Best practice per il prompting

Questo è il riferimento per il prompt engineering con i modelli più recenti di Claude, inclusi Claude Fable 5, Claude Mythos 5, Claude Opus 4.8, Claude Opus 4.7, Claude Opus 4.6, Claude Sonnet 4.6 e Claude Haiku 4.5. La pagina è organizzata in tre parti:

• Indicazioni specifiche per modello per prime: dove Claude Fable 5 e Claude Opus 4.8 si comportano diversamente e cosa modificare.
• Tecniche per tutti i modelli attuali a seguire: principi generali, output e formattazione, uso degli strumenti, pensiero e sistemi agentici.
• Considerazioni sulla migrazione per ultime, per i prompt che provengono da generazioni precedenti.



Claude Fable 5

Le indicazioni di prompting per Claude Fable 5 e Claude Mythos 5 hanno una pagina dedicata: Prompting di Claude Fable 5. Copre le differenze comportamentali rispetto a Claude Opus 4.8 e le modifiche a prompt e scaffolding che vale la pena apportare, inclusi i livelli di effort, il seguire le istruzioni, le dichiarazioni di avanzamento a lungo termine, i sistemi di memoria e la categoria di rifiuto reasoning_extraction.



Prompting di Claude Opus 4.8

Le indicazioni di prompting per Claude Opus 4.8 hanno una pagina dedicata: Prompting di Claude Opus 4.8. Copre la lunghezza delle risposte, la calibrazione di effort e profondità di pensiero, l'attivazione dell'uso degli strumenti, il seguire le istruzioni in modo letterale, il controllo dei subagenti e i default per design e frontend.



Principi generali

Le tecniche in questa sezione e nelle sezioni successive si applicano a tutti i modelli Claude attuali, inclusi Claude Fable 5 e Claude Mythos 5.



Sii chiaro e diretto

Claude risponde bene a istruzioni chiare ed esplicite. Essere specifici sull'output desiderato può aiutare a migliorare i risultati. Se desideri un comportamento "oltre le aspettative", richiedilo esplicitamente invece di affidarti al modello per dedurlo da prompt vaghi.

Pensa a Claude come a un dipendente brillante ma nuovo che non ha contesto sulle tue norme e flussi di lavoro. Più spieghi con precisione ciò che vuoi, migliore sarà il risultato.

Regola d'oro: Mostra il tuo prompt a un collega con un contesto minimo sul compito e chiedigli di seguirlo. Se fosse confuso, lo sarà anche Claude.

• Sii specifico sul formato di output desiderato e sui vincoli.
• Fornisci le istruzioni come passaggi sequenziali usando elenchi numerati o puntati quando l'ordine o la completezza dei passaggi è importante.



Aggiungi contesto per migliorare le prestazioni

Fornire contesto o motivazione dietro le tue istruzioni, come spiegare a Claude perché tale comportamento è importante, può aiutare Claude a comprendere meglio i tuoi obiettivi e fornire risposte più mirate.

Claude è abbastanza intelligente da generalizzare a partire dalla spiegazione.



Usa gli esempi in modo efficace

Gli esempi sono uno dei modi più affidabili per orientare il formato di output, il tono e la struttura di Claude. Alcuni esempi ben costruiti (noti come "few-shot" o "multishot prompting") possono migliorare drasticamente l'accuratezza e la coerenza.

Quando aggiungi esempi, assicurati che siano:

• Rilevanti: Rispecchiano da vicino il tuo caso d'uso effettivo.
• Diversificati: Coprono casi limite e variano abbastanza da evitare che Claude rilevi pattern non intenzionali.
• Strutturati: Racchiudi gli esempi in tag <example> (più esempi in tag <examples>) così Claude può distinguerli dalle istruzioni.



Struttura i prompt con tag XML

I tag XML aiutano Claude ad analizzare prompt complessi senza ambiguità, specialmente quando il tuo prompt mescola istruzioni, contesto, esempi e input variabili. Racchiudere ogni tipo di contenuto nel proprio tag (ad es. <instructions>, <context>, <input>) riduce le interpretazioni errate.

Best practice:

• Usa nomi di tag coerenti e descrittivi in tutti i tuoi prompt.
• Annida i tag quando il contenuto ha una gerarchia naturale (documenti dentro <documents>, ciascuno dentro <document index="n">).



Assegna un ruolo a Claude

Impostare un ruolo nel prompt di sistema focalizza il comportamento e il tono di Claude per il tuo caso d'uso. Anche una singola frase fa la differenza:

import anthropic

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-4-8",
    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 con contesto lungo

Quando lavori con documenti di grandi dimensioni o input ricchi di dati (oltre 20k token), struttura il tuo prompt con attenzione per ottenere i migliori risultati:

• Metti i dati estesi in cima: Posiziona i tuoi documenti lunghi e gli input vicino alla parte superiore del prompt, sopra la tua query, le istruzioni e gli esempi. Questo può migliorare significativamente le prestazioni su tutti i modelli.

  

  Le query alla fine possono migliorare la qualità della risposta fino al 30% nei test, specialmente con input complessi e multi-documento.

• Struttura il contenuto e i metadati dei documenti con tag XML: Quando usi più documenti, racchiudi ogni documento in tag <document> con sottotag <document_content> e <source> (e altri metadati) per chiarezza.

  Esempio di struttura multi-documento

• Ancora le risposte alle citazioni: Per compiti su documenti lunghi, chiedi a Claude di citare prima le parti rilevanti dei documenti prima di svolgere il suo compito. Questo aiuta Claude a filtrare il rumore del resto del contenuto del documento.

  Esempio di estrazione di citazioni



Auto-conoscenza del modello

Se desideri che Claude si identifichi correttamente nella tua applicazione o usi stringhe API specifiche:

The assistant is Claude, created by Anthropic. The current model is Claude Opus 4.8.

Per app basate su LLM che devono specificare stringhe di modello:

When an LLM is needed, please default to Claude Opus 4.8 unless the user requests
otherwise. The exact model string for Claude Opus 4.8 is claude-opus-4-8.



Output e formattazione



Stile di comunicazione e verbosità

I modelli più recenti di Claude hanno uno stile di comunicazione più conciso e naturale rispetto ai modelli precedenti:

• Più diretto e concreto: Fornisce report di avanzamento basati sui fatti piuttosto che aggiornamenti autocelebrativi
• Più conversazionale: Leggermente più fluente e colloquiale, meno meccanico
• Meno verboso: Può saltare riepiloghi dettagliati per efficienza a meno che non venga richiesto diversamente

Questo significa che Claude può saltare i riepiloghi verbali dopo le chiamate agli strumenti, passando direttamente all'azione successiva. Se preferisci maggiore visibilità sul suo ragionamento:

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



Controlla il formato delle risposte

Ci sono alcuni modi particolarmente efficaci per orientare la formattazione dell'output:

1. Di' a Claude cosa fare invece di cosa non fare

   • Invece di: "Non usare markdown nella tua risposta"
   • Prova: "La tua risposta dovrebbe essere composta da paragrafi di prosa fluida."

2. Usa indicatori di formato XML

   • Prova: "Scrivi le sezioni in prosa della tua risposta in tag <smoothly_flowing_prose_paragraphs>."

3. Adatta lo stile del tuo prompt all'output desiderato

   Lo stile di formattazione usato nel tuo prompt può influenzare lo stile di risposta di Claude. Se riscontri ancora problemi di controllabilità con la formattazione dell'output, prova ad adattare lo stile del tuo prompt allo stile di output desiderato il più possibile. Ad esempio, rimuovere il markdown dal tuo prompt può ridurre il volume di markdown nell'output.

4. Usa prompt dettagliati per preferenze di formattazione specifiche

   Per un maggiore controllo sull'uso di markdown e formattazione, fornisci indicazioni esplicite:

<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>



Output LaTeX

I modelli più recenti di Claude usano LaTeX per impostazione predefinita per espressioni matematiche, equazioni e spiegazioni tecniche. Se preferisci testo semplice, aggiungi le seguenti istruzioni al tuo 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).



Creazione di documenti

I modelli più recenti di Claude eccellono nella creazione di presentazioni, animazioni e documenti visivi con un notevole estro creativo e una forte aderenza alle istruzioni. I modelli producono output rifiniti e utilizzabili al primo tentativo nella maggior parte dei casi.

Per i migliori risultati nella creazione di documenti:

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



Migrazione dalle risposte precompilate

A partire dai modelli Claude 4.6 e Claude Mythos Preview, le risposte precompilate nell'ultimo turno dell'assistente non sono più supportate. Le richieste con messaggi dell'assistente precompilati a questi modelli restituiscono un errore 400. L'intelligenza del modello e la capacità di seguire le istruzioni sono progredite al punto che la maggior parte dei casi d'uso del prefill non lo richiede più. I modelli precedenti continuano a supportare i prefill, e l'aggiunta di messaggi dell'assistente altrove nella conversazione non è influenzata.

Ecco scenari comuni di prefill e come migrare da essi:



Uso degli strumenti



Utilizzo degli strumenti

I modelli più recenti di Claude sono addestrati per seguire le istruzioni con precisione e beneficiano di indicazioni esplicite per usare strumenti specifici. Se dici "puoi suggerire alcune modifiche", Claude a volte fornirà suggerimenti invece di implementarli, anche se apportare modifiche potrebbe essere ciò che intendevi.

Affinché Claude agisca, sii più esplicito:

Per rendere Claude più proattivo nell'agire per impostazione predefinita, puoi aggiungere questo al tuo prompt di 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>

D'altra parte, se vuoi che il modello sia più esitante per impostazione predefinita, meno incline a passare direttamente alle implementazioni, e agisca solo se richiesto, puoi orientare questo comportamento con un prompt come il seguente:

<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 e Claude Opus 4.6 sono anche più reattivi al prompt di sistema rispetto ai modelli precedenti. Se i tuoi prompt erano progettati per ridurre la sottoattivazione su strumenti o skill, questi modelli potrebbero ora sovrattivare. La soluzione è attenuare qualsiasi linguaggio aggressivo. Dove avresti potuto dire "CRITICO: DEVI usare questo strumento quando...", puoi usare un prompting più normale come "Usa questo strumento quando...".



Ottimizza le chiamate parallele agli strumenti

I modelli più recenti di Claude eccellono nell'esecuzione parallela degli strumenti. Questi modelli:

• Eseguono più ricerche speculative durante la ricerca
• Leggono più file contemporaneamente per costruire il contesto più velocemente
• Eseguono comandi bash in parallelo (il che può persino creare colli di bottiglia nelle prestazioni del sistema)

Questo comportamento è facilmente orientabile. Sebbene il modello abbia un alto tasso di successo nelle chiamate parallele agli strumenti senza prompting, puoi aumentarlo a ~100% o regolare il livello di aggressività:

<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.



Pensiero e ragionamento



Eccesso di pensiero e accuratezza eccessiva

Claude Opus 4.6 fa significativamente più esplorazione preliminare rispetto ai modelli precedenti, specialmente con impostazioni di effort più alte. Questo lavoro iniziale spesso aiuta a ottimizzare i risultati finali, ma il modello può raccogliere contesto esteso o perseguire più filoni di ricerca senza essere sollecitato. Se i tuoi prompt precedentemente incoraggiavano il modello a essere più accurato, dovresti regolare quelle indicazioni per Claude Opus 4.6:

• Sostituisci i default generici con istruzioni più mirate. Invece di "Usa [tool] per impostazione predefinita", aggiungi indicazioni come "Usa [tool] quando migliorerebbe la tua comprensione del problema."
• Rimuovi l'over-prompting. Gli strumenti che si sottoattivavano nei modelli precedenti probabilmente si attiveranno in modo appropriato ora. Istruzioni come "In caso di dubbio, usa [tool]" causeranno sovrattivazione.
• Usa effort come fallback. Se Claude continua a essere eccessivamente aggressivo, usa un'impostazione più bassa per effort.

In alcuni casi, Claude Opus 4.6 può pensare in modo estensivo, il che può gonfiare i token di pensiero e rallentare le risposte. Se questo comportamento è indesiderato, puoi aggiungere istruzioni esplicite per limitare il suo ragionamento, oppure puoi abbassare l'impostazione effort per ridurre il pensiero complessivo e l'uso di token.

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.

Se hai bisogno di un limite massimo rigido sui costi di pensiero, il pensiero esteso con un limite budget_tokens è ancora funzionante su Opus 4.6 e Sonnet 4.6 ma è deprecato. Preferisci abbassare l'impostazione effort o usare max_tokens come limite rigido con l'adaptive thinking.



Sfrutta le capacità di pensiero e pensiero intercalato

I modelli più recenti di Claude offrono capacità di pensiero che possono essere particolarmente utili per compiti che coinvolgono riflessione dopo l'uso degli strumenti o ragionamento complesso multi-step. Puoi guidare il suo pensiero iniziale o intercalato per risultati migliori.

Claude Opus 4.6 e Claude Sonnet 4.6 usano l'adaptive thinking (pensiero adattivo) (thinking: {type: "adaptive"}), dove Claude decide dinamicamente quando e quanto pensare. Claude calibra il suo pensiero in base a due fattori: il parametro effort e la complessità della query. Un effort più alto suscita più pensiero, e le query più complesse fanno lo stesso. Su query più semplici che non richiedono pensiero, il modello risponde direttamente. Nelle valutazioni interne, l'adaptive thinking produce in modo affidabile prestazioni migliori rispetto al pensiero esteso. Considera di passare all'adaptive thinking per ottenere le risposte più intelligenti.

Usa l'adaptive thinking per carichi di lavoro che richiedono comportamento agentico come uso degli strumenti multi-step, compiti di coding complessi e loop di agenti a lungo orizzonte. I modelli più vecchi usano la modalità di pensiero manuale con budget_tokens.

Puoi guidare il comportamento di pensiero di 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.

Il comportamento di attivazione per l'adaptive thinking è orientabile tramite prompt. Se trovi che il modello pensi più spesso di quanto vorresti, il che può accadere con prompt di sistema grandi o complessi, aggiungi indicazioni per orientarlo:

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

Se stai migrando dal pensiero esteso con budget_tokens, sostituisci la tua configurazione di pensiero e sposta il controllo del budget su effort:

Prima (pensiero esteso, modelli più vecchi):

client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=64000,
    thinking={"type": "enabled", "budget_tokens": 32000},
    messages=[{"role": "user", "content": "..."}],
)

Dopo (adaptive thinking):

client.messages.create(
    model="claude-opus-4-8",
    max_tokens=64000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},  # or "max", "xhigh", "medium", "low"
    messages=[{"role": "user", "content": "..."}],
)

Se non stai usando il pensiero esteso, non sono richieste modifiche. Il pensiero è disattivato per impostazione predefinita quando ometti il parametro thinking.

• Preferisci istruzioni generali a passaggi prescrittivi. Un prompt come "pensa in modo approfondito" spesso produce un ragionamento migliore rispetto a un piano passo-passo scritto a mano. Il ragionamento di Claude spesso supera ciò che un umano prescriverebbe.
• Gli esempi multishot funzionano con il pensiero. Usa tag <thinking> all'interno dei tuoi esempi few-shot per mostrare a Claude il pattern di ragionamento. Generalizzerà quello stile ai propri blocchi di pensiero esteso.
• CoT manuale come fallback. Quando il pensiero è disattivato, puoi comunque incoraggiare il ragionamento passo-passo chiedendo a Claude di ragionare sul problema. Usa tag strutturati come <thinking> e <answer> per separare in modo pulito il ragionamento dall'output finale.
• Chiedi a Claude di auto-verificarsi. Aggiungi qualcosa come "Prima di finire, verifica la tua risposta rispetto a [criteri di test]." Questo rileva errori in modo affidabile, specialmente per coding e matematica.



Sistemi agentici



Ragionamento a lungo orizzonte e tracciamento dello stato

I modelli più recenti di Claude eccellono nei compiti di ragionamento a lungo orizzonte con eccezionali capacità di tracciamento dello stato. Claude mantiene l'orientamento attraverso sessioni estese concentrandosi sul progresso incrementale, facendo avanzamenti costanti su poche cose alla volta piuttosto che tentare tutto in una volta. Questa capacità emerge specialmente su più finestre di contesto o iterazioni di compiti, dove Claude può lavorare su un compito complesso, salvare lo stato e continuare con una nuova finestra di contesto.



Consapevolezza del contesto e flussi di lavoro multi-finestra

I modelli Claude 4.6 e Claude 4.5 dispongono di consapevolezza del contesto, che consente al modello di tracciare la sua finestra di contesto rimanente (cioè il "budget di token") durante una conversazione. Questo consente a Claude di eseguire compiti e gestire il contesto in modo più efficace comprendendo quanto spazio ha a disposizione per lavorare.

Gestione dei limiti di contesto:

Se stai usando Claude in un harness di agente che compatta il contesto o consente di salvare il contesto in file esterni (come in Claude Code), considera di aggiungere queste informazioni al tuo prompt così Claude può comportarsi di conseguenza. Altrimenti, Claude potrebbe a volte cercare naturalmente di concludere il lavoro mentre si avvicina al limite di contesto. Di seguito un esempio di 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.

Lo strumento memory si abbina naturalmente alla consapevolezza del contesto per transizioni di contesto fluide.



Flussi di lavoro su più finestre di contesto

Per compiti che si estendono su più finestre di contesto:

1. Usa un prompt diverso per la primissima finestra di contesto: Usa la prima finestra di contesto per impostare un framework (scrivere test, creare script di setup), poi usa le finestre di contesto successive per iterare su una todo-list.

2. Fai scrivere al modello i test in un formato strutturato: Chiedi a Claude di creare test prima di iniziare il lavoro e tenerne traccia in un formato strutturato (ad es. tests.json). Questo porta a una migliore capacità a lungo termine di iterare. Ricorda a Claude l'importanza dei test: "È inaccettabile rimuovere o modificare i test perché questo potrebbe portare a funzionalità mancanti o difettose."

3. Configura strumenti di supporto: Incoraggia Claude a creare script di setup (ad es. init.sh) per avviare server, eseguire suite di test e linter in modo ordinato. Questo evita lavoro ripetuto quando si continua da una nuova finestra di contesto.

4. Ripartire da zero vs compattazione: Quando una finestra di contesto viene svuotata, considera di iniziare con una finestra di contesto completamente nuova piuttosto che usare la compattazione. I modelli più recenti di Claude sono estremamente efficaci nello scoprire lo stato dal filesystem locale. In alcuni casi, potresti voler sfruttare questo invece della compattazione. Sii prescrittivo su come dovrebbe iniziare:

   • "Chiama pwd; puoi leggere e scrivere file solo in questa directory."
   • "Esamina progress.txt, tests.json e i log di git."
   • "Esegui manualmente un test di integrazione fondamentale prima di passare all'implementazione di nuove funzionalità."

5. Fornisci strumenti di verifica: Man mano che la durata dei compiti autonomi cresce, Claude ha bisogno di verificare la correttezza senza feedback umano continuo. Strumenti come il server MCP Playwright o le capacità di computer use per testare le UI sono utili.

6. Incoraggia l'uso completo del contesto: Sollecita Claude a completare in modo efficiente i componenti prima di passare oltre:

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 practice per la gestione dello stato

• Usa formati strutturati per i dati di stato: Quando tracci informazioni strutturate (come risultati di test o stato dei compiti), usa JSON o altri formati strutturati per aiutare Claude a comprendere i requisiti dello schema
• Usa testo non strutturato per le note di avanzamento: Le note di avanzamento in forma libera funzionano bene per tracciare il progresso generale e il contesto
• Usa git per il tracciamento dello stato: Git fornisce un log di ciò che è stato fatto e checkpoint che possono essere ripristinati. I modelli più recenti di Claude si comportano particolarmente bene nell'usare git per tracciare lo stato attraverso più sessioni.
• Enfatizza il progresso incrementale: Chiedi esplicitamente a Claude di tenere traccia del suo progresso e concentrarsi sul lavoro incrementale



Bilanciare autonomia e sicurezza

Senza indicazioni, Claude Opus 4.6 può intraprendere azioni difficili da annullare o che influenzano sistemi condivisi, come eliminare file, fare force-push o pubblicare su servizi esterni. Se vuoi che Claude Opus 4.6 confermi prima di intraprendere azioni potenzialmente rischiose, aggiungi indicazioni al tuo 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.



Ricerca e raccolta di informazioni

I modelli più recenti di Claude dimostrano eccezionali capacità di ricerca agentica e possono trovare e sintetizzare informazioni da più fonti in modo efficace. Per risultati di ricerca ottimali:

1. Fornisci criteri di successo chiari: Definisci cosa costituisce una risposta di successo alla tua domanda di ricerca

2. Incoraggia la verifica delle fonti: Chiedi a Claude di verificare le informazioni attraverso più fonti

3. Per compiti di ricerca complessi, usa un approccio strutturato:

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.

Questo approccio strutturato consente a Claude di trovare e sintetizzare praticamente qualsiasi informazione e criticare iterativamente i suoi risultati, indipendentemente dalla dimensione del corpus.



Orchestrazione di subagenti

I modelli più recenti di Claude dimostrano capacità native di orchestrazione di subagenti significativamente migliorate. Questi modelli possono riconoscere quando i compiti trarrebbero beneficio dal delegare lavoro a subagenti specializzati e lo fanno proattivamente senza richiedere istruzioni esplicite.

Per sfruttare questo comportamento:

1. Assicurati che gli strumenti subagente siano ben definiti: Rendi disponibili gli strumenti subagente e descrivili nelle definizioni degli strumenti
2. Lascia che Claude orchestri naturalmente: Claude delegherà in modo appropriato senza istruzioni esplicite
3. Fai attenzione all'uso eccessivo: Claude Opus 4.6 ha una forte predilezione per i subagenti e può generarli in situazioni in cui un approccio più semplice e diretto sarebbe sufficiente. Ad esempio, il modello può generare subagenti per l'esplorazione del codice quando una chiamata diretta a grep è più veloce e sufficiente.

Se noti un uso eccessivo di subagenti, aggiungi indicazioni esplicite su quando i subagenti sono e non sono giustificati:

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.



Concatena prompt complessi

Con l'adaptive thinking e l'orchestrazione di subagenti, Claude gestisce la maggior parte del ragionamento multi-step internamente. Il concatenamento esplicito di prompt (suddividere un compito in chiamate API sequenziali) è ancora utile quando hai bisogno di ispezionare output intermedi o imporre una struttura di pipeline specifica.

Il pattern di concatenamento più comune è l'auto-correzione: genera una bozza → fai rivedere a Claude rispetto a criteri → fai rifinire a Claude in base alla revisione. Ogni passaggio è una chiamata API separata così puoi registrare, valutare o ramificare in qualsiasi punto.



Riduci la creazione di file nel coding agentico

I modelli più recenti di Claude possono a volte creare nuovi file per scopi di test e iterazione, in particolare quando lavorano con il codice. Questo approccio consente a Claude di usare file, specialmente script python, come un 'blocco note temporaneo' prima di salvare il suo output finale. L'uso di file temporanei può migliorare i risultati in particolare per casi d'uso di coding agentico.

Se preferisci minimizzare la creazione netta di nuovi file, puoi istruire Claude a fare pulizia dopo di sé:

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.



Eccesso di zelo

Claude Opus 4.5 e Claude Opus 4.6 hanno la tendenza a sovra-ingegnerizzare creando file extra, aggiungendo astrazioni non necessarie o costruendo flessibilità che non era stata richiesta. Se noti questo comportamento indesiderato, aggiungi indicazioni specifiche per mantenere le soluzioni minimali.

Ad esempio:

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.



Evita di concentrarti sul far passare i test e sull'hard-coding

Claude può a volte concentrarsi troppo sul far passare i test a scapito di soluzioni più generali, o può usare workaround come script helper per refactoring complessi invece di usare direttamente gli strumenti standard. Per prevenire questo comportamento e garantire soluzioni robuste e generalizzabili:

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.



Minimizzare le allucinazioni nel coding agentico

I modelli più recenti di Claude sono meno inclini alle allucinazioni e forniscono risposte più accurate, fondate e intelligenti basate sul codice. Per incoraggiare ulteriormente questo comportamento e minimizzare le allucinazioni:

<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>



Suggerimenti specifici per capacità



Capacità di visione migliorate

Claude Opus 4.5 e Claude Opus 4.6 hanno capacità di visione migliorate rispetto ai modelli Claude precedenti. Si comportano meglio nei compiti di elaborazione di immagini ed estrazione di dati, in particolare quando ci sono più immagini presenti nel contesto. Questi miglioramenti si trasferiscono al computer use, dove i modelli possono interpretare in modo più affidabile screenshot ed elementi UI. Puoi anche usare questi modelli per analizzare video suddividendoli in frame.

Una tecnica che si è dimostrata efficace per aumentare ulteriormente le prestazioni è fornire a Claude uno strumento di ritaglio o una skill. I test hanno mostrato un miglioramento costante nelle valutazioni di immagini quando Claude è in grado di "zoomare" su regioni rilevanti di un'immagine. Anthropic ha creato un cookbook per lo strumento di ritaglio.



Design frontend

Claude Opus 4.5 e Claude Opus 4.6 eccellono nella costruzione di applicazioni web complesse e reali con un forte design frontend. Tuttavia, senza indicazioni, i modelli possono ricadere su pattern generici che creano quella che gli utenti chiamano l'estetica "AI slop". Per creare frontend distintivi e creativi che sorprendano e deliziano:

Ecco uno snippet di prompt di sistema che puoi usare per incoraggiare un design frontend migliore:

<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>

Puoi anche fare riferimento alla definizione completa della skill.



Considerazioni sulla migrazione

Quando migri ai modelli Claude 4.6 da generazioni precedenti:

1. Sii specifico sul comportamento desiderato: Considera di descrivere esattamente cosa vorresti vedere nell'output.

2. Inquadra le tue istruzioni con modificatori: Aggiungere modificatori che incoraggiano Claude ad aumentare la qualità e il dettaglio del suo output può aiutare a modellare meglio le prestazioni di Claude. Ad esempio, invece di "Crea una dashboard di analisi", usa "Crea una dashboard di analisi. Includi quante più funzionalità e interazioni rilevanti possibile. Vai oltre le basi per creare un'implementazione completa di funzionalità."

3. Richiedi funzionalità specifiche esplicitamente: Animazioni ed elementi interattivi dovrebbero essere richiesti esplicitamente quando desiderati.

4. Aggiorna la configurazione del pensiero: I modelli Claude 4.6 usano l'adaptive thinking (thinking: {type: "adaptive"}) invece del pensiero manuale con budget_tokens. Usa il parametro effort per controllare la profondità del pensiero.

5. Migra dalle risposte precompilate: Le risposte precompilate nell'ultimo turno dell'assistente non sono più supportate a partire dai modelli Claude 4.6. Consulta Migrazione dalle risposte precompilate per indicazioni dettagliate sulle alternative.

6. Regola il prompting anti-pigrizia: Se i tuoi prompt precedentemente incoraggiavano il modello a essere più accurato o a usare gli strumenti in modo più aggressivo, attenua quelle indicazioni. I modelli Claude 4.6 sono significativamente più proattivi e possono sovrattivare su istruzioni che erano necessarie per i modelli precedenti.

Per passaggi di migrazione dettagliati, consulta la Guida alla migrazione.



Migrazione da Claude Sonnet 4.5 a Claude Sonnet 4.6

Consulta Migrazione da Sonnet 4.5 nella guida alla migrazione, che copre il cambiamento del default di effort ed entrambi i percorsi di migrazione dal pensiero esteso.