"}) anstelle von manuellem Denken mit budget_tokens. Verwende den Effort-Parameter, um die Denktiefe zu steuern.

5. Migriere weg von vorausgefüllten Antworten: Vorausgefüllte Antworten im letzten Assistant-Turn werden ab den Claude 4.6-Modellen und Claude Mythos Preview nicht mehr unterstützt. Siehe Migration weg von vorausgefüllten Antworten für eine ausführliche Anleitung zu Alternativen.

6. Passe Anti-Faulheits-Prompting an: Wenn deine Prompts das Modell bisher dazu angeregt haben, gründlicher zu sein oder Tools aggressiver zu nutzen, reduziere diese Anleitung. Claude 4.6-Modelle sind proaktiver und könnten bei Anweisungen, die für frühere Modelle nötig waren, übermäßig reagieren.

7. Gib Thinking-Blöcke unverändert zurück und halte den Verlauf append-only: Hänge jeden Assistant-Turn genau so an, wie die API ihn zurückgegeben hat, einschließlich der Thinking-Blöcke. Bei Claude Fable 5.1 führt das Ändern der Konversation vor einem Thinking-Block zu einem Fehler oder dazu, dass der Block verworfen wird, wenn du dich dafür entscheidest: Das Bearbeiten früherer Nachrichten, das Neuaufbauen von system oder tools oder das Zusammenfassen älterer Turns an Ort und Stelle zwischen Anfragen macht jeden späteren Thinking-Block ungültig. Verlagere diese Änderungen daher in Systemnachrichten mitten in der Konversation und in serverseitiges Kontextmanagement. Siehe Halte den Konversationsverlauf append-only.

Ausführliche Migrationsschritte findest du im Migrationsleitfaden.

Migration zu Claude Sonnet 5 von Claude Sonnet 4.5 oder früher

Siehe Migration zu Claude Sonnet 5 von Claude Sonnet 4.5 oder früher im Migrationsleitfaden, der die Änderung des Effort-Standardwerts und die Entfernung des manuellen erweiterten Denkens (budget_tokens) behandelt.

Nächste Schritte