Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Esta es la referencia para la ingeniería de prompts con los modelos más recientes de Claude, incluyendo 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 y Claude Haiku 4.5. La página está organizada en tres partes:
Para una visión general de las capacidades de los modelos, consulta la visión general de modelos. Para las capacidades de Claude Fable 5 y los cambios en la API, consulta Presentando Claude Fable 5 y Claude Mythos 5. Para detalles sobre las novedades de Claude Sonnet 5, consulta Novedades de Claude Sonnet 5. Para detalles sobre las novedades de Claude Opus 5, consulta Novedades de Claude Opus 5. Para orientación sobre migración, consulta la Guía de migración.
La guía de prompting para Claude Fable 5 y Claude Mythos 5 tiene su propia página: Prompting para Claude Fable 5. Cubre las diferencias de comportamiento con respecto a Claude Opus 4.8 y los cambios de prompt y de andamiaje que vale la pena hacer, incluyendo niveles de esfuerzo, seguimiento de instrucciones, afirmaciones de progreso en ejecuciones largas, sistemas de memoria y la categoría de rechazo reasoning_extraction.
La guía de prompting para Claude Sonnet 5 tiene su propia página: Prompting para Claude Sonnet 5. Cubre las diferencias de comportamiento con respecto a Claude Sonnet 4.6 y los cambios de prompt que vale la pena hacer, incluyendo la longitud de las respuestas, la calibración del esfuerzo y la profundidad de pensamiento, la activación del uso de herramientas, el seguimiento literal de instrucciones y los valores predeterminados de diseño y frontend.
La guía de prompting para Claude Opus 5 tiene su propia página: Prompting para Claude Opus 5. Cubre las diferencias de comportamiento con respecto a los modelos Opus anteriores y los cambios de prompt que vale la pena hacer, incluyendo la longitud y verbosidad de las respuestas, las actualizaciones de progreso orientadas al usuario, la longitud de los entregables escritos, el alcance de las tareas y la sobreverificación, el control de subagentes y la autocorrección.
La guía de prompting para Claude Opus 4.8 tiene su propia página: Prompting para Claude Opus 4.8. Cubre la longitud de las respuestas, la calibración del esfuerzo y la profundidad de pensamiento, la activación del uso de herramientas, el seguimiento literal de instrucciones, el control de subagentes y los valores predeterminados de diseño y frontend.
Las técnicas de esta sección y de las secciones siguientes se aplican a todos los modelos actuales de Claude, incluyendo Claude Fable 5 y Claude Mythos 5.
Claude responde bien a instrucciones claras y explícitas. Ser específico sobre la salida deseada puede ayudar a mejorar los resultados. Si quieres un comportamiento que "vaya más allá", solicítalo explícitamente en lugar de confiar en que el modelo lo infiera a partir de prompts vagos.
Piensa en Claude como un empleado brillante pero nuevo que carece de contexto sobre tus normas y flujos de trabajo. Cuanto más precisamente expliques lo que quieres, mejor será el resultado.
Regla de oro: Muestra tu prompt a un colega con contexto mínimo sobre la tarea y pídele que lo siga. Si él se confundiría, Claude también lo hará.
Proporcionar contexto o motivación detrás de tus instrucciones, como explicarle a Claude por qué tal comportamiento es importante, puede ayudar a Claude a comprender mejor tus objetivos y ofrecer respuestas más enfocadas.
Claude es lo suficientemente inteligente como para generalizar a partir de la explicación.
Los ejemplos son una de las formas más confiables de dirigir el formato, el tono y la estructura de la salida de Claude. Unos pocos ejemplos bien elaborados (conocidos como "few-shot" o "multishot prompting") mejoran la precisión y la consistencia.
Al agregar ejemplos, haz que sean:
<example> (múltiples ejemplos en etiquetas <examples>) para que Claude pueda distinguirlos de las instrucciones.Las etiquetas XML ayudan a Claude a analizar prompts complejos sin ambigüedad, especialmente cuando tu prompt mezcla instrucciones, contexto, ejemplos y entradas variables. Envolver cada tipo de contenido en su propia etiqueta (por ejemplo, <instructions>, <context>, <input>) reduce las malas interpretaciones.
Mejores prácticas:
<documents>, cada uno dentro de <document index="n">).Establecer un rol en la indicación del sistema enfoca el comportamiento y el tono de Claude para tu caso de uso. Incluso una sola oración marca la diferencia:
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)Cuando trabajes con documentos grandes o entradas ricas en datos (más de 20k tokens), estructura tu prompt cuidadosamente para obtener los mejores resultados:
Coloca los datos extensos al principio: Ubica tus documentos largos y entradas cerca del inicio de tu prompt, por encima de tu consulta, instrucciones y ejemplos. Esto mejora el rendimiento en todos los modelos.
Estructura el contenido del documento y los metadatos con etiquetas XML: Cuando uses múltiples documentos, envuelve cada documento en etiquetas <document> con subetiquetas <document_content> y <source> (y otros metadatos) para mayor claridad.
Fundamenta las respuestas en citas: Para tareas con documentos largos, pídele a Claude que cite primero las partes relevantes de los documentos antes de llevar a cabo su tarea. Esto ayuda a Claude a enfocarse en el contenido relevante e ignorar el resto del documento.
Si deseas que Claude se identifique correctamente en tu aplicación o use cadenas de API específicas:
The assistant is Claude, created by Anthropic. The current model is Claude Opus 5.Para aplicaciones impulsadas por LLMs que necesitan especificar cadenas de modelo:
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.Los modelos más recientes de Claude tienen un estilo de comunicación más conciso y natural en comparación con los modelos anteriores:
Esto significa que Claude puede omitir resúmenes verbales después de las llamadas a herramientas, saltando directamente a la siguiente acción. Si prefieres más visibilidad sobre su razonamiento:
After completing a task that involves tool use, provide a quick summary of the work you've done.Claude Opus 5 es una excepción en cuanto a verbosidad: sus respuestas predeterminadas orientadas al usuario son más largas que las de los modelos anteriores, y aumentar o disminuir el esfuerzo no cambia de manera confiable la longitud visible de la respuesta. En su lugar, indica explícitamente que sea conciso. Consulta Prompting para Claude Opus 5 para ver una instrucción de ejemplo.
Hay algunas formas particularmente efectivas de dirigir el formato de la salida:
Dile a Claude qué hacer en lugar de qué no hacer
Usa indicadores de formato XML
Haz coincidir el estilo de tu prompt con la salida deseada
El estilo de formato usado en tu prompt puede influir en el estilo de respuesta de Claude. Si sigues experimentando problemas de direccionabilidad con el formato de salida, intenta hacer coincidir el estilo de tu prompt con el estilo de salida deseado lo más posible. Por ejemplo, eliminar el markdown de tu prompt puede reducir el volumen de markdown en la salida.
Usa prompts detallados para preferencias de formato específicas
Para tener más control sobre el uso de markdown y formato, proporciona una guía explícita:
<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>Los modelos más recientes de Claude usan LaTeX de forma predeterminada para expresiones matemáticas, ecuaciones y explicaciones técnicas. Si prefieres texto plano, agrega las siguientes instrucciones a tu prompt:
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).Los modelos más recientes de Claude crean presentaciones, animaciones y documentos visuales con un sólido seguimiento de instrucciones, y generalmente producen una salida utilizable en el primer intento.
Para obtener los mejores resultados con la creación de documentos:
Create a professional presentation on [topic]. Include thoughtful design elements,
visual hierarchy, and engaging animations where appropriate.A partir de los modelos Claude 4.6 y Claude Mythos Preview, las respuestas prellenadas (proporcionar un mensaje parcial del asistente para que Claude continúe a partir de él) en el último turno del asistente ya no son compatibles. Las solicitudes con mensajes de asistente prellenados a estos modelos devuelven un error 400. La inteligencia del modelo y el seguimiento de instrucciones han avanzado de tal manera que la mayoría de los casos de uso de prellenado ya no lo requieren. Los modelos anteriores siguen admitiendo prellenados, y agregar mensajes de asistente en otras partes de la conversación no se ve afectado.
Aquí hay escenarios comunes de prellenado y cómo migrar desde ellos:
Los modelos más recientes de Claude están entrenados para un seguimiento preciso de instrucciones y se benefician de una dirección explícita para usar herramientas específicas. Si dices "¿puedes sugerir algunos cambios?", Claude a veces proporcionará sugerencias en lugar de implementarlas, incluso si hacer cambios podría ser lo que pretendías. Para saber cómo definir herramientas y solucionar problemas de activación de herramientas, consulta Uso de herramientas con Claude.
Para que Claude tome acción, sé más explícito:
Para hacer que Claude sea más proactivo al tomar acción de forma predeterminada, puedes agregar esto a tu indicación del sistema:
<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>Por otro lado, si quieres que el modelo sea más cauteloso de forma predeterminada, menos propenso a saltar directamente a las implementaciones, y que solo tome acción si se le solicita, puedes dirigir este comportamiento con un prompt como el siguiente:
<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 y Claude Opus 4.6 también responden más a la indicación del sistema que los modelos anteriores. Si tus prompts fueron diseñados para reducir la subactivación de herramientas o habilidades, estos modelos ahora pueden sobreactivarlas. La solución es moderar cualquier lenguaje agresivo. Donde podrías haber dicho "CRÍTICO: DEBES usar esta herramienta cuando...", puedes usar un prompting más normal como "Usa esta herramienta cuando...".
Los modelos más recientes de Claude ejecutan llamadas a herramientas independientes en paralelo. Estos modelos:
Este comportamiento es direccionable. Si bien el modelo tiene una alta tasa de éxito en llamadas a herramientas en paralelo sin prompting, puedes aumentarla a ~100% o ajustar el nivel de agresividad:
<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 realiza más exploración inicial que los modelos anteriores, especialmente con configuraciones de effort más altas. Este trabajo inicial a menudo ayuda a optimizar los resultados finales, pero el modelo puede recopilar contexto extenso o seguir múltiples líneas de investigación sin que se le indique. Si tus prompts anteriormente alentaban al modelo a ser más exhaustivo, deberías ajustar esa guía para Claude Opus 4.6:
effort.En algunos casos, Claude Opus 4.6 puede pensar extensamente, lo que puede inflar los tokens de pensamiento y ralentizar las respuestas. Si este comportamiento no es deseable, puedes agregar instrucciones explícitas para restringir su razonamiento, o puedes reducir la configuración de effort para reducir el pensamiento general y el uso de tokens.
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.Si necesitas un límite estricto en los costos de pensamiento, el pensamiento extendido con un tope de budget_tokens sigue siendo funcional en Opus 4.6 y Sonnet 4.6, pero está obsoleto. En Claude 4.7 y modelos posteriores, establecer budget_tokens devuelve un error 400. Prefiere reducir la configuración de effort o usar max_tokens como límite estricto con pensamiento adaptativo.
Los modelos más recientes de Claude ofrecen capacidades de pensamiento que pueden ser especialmente útiles para tareas que involucran reflexión después del uso de herramientas o razonamiento complejo de múltiples pasos. Puedes guiar su pensamiento inicial o intercalado para obtener mejores resultados.
Los modelos Claude 4.6 y posteriores y Claude Mythos Preview usan pensamiento adaptativo (thinking: {type: "adaptive"}), donde Claude decide dinámicamente cuándo y cuánto pensar. En Claude Fable 5 y Claude Mythos 5, el pensamiento siempre está activado y el pensamiento adaptativo es el único modo. Claude calibra su pensamiento basándose en dos factores: el parámetro effort y la complejidad de la consulta. Un esfuerzo más alto provoca más pensamiento, y las consultas más complejas hacen lo mismo. En consultas más fáciles que no requieren pensamiento, el modelo responde directamente. En evaluaciones internas, el pensamiento adaptativo impulsa de manera confiable un mejor rendimiento que el pensamiento extendido. Considera migrar al pensamiento adaptativo para obtener las respuestas más inteligentes.
Usa el pensamiento adaptativo para cargas de trabajo que requieren comportamiento agéntico, como el uso de herramientas en múltiples pasos, tareas de codificación complejas y bucles de agentes de largo horizonte. Los modelos más antiguos usan pensamiento extendido manual con budget_tokens; consulta la tabla de configuración por modelo para saber qué configuración acepta cada modelo.
Puedes guiar el comportamiento de pensamiento de Claude:
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.El comportamiento de activación del pensamiento adaptativo es direccionable mediante prompts. Si encuentras que el modelo piensa con más frecuencia de la que te gustaría, lo que puede suceder con indicaciones del sistema grandes o complejas, agrega una guía para dirigirlo:
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.Si estás migrando desde el pensamiento extendido con budget_tokens, reemplaza tu configuración de pensamiento y mueve el control de presupuesto a effort. Los siguientes ejemplos muestran la misma solicitud antes y después de la migración (consulta effort para ver los niveles disponibles y la disponibilidad por modelo):
# Antes: pensamiento extendido con un presupuesto manual (modelos anteriores)
client.messages.create(
model="claude-sonnet-4-5-20250929",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[{"role": "user", "content": "..."}],
)
# Después: pensamiento adaptativo con esfuerzo
client.messages.create(
model="claude-opus-4-8",
max_tokens=16000,
thinking={"type": "adaptive"},
output_config={"effort": "high"},
messages=[{"role": "user", "content": "..."}],
)Si no estás usando pensamiento extendido, no se requieren cambios. En Claude Opus 4.6 hasta Claude Opus 4.8 y Claude Sonnet 4.6, el pensamiento está desactivado cuando omites el parámetro thinking. En Claude Opus 5 y Claude Sonnet 5, el pensamiento está activado de forma predeterminada cuando omites el parámetro thinking; en Claude Opus 5, solo puedes desactivarlo con un esfuerzo high o inferior. En Claude Fable 5 y Claude Mythos 5, el pensamiento siempre está activado, independientemente de si estableces el parámetro thinking.
<thinking> dentro de tus ejemplos few-shot para mostrarle a Claude el patrón de razonamiento. Generalizará ese estilo a sus propios bloques de pensamiento extendido.<thinking> y <answer> para separar limpiamente el razonamiento de la salida final. En Claude Opus 5, prefiere mantener el pensamiento habilitado en un nivel de esfuerzo más bajo: con el pensamiento desactivado, el modelo ocasionalmente puede emitir etiquetas XML internas en su salida visible, así que consulta Ejecutar con el pensamiento desactivado antes de aplicar este patrón allí.Para más información sobre las capacidades de pensamiento, consulta Pensamiento y Dirigir el pensamiento.
Los modelos más recientes de Claude manejan tareas de razonamiento de largo horizonte con un sólido seguimiento de estado. Claude mantiene la orientación a lo largo de sesiones extendidas enfocándose en el progreso incremental, haciendo avances constantes en unas pocas cosas a la vez en lugar de intentar todo de una vez. Esta capacidad emerge especialmente a lo largo de múltiples ventanas de contexto o iteraciones de tareas, donde Claude puede trabajar en una tarea compleja, guardar el estado y continuar con una ventana de contexto nueva.
Claude Sonnet 5, Claude Sonnet 4.6, Claude Sonnet 4.5 y Claude Haiku 4.5 cuentan con conciencia de contexto, lo que permite al modelo rastrear su ventana de contexto restante (es decir, su "presupuesto de tokens") a lo largo de una conversación. Esto permite a Claude ejecutar tareas y gestionar el contexto de manera más efectiva al comprender cuánto espacio tiene para trabajar.
Gestión de límites de contexto:
Si estás usando Claude en un arnés de agente que compacta el contexto o permite guardar el contexto en archivos externos (como en Claude Code), considera agregar esta información a tu prompt para que Claude pueda comportarse en consecuencia. De lo contrario, Claude a veces puede intentar naturalmente concluir el trabajo a medida que se acerca al límite de contexto. El siguiente es un prompt de ejemplo:
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.La herramienta de memoria se combina bien con la conciencia de contexto para gestionar las transiciones de contexto.
Para tareas que abarcan múltiples ventanas de contexto:
Usa un prompt diferente para la primera ventana de contexto: Usa la primera ventana de contexto para configurar un marco de trabajo (escribir pruebas, crear scripts de configuración), luego usa las ventanas de contexto futuras para iterar sobre una lista de tareas pendientes.
Haz que el modelo escriba pruebas en un formato estructurado: Pídele a Claude que cree pruebas antes de comenzar el trabajo y que las registre en un formato estructurado (por ejemplo, tests.json). Esto conduce a una mejor capacidad de iteración a largo plazo. Recuérdale a Claude la importancia de las pruebas: "Es inaceptable eliminar o editar pruebas porque esto podría llevar a funcionalidad faltante o con errores."
Configura herramientas de calidad de vida: Anima a Claude a crear scripts de configuración (por ejemplo, init.sh) para iniciar servidores, ejecutar suites de pruebas y linters de manera elegante. Esto evita el trabajo repetido al continuar desde una ventana de contexto nueva.
Comenzar de nuevo versus compactar: Cuando se limpia una ventana de contexto, considera comenzar con una ventana de contexto completamente nueva en lugar de usar la compactación. Los modelos más recientes de Claude son extremadamente efectivos para descubrir el estado desde el sistema de archivos local. En algunos casos, es posible que quieras aprovechar esto en lugar de la compactación. Sé prescriptivo sobre cómo debe comenzar:
Proporciona herramientas de verificación: A medida que crece la duración de las tareas autónomas, Claude necesita verificar la corrección sin retroalimentación humana continua. Herramientas como el servidor MCP de Playwright o las capacidades de uso de computadora para probar interfaces de usuario son útiles.
Fomenta el uso completo del contexto: Indica a Claude que complete eficientemente los componentes antes de continuar:
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.Sin guía, Claude Opus 4.6 puede tomar acciones que son difíciles de revertir o que afectan sistemas compartidos, como eliminar archivos, hacer force-push o publicar en servicios externos. Si quieres que Claude Opus 4.6 confirme antes de tomar acciones potencialmente riesgosas, agrega una guía a tu prompt:
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.Los modelos más recientes de Claude pueden encontrar y sintetizar información de múltiples fuentes de manera efectiva. Para obtener resultados de investigación óptimos:
Proporciona criterios de éxito claros: Define qué constituye una respuesta exitosa a tu pregunta de investigación.
Fomenta la verificación de fuentes: Pídele a Claude que verifique la información en múltiples fuentes.
Para tareas de investigación complejas, usa un enfoque estructurado:
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.Este enfoque estructurado ayuda a Claude a trabajar metódicamente a través de grandes corpus y a criticar iterativamente sus hallazgos.
Los modelos más recientes de Claude orquestan subagentes de forma nativa. Estos modelos pueden reconocer cuándo las tareas se beneficiarían de delegar trabajo a subagentes especializados y lo hacen de manera proactiva sin requerir instrucción explícita.
Para aprovechar este comportamiento:
Si estás viendo un uso excesivo de subagentes, agrega una guía explícita sobre cuándo los subagentes están justificados y cuándo no:
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.Con el pensamiento adaptativo y la orquestación de subagentes, Claude maneja la mayoría del razonamiento de múltiples pasos internamente. El encadenamiento explícito de prompts (dividir una tarea en llamadas secuenciales a la API) sigue siendo útil cuando necesitas inspeccionar salidas intermedias o imponer una estructura de pipeline específica.
El patrón de encadenamiento más común es la autocorrección: generar un borrador → hacer que Claude lo revise contra criterios → hacer que Claude lo refine basándose en la revisión. Cada paso es una llamada a la API separada para que puedas registrar, evaluar o ramificar en cualquier punto.
Los modelos más recientes de Claude a veces pueden crear nuevos archivos con fines de prueba e iteración, particularmente al trabajar con código. Este enfoque permite a Claude usar archivos, especialmente scripts de Python, como un 'borrador temporal' antes de guardar su salida final. Usar archivos temporales puede mejorar los resultados, particularmente para casos de uso de codificación agéntica.
Si prefieres minimizar la creación neta de nuevos archivos, puedes indicarle a Claude que limpie después de terminar:
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 y Claude Opus 4.6 tienen una tendencia a sobreingeniar creando archivos adicionales, agregando abstracciones innecesarias o incorporando flexibilidad que no se solicitó. Si estás viendo este comportamiento no deseado, agrega una guía específica para mantener las soluciones mínimas.
Por ejemplo:
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 a veces puede enfocarse demasiado en hacer que las pruebas pasen a expensas de soluciones más generales, o puede usar soluciones alternativas como scripts auxiliares para refactorizaciones complejas en lugar de usar herramientas estándar directamente. Para prevenir este comportamiento y obtener soluciones que generalicen:
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.Los modelos más recientes de Claude son menos propensos a las alucinaciones y dan respuestas más precisas, fundamentadas e inteligentes basadas en el código. Para fomentar aún más este comportamiento y minimizar las alucinaciones:
<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 y Claude Opus 4.6 tienen capacidades de visión mejoradas en comparación con los modelos anteriores de Claude. Se desempeñan mejor en tareas de procesamiento de imágenes y extracción de datos, particularmente cuando hay múltiples imágenes presentes en el contexto. Estas mejoras se trasladan al uso de computadora, donde los modelos pueden interpretar capturas de pantalla y elementos de interfaz de usuario de manera más confiable. También puedes usar estos modelos para analizar videos dividiéndolos en fotogramas.
Una técnica que ha demostrado ser efectiva para aumentar aún más el rendimiento es darle a Claude una herramienta de recorte o una habilidad de agente. Las pruebas han mostrado una mejora consistente en las evaluaciones de imágenes cuando Claude puede "hacer zoom" en las regiones relevantes de una imagen. Anthropic ha creado una receta para la herramienta de recorte.
Claude Opus 4.5 y Claude Opus 4.6 construyen aplicaciones web complejas del mundo real con un sólido diseño de frontend. Sin embargo, sin guía, los modelos pueden recurrir por defecto a patrones genéricos que crean lo que los usuarios llaman la estética de "AI slop". Para crear frontends distintivos y creativos que sorprendan y deleiten:
Para una guía detallada sobre cómo mejorar el diseño de frontend, consulta la publicación del blog sobre mejorar el diseño de frontend a través de habilidades.
Para el trabajo de diseño de frontend fuera de la API, Claude Design proporciona un lienzo y herramientas de diseño donde Claude genera e itera sobre diseños de forma interactiva.
Aquí hay un fragmento de indicación del sistema que puedes usar para fomentar un mejor diseño de frontend:
<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>También puedes consultar la definición completa de la habilidad.
Al migrar a los modelos actuales de Claude desde generaciones anteriores:
Sé específico sobre el comportamiento deseado: Considera describir exactamente lo que te gustaría ver en la salida.
Enmarca tus instrucciones con modificadores: Agregar modificadores que animen a Claude a aumentar la calidad y el detalle de su salida puede ayudar a moldear mejor el rendimiento de Claude. Por ejemplo, en lugar de "Crea un panel de análisis", usa "Crea un panel de análisis. Incluye tantas características e interacciones relevantes como sea posible. Ve más allá de lo básico para crear una implementación con todas las funciones."
Solicita características específicas de forma explícita: Las animaciones y los elementos interactivos deben solicitarse explícitamente cuando se deseen.
Actualiza la configuración de pensamiento: Los modelos Claude 4.6 usan pensamiento adaptativo (thinking: {type: "adaptive"}) en lugar del pensamiento manual con budget_tokens. Usa el parámetro effort para controlar la profundidad del pensamiento.
Migra fuera de las respuestas prellenadas: Las respuestas prellenadas en el último turno del asistente ya no son compatibles a partir de los modelos Claude 4.6 y Claude Mythos Preview. Consulta Migrar fuera de las respuestas prellenadas para obtener orientación detallada sobre las alternativas.
Ajusta las indicaciones anti-pereza: Si tus prompts anteriormente animaban al modelo a ser más exhaustivo o a usar herramientas de forma más agresiva, reduce esa orientación. Los modelos Claude 4.6 son más proactivos y pueden activarse en exceso con instrucciones que eran necesarias para modelos anteriores.
Para conocer los pasos detallados de migración, consulta la Guía de migración.
Consulta Migrar a Claude Sonnet 5 desde Claude Sonnet 4.5 o anterior en la guía de migración, que cubre el cambio del valor predeterminado de effort y la eliminación del pensamiento extendido manual (budget_tokens).
Diferencias de comportamiento y patrones de indicaciones para Claude Fable 5 y Claude Mythos 5, que cubren effort, seguimiento de instrucciones, ejecuciones largas, memoria y cambios de andamiaje.
Diferencias de comportamiento y patrones de indicaciones para Claude Sonnet 5, que cubren effort, valores predeterminados de pensamiento adaptativo, uso de herramientas y migración desde Claude Sonnet 4.6.
Diferencias de comportamiento y patrones de indicaciones para Claude Opus 5, que cubren la verbosidad de las respuestas, la narración agéntica, el alcance de las tareas, la delegación a subagentes y la autocorrección.
Cuándo usar la ingeniería de prompts y cómo planificar tu enfoque antes de ajustar los prompts.
Was this page helpful?