Claude Opus 4.8のプロンプティング

このガイドでは、Claude Opus 4.8に固有のプロンプティングパターンを取り上げます。Claude Opus 4.8から最新のOpusモデルへの移行に伴うAPIの変更については、Claude Opus 4.8からClaude Opus 5への移行を参照してください。現行のすべてのClaudeモデルに適用されるテクニックについては、プロンプティングのベストプラクティスを参照してください。

Claude Opus 4.8は、長期的なエージェント作業、ナレッジワーク、ビジョン、メモリタスクにおいて特に強みを発揮します。既存のClaude Opus 4.7向けプロンプトでも、そのままで良好に動作します。以下のパターンでは、調整が必要になることが最も多い動作を取り上げます。

応答の長さと冗長性

Claude Opus 4.8は、固定の「verbosity」（冗長性）をデフォルトとするのではなく、タスクの複雑さをどう判断したかに応じて応答の長さを調整します。これは通常、単純な検索では短い回答になり、オープンエンドな分析ではかなり長い回答になることを意味します。

プロダクトが特定のスタイルや冗長性の出力に依存している場合は、プロンプトの調整が必要になることがあります。例として、冗長性を下げるには次のように追加できます。

Provide concise, focused responses. Skip non-essential context, and keep examples minimal.

特定の種類の冗長性（過剰な説明など）の具体例が見られる場合は、それを防ぐための追加の指示をプロンプトに加えることができます。Claudeが適切な簡潔さでコミュニケーションする方法を示す肯定的な例は、否定的な例やモデルに何をしてはいけないかを伝える指示よりも効果的な傾向があります。

エフォートと思考の深さの調整

effortパラメータを使用すると、Claudeの知能とトークン消費のバランスを調整でき、能力と引き換えに速度の向上とコストの削減を得ることができます。コーディングやエージェントのユースケースではxhighエフォートレベルから始め、知能が重要となるほとんどのユースケースでは最低でもhighエフォートを使用してください。トークン使用量と知能をさらに調整するには、他のエフォートレベルも試してください。

• max: maxエフォートは一部のユースケースでパフォーマンス向上をもたらしますが、トークン使用量の増加に対して収穫逓減を示す場合があります。この設定は考えすぎに陥りやすいこともあります。知能を要求するタスクではmaxエフォートをテストしてください。
• xhigh: extra highエフォートは、ほとんどのコーディングおよびエージェントのユースケースに最適な設定です。
• high: この設定はトークン使用量と知能のバランスを取ります。知能が重要となるほとんどのユースケースでは、最低でもhighエフォートを使用してください。
• medium: 知能と引き換えにトークン使用量を削減する必要がある、コスト重視のユースケースに適しています。
• low: 知能が重要ではない、短く範囲の限定されたタスクやレイテンシ重視のワークロード向けに確保してください。

Claude Opus 4.8はエフォートレベルを厳密に尊重し、特に低いレベルではその傾向が顕著です。lowとmediumでは、モデルは求められた以上のことをするのではなく、求められたことに作業範囲を絞ります。これはレイテンシとコストの面では良いことですが、中程度に複雑なタスクをlowエフォートで実行すると、思考不足になるリスクが多少あります。

複雑な問題で浅い推論が見られる場合は、プロンプトで回避しようとするのではなく、エフォートをhighまたはxhighに上げてください。レイテンシのためにエフォートをlowに保つ必要がある場合は、的を絞ったガイダンスを追加してください。

This task involves multistep reasoning. Think carefully through the problem before responding.

エフォートは、これまでのどのOpusよりもこのモデルにとって重要になる可能性が高いため、アップグレード時には積極的に試してください。

Claude Opus 4.8では、thinking: {type: "adaptive"}を明示的に設定しない限り、思考はオフになっています。適応型思考のトリガー動作は制御可能です。大規模または複雑なシステムプロンプトで起こりうることですが、モデルが望むよりも頻繁に思考していると感じる場合は、それを制御するガイダンスを追加してください。いつものように、プロンプトの変更がパフォーマンスに与える影響を測定してください。例：

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.

逆に、難しいワークロードをmediumで実行していて思考不足が見られる場合、最初の手段はエフォートを上げることです。より細かい制御が必要な場合は、直接プロンプトで指示してください。

ツール使用のトリガー

Claude Opus 4.8は、ツール呼び出しよりも推論を優先する傾向があります。これはほとんどの場合、より良い結果をもたらします。ただし、特にナレッジワークにおいては、エフォート設定を上げることが「tool use」（ツール使用）のレベルを高めるための有用な手段となります。highまたはxhighのエフォート設定では、エージェント検索やコーディングにおいてツール使用が大幅に増加します。より多くのツール使用を望むシナリオでは、ツールをいつどのように適切に使用すべきかをモデルに明示的に指示するようプロンプトを調整することもできます。たとえば、モデルがウェブ検索ツールを使用していないことがわかった場合は、なぜ、どのように使用すべきかを明確に記述してください。

ユーザー向けの進捗更新

Claude Opus 4.8は、長いエージェントトレース全体を通じて、より定期的で質の高い更新をユーザーに提供します。中間ステータスメッセージを強制するためのスキャフォールディング（「ツール呼び出し3回ごとに進捗を要約する」など）を追加している場合は、削除してみてください。Claude Opus 4.8のユーザー向け更新の長さや内容がユースケースに対して適切に調整されていないと感じる場合は、これらの更新がどのようなものであるべきかをプロンプトで明示的に記述し、例を提供してください。

より文字通りの指示追従

Claude Opus 4.8は、特に低いエフォートレベルにおいて、プロンプトを文字通りかつ明示的に解釈します。ある項目への指示を別の項目へ暗黙的に一般化することはなく、行っていないリクエストを推測することもありません。この文字通りの解釈の利点は精度と無駄な動きの少なさであり、慎重に調整されたプロンプト、構造化抽出、予測可能な動作が求められるパイプラインを伴うAPIユースケースでは、一般的により良いパフォーマンスを発揮します。Claudeに指示を広く適用させる必要がある場合は、範囲を明示的に述べてください（例：「この書式を最初のセクションだけでなく、すべてのセクションに適用してください」）。

トーンと文体

新しいモデルではいつものことですが、長文の執筆における文体は変化する可能性があります。Claude Opus 4.8は、肯定から入る言い回しを最小限に抑え、絵文字の使用も控えめな、直接的で意見のはっきりしたスタイルに傾いています。プロダクトが特定のボイスに依存している場合は、新しいベースラインに対してスタイルプロンプトを再評価してください。

たとえば、プロダクトのボイスがより温かみのある、または会話的なものである場合は、次のように追加してください。

Use a warm, collaborative tone. Acknowledge the user's framing before answering.

サブエージェント生成の制御

Claude Opus 4.8は、デフォルトでは生成するサブエージェントの数が少ない傾向があります。ただし、この動作はプロンプティングによって制御可能です。サブエージェントが望ましい場面について、Claude Opus 4.8に明示的なガイダンスを与えてください。コーディングユースケース向けの簡単な例：

Do not spawn a subagent for work you can complete directly in a single response (e.g. refactoring a function you can already see).

Spawn multiple subagents in the same turn when fanning out across items or reading multiple files.

デザインとフロントエンドのデフォルト

Claude Opus 4.8は優れたデザインセンスを持ち、一貫したデフォルトのハウススタイルを備えています。温かみのあるクリーム色／オフホワイトの背景（約#F4F1EA）、セリフ体のディスプレイ書体（Georgia、Fraunces、Playfair）、イタリック体による単語のアクセント、テラコッタ／アンバーのアクセントカラーです。これはエディトリアル、ホスピタリティ、ポートフォリオの案件にはよく合いますが、ダッシュボード、開発ツール、フィンテック、ヘルスケア、エンタープライズアプリには違和感があるでしょう。このデフォルトはスライドデッキやWeb UIに現れます。

このデフォルトは根強いものです。一般的な指示（「クリーム色を使わないで」「クリーンでミニマルにして」）は、多様性を生み出すのではなく、モデルを別の固定パレットに移行させる傾向があります。確実に機能するアプローチは2つあります。

1. 具体的な代替案を指定する。 モデルは明示的な仕様に正確に従います。

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. 構築前にモデルに選択肢を提案させる。 これによりデフォルトが崩れ、ユーザーがコントロールできるようになります。以前デザインの多様性のためにtemperatureに頼っていた場合は、このアプローチを使用してください。実行ごとに意味のある異なる方向性が生まれます。プロンプト例：

Before building, propose 4 distinct visual directions tailored to this brief (each as: bg hex / accent hex / typeface — one-line rationale). Ask the user to pick one, then implement only that direction.

さらに、Claude Opus 4.8は、ユーザーが「AIスロップ」的な美観と呼ぶ一般的なパターンを避けるために必要なフロントエンドデザインのプロンプティングが、以前のモデルよりも少なくて済みます。以前のモデルでは、Anthropicはfrontend-designスキルにある長めのプロンプトスニペットを推奨していました。しかし、Claude Opus 4.8は、より最小限のプロンプティングガイダンスで独創的かつクリエイティブなフロントエンドを生成します。このプロンプトスニペットは、多様性に関する前述のプロンプティングのアドバイスと組み合わせるとうまく機能します。

<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>

インタラクティブなコーディングプロダクト

Claude Opus 4.8のトークン使用量と動作は、単一のユーザーターンを持つ自律的・非同期的なコーディングエージェントと、複数のユーザーターンを持つインタラクティブ・同期的なコーディングエージェントとで異なる場合があります。具体的には、インタラクティブな設定ではより多くのトークンを使用する傾向があり、これは主にユーザーターンの後により多く推論するためです。これにより、長いインタラクティブなコーディングセッションにおける長期的な一貫性、指示追従、コーディング能力が向上する可能性がありますが、トークン使用量も増加します。コーディングプロダクトでパフォーマンスとトークン効率の両方を最大化するには、xhighまたはhighエフォートを使用し、オートモードのような自律的な機能を追加し、ユーザーに求められる人間の介入回数を減らしてください。

もちろん、必要なユーザーインタラクションの回数を制限する場合は、最初の人間のターンでタスク、意図、関連する制約を前もって指定することが重要です。十分に規定された、明確で正確なタスク記述を前もって提供することで、ユーザーターン後の余分なトークン使用を最小限に抑えながら、自律性と知能を最大化できます。Claude Opus 4.8は以前のモデルよりも自律的であるため、この使用パターンはパフォーマンスの最大化に役立ちます。対照的に、複数のユーザーターンにわたって段階的に伝えられる曖昧または規定不足のプロンプトは、相対的にトークン効率を低下させ、場合によってはパフォーマンスも低下させる傾向があります。

コードレビューハーネス

Claude Opus 4.8は以前のモデルよりもバグの発見において有意に優れており、社内評価では再現率と適合率の両方が高くなっています。ただし、コードレビューハーネスが以前のモデル向けに調整されていた場合、当初は再現率が低く見えることがあります。これはおそらくハーネスの影響であり、能力の退行ではありません。レビュープロンプトに「重大度の高い問題のみを報告する」「保守的に」「細かいことを指摘しない」といった記述がある場合、Claude Opus 4.8は以前のモデルよりもその指示に忠実に従う可能性があります。つまり、コードを同じくらい徹底的に調査し、バグを特定したうえで、指定された基準を下回ると判断した発見事項を報告しないことがあります。これは、モデルが同じ深さの調査を行いながらも、特に重大度の低いバグについて、報告される発見事項に変換される調査の数が少なくなるという形で現れることがあります。適合率は通常上昇しますが、モデルの根本的なバグ発見能力が向上しているにもかかわらず、測定される再現率は低下する可能性があります。

推奨されるプロンプトの文言：

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.

このプロンプトは実際の第2ステップがなくても使用できますが、信頼度によるフィルタリングを発見ステップから切り離すことはしばしば有効です。ハーネスに別途の検証、重複排除、またはランキングのステージがある場合は、発見ステージでのモデルの仕事はフィルタリングではなくカバレッジであることを明示的に伝えてください。

モデルに単一パスで自己フィルタリングさせたい場合は、「重要」のような定性的な用語を使うのではなく、基準がどこにあるかを具体的に示してください。たとえば、「不正な動作、テストの失敗、または誤解を招く結果を引き起こす可能性のあるバグはすべて報告してください。純粋なスタイルや命名の好みのような細かい指摘のみ省略してください」のようにします。

再現率またはF1スコアの向上を検証するために、評価やテストケースのサブセットに対してプロンプトを反復的に改善してください。

コンピュータ使用

Claude Opus 4.8は、computer_toolset_20260801ツールセット（Claude APIおよびGoogle Cloud上）と、以前のcomputer_20251124ツールバージョンをサポートしています。Webページ内のタスクについては、Claude Opus 4.8はブラウザ使用ツール（browser_toolset_20260801）もサポートしています。コンピュータ使用機能は、最大解像度2576px / 3.75MPまでのさまざまな解像度で動作します。社内のコンピュータ使用テストでは、1080pで画像を送信することがパフォーマンスとコストの良いバランスをもたらすことが示されています。

特にコスト重視のワークロードでは、720pまたは1366×768が、高いパフォーマンスを持つ低コストの選択肢です。ユースケースに最適な設定を見つけるために独自のテストを実施してください。エフォート設定を試すことも、モデルの動作の調整に役立ちます。