Prompting di Claude Sonnet 5

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

Claude Sonnet 5 ha punti di forza particolari nel coding e nelle attività agentiche. Funziona bene fin da subito con i prompt esistenti per Claude Sonnet 4.6. I pattern in questa guida coprono i comportamenti che più spesso richiedono una messa a punto.

Lunghezza delle risposte e verbosità

Claude Sonnet 5 calibra la lunghezza della risposta in base alla complessità dell'attività anziché adottare per impostazione predefinita una verbosità fissa. Questo di solito significa risposte più brevi per ricerche semplici e più lunghe per analisi aperte.

Se il tuo prodotto dipende da un certo stile o da una certa verbosità dell'output, potresti dover 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 istruzioni aggiuntive nel tuo prompt per prevenirli. Gli esempi positivi che mostrano come Claude può comunicare con il livello appropriato di concisione 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 (impegno) ti consente di regolare l'intelligenza di Claude rispetto alla spesa in token, scambiando capacità per maggiore velocità e costi inferiori. Su Claude Sonnet 5, l'effort è impostato per impostazione predefinita su high, come su Claude Sonnet 4.6. Per le attività di coding e agentiche più difficili, aumenta l'effort a xhigh. Sperimenta con altri livelli di effort per regolare ulteriormente l'uso dei token e l'intelligenza:

• max: Capacità massima assoluta senza vincoli sulla spesa in token.
• xhigh: L'effort extra alto è l'impostazione consigliata per i casi d'uso di coding e agentici più difficili.
• high: L'impostazione predefinita. Questa impostazione bilancia uso dei token e intelligenza per la maggior parte dei casi d'uso.
• medium: Adatto a 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 sono sensibili all'intelligenza.

Come mappatura 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. Nei benchmark, confronta in base alla lunghezza del ragionamento osservata anziché al nome dell'effort.

Claude Sonnet 5 rispetta rigorosamente i livelli di effort, specialmente nella fascia bassa. A low e medium, il modello circoscrive il proprio lavoro a ciò che è stato richiesto anziché andare oltre. Questo è positivo per latenza e costi, ma su attività moderatamente complesse eseguite con effort low c'è un certo rischio di ragionamento insufficiente.

Se osservi un ragionamento superficiale su problemi complessi, aumenta l'effort a high o xhigh anziché aggirare il problema con il prompting. Se devi mantenere l'effort a low per la 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. Questo è 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 venivano eseguiti senza ragionamento su Claude Sonnet 4.6. Se in precedenza usavi il ragionamento disattivato con Claude Sonnet 4.6, prova il ragionamento attivato 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 vorresti, cosa che può accadere con prompt di sistema grandi o complessi, aggiungi indicazioni per orientarlo. Come sempre, misura l'effetto di qualsiasi modifica al prompting 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 stai eseguendo carichi di lavoro difficili a medium e osservi 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 ed è ora rimosso. Usa invece il ragionamento adattivo con il parametro effort.

Attivazione dell'uso degli strumenti

Claude Sonnet 5 è più agentico di Claude Sonnet 4.6 per impostazione predefinita e ricorrerà agli strumenti ed eseguirà cicli di autoverifica più prontamente. Con il ragionamento disattivato, il modello è meno propenso a ricorrere agli strumenti o a considerare una ricerca; se fai affidamento sulle chiamate agli strumenti con il ragionamento disattivato, aggiungi una spinta esplicita nel prompt di sistema. L'effort è anche 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 nel coding. 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 sta usando i tuoi strumenti di ricerca web, descrivi chiaramente perché e come dovrebbe farlo.

Aggiornamenti di avanzamento rivolti all'utente

Claude Sonnet 5 fornisce aggiornamenti regolari e di qualità superiore all'utente durante lunghe tracce agentiche. Se hai aggiunto scaffolding per forzare messaggi di stato intermedi ("Dopo ogni 3 chiamate agli strumenti, riassumi l'avanzamento"), prova a rimuoverlo. Se noti che la lunghezza o i contenuti degli aggiornamenti rivolti all'utente di Claude Sonnet 5 non sono ben calibrati per il tuo caso d'uso, descrivi esplicitamente nel prompt come dovrebbero essere questi aggiornamenti e fornisci esempi.

Esecuzione più letterale delle istruzioni

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 a un altro e non deduce richieste che non hai fatto. Il vantaggio di questa letteralità è la precisione, e in generale funziona meglio 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 può cambiare. Se il tuo prodotto si basa su una voce specifica, rivaluta i prompt di stile rispetto alla nuova baseline.

Ad esempio, se la voce del tuo prodotto è più calda o più 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 su un valore non predefinito 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 tono e varietà.

Impostazioni predefinite di design e frontend

Claude Sonnet 5 può assestarsi su uno stile visivo predefinito coerente nei brief aperti di frontend e design. Uno stile della casa predefinito può risultare adatto per alcuni brief ma sembrare fuori luogo per dashboard, strumenti per sviluppatori, fintech, sanità o app enterprise.

Le istruzioni generiche ("non usare quel colore", "rendilo pulito e minimale") tendono a spostare il modello verso una diversa palette fissa anziché 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 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 le esecuzioni. 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 estetica "AI slop", puoi includere una breve direttiva nel tuo prompt di sistema. La skill frontend-design fornisce una trattazione più completa, ma questo snippet funziona bene insieme ai precedenti approcci per la varietà:

<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 coding interattivi

L'uso dei token e il comportamento possono differire tra agenti di coding autonomi e asincroni con un singolo turno utente e agenti di coding interattivi e sincroni con più turni utente. Per massimizzare sia le prestazioni sia l'efficienza dei token nei prodotti di coding, usa 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 delle attività ben specificate, chiare e accurate può aiutare a massimizzare autonomia e 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 di code review

Se il tuo harness di code review era calibrato per un modello precedente, potresti inizialmente 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 review dice cose come "segnala solo problemi di gravità elevata", "sii conservativo" o "non essere pignolo", Claude Sonnet 5 potrebbe seguire quell'istruzione più fedelmente di quanto facessero i modelli precedenti: potrebbe esaminare il codice altrettanto a fondo, identificare i bug e poi non segnalare i risultati che giudica al di sotto della soglia da te indicata. Questo può manifestarsi con il modello che svolge la stessa profondità di indagine ma converte meno indagini in risultati segnalati, specialmente per i bug di gravità inferiore. La precisione tipicamente aumenta, ma il recall misurato può diminuire anche se la capacità sottostante 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 senza avere un effettivo secondo passaggio, ma spostare il filtraggio per confidenza fuori dalla fase di individuazione spesso aiuta. Se il tuo harness ha una fase separata di verifica, deduplicazione o classificazione, di' esplicitamente al modello che il suo compito nella fase di individuazione è la copertura anziché il filtraggio.

Se invece vuoi che il modello si auto-filtri in un singolo passaggio, sii concreto su dove si trova la soglia anziché usare termini qualitativi come "importante": ad esempio, "segnala qualsiasi bug che potrebbe causare un comportamento errato, un fallimento di test o un risultato fuorviante; ometti solo pignolerie come pure preferenze di stile o di denominazione."

Itera sui prompt rispetto a un sottoinsieme delle tue eval o dei tuoi casi di test per convalidare i guadagni in recall o F1 score.

Computer use

Claude Sonnet 5 supporta il toolset computer_toolset_20260801 (sulla Claude API e su Google Cloud) e la versione precedente dello strumento computer_20251124. Sulla Claude API e su Google Cloud, Claude Sonnet 5 supporta anche lo strumento browser use (browser_toolset_20260801) per i task all'interno delle pagine web. La capacità di "computer use" (uso del computer) funziona con diverse risoluzioni, fino a una risoluzione massima di 2576px / 3,75MP. I test interni sul computer use mostrano che inviare immagini a 1080p offre un buon equilibrio tra prestazioni e costi.

Per carichi di lavoro particolarmente sensibili ai costi, 720p o 1366×768 sono opzioni a costo inferiore con prestazioni solide. Conduci i tuoi test per trovare le impostazioni ideali per il tuo caso d'uso; sperimentare con le impostazioni di effort può anche aiutare a regolare il comportamento del modello.