Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Dies ist die Referenz für Prompt Engineering mit Claudes neuesten Modellen, einschließlich 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:
Für einen Überblick über die Modellfähigkeiten siehe die Modellübersicht. Für die Fähigkeiten von Claude Fable 5 und API-Änderungen siehe Einführung von Claude Fable 5 und Claude Mythos 5. Für Details zu den Neuerungen in Claude Sonnet 5 siehe Was ist neu in Claude Sonnet 5. Für Details zu den Neuerungen in Claude Opus 5 siehe Was ist neu in Claude Opus 5. Für Migrationshinweise siehe den Migrationsleitfaden.
Die Prompting-Anleitung für Claude Fable 5 und Claude Mythos 5 hat eine eigene Seite: Prompting für Claude Fable 5. Sie behandelt die Verhaltensunterschiede zu Claude Opus 4.8 sowie die lohnenswerten Prompt- und Scaffolding-Änderungen, einschließlich Effort-Stufen, Befolgen von Anweisungen, Fortschrittsangaben bei langen Läufen, Memory-Systemen und der Ablehnungskategorie reasoning_extraction.
Die Prompting-Anleitung für Claude Sonnet 5 hat eine eigene Seite: Prompting für Claude Sonnet 5. Sie behandelt die Verhaltensunterschiede zu Claude Sonnet 4.6 und die lohnenswerten Prompt-Änderungen, einschließlich Antwortlänge, Kalibrierung von Effort und Denktiefe, Auslösen von Tool-Nutzung, wörtlichem Befolgen von Anweisungen sowie Design- und Frontend-Standardeinstellungen.
Die Prompting-Anleitung für Claude Opus 5 hat eine eigene Seite: Prompting für Claude Opus 5. Sie behandelt die Verhaltensunterschiede zu früheren Opus-Modellen und die lohnenswerten Prompt-Änderungen, einschließlich Antwortlänge und Ausführlichkeit, nutzerseitigen Fortschrittsmeldungen, Länge schriftlicher Ergebnisse, Aufgabenumfang und Über-Verifizierung, Subagenten-Steuerung und Selbstkorrektur.
Die Prompting-Anleitung für Claude Opus 4.8 hat eine eigene Seite: Prompting für Claude Opus 4.8. Sie behandelt Antwortlänge, Kalibrierung von Effort und Denktiefe, Auslösen von Tool-Nutzung, wörtliches Befolgen von Anweisungen, Subagenten-Steuerung sowie Design- und Frontend-Standardeinstellungen.
Die Techniken in diesem Abschnitt und den folgenden Abschnitten gelten für alle aktuellen Claude-Modelle, einschließlich Claude Fable 5 und Claude Mythos 5.
Claude reagiert gut auf klare, explizite Anweisungen. Wenn du deine gewünschte Ausgabe genau beschreibst, kann das die Ergebnisse verbessern. Wenn du ein Verhalten möchtest, das „über das Erwartete hinausgeht", fordere es explizit 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.
Das Bereitstellen von Kontext oder Motivation hinter deinen Anweisungen, etwa indem du Claude erklärst, warum ein solches Verhalten wichtig ist, kann Claude helfen, deine Ziele besser zu verstehen und gezieltere Antworten zu liefern.
Claude ist intelligent genug, um aus der Erklärung zu verallgemeinern.
Beispiele sind eine der zuverlässigsten Methoden, um Claudes Ausgabeformat, Ton und Struktur zu steuern. Einige gut gestaltete Beispiele (bekannt als Few-Shot- oder Multishot-Prompting) verbessern Genauigkeit und Konsistenz.
Achte beim Hinzufügen von Beispielen darauf, dass sie:
<example>-Tags (mehrere Beispiele in <examples>-Tags), damit Claude sie von Anweisungen unterscheiden kann.XML-Tags helfen Claude, komplexe Prompts eindeutig zu parsen, insbesondere wenn dein Prompt Anweisungen, Kontext, Beispiele und variable Eingaben mischt. Das Umschließen jedes Inhaltstyps mit einem eigenen Tag (zum Beispiel <instructions>, <context>, <input>) reduziert Fehlinterpretationen.
Best Practices:
<documents>, jedes innerhalb von <document index="n">).Das Festlegen einer Rolle im 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)Wenn du mit großen Dokumenten oder datenreichen Eingaben (20k+ Token) arbeitest, strukturiere deinen Prompt sorgfältig, um die besten Ergebnisse zu erzielen:
Platziere lange Daten am Anfang: Platziere deine langen Dokumente und Eingaben nahe am Anfang deines Prompts, über deiner Anfrage, deinen Anweisungen und Beispielen. Dies verbessert die Leistung bei allen Modellen.
Strukturiere Dokumentinhalte und Metadaten mit XML-Tags: Wenn du mehrere Dokumente verwendest, umschließe jedes Dokument mit <document>-Tags mit <document_content>- und <source>-Untertags (und anderen Metadaten) zur Klarheit.
Verankere Antworten in Zitaten: Bei Aufgaben mit langen Dokumenten bitte Claude, zuerst relevante Teile der Dokumente zu zitieren, bevor es seine Aufgabe ausführt. Dies hilft Claude, sich auf den relevanten Inhalt zu konzentrieren und den Rest des Dokuments zu ignorieren.
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.Claudes neueste Modelle haben einen prägnanteren und natürlicheren Kommunikationsstil im Vergleich zu früheren Modellen:
Das bedeutet, dass Claude verbale Zusammenfassungen nach Tool-Aufrufen 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 explizit Prägnanz im Prompt an. Siehe Prompting für Claude Opus 5 für eine Beispielanweisung.
Es gibt einige besonders effektive Möglichkeiten, die Ausgabeformatierung zu steuern:
Sage Claude, was es tun soll, statt was es nicht tun soll
Verwende XML-Formatindikatoren
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. Zum Beispiel kann das Entfernen von Markdown aus deinem Prompt die Menge an Markdown in der Ausgabe reduzieren.
Verwende detaillierte Prompts für spezifische Formatierungspräferenzen
Für mehr Kontrolle über die Verwendung von Markdown und Formatierung gib explizite Anleitung:
<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>Claudes neueste Modelle verwenden standardmäßig LaTeX für mathematische Ausdrücke, Gleichungen und technische Erklärungen. Wenn du Klartext bevorzugst, füge die folgenden Anweisungen zu deinem Prompt 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).Claudes neueste Modelle erstellen Präsentationen, Animationen und visuelle Dokumente mit starkem Befolgen 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.Ab den Claude-4.6-Modellen und Claude Mythos Preview werden vorausgefüllte Antworten (das Bereitstellen einer teilweisen Assistant-Nachricht, von der aus Claude fortfahren soll) im letzten Assistant-Turn nicht mehr unterstützt. Anfragen mit vorausgefüllten Assistant-Nachrichten an diese Modelle geben einen 400-Fehler zurück. Die Modellintelligenz und das Befolgen von Anweisungen haben sich so weit entwickelt, dass die meisten Anwendungsfälle von Prefill dieses nicht mehr benötigen. Frühere Modelle unterstützen Prefills weiterhin, und das Hinzufügen von Assistant-Nachrichten an anderer Stelle in der Konversation ist nicht betroffen.
Hier sind häufige Prefill-Szenarien und wie du von ihnen migrierst:
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 ist, 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:
Um Claude standardmäßig proaktiver beim Handeln zu machen, kannst du dies 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 auch stärker auf den System-Prompt als frühere Modelle. Wenn deine Prompts darauf ausgelegt waren, das zu seltene Auslösen von Tools oder Skills zu reduzieren, können diese Modelle jetzt zu häufig auslösen. Die Lösung besteht darin, aggressive Formulierungen zurückzunehmen. Wo du vielleicht „CRITICAL: You MUST use this tool when..." gesagt hast, kannst du normaleres Prompting wie „Use this tool when..." verwenden.
Claudes neueste Modelle führen unabhängige Tool-Aufrufe parallel aus. Diese Modelle werden:
Dieses Verhalten ist steuerbar. Während das Modell auch ohne Prompting eine hohe Erfolgsquote bei parallelen Tool-Aufrufen hat, kannst du diese auf ~100 % steigern oder das Aggressionsniveau 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.Claude Opus 4.6 führt mehr Vorab-Exploration durch 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 Rechercherichtungen verfolgen, ohne dazu aufgefordert zu werden. Wenn deine Prompts das Modell zuvor zu mehr Gründlichkeit ermutigt haben, solltest du diese Anleitung für Claude Opus 4.6 anpassen:
effort.In einigen Fällen kann Claude Opus 4.6 ausgiebig denken, was die Denk-Token aufblähen und Antworten verlangsamen kann. Wenn dieses Verhalten unerwünscht ist, kannst du explizite Anweisungen hinzufügen, um sein Schlussfolgern einzuschränken, oder du kannst 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 erweitertes Denken mit einer budget_tokens-Obergrenze auf Opus 4.6 und Sonnet 4.6 weiterhin funktionsfähig, aber veraltet. Auf 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 harte Grenze mit adaptivem Denken.
Claudes neueste Modelle bieten Denkfähigkeiten, die besonders hilfreich für Aufgaben sein können, die Reflexion nach Tool-Nutzung oder komplexes mehrstufiges Schlussfolgern beinhalten. Du kannst sein anfängliches oder verschachteltes Denken für bessere Ergebnisse lenken.
Claude 4.6 und spätere Modelle sowie Claude Mythos Preview verwenden adaptives Denken (thinking: {type: "adaptive"}), bei dem Claude dynamisch entscheidet, wann und wie viel es denkt. Auf Claude Fable 5 und Claude Mythos 5 ist das Denken immer aktiviert und adaptives Denken ist der einzige Modus. Claude kalibriert sein Denken basierend auf zwei Faktoren: dem effort-Parameter und der Komplexität der Anfrage. Höherer Effort führt zu mehr Denken, und komplexere Anfragen tun dasselbe. Bei einfacheren Anfragen, die kein Denken erfordern, antwortet das Modell direkt. In internen Evaluierungen führt adaptives Denken zuverlässig zu besserer Leistung als erweitertes Denken. Erwäge den Wechsel zu adaptivem Denken, um die intelligentesten Antworten zu erhalten.
Verwende adaptives Denken für Workloads, die agentisches Verhalten erfordern, wie mehrstufige Tool-Nutzung, komplexe Coding-Aufgaben und langfristige Agenten-Loops. Ältere Modelle verwenden manuelles erweitertes Denken mit budget_tokens; siehe die Konfigurationstabelle pro Modell, um zu sehen, welche Konfiguration jedes Modell akzeptiert.
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 denkt, als du möchtest, was bei großen oder komplexen System-Prompts passieren kann, füge Anleitung 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 Denk-Konfiguration und verlagere die Budget-Steuerung 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. Auf Claude Opus 4.6 bis Claude Opus 4.8 und Claude Sonnet 4.6 ist das Denken deaktiviert, wenn du den thinking-Parameter weglässt. Auf Claude Opus 5 und Claude Sonnet 5 ist das Denken standardmäßig aktiviert, wenn du den thinking-Parameter weglässt; auf Claude Opus 5 kannst du es nur bei Effort high oder niedriger deaktivieren. Auf Claude Fable 5 und Claude Mythos 5 ist das Denken immer aktiviert, unabhängig davon, ob du den thinking-Parameter setzt.
<thinking>-Tags in deinen Few-Shot-Beispielen, um Claude das Schlussfolgerungsmuster zu zeigen. Es wird diesen Stil auf seine eigenen erweiterten Denkblöcke verallgemeinern.<thinking> und <answer>, um das Schlussfolgern sauber von der endgültigen Ausgabe zu trennen. Auf 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, siehe daher Ausführung mit deaktiviertem Denken, bevor du dieses Muster dort anwendest.Weitere Informationen zu Denkfähigkeiten findest du unter Denken und Denken steuern.
Claudes neueste Modelle bewältigen langfristige Schlussfolgerungsaufgaben mit starker Zustandsverfolgung. Claude behält die Orientierung über ausgedehnte Sitzungen hinweg, indem es sich auf inkrementellen Fortschritt konzentriert und stetige Fortschritte bei wenigen Dingen gleichzeitig macht, anstatt alles auf einmal zu versuchen. Diese Fähigkeit zeigt sich besonders über mehrere Kontextfenster oder Aufgabeniterationen hinweg, bei denen Claude an einer komplexen Aufgabe arbeiten, den Zustand speichern und mit einem frischen Kontextfenster fortfahren kann.
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 einer Konversation zu verfolgen. Dies ermöglicht es Claude, Aufgaben auszuführen und den Kontext effektiver zu verwalten, indem es versteht, wie viel Platz es zum Arbeiten hat.
Verwalten von Kontextgrenzen:
Wenn du Claude in einem Agenten-Harness verwendest, der den Kontext kompaktiert oder das Speichern von Kontext in externen Dateien ermöglicht (wie in Claude Code), erwäge, diese Information zu deinem Prompt hinzuzufügen, damit Claude sich entsprechend verhalten kann. Andernfalls kann Claude manchmal natürlicherweise versuchen, die Arbeit abzuschließen, wenn es sich der Kontextgrenze 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 passt gut zum Kontextbewusstsein für die Verwaltung von Kontextübergängen.
Für Aufgaben, die sich über mehrere Kontextfenster erstrecken:
Verwende einen anderen Prompt für das allererste Kontextfenster: Nutze das erste Kontextfenster, um ein Framework aufzubauen (Tests schreiben, Setup-Skripte erstellen), und verwende dann zukünftige Kontextfenster, um an einer To-do-Liste zu iterieren.
Lass das Modell Tests in einem strukturierten Format schreiben: Bitte Claude, Tests zu erstellen, bevor es mit der Arbeit beginnt, und sie in einem strukturierten Format zu verfolgen (zum Beispiel tests.json). Dies führt zu einer besseren langfristigen Iterationsfähigkeit. Erinnere Claude an die Wichtigkeit von Tests: „Es ist inakzeptabel, Tests zu entfernen oder zu bearbeiten, da dies zu fehlender oder fehlerhafter Funktionalität führen könnte."
Richte Quality-of-Life-Tools ein: Ermutige Claude, Setup-Skripte zu erstellen (zum Beispiel init.sh), um Server elegant zu starten, Testsuiten und Linter auszuführen. Dies verhindert wiederholte Arbeit beim Fortfahren mit einem frischen Kontextfenster.
Neu starten versus Kompaktieren: Wenn ein Kontextfenster geleert wird, erwäge, mit einem brandneuen Kontextfenster zu beginnen, anstatt Kompaktierung zu verwenden. Claudes neueste Modelle sind äußerst effektiv darin, den Zustand aus dem lokalen Dateisystem zu ermitteln. In einigen Fällen möchtest du dies vielleicht der Kompaktierung vorziehen. Sei präskriptiv, wie es beginnen soll:
Stelle Verifizierungstools bereit: Mit zunehmender Länge autonomer Aufgaben muss Claude die Korrektheit ohne kontinuierliches menschliches Feedback überprüfen. Tools wie der Playwright-MCP-Server oder Computer-Use-Fähigkeiten zum Testen von UIs sind hilfreich.
Fördere die vollständige Nutzung des Kontexts: Fordere Claude auf, Komponenten effizient abzuschließen, bevor es weitergeht:
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.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-Pushing oder das Posten an externe Dienste. Wenn du möchtest, dass Claude Opus 4.6 vor potenziell riskanten Aktionen eine Bestätigung einholt, füge Anleitung zu deinem Prompt 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.Claudes neueste Modelle können Informationen aus mehreren Quellen effektiv finden und zusammenführen. Für optimale Rechercheergebnisse:
Gib klare Erfolgskriterien an: Definiere, was eine erfolgreiche Antwort auf deine Recherchefrage ausmacht.
Fördere die Quellenverifizierung: Bitte Claude, Informationen über mehrere Quellen hinweg zu verifizieren.
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 Ergebnisse iterativ zu hinterfragen.
Claudes neueste Modelle orchestrieren Subagenten nativ. Diese Modelle können erkennen, wann Aufgaben davon profitieren würden, Arbeit an spezialisierte Subagenten zu delegieren, und tun dies proaktiv, ohne dass explizite Anweisungen erforderlich sind.
Um dieses Verhalten zu nutzen:
Wenn du übermäßige Subagenten-Nutzung beobachtest, füge explizite Anleitung hinzu, wann Subagenten gerechtfertigt 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.Mit adaptivem Denken und Subagenten-Orchestrierung bewältigt Claude die meisten mehrstufigen Schlussfolgerungen intern. Explizites Prompt-Chaining (das Aufteilen einer Aufgabe in aufeinanderfolgende API-Aufrufe) ist weiterhin nützlich, wenn du Zwischenergebnisse inspizieren oder eine bestimmte Pipeline-Struktur durchsetzen musst.
Das häufigste Chaining-Muster ist Selbstkorrektur: Erstelle einen Entwurf → lass Claude ihn anhand von Kriterien überprüfen → lass Claude ihn basierend auf der Überprüfung verfeinern. Jeder Schritt ist ein separater API-Aufruf, sodass du an jedem Punkt protokollieren, evaluieren oder verzweigen kannst.
Claudes neueste Modelle können manchmal neue Dateien zu Test- und Iterationszwecken erstellen, 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 für agentische Coding-Anwendungsfälle verbessern.
Wenn du die Erstellung neuer Dateien 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.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 Anleitung 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.Claude kann sich manchmal zu stark darauf konzentrieren, Tests bestehen zu lassen, 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.Claudes neueste Modelle sind weniger anfällig für Halluzinationen und geben genauere, fundiertere, intelligentere Antworten basierend auf dem Code. 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>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 verwenden, um Videos zu analysieren, indem du sie in Frames aufteilst.
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 Bildevaluierungen gezeigt, wenn Claude in der Lage ist, in relevante Bereiche eines Bildes zu „zoomen". Anthropic hat ein Rezept für das Crop-Tool erstellt.
Claude Opus 4.5 und Claude Opus 4.6 erstellen komplexe, reale Webanwendungen mit starkem Frontend-Design. Ohne Anleitung können Modelle jedoch auf generische Muster zurückgreifen, die das erzeugen, was Nutzer als „AI slop"-Ästhetik bezeichnen. Um unverwechselbare, kreative Frontends zu erstellen, die überraschen und begeistern:
Für einen detaillierten Leitfaden zur Verbesserung des Frontend-Designs siehe den Blogbeitrag über die Verbesserung des Frontend-Designs durch Skills.
Für Frontend-Design-Arbeit außerhalb der API bietet Claude Design eine Leinwand und Design-Tools, mit denen Claude Designs interaktiv generiert und iteriert.
Hier ist ein System-Prompt-Ausschnitt, 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 auch auf die vollständige Skill-Definition verweisen.
Bei der Migration von früheren Generationen zu aktuellen Claude-Modellen:
Sei spezifisch bezüglich des gewünschten Verhaltens: Erwäge, genau zu beschreiben, was du in der Ausgabe sehen möchtest.
Formuliere deine Anweisungen mit Modifikatoren: Das Hinzufügen von Modifikatoren, die Claude dazu ermutigen, die Qualität und Detailtiefe seiner Ausgabe zu erhöhen, kann helfen, Claudes Leistung besser zu gestalten. Verwende zum Beispiel statt „Erstelle ein Analyse-Dashboard" lieber „Erstelle ein Analyse-Dashboard. Füge so viele relevante Features und Interaktionen wie möglich hinzu. Gehe über die Grundlagen hinaus, um eine voll ausgestattete Implementierung zu erstellen."
Fordere spezifische Features explizit an: Animationen und interaktive Elemente sollten explizit angefordert werden, wenn sie gewünscht sind.
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.
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 detaillierte Hinweise zu Alternativen.
Passe Anti-Faulheits-Prompting an: Wenn deine Prompts das Modell zuvor dazu ermutigt haben, gründlicher zu sein oder Tools aggressiver zu nutzen, reduziere diese Anleitung. Claude 4.6-Modelle sind proaktiver und können bei Anweisungen, die für frühere Modelle nötig waren, überreagieren.
Detaillierte Migrationsschritte findest du im Migrationsleitfaden.
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.
Verhaltensunterschiede und Prompting-Muster für Claude Fable 5 und Claude Mythos 5, einschließlich effort, Befolgen von Anweisungen, langen Läufen, Speicher und Änderungen am Scaffolding.
Verhaltensunterschiede und Prompting-Muster für Claude Sonnet 5, einschließlich effort, Standardwerten für adaptives Denken, Tool-Nutzung und Migration von Claude Sonnet 4.6.
Verhaltensunterschiede und Prompting-Muster für Claude Opus 5, einschließlich Ausführlichkeit der Antworten, agentischer Narration, Aufgabenabgrenzung, Delegation an Subagenten und Selbstkorrektur.
Wann du Prompt-Engineering einsetzen solltest und wie du deinen Ansatz planst, bevor du Prompts optimierst.
Was this page helpful?