Prompting di Claude Opus 5

Questa guida copre i pattern di prompting specifici di Claude Opus 5. Per le capacità del modello e le modifiche all'API, consulta Novità di Claude Opus 5. Per le tecniche che si applicano a tutti i modelli Claude attuali, consulta Best practice di prompting.

Claude Opus 5 è progettato per il coding agentico complesso e il lavoro enterprise, con punti di forza particolari nei compiti agentici a lungo orizzonte. Funziona bene fin da subito con i prompt esistenti di Claude Opus 4.8. I pattern seguenti coprono i comportamenti che più spesso richiedono una messa a punto.



Miglioramenti delle capacità

Rispetto a Claude Opus 4.8, i miglioramenti più rilevanti per il prompting sono:

• Coding agentico: Claude Opus 5 è più forte nei compiti di coding difficili: funzionalità multi-file, refactoring più ampi e lavoro su funzionalità end-to-end. Completa i compiti per intero invece di lasciare stub o segnaposto, e rende al meglio quando riceve la specifica completa del compito fin dall'inizio e viene lasciato lavorare. Funziona bene anche su compiti più semplici come le modifiche a turno singolo, dove la differenza rispetto ai modelli precedenti è minore.
• Revisione del codice e individuazione di bug: Claude Opus 5 revisiona il codice con alta precisione e recall: trova bug reali a un tasso elevato per passaggio, e i suoi rilevamenti aggiuntivi sono per lo più problemi reali piuttosto che falsi positivi. L'accuratezza si mantiene anche a livelli di effort più bassi, il che consente un passaggio rapido al momento della revisione e un passaggio più approfondito in seguito. Se il tuo prompt di revisione dice "segnala solo i problemi ad alta gravità" o "sii conservativo", il modello potrebbe seguire quell'istruzione alla lettera e segnalare meno; chiedigli invece di segnalare tutto e filtra in un passaggio separato.
• Efficienza a effort più basso: gli effort low e medium producono una qualità elevata a una frazione dei token e della latenza delle impostazioni più alte. Inizia con il valore predefinito (high) e regola in base alle tue valutazioni: usa low e medium liberamente come controllo principale per il costo in token e il tempo di risposta ovunque la qualità si mantenga, e passa a xhigh per il coding e il lavoro agentico più impegnativi. Se hai riportato i valori predefiniti di effort da un modello precedente, riesegui una scansione degli effort sulle tue valutazioni. Consulta Effort per le raccomandazioni complete.
• Visione: Claude Opus 5 è forte nella comprensione di grafici, documenti e diagrammi, e nella replica visiva di UI e frontend. Riconvalida qualsiasi soluzione alternativa lato prompt per la visione che avevi messo a punto per i modelli precedenti; potrebbero non essere più necessarie. Le prestazioni di visione sono migliori quando il modello dispone di strumenti per analizzare, ritagliare e verificare visivamente il proprio lavoro in modo iterativo, e l'uso degli strumenti è una leva più conveniente in termini di costi rispetto al solo pensiero.
• Lavoro a contesto lungo: Claude Opus 5 ha una finestra di contesto da 1M di token sia come valore predefinito sia come massimo, e il suo rispetto delle istruzioni, le chiamate agli strumenti e il ragionamento rimangono coerenti lungo tutta la finestra.
• Compiti d'ufficio e su documenti: Claude Opus 5 genera e lavora con fogli di calcolo complessi e multi-foglio con formule non banali, e produce presentazioni ben strutturate. Fornisci nel prompt eventuali stili o template specifici che deve seguire.
• Coordinamento multi-agente: Claude Opus 5 coordina bene team di subagenti, con pattern writer-verifier efficaci e pochi casi di agenti che sovrascrivono il lavoro degli altri. Per i carichi di lavoro sensibili ai costi, limita la delega; consulta Controllare la generazione di subagenti.



Lunghezza delle risposte e verbosità

Le risposte predefinite rivolte all'utente di Claude Opus 5 sono più lunghe rispetto ai modelli Opus precedenti. Il parametro effort controlla quanto il modello pensa piuttosto che quanto dice: abbassare l'effort può ridurre il volume di pensiero senza accorciare in modo affidabile la risposta visibile. Per controllare la lunghezza della risposta, richiedila esplicitamente nel prompt.

Una breve istruzione di concisione è efficace. Ad esempio, per un prodotto multi-turno rivolto all'utente:

Keep responses focused, brief, and concise. Keep disclaimers and caveats short, and spend most of the response on the main answer. When asked to explain something, give a high-level summary unless an in-depth explanation is specifically requested.

In un prompt di sistema lungo, abbina l'istruzione a un breve promemoria verso la fine del prompt:

<tone_preference>
Keep outputs reasonably concise.
</tone_preference>



Aggiornamenti di avanzamento rivolti all'utente

Claude Opus 5 narra volentieri durante il lavoro agentico: tende ad annunciare ciò che sta per fare, e il suo output per messaggio nelle sessioni agentiche è spesso più lungo rispetto ai modelli precedenti. Trae beneficio da indicazioni esplicite su come comunicare con l'utente durante un compito. Per ridurre la narrazione, descrivi la cadenza e la forma che desideri:

Before your first tool call, say in one sentence what you're about to do. While working, give a brief update only when you find something important or change direction. When you finish, lead with the outcome: your first sentence should answer "what happened" or "what did you find," with supporting detail after it for readers who want it.

Per aumentare la narrazione, o cambiarne lo stile, la stessa leva si applica nella direzione opposta: descrivi esplicitamente come dovrebbero apparire gli aggiornamenti e fornisci esempi. Gli esempi positivi dello stile di comunicazione che desideri tendono a essere più efficaci delle istruzioni su cosa non fare.



Lunghezza dei deliverable scritti

Separatamente dalla verbosità conversazionale, i file che Claude Opus 5 scrive su disco (report, documenti Markdown, riepiloghi) sono spesso più lunghi rispetto ai modelli precedenti. Se il tuo prodotto include documenti redatti da Claude, aggiungi una calibrazione esplicita della lunghezza:

Match the length of written documents to what the task needs: cover the substance, but do not pad with filler sections, redundant summaries, or boilerplate.



Ambito del compito e verifica eccessiva

Claude Opus 5 verifica il proprio lavoro senza che gli venga chiesto. Se il tuo prompt contiene istruzioni di verifica esplicite ("includi un passaggio di verifica finale per qualsiasi compito non banale", "usa un subagente per verificare"), rimuovile: istruzioni come queste causano una verifica eccessiva su Claude Opus 5, e rimuoverle riduce i token sprecati senza perdita di qualità. Lo stesso vale per lo scaffolding legacy dell'harness che aggiunge passaggi di verifica separati.

Claude Opus 5 può anche espandere l'ambito di un compito, aggiungendo passaggi non richiesti o applicando il proprio giudizio su cosa dovrebbe essere il compito. Per compiti ristretti, vincola l'ambito esplicitamente:

Deliver what was asked, at the scope intended. Make routine judgment calls yourself, and check in only when different readings of the request would lead to materially different work. If the request seems mistaken or a better approach exists, say so in a sentence and continue with the task as asked rather than quietly narrowing, widening, or transforming it. Finish the whole task, and stop short of actions that are clearly beyond what was asked.



Controllare la generazione di subagenti

Claude Opus 5 delega ai subagenti più prontamente rispetto ai modelli precedenti. La delega ripaga su filoni di lavoro genuinamente indipendenti e di dimensioni consistenti, ma moltiplica costi e tempi quando applicata a compiti piccoli. Se il tuo harness supporta i subagenti, fornisci indicazioni esplicite su quali scenari giustificano la delega, oppure imposta limiti deterministici su quanti agenti possono essere avviati. Ad esempio:

Delegate to a subagent only for large tasks that are genuinely independent and parallelizable, such as a wide multi-file investigation. Do not delegate work you can finish yourself in a handful of tool calls, and do not use subagents to verify or double-check your own work. If one subagent can complete the task, use one rather than several, and keep spawn counts low.



Autocorrezione

Claude Opus 5 individua e corregge bene i propri errori senza bisogno di prompt. Evita di istruire ricontrolli che già esegue ("ricontrolla la tua risposta", "riverifica prima di rispondere"); come le istruzioni di verifica, queste si sommano al comportamento proprio del modello e aggiungono costi senza migliorare i risultati.

Il modello inoltre narra le correzioni alle sue affermazioni precedenti più di quanto facciano i modelli precedenti, il che può essere indesiderabile nei prodotti rivolti all'utente. Per limitare la narrazione delle correzioni a quelle che contano:

Only correct an earlier statement when the error would change the user's code, conclusions, or decisions. State corrections plainly and briefly, then continue the task. For slips that change nothing for the user, make the fix and move on without noting it.



Esecuzione con il pensiero disabilitato

Claude Opus 5 funziona con il pensiero attivo per impostazione predefinita, e il pensiero può essere disabilitato solo a effort high o inferiore; consulta la guida alla migrazione. Con il pensiero disabilitato, due artefatti possono occasionalmente comparire nell'output visibile del modello. La mitigazione principale per entrambi è mantenere il pensiero abilitato e controllare il costo in token con livelli di effort più bassi invece di disabilitare il pensiero: per la maggior parte dei compiti, il pensiero abilitato a effort low funziona meglio del pensiero disabilitato a costo simile.

Chiamate agli strumenti come testo. Con il pensiero disabilitato, il modello occasionalmente scrive una chiamata a uno strumento nel testo rivolto all'utente invece di emettere un blocco tool_use strutturato. Il turno si completa normalmente e la chiamata non viene mai eseguita, e nei loop agentici il testo trapelato rimane nella cronologia della conversazione, quindi anche i turni successivi ne risentono. Questo è più comune nei carichi di lavoro ad alto uso di strumenti come la ricerca.

Tag XML interni nell'output. Con il pensiero disabilitato, il modello può emettere tag <thinking> o altri tag XML interni nella sua risposta visibile. Se il tuo prompt di sistema contiene una regola che istruisce il modello a non pensare o a non ragionare, rimuovila; quel tipo di istruzione aumenta la fuoriuscita di tag.

Per le integrazioni che devono mantenere il pensiero disabilitato, una singola istruzione combinata mitiga entrambi gli artefatti: dà al modello il permesso esplicito di parlare prima di una chiamata a uno strumento, un'alternativa al forzare una chiamata quando nessuno strumento è adatto, e una regola generale contro i tag interni:

When you use a tool, you may say a brief sentence first. If no tool can express what the user asked for, say so instead of guessing. Do not include internal or system XML tags in your response.

Le istruzioni che menzionano i tag di pensiero per nome sono meno efficaci della forma generale, quindi evita di nominarli specificamente.