Scrivere prompt per Claude Sonnet 5
Differenze comportamentali e pattern di prompting per Claude Sonnet 5, che coprono l’effort, le impostazioni predefinite del ragionamento adattivo e l’uso degli strumenti.
Questa guida tratta i pattern di prompting specifici di Claude Sonnet 5. Per le specifiche del modello, consulta Claude Sonnet 5. Per le tecniche che si applicano a tutti gli attuali modelli Claude, consulta Best practice per i prompt.
Claude Sonnet 5 ha punti di forza particolari nelle attività di programmazione e nelle attività agentiche. Offre buone prestazioni fin da subito con i prompt esistenti per Claude Sonnet 4.6. I pattern di questa guida coprono i comportamenti che più spesso richiedono una messa a punto.
Lunghezza e verbosità delle risposte
Claude Sonnet 5 calibra la lunghezza della risposta in base alla complessità dell’attività, invece di adottare per impostazione predefinita una verbosità fissa. Questo di solito significa risposte più brevi per le ricerche semplici e più lunghe per le analisi aperte.
Se il tuo prodotto dipende da un certo stile o livello di verbosità dell’output, potrebbe essere necessario mettere a punto i tuoi prompt. Ad esempio, per ridurre la verbosità, potresti aggiungere:
Provide concise, focused responses. Skip non-essential context, and keep examples minimal.Se noti tipi specifici di verbosità (come spiegazioni eccessive), puoi aggiungere ulteriori istruzioni nel tuo prompt per prevenirli. Gli esempi positivi che mostrano come Claude può comunicare con il livello di concisione appropriato tendono a essere più efficaci degli esempi negativi o delle istruzioni che dicono al modello cosa non fare.
Calibrare l’effort e la profondità del ragionamento
Il parametro effort ti consente di bilanciare l’intelligenza di Claude rispetto alla spesa di token, scambiando capacità con maggiore velocità e costi inferiori. Su Claude Sonnet 5, l’“effort” (livello di impegno) è impostato per impostazione predefinita su high, come su Claude Sonnet 4.6. Per le attività di programmazione e agentiche più difficili, aumenta l’effort a xhigh. Sperimenta con altri livelli di effort per mettere ulteriormente a punto l’uso dei token e l’intelligenza:
max: Capacità massima assoluta senza vincoli sulla spesa di token.xhigh: L’effort extra alto è l’impostazione consigliata per i casi d’uso di programmazione e agentici più difficili.high: Il valore predefinito. Questa impostazione bilancia l’uso dei token e l’intelligenza per la maggior parte dei casi d’uso.medium: Adatto ai casi d’uso sensibili ai costi che devono ridurre l’uso dei token a scapito dell’intelligenza.low: Da riservare ad attività brevi e circoscritte e a carichi di lavoro sensibili alla latenza che non richiedono molta intelligenza.
Come corrispondenza approssimativa tra modelli durante la migrazione: Claude Sonnet 5 a medium è paragonabile in intelligenza a Claude Sonnet 4.6 a high, e Claude Sonnet 5 a high è paragonabile a Claude Sonnet 4.6 a max. Durante i benchmark, confronta in base alla lunghezza del ragionamento osservata piuttosto che al nome del livello di effort.
Claude Sonnet 5 rispetta rigorosamente i livelli di effort, soprattutto nella fascia bassa. A low e medium, il modello limita il proprio lavoro a ciò che è stato richiesto invece di andare oltre la richiesta. Questo è positivo per latenza e costi, ma nelle attività moderatamente complesse eseguite con effort low esiste un certo rischio di ragionamento insufficiente.
Se osservi un ragionamento superficiale su problemi complessi, aumenta l’effort a high o xhigh invece di aggirare il problema con il prompt. Se devi mantenere l’effort a low per motivi di latenza, aggiungi indicazioni mirate:
This task involves multistep reasoning. Think carefully through the problem before responding.Su Claude Sonnet 5, l’“adaptive thinking” (ragionamento adattivo) è attivo per impostazione predefinita. Le richieste senza un campo thinking vengono eseguite con il ragionamento adattivo. Si tratta di un cambiamento rispetto a Claude Sonnet 4.6, dove le stesse richieste venivano eseguite senza ragionamento. Per disattivare completamente il ragionamento, passa thinking: {type: "disabled"}. Poiché max_tokens è un limite rigido sull’output totale (ragionamento più testo della risposta), rivedilo per i carichi di lavoro che su Claude Sonnet 4.6 venivano eseguiti senza ragionamento. Se in precedenza usavi il ragionamento disattivato con Claude Sonnet 4.6, prova il ragionamento attivo con livelli di effort più bassi per Claude Sonnet 5.
Il comportamento di attivazione del ragionamento adattivo è orientabile. Se noti che il modello emette blocchi di ragionamento più spesso di quanto desideri, cosa che può verificarsi con prompt di sistema grandi o complessi, aggiungi indicazioni per orientarlo. Come sempre, misura l’effetto di qualsiasi modifica al prompt sulle prestazioni. Esempio:
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.Al contrario, se esegui carichi di lavoro difficili a medium e noti un ragionamento insufficiente, la prima leva è aumentare l’effort. Se hai bisogno di un controllo più fine, richiedilo direttamente nel prompt.
Il ragionamento esteso manuale (thinking: {type: "enabled", budget_tokens: N}) non è supportato su Claude Sonnet 5 e restituisce un errore 400. Era stato deprecato su Claude Sonnet 4.6 e ora è stato rimosso. Usa invece il ragionamento adattivo con il parametro effort.
Attivazione dell’uso degli strumenti
Claude Sonnet 5 è per impostazione predefinita più agentico di Claude Sonnet 4.6 e ricorre più facilmente agli strumenti ed esegue cicli di autoverifica. Con il ragionamento disattivato, è meno probabile che il modello ricorra agli strumenti o consideri di effettuare ricerche; se fai affidamento sulle chiamate agli strumenti con il ragionamento disattivato, aggiungi un’indicazione esplicita nel prompt di sistema. Anche l’effort è una leva per l’uso degli strumenti: le impostazioni di effort high o xhigh mostrano un uso degli strumenti sostanzialmente maggiore nella ricerca agentica e nella programmazione. Per gli scenari in cui desideri un maggiore uso degli strumenti, puoi anche modificare il tuo prompt per istruire esplicitamente il modello su quando e come usare correttamente i suoi strumenti. Ad esempio, se noti che il modello non usa i tuoi strumenti di ricerca web, descrivi chiaramente perché e come dovrebbe farlo.
Aggiornamenti sui progressi rivolti all’utente
Claude Sonnet 5 fornisce aggiornamenti regolari e di qualità superiore all’utente durante le lunghe tracce agentiche. Se hai aggiunto un’impalcatura per forzare messaggi di stato intermedi (“Dopo ogni 3 chiamate agli strumenti, riassumi i progressi”), prova a rimuoverla. Se ritieni che la lunghezza o il contenuto degli aggiornamenti rivolti all’utente di Claude Sonnet 5 non siano ben calibrati per il tuo caso d’uso, descrivi esplicitamente nel prompt come dovrebbero essere questi aggiornamenti e fornisci degli esempi.
Esecuzione delle istruzioni più letterale
Claude Sonnet 5 interpreta i prompt in modo letterale ed esplicito, in particolare ai livelli di effort più bassi. Non generalizza silenziosamente un’istruzione da un elemento all’altro e non deduce richieste che non hai fatto. Il vantaggio di questa letteralità è la precisione, e in genere offre prestazioni migliori per i casi d’uso API con prompt accuratamente calibrati, estrazione strutturata e pipeline in cui desideri un comportamento prevedibile. Se hai bisogno che Claude applichi un’istruzione in modo ampio, indica esplicitamente l’ambito (ad esempio, “Applica questa formattazione a ogni sezione, non solo alla prima”).
Tono e stile di scrittura
Come con qualsiasi nuovo modello, lo stile della prosa nella scrittura di testi lunghi potrebbe cambiare. Se il tuo prodotto si basa su una voce specifica, rivaluta i prompt di stile rispetto alla nuova base di riferimento.
Ad esempio, se la voce del tuo prodotto è più calorosa o colloquiale, aggiungi:
Use a warm, collaborative tone. Acknowledge the user's framing before answering.Se in precedenza facevi affidamento su temperature per la varietà stilistica, tieni presente che impostare temperature, top_p o top_k restituisce un errore 400 su Claude Sonnet 5. Questo vincolo è nuovo per i modelli di classe Sonnet. Rimuovi questi parametri durante la migrazione e usa invece istruzioni nel prompt di sistema per guidare il tono e la varietà.
Impostazioni predefinite di design e frontend
Claude Sonnet 5 potrebbe adottare uno stile visivo predefinito coerente per brief aperti di frontend e design. Uno stile predefinito della casa può funzionare bene per alcuni brief, ma risultare poco adatto a dashboard, strumenti per sviluppatori, app fintech, sanitarie o enterprise.
Le istruzioni generiche (“non usare quel colore”, “rendilo pulito e minimale”) tendono a spostare il modello verso una diversa palette fissa invece di produrre varietà. Due approcci funzionano in modo affidabile:
1. Specifica un’alternativa concreta. Il modello segue con precisione le specifiche esplicite:
Design a desktop landing page for a supplement brand called AEFRM.
The visual direction should come from a cold monochrome atmosphere using pale silver-gray tones that gradually deepen into blue-gray and near-black, similar to a misted metallic surface.
The page should feel sharp and controlled, with a strong sense of structure and restraint.
Use this tonal system across the full page instead of introducing bright accent colors.
Use the uploaded image on the hero design in black and white.
The layout should be built with clear horizontal sections and a centered max-width container. Use 4px corner radius consistently across cards, buttons, inputs, and media frames. Margins should feel generous, with enough empty space around each section so the page breathes.
Typography should use a square, angular sans-serif with wider letter spacing than usual, especially in headings and navigation, so the text feels more engineered and less compressed. Headline text can be large and uppercase, while supporting copy remains short and sparse. The sub texts should be written with Alumni Sans SC in 4-6px like tiny little texts on corners bottom centre like that.
For the structure, start with a hero section containing a strong product statement, one short supporting paragraph, and a clean product placeholder or packshot frame. Below that, add a benefit grid with three or four blocks, then a formulation or ingredients section, and finally a cta.
Buttons should be flat and precise, with subtle hover changes using transition: all 160ms ease out where brightness and border contrast shift slightly rather than using dramatic motion.
Color palette should stay within this range:
#E9ECEC, #C9D2D4, #8C9A9E, #44545B, #11171B.2. Fai proporre al modello delle opzioni prima di costruire. Questo rompe l’impostazione predefinita e dà il controllo agli utenti. Poiché temperature non è accettato su Claude Sonnet 5, questo approccio è il modo consigliato per produrre direzioni di design significativamente diverse tra un’esecuzione e l’altra. Prompt di esempio:
Before building, propose 4 distinct visual directions tailored to this brief (each as: bg hex / accent hex / typeface, plus a one-line rationale). Ask the user to pick one, then implement only that direction.Per allontanarti dai pattern generici che gli utenti chiamano l’estetica “AI slop”, puoi includere una breve direttiva nel tuo prompt di sistema. La skill frontend-design offre una trattazione più completa, ma questo frammento funziona bene insieme agli approcci per la varietà descritti in precedenza:
<frontend_aesthetics>
NEVER use generic AI-generated aesthetics like overused font families (Inter, Roboto, Arial, system fonts), cliched color schemes (particularly purple gradients on white or dark backgrounds), predictable layouts and component patterns, and cookie-cutter design that lacks context-specific character. Use unique fonts, cohesive colors and themes, and animations for effects and micro-interactions.
</frontend_aesthetics>Prodotti di programmazione interattivi
L’uso dei token e il comportamento possono differire tra agenti di programmazione autonomi e asincroni con un singolo turno utente e agenti di programmazione interattivi e sincroni con più turni utente. Per massimizzare sia le prestazioni sia l’efficienza dei token nei prodotti di programmazione, usa l’effort xhigh o high, aggiungi funzionalità autonome come una modalità automatica e riduci il numero di interazioni umane richieste ai tuoi utenti.
Quando limiti il numero di interazioni utente richieste, è importante specificare l’attività, l’intento e i vincoli rilevanti fin dall’inizio, nel primo turno umano. Fornire fin dall’inizio descrizioni dell’attività ben specificate, chiare e accurate può aiutare a massimizzare l’autonomia e l’intelligenza riducendo al minimo l’uso aggiuntivo di token dopo i turni utente. Al contrario, prompt ambigui o poco specificati trasmessi progressivamente su più turni utente tendono a ridurre relativamente l’efficienza dei token e talvolta le prestazioni.
Harness per la revisione del codice
Se il tuo harness per la revisione del codice è stato messo a punto per un modello precedente, inizialmente potresti osservare un recall inferiore su Claude Sonnet 5. Si tratta probabilmente di un effetto dell’harness, non di una regressione delle capacità. Quando un prompt di revisione dice cose come “segnala solo i problemi di gravità elevata”, “sii prudente” o “non essere pignolo”, Claude Sonnet 5 potrebbe seguire quell’istruzione più fedelmente rispetto ai modelli precedenti: potrebbe analizzare il codice con la stessa accuratezza, identificare i bug e poi non segnalare i risultati che ritiene al di sotto della soglia da te indicata. Questo può manifestarsi con il modello che svolge la stessa profondità di analisi ma converte meno analisi in risultati segnalati, soprattutto per i bug di gravità inferiore. La precisione in genere aumenta, ma il recall misurato può diminuire anche se la capacità effettiva del modello di trovare bug è migliorata.
Alcune formulazioni di prompt consigliate:
Report every issue you find, including ones you are uncertain about or consider low-severity. Do not filter for importance or confidence at this stage - a separate verification step will do that. Your goal here is coverage: it is better to surface a finding that later gets filtered out than to silently drop a real bug. For each finding, include your confidence level and an estimated severity so a downstream filter can rank them.Questo prompt può essere usato anche senza un vero secondo passaggio, ma spostare il filtraggio basato sulla confidenza fuori dalla fase di individuazione spesso aiuta. Se il tuo harness ha una fase separata di verifica, deduplicazione o classificazione, indica esplicitamente al modello che il suo compito nella fase di individuazione è la copertura piuttosto che il filtraggio.
Se invece desideri che il modello si autofiltri in un unico passaggio, sii concreto su quale sia la soglia di segnalazione invece di usare termini qualitativi come “importante”: ad esempio, “segnala tutti i bug che potrebbero causare un comportamento errato, il fallimento di un test o un risultato fuorviante; ometti solo le pignolerie come le pure preferenze di stile o di denominazione.”
Itera sui prompt rispetto a un sottoinsieme delle tue valutazioni o dei tuoi casi di test per convalidare i miglioramenti di recall o di punteggio F1.
Uso del computer
Claude Sonnet 5 supporta il “computer use” (uso del computer) tramite il toolset computer_toolset_20260801 e la versione dello strumento computer_20251124. Supporta inoltre lo strumento “browser use” (uso del browser) (browser_toolset_20260801) per le attività all’interno delle pagine web. La capacità di computer use funziona con diverse risoluzioni, fino a una risoluzione massima di 2576px / 3,75MP. I test interni sul computer use mostrano che l’invio di immagini a 1080p offre un buon equilibrio tra prestazioni e costi.
Per i carichi di lavoro particolarmente sensibili ai costi, 720p o 1366×768 sono opzioni a costo inferiore con ottime prestazioni. Esegui i tuoi test per trovare le impostazioni ideali per il tuo caso d’uso; anche sperimentare con le impostazioni di effort può aiutare a mettere a punto il comportamento del modello.
Questa pagina ti è stata utile?