プロンプトのベストプラクティス

これは Claude の最新モデル（Claude Opus 4.7、Claude Opus 4.6、Claude Sonnet 4.6、Claude Haiku 4.5 を含む）を使用したプロンプトエンジニアリングの単一リファレンスです。基礎的なテクニック、出力制御、ツール使用、思考、およびエージェントシステムをカバーしています。あなたの状況に合致するセクションにジャンプしてください。

Claude Opus 4.7 でのプロンプティング

Claude Opus 4.7 は、一般的に利用可能な最も高性能なモデルであり、長期的なエージェント作業、知識作業、ビジョン、およびメモリタスクに特に強みを持っています。既存の Claude Opus 4.6 プロンプトでもすぐに良好に機能します。以下のパターンは、最も頻繁にチューニングが必要な動作をカバーしています。

応答の長さと冗長性

Claude Opus 4.7 は、固定の冗長性にデフォルト設定するのではなく、タスクの複雑さとして判断する内容に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を意味し、オープンエンドの分析ではより長い回答を意味します。

製品が特定のスタイルまたは出力の冗長性に依存している場合、プロンプトをチューニングする必要があるかもしれません。例として、冗長性を低下させるために、以下を追加することができます：

簡潔で焦点を絞った応答を提供してください。本質的でないコンテキストをスキップし、例は最小限に保ってください。

特定の種類の冗長性の例（つまり、過度な説明）が見られる場合、プロンプトに追加の指示を追加してそれらを防ぐことができます。Claude がどのように適切な簡潔さのレベルで通信できるかを示す肯定的な例は、否定的な例またはモデルに何をしないかを伝える指示よりも効果的である傾向があります。

努力と思考の深さの調整

努力パラメータを使用すると、Claude のインテリジェンスとトークン支出をチューニングでき、機能と速度およびコストのトレードオフを行うことができます。コーディングおよびエージェント使用ケースの新しい xhigh 努力レベルから始め、ほとんどのインテリジェンス感度の高い使用ケースでは最低でも high 努力を使用してください。他の努力レベルを試してトークン使用量とインテリジェンスをさらにチューニングしてください：

• max： 最大努力は一部の使用ケースでパフォーマンスの向上をもたらすことができますが、トークン使用量の増加から収穫逓減を示す可能性があります。この設定は過度な思考の傾向がある場合もあります。インテリジェンス要求の高いタスクに対して最大努力をテストすることをお勧めします。
• xhigh（新規）： 超高努力は、ほとんどのコーディングおよびエージェント使用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インテリジェンスのバランスを取ります。ほとんどのインテリジェンス感度の高い使用ケースでは、最低でも high 努力をお勧めします。
• medium： トークン使用量を削減する必要があるコスト感度の高い使用ケースに適していますが、インテリジェンスはトレードオフします。
• low： 短く、スコープが限定されたタスクおよびインテリジェンス感度が低いレイテンシ感度の高いワークロード用に予約してください。

Claude Opus 4.6 から大きく変わり、Claude Opus 4.7 は努力レベルを厳密に尊重します。特に低い方で。low および medium では、モデルはその仕事を要求されたものにスコープし、それ以上のことはしません。これはレイテンシとコストに良いですが、low 努力で実行されている中程度に複雑なタスクでは、思考不足のリスクがあります。

複雑な問題で浅い推論を観察する場合、プロンプトの周りで努力を high または xhigh に上げてください。レイテンシのために努力を low に保つ必要がある場合は、ターゲットを絞ったガイダンスを追加してください：

このタスクは多段階の推論を含みます。応答する前に問題を注意深く考えてください。

この モデルでは努力が以前の Opus よりも重要になると予想され、アップグレード時に積極的に実験することをお勧めします。

適応的思考のトリガー動作は操作可能です。モデルが思考する頻度が高い場合（大規模または複雑なシステムプロンプトで発生する可能性があります）、それを操作するためのガイダンスを追加してください。いつものように、パフォーマンスに対するプロンプティング変更の効果を測定してください。例：

思考はレイテンシを追加し、回答品質を大幅に改善する場合にのみ使用する必要があります。通常、多段階の推論が必要な問題の場合です。疑わしい場合は、直接応答してください。

逆に、medium で難しいワークロードを実行していて思考不足を見ている場合、最初のレバーは努力を上げることです。より細かい制御が必要な場合は、直接プロンプトしてください。

ツール使用のトリガー

Claude Opus 4.7 は Claude Opus 4.6 よりもツールを使用する傾向が低く、推論をより多く使用する傾向があります。これはほとんどの場合、より良い結果を生成します。ただし、努力設定を上げることは、特に知識作業でツール使用のレベルを増やすための有用なレバーです。high または xhigh 努力設定は、エージェント検索およびコーディングでかなり多くのツール使用を示します。より多くのツール使用を望むシナリオでは、プロンプトを調整して、モデルがいつどのようにツールを適切に使用するかについて明示的に指示することもできます。例えば、モデルが Web 検索ツールを使用していないことに気付いた場合、その理由と方法を明確に説明してください。

ユーザー向けの進捗更新

Claude Opus 4.7 は、長いエージェントトレース全体を通じて、より定期的で高品質の更新をユーザーに提供します。暫定的なステータスメッセージを強制するためのスキャフォルディングを追加した場合（「3 つのツール呼び出しごとに進捗を要約する」）、それを削除してみてください。Claude Opus 4.7 のユーザー向け更新の長さまたは内容があなたの使用ケースに適切に調整されていないことに気付いた場合、これらの更新がプロンプトでどのように見えるべきかを明示的に説明し、例を提供してください。

より文字通りの指示に従う

Claude Opus 4.7 は Claude Opus 4.6 よりもプロンプトをより文字通りかつ明示的に解釈します。特に低い努力レベルで。1 つのアイテムから別のアイテムへの指示を黙って一般化することはなく、あなたが行わなかったリクエストを推測することもありません。この文字通りの利点は精度とスラッシュの削減であり、一般的に API 使用ケースでより良いパフォーマンスを発揮します。慎重にチューニングされたプロンプト、構造化抽出、および予測可能な動作を望むパイプラインを使用します。Claude が指示を広く適用する必要がある場合は、スコープを明示的に述べてください（例えば、「この書式設定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

新しいモデルと同様に、長編の文章の散文スタイルは変わる可能性があります。Claude Opus 4.7 はより直接的で独断的であり、検証前向きなフレーズが少なく、Claude Opus 4.6 のより温かいスタイルよりも絵文字が少なくなっています。製品が特定の声に依存している場合、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。

例えば、製品の声がより温かいまたはより会話的である場合、以下を追加してください：

温かく協力的なトーンを使用してください。回答する前にユーザーのフレーミングを認めてください。

サブエージェント生成の制御

Claude Opus 4.7 はデフォルトでは少ないサブエージェントを生成する傾向があります。ただし、この動作はプロンプティングを通じて操作可能です。Claude Opus 4.7 にサブエージェントが望ましい場合についての明示的なガイダンスを提供してください。コーディング使用ケースのおもちゃの例：

単一の応答で直接完了できる作業（例えば、既に見ることができる関数のリファクタリング）に対してサブエージェントを生成しないでください。

同じターンで複数のサブエージェントを生成する場合は、アイテム全体にファンアウトするか、複数のファイルを読み取るときです。

デザインとフロントエンドのデフォルト

Claude Opus 4.7 は Claude Opus 4.6 よりも強いデザイン本能を持っており、一貫したデフォルトハウススタイルを持っています：温かいクリーム/オフホワイトの背景（約 #F4F1EA）、セリフディスプレイタイプ（Georgia、Fraunces、Playfair）、イタリック単語アクセント、およびテラコッタ/アンバーアクセント。これは編集、ホスピタリティ、およびポートフォリオブリーフに適していますが、ダッシュボード、開発ツール、フィンテック、ヘルスケア、またはエンタープライズアプリケーションでは不適切に感じられます。スライドデッキと Web UI にも表示されます。

このデフォルトは永続的です。一般的な指示（「クリームを使用しないでください」、「きれいでミニマルにしてください」）は、モデルを異なる固定パレットにシフトさせる傾向があり、多様性を生成するのではなく。2 つのアプローチが確実に機能します：

1. 具体的な代替案を指定してください。 モデルは明示的な仕様を正確に従います：

AEFRM という補足ブランドのデスクトップランディングページをデザインしてください。

ビジュアル方向は、霧のかかった金属表面に似た、淡いシルバーグレーのトーンから徐々に青灰色と近黒に深まる冷たいモノクロ雰囲気から来るべきです。

ページは鋭く制御された感じで、強い構造と抑制の感覚を持つべきです。

明るいアクセントカラーを導入する代わりに、ページ全体でこのトーンシステムを使用してください。

アップロードされた画像をヒーロー設計で白黒で使用してください。

レイアウトは明確な水平セクションと中央の最大幅コンテナで構築する必要があります。カード、ボタン、入力、およびメディアフレーム全体で 4px コーナー半径を一貫して使用してください。マージンは寛大に感じるべきで、各セクションの周りに十分な空きスペースがあるため、ページは呼吸します。

タイポグラフィは、通常よりも広い文字間隔を持つ正方形で角張ったサンセリフを使用する必要があります。特に見出しとナビゲーションでは、テキストがより圧縮されていなく、より工学的に感じられるようにします。見出しテキストは大きく大文字にすることができますが、サポートコピーは短く疎のままです。サブテキストは Alumni Sans SC で 4-6px で書かれるべきで、コーナーの下部中央のような小さなテキストのようなものです。

構造については、強い製品ステートメント、1 つの短いサポート段落、およびクリーンな製品プレースホルダーまたはパックショットフレームを含むヒーロセクションから始めてください。その下に、3 つまたは 4 つのブロックを持つ利益グリッドを追加し、次に処方またはコンポーネントセクション、最後に cta を追加します。

ボタンはフラットで正確である必要があり、transition: all 160ms ease out を使用した微妙なホバー変更があります。ここで明るさとボーダーコントラストは劇的なモーションを使用するのではなく、わずかにシフトします。

カラーパレットはこの範囲内に留まるべきです：
#E9ECEC、#C9D2D4、#8C9A9E、#44545B、#11171B。

2. モデルに構築する前にオプションを提案させてください。 これはデフォルトを破り、ユーザーに制御を与えます。以前に temperature をデザイン多様性に依存していた場合、このアプローチを使用してください。実行全体で意味のある異なる方向を生成します。例プロンプト：

構築する前に、このブリーフに合わせた 4 つの異なるビジュアル方向を提案してください（それぞれ：bg hex / accent hex / typeface — 1 行の根拠として）。ユーザーに 1 つを選択するよう求め、その方向のみを実装してください。

さらに、Claude Opus 4.7 は、ユーザーが「AI slop」美学と呼ぶ一般的なパターンを回避するために、以前のモデルよりも少ないフロントエンドデザインプロンプティングが必要です。以前のモデルでは、フロントエンドデザインスキルの長いプロンプトスニペットをお勧めしました。ただし、Claude Opus 4.7 はより最小限のプロンプティングガイダンスで独特で創造的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、多様性に関する上記のプロンプティングアドバイスと一緒に機能します：

<frontend_aesthetics>
過度に使用されるフォントファミリー（Inter、Roboto、Arial、システムフォント）、決まり文句のカラースキーム（特に白または暗い背景の紫グラデーション）、予測可能なレイアウトとコンポーネントパターン、およびコンテキスト固有の文字に欠ける既製のデザインなどの一般的な AI 生成美学を決して使用しないでください。ユニークなフォント、統一されたカラーとテーマ、およびエフェクトとマイクロインタラクションのアニメーションを使用してください。
</frontend_aesthetics>

インタラクティブコーディング製品

Claude Opus 4.7 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で非同期の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で同期的なコーディングエージェント間で異なる可能性があります。具体的には、インタラクティブな設定でより多くのトークンを使用する傾向があり、主にユーザーターン後に推論するためです。これは長期的な一貫性、指示に従う、および長いインタラクティブなコーディングセッションでのコーディング機能を改善できますが、より多くのトークン使用量も伴います。コーディング製品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 努力を使用し、自動モードなどの自律機能を追加し、ユーザーからの必要な人間相互作用の数を減らすことをお勧めします。

もちろん、必要なユーザー相互作用の数を制限する場合、最初の人間ターンでタスク、意図、および関連する制約を指定することが重要です。最初の人間ターンで十分に指定された、明確で正確なタスク説明を提供することは、自律性とインテリジェンスを最大化し、ユーザーターン後の余分なトークン使用量を最小化するのに役立ちます。Claude Opus 4.7 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を最大化するのに役立つことがわかります。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た曖昧またはアンダースペックのプロンプトは、相対的にトークン効率を低下させ、時々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 4.7 は以前のモデルよりもバグを見つけるのに大幅に優れており、評価では高いリコールと精度の両方を持っています。実際の Anthropic PR に基づいた最も難しいバグ検出評価の 1 つで 11pp 優れたリコール。ただし、コードレビューハーネスが以前のモデル用にチューニングされていた場合、最初はリコールが低下する可能性があります。これはおそらくハーネス効果であり、機能回帰ではありません。レビュープロンプトが「高重大度の問題のみを報告する」、「保守的である」、または「細かいことを言わない」などのことを言う場合、Claude Opus 4.7 はそれらの指示をより忠実に従う可能性があります。以前のモデルが行ったよりも。コードを同じくらい徹底的に調査し、バグを特定し、その後、述べられたバーの下にあると判断する調査結果を報告しないかもしれません。これは、モデルが同じ深さの調査を行うが、より少ない調査を報告された調査結果に変換する場合に表示される可能性があります。特に低重大度のバグで。精度は通常上昇しますが、測定されたリコールは、モデルの基礎となるバグ検出能力が改善されたにもかかわらず、低下する可能性があります。

推奨されるプロンプト言語：

不確実なまたは低重大度と考えるものを含む、見つけたすべての問題を報告してください。この段階で重要性または信頼度をフィルタリングしないでください。別の検証ステップがそれを行います。あなたの目標はカバレッジです。後でフィルタリングされる調査結果を表面化する方が、黙って実際のバグをドロップするよりも優れています。各調査結果について、信頼レベルと推定重大度を含めて、ダウンストリームフィルタがそれらをランク付けできるようにしてください。

このプロンプトは実際の 2 番目のステップがなくても使用できますが、信頼度フィルタリングを検出ステップから移動することは多くの場合に役立ちます。ハーネスに別の検証、重複排除、またはランク付けステージがある場合、モデルに明示的にその検出ステージでのジョブはフィルタリングではなくカバレッジであることを伝えてください。

単一パスでモデルが自己フィルタリングすることを望む場合は、「重要」などの定性的な用語を使用するのではなく、バーがどこにあるかについて具体的にしてください。例えば、「不正な動作、テスト失敗、または誤解を招く結果を引き起こす可能性のあるバグを報告してください。純粋なスタイルまたは命名設定などのニットのみを省略してください。」

リコールまたは F1 スコアの向上を検証するために、評価またはテストケースのサブセットに対してプロンプトを反復することをお勧めします。

コンピュータ使用

コンピュータ使用機能は解像度全体で機能し、2576px / 3.75MP の新しい最大解像度までです。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好なバランスを提供することがわかります。

特にコスト感度の高いワークロードでは、720p または 1366×768 を強いパフォーマンスを持つ低コストオプションとしてお勧めします。あなたの使用ケースに理想的な設定を見つけるために、独自のテストを実施することをお勧めします。努力設定を試してみることもモデルの動作をチューニングするのに役立ちます。

一般的な原則

明確で直接的である

Claude は明確で明示的な指示に良く応答します。望ましい出力について具体的であることは、結果を向上させるのに役立ちます。「それ以上」の動作が必要な場合は、曖昧なプロンプトからそれを推測することに依存するのではなく、明示的にリクエストしてください。

Claude を、あなたの規範とワークフローのコンテキストに欠ける才能のある新しい従業員と考えてください。あなたが望むものをより正確に説明するほど、結果は良くなります。

黄金律： プロンプトをタスクに関する最小限のコンテキストを持つ同僚に見せて、それに従うよう求めてください。彼らが混乱していたら、Claude も混乱します。

• 望ましい出力形式と制約について具体的にしてください。
• ステップの順序または完全性が重要な場合は、番号付きリストまたは箇条書きを使用して、指示を順序付きステップとして提供してください。

パフォーマンスを向上させるためにコンテキストを追加してください

指示の背後にあるコンテキストまたは動機を提供すること（例えば、Claude にそのような動作が重要である理由を説明すること）は、Claude があなたの目標をより良く理解し、より的を絞った応答を提供するのに役立ちます。

Claude は説明から一般化するのに十分スマートです。

効果的に例を使用してください

例は Claude の出力形式、トーン、および構造を操作する最も信頼できる方法の 1 つです。いくつかの工夫された例（フューショットまたはマルチショットプロンプティングとして知られている）は、精度と一貫性を劇的に改善できます。

例を追加する場合、それらを以下のようにしてください：

• 関連性： 実際の使用ケースを密接に反映してください。
• 多様性： エッジケースをカバーし、Claude が意図しないパターンを拾わないように十分に変わってください。
• 構造化： <example> タグ（複数の例の場合は <examples> タグ）で例をラップして、Claude が指示と区別できるようにしてください。

XML タグを使用してプロンプトを構造化してください

XML タグは Claude が複雑なプロンプトを明確に解析するのに役立ちます。特にプロンプトが指示、コンテキスト、例、および変数入力を混ぜる場合。各タイプのコンテンツを独自のタグでラップすること（例えば <instructions>、<context>、<input>）は、誤解釈を減らします。

ベストプラクティス：

• プロンプト全体で一貫性のある説明的なタグ名を使用してください。
• コンテンツが自然な階層を持つ場合はタグをネストしてください（<documents> 内のドキュメント、各 <document index="n"> 内）。

Claude にロールを与えてください

システムプロンプトでロールを設定することは、Claude の動作とトーンを使用ケースに焦点を当てます。単一の文でも違いが生まれます：

import anthropic

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-4-7",
    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)

長いコンテキストプロンプティング

大規模なドキュメントまたはデータ豊富な入力（20k+ トークン）を使用する場合、最良の結果を得るためにプロンプトを注意深く構造化してください：

• 長編データを上部に配置してください：長いドキュメントと入力をプロンプトの上部に配置してください。クエリ、指示、および例の上に。これはすべてのモデル全体でパフォーマンスを大幅に改善できます。

  クエリの終わりは、テストで応答品質を最大 30% 改善できます。特に複雑なマルチドキュメント入力の場合。

• XML タグを使用してドキュメントコンテンツとメタデータを構造化してください：複数のドキュメントを使用する場合、各ドキュメントを <document> タグでラップしてください。<document_content> および <source>（およびその他のメタデータ）サブタグを明確にするためにラップしてください。

  マルチドキュメント構造の例

• 引用でレスポンスを根拠付けてください：長いドキュメントタスクの場合、Claude にドキュメントの関連部分を最初に引用するよう求めてから、そのタスクを実行してください。これは Claude がドキュメントの残りのコンテンツのノイズを切り抜くのに役立ちます。

  引用抽出の例

モデルの自己認識

Claude がアプリケーションで自身を正しく識別するか、特定の API 文字列を使用する場合：

アシスタントは Claude であり、Anthropic によって作成されました。現在のモデルは Claude Opus 4.7 です。

LLM が必要な LLM 駆動アプリの場合：

LLM が必要な場合は、ユーザーが別途リクエストしない限り、Claude Opus 4.7 をデフォルトにしてください。Claude Opus 4.7 の正確なモデル文字列は claude-opus-4-7 です。

出力とフォーマット

コミュニケーションスタイルと冗長性

Claude の最新モデルは、以前のモデルと比較して、より簡潔で自然なコミュニケーションスタイルを持っています：

• より直接的で根拠付けられた： 自己祝賀的な更新ではなく、事実ベースの進捗レポートを提供します
• より会話的： 機械的ではなく、やや流暢で日常的です
• より簡潔： 別途プロンプトされない限り、詳細な要約をスキップする可能性があります

これは Claude がツール呼び出し後の口頭での要約をスキップし、次のアクションに直接ジャンプする可能性があることを意味します。推論への可視性をより多く好む場合：

ツール使用を含むタスクを完了した後、実行した作業の簡単な要約を提供してください。

レスポンスの形式を制御してください

出力フォーマットを操作するための特に効果的な方法がいくつかあります：

1. Claude に何をすべきかを伝え、何をしないかではなく

   • 代わりに：「応答でマークダウンを使用しないでください」
   • 試してください：「応答は滑らかに流れる散文段落で構成される必要があります。」

2. XML フォーマットインジケータを使用してください

   • 試してください：「応答の散文セクションを <smoothly_flowing_prose_paragraphs> タグで書いてください。」

3. プロンプトスタイルを望ましい出力スタイルと一致させてください

   プロンプトで使用されるフォーマットスタイルは Claude の応答スタイルに影響を与える可能性があります。出力フォーマットの操作可能性の問題が引き続き発生する場合は、プロンプトスタイルを望ましい出力スタイルにできるだけ密接に一致させてみてください。例えば、プロンプトからマークダウンを削除することは、出力のマークダウンの量を減らすことができます。

4. 特定のフォーマット設定の設定には詳細なプロンプトを使用してください

   マークダウンとフォーマット使用をより制御するために、明示的なガイダンスを提供してください：

<avoid_excessive_markdown_and_bullet_points>
レポート、ドキュメント、技術説明、分析、または長編コンテンツを書く場合、完全な段落と文を使用して、明確で流れるような散文で書いてください。標準的な段落区切りを組織に使用し、マークダウンを主に `inline code`、コードブロック（```...```）、および単純な見出し（###、および ###）に予約してください。**太字**と*イタリック*の使用を避けてください。

順序付きリスト（1. ...）または順序なしリスト（*）を使用しないでください。ただし、a）リスト形式が最良のオプションである真に離散的なアイテムを提示している場合、または b）ユーザーが明示的にリストまたはランク付けをリクエストしている場合を除きます。

アイテムをリストで列挙する代わりに、それらを文に自然に組み込んでください。このガイダンスは特に技術的な文章に適用されます。過度なフォーマットの代わりに散文を使用することはユーザー満足度を改善します。過度に短い箇条書きのシリーズを決して出力しないでください。

あなたの目標は、情報を孤立したポイントに断片化するのではなく、読者を自然にアイデアを通じてガイドする読みやすく流れるテキストです。
</avoid_excessive_markdown_and_bullet_points>

LaTeX 出力

Claude Opus 4.6 は数学的表現、方程式、および技術説明に対して LaTeX をデフォルトにします。プレーンテキストを好む場合は、プロンプトに以下の指示を追加してください：

応答をプレーンテキストのみでフォーマットしてください。LaTeX、MathJax、または \( \)、$、または \frac{}{} などのマークアップ表記を使用しないでください。標準的なテキスト文字を使用してすべての数学式を書いてください（例えば、除算の場合は「/」、乗算の場合は「*」、指数の場合は「^」）。

ドキュメント作成

Claude の最新モデルは、印象的な創造的才能と強い指示に従う能力を持つプレゼンテーション、アニメーション、およびビジュアルドキュメントの作成に優れています。モデルはほとんどの場合、最初の試行で磨かれた使用可能な出力を生成します。

ドキュメント作成で最良の結果を得るには：

[トピック]に関する専門的なプレゼンテーションを作成してください。思慮深いデザイン要素、ビジュアル階層、および適切な場所でのエンゲージングなアニメーションを含めてください。

プリフィルされた応答からの移行

Claude 4.6 モデルと Claude Mythos Preview から始まり、最後のアシスタントターンでのプリフィルされた応答はサポートされなくなりました。Mythos Preview では、プリフィルされたアシスタントメッセージを含むリクエストは 400 エラーを返します。モデルのインテリジェンスと指示に従う能力が進歩したため、プリフィルのほとんどの使用ケースはもはやそれを必要としません。既存のモデルはプリフィルをサポートし続け、会話の他の場所にアシスタントメッセージを追加することは影響を受けません。

以下は一般的なプリフィル シナリオと、それらから移行する方法です：

ツール使用

ツール使用

Claude の最新モデルは、正確な指示に従うためにトレーニングされており、特定のツールを使用するための明示的な方向から利益を得ます。「いくつかの変更を提案できますか」と言う場合、実装する可能性があるとしても、Claude は提案を提供するだけです。

Claude がアクションを取るために、より明示的にしてください：

Claude をデフォルトでアクションを取るようにより積極的にするために、システムプロンプトに以下を追加できます：

<default_to_action>
デフォルトでは、提案するだけでなく変更を実装してください。ユーザーの意図が不明な場合は、最も有用な可能性のあるアクションを推測し、推測する代わりにツールを使用して欠落している詳細を発見して進めてください。ツール呼び出し（例えば、ファイル編集または読み取り）が意図されているかどうかについてのユーザーの意図を推測し、それに応じて行動してください。
</default_to_action>

一方、モデルがデフォルトでより躊躇し、実装に直接ジャンプする傾向が低く、リクエストされた場合にのみアクションを取る場合は、以下のようなプロンプトでこの動作を操作できます：

<do_not_act_before_instructions>
変更を明確に指示されない限り、実装またはファイルの変更にジャンプしないでください。ユーザーの意図が曖昧な場合は、情報提供、研究、および推奨事項の提供ではなく、アクションを取ることをデフォルトにしてください。ユーザーが明示的に変更、変更、または実装をリクエストした場合にのみ、編集、変更、または実装を進めてください。
</do_not_act_before_instructions>

Claude Opus 4.5 および Claude Opus 4.6 はシステムプロンプトにもより応答性があります。以前のモデルよりも。プロンプトがツールまたはスキルの過度なトリガーを減らすように設計されていた場合、これらのモデルは現在、過度にトリガーする可能性があります。修正は、積極的な言語を控えることです。「CRITICAL: You MUST use this tool when...」と言ったかもしれませんが、「Use this tool when...」のようなより通常のプロンプティングを使用できます。

並列ツール呼び出しの最適化

Claudeの最新モデルは並列ツール実行に優れています。これらのモデルは以下を実行します：

• 研究中に複数の推測検索を実行する
• 複数のファイルを一度に読み込んでコンテキストをより速く構築する
• bashコマンドを並列実行する（システムパフォーマンスをボトルネックにすることもあります）

この動作は簡単に制御できます。プロンプトなしでも並列ツール呼び出しの成功率は高いですが、これを約100%に高めたり、積極性レベルを調整したりできます：

<use_parallel_tool_calls>
複数のツールを呼び出す予定があり、ツール呼び出し間に依存関係がない場合は、独立したすべてのツール呼び出しを並列で実行してください。順序立てて実行するのではなく、アクションを並列で実行できる場合は常にツールを同時に呼び出すことを優先してください。例えば、3つのファイルを読み込む場合、3つのツール呼び出しを並列で実行して、3つのファイルすべてを同時にコンテキストに読み込んでください。可能な限り並列ツール呼び出しの使用を最大化して、速度と効率を向上させてください。ただし、一部のツール呼び出しが前の呼び出しに依存してパラメータなどの依存値を通知する場合は、これらのツールを並列で呼び出さず、代わりに順序立てて呼び出してください。ツール呼び出しでプレースホルダーを使用したり、不足しているパラメータを推測したりしないでください。
</use_parallel_tool_calls>

各ステップ間に短い一時停止を挟んで、操作を順序立てて実行して安定性を確保してください。

思考と推論

過度な思考と過剰な徹底性

Claude Opus 4.6は、特に高いeffort設定で、以前のモデルよりも大幅に多くの事前探索を行います。この初期作業は最終結果の最適化に役立つことが多いですが、モデルはプロンプトなしで広範なコンテキストを収集したり、複数の研究スレッドを追求したりする可能性があります。以前のプロンプトがモデルをより徹底的にするよう促していた場合は、Claude Opus 4.6のガイダンスを調整する必要があります：

• 一般的なデフォルトをより的を絞った指示に置き換える。 「デフォルトで[tool]を使用する」の代わりに、「問題の理解を深める場合は[tool]を使用する」のようなガイダンスを追加してください。
• 過度なプロンプティングを削除する。 以前のモデルで過度に発動しなかったツールは、現在は適切に発動する可能性があります。「疑わしい場合は[tool]を使用する」のような指示は、過度な発動を引き起こします。
• フォールバックとしてeffortを使用する。 Claudeが引き続き過度に積極的な場合は、effortの設定を低くしてください。

場合によっては、Claude Opus 4.6は広範に思考する可能性があり、これは思考トークンを増加させ、応答を遅くする可能性があります。この動作が望ましくない場合は、明示的な指示を追加してその推論を制限するか、effort設定を低くして全体的な思考とトークン使用量を削減できます。

問題へのアプローチ方法を決定するときは、アプローチを選択してそれにコミットしてください。新しい情報があなたの推論に直接矛盾しない限り、決定を再検討することを避けてください。2つのアプローチを比較検討している場合は、1つを選択してそれを実行してください。選択したアプローチが失敗した場合は、後でいつでも方向転換できます。

思考コストのハードシーリングが必要な場合、budget_tokensキャップ付きの拡張思考はOpus 4.6とSonnet 4.6でも機能していますが、非推奨です。effort設定を低くするか、適応的思考でmax_tokensをハードリミットとして使用することをお勧めします。

思考と相互配置思考機能を活用する

Claudeの最新モデルは、ツール使用後の反省や複雑なマルチステップ推論を伴うタスクに特に役立つ思考機能を提供します。より良い結果を得るために、その初期または相互配置思考をガイドできます。

Claude Opus 4.6とClaude Sonnet 4.6は適応的思考（thinking: {type: "adaptive"}）を使用します。ここでClaudeは動的に思考するタイミングと量を決定します。Claudeは2つの要因に基づいて思考を調整します：effortパラメータとクエリの複雑さです。より高いeffortはより多くの思考を引き出し、より複雑なクエリも同様です。思考を必要としない簡単なクエリでは、モデルは直接応答します。内部評価では、適応的思考は拡張思考よりも確実に優れたパフォーマンスを駆動します。最も知的な応答を得るために、適応的思考への移行を検討してください。

マルチステップツール使用、複雑なコーディングタスク、長期エージェントループなどのエージェント動作を必要とするワークロードに適応的思考を使用してください。古いモデルはbudget_tokensで手動思考モードを使用します。

Claudeの思考動作をガイドできます：

ツール結果を受け取った後、その品質を慎重に反映し、進める前に最適な次のステップを決定してください。この新しい情報に基づいて計画と反復を行うために思考を使用し、その後最良の次のアクションを実行してください。

適応的思考のトリガー動作はプロンプト可能です。モデルが思考する頻度が高い場合（大規模または複雑なシステムプロンプトで発生する可能性があります）、ガイダンスを追加してそれをステアリングしてください：

拡張思考は遅延を追加し、回答品質を有意に改善する場合にのみ使用する必要があります。通常、マルチステップ推論を必要とする問題の場合です。疑わしい場合は、直接応答してください。

budget_tokensで拡張思考から移行している場合は、思考設定を置き換え、予算制御をeffortに移動してください：

前（拡張思考、古いモデル）：

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

後（適応的思考）：

client.messages.create(
    model="claude-opus-4-7",
    max_tokens=64000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},  # or "max", "xhigh", "medium", "low"
    messages=[{"role": "user", "content": "..."}],
)

拡張思考を使用していない場合、変更は必要ありません。thinkingパラメータを省略すると、思考はデフォルトでオフになります。

• 規定的なステップよりも一般的な指示を優先する。 「徹底的に考える」のようなプロンプトは、手書きのステップバイステップ計画よりも優れた推論を生成することが多いです。Claudeの推論は、人間が規定するものを頻繁に超えています。
• マルチショット例は思考で機能する。 推論パターンを示すために、フューショット例内で<thinking>タグを使用してください。それは独自の拡張思考ブロックにそのスタイルを一般化します。
• フォールバックとしての手動CoT。 思考がオフの場合、Claudeに問題を考え抜くよう求めることで、ステップバイステップの推論を促すことができます。<thinking>と<answer>のような構造化タグを使用して、推論と最終出力をきれいに分離してください。
• Claudeに自己チェックを求める。 「終了する前に、答えを[テスト基準]に対して検証してください」のようなものを追加してください。これは特にコーディングと数学で、エラーを確実に捕捉します。

エージェント的システム

長期的推論と状態追跡

Claudeの最新モデルは、例外的な状態追跡機能を備えた長期的推論タスクに優れています。Claudeは、すべてを一度に試みるのではなく、段階的な進捗に焦点を当て、少数のことで着実に進歩することで、拡張セッション全体で方向性を保ちます。この機能は特に複数のコンテキストウィンドウまたはタスク反復にわたって出現します。Claudeは複雑なタスクに取り組み、状態を保存し、新しいコンテキストウィンドウで続行できます。

コンテキスト認識とマルチウィンドウワークフロー

Claude 4.6とClaude 4.5モデルはコンテキスト認識機能を備えており、モデルが会話全体を通じて残りのコンテキストウィンドウ（つまり「トークン予算」）を追跡できます。これにより、Claudeはどのくらいの作業スペースがあるかを理解することで、タスクを実行し、コンテキストをより効果的に管理できます。

コンテキスト制限の管理：

コンテキストを圧縮するか、外部ファイルにコンテキストを保存できるエージェントハーネス（Claude Codeのような）でClaudeを使用している場合は、この情報をプロンプトに追加して、Claudeがそれに応じて動作できるようにしてください。そうしないと、Claudeはコンテキスト制限に近づくにつれて、自然に作業をラップアップしようとする場合があります。以下はサンプルプロンプトです：

コンテキストウィンドウは制限に近づくにつれて自動的に圧縮され、中断したところから無期限に作業を続けることができます。したがって、トークン予算の懸念のため、タスクを早期に停止しないでください。トークン予算制限に近づくにつれて、コンテキストウィンドウがリフレッシュされる前に、現在の進捗と状態をメモリに保存してください。常に可能な限り永続的で自律的であり、残りのコンテキストに関係なく、タスクを完全に完了してください。コンテキストの残りに関係なく、タスクを早期に人為的に停止しないでください。

メモリツールは、シームレスなコンテキスト遷移のためにコンテキスト認識と自然にペアになります。

マルチコンテキストウィンドウワークフロー

複数のコンテキストウィンドウにわたるタスクの場合：

1. 最初のコンテキストウィンドウに異なるプロンプトを使用する：最初のコンテキストウィンドウを使用してフレームワークを設定し（テストを作成、セットアップスクリプトを作成）、将来のコンテキストウィンドウを使用してTODOリストを反復処理します。

2. モデルに構造化形式でテストを作成させる：Claudeに作業を開始する前にテストを作成するよう求め、構造化形式（例：tests.json）で追跡してください。これにより、長期的な反復能力が向上します。テストの重要性をClaudeに思い出させてください：「テストを削除または編集することは受け入れられません。これは機能の欠落またはバグにつながる可能性があるためです。」

3. 生活の質ツールを設定する：Claudeにセットアップスクリプト（例：init.sh）を作成するよう促して、サーバーを適切に起動し、テストスイートとリンターを実行してください。これにより、新しいコンテキストウィンドウから続行するときの繰り返し作業を防ぎます。

4. 新規開始と圧縮：コンテキストウィンドウがクリアされるとき、圧縮を使用するのではなく、まったく新しいコンテキストウィンドウで開始することを検討してください。Claudeの最新モデルは、ローカルファイルシステムから状態を発見するのに非常に効果的です。場合によっては、圧縮よりもこれを活用したい場合があります。開始方法について規定的にしてください：

   • 「pwdを呼び出してください。このディレクトリ内のファイルのみを読み書きできます。」
   • 「progress.txt、tests.json、およびgitログを確認してください。」
   • 「新しい機能の実装に進む前に、基本的な統合テストを手動で実行してください。」

5. 検証ツールを提供する：自律的なタスクの長さが増すにつれて、Claudeは継続的な人間のフィードバックなしに正確性を検証する必要があります。Playwright MCPサーバーやUIテスト用のコンピュータ使用機能などのツールが役立ちます。

6. コンテキストの完全な使用を促す：Claudeに効率的にコンポーネントを完成させてから先に進むよう促してください：

これは非常に長いタスクなので、作業を明確に計画することが有益な場合があります。タスクに取り組むために出力コンテキスト全体を費やすことが推奨されます。重要なコミットされていない作業でコンテキストを使い果たさないようにしてください。このタスクが完了するまで、体系的に作業を続けてください。

状態管理のベストプラクティス

• 状態データに構造化形式を使用する：構造化情報（テスト結果やタスクステータスなど）を追跡する場合は、JSONまたは他の構造化形式を使用して、Claudeがスキーマ要件を理解するのに役立てます
• 進捗ノートに非構造化テキストを使用する：フリーフォーム進捗ノートは、一般的な進捗とコンテキストを追跡するのに適しています
• 状態追跡にgitを使用する：Gitは何が行われたかのログとチェックポイントを提供し、復元できます。Claudeの最新モデルは、複数のセッション間で状態を追跡するためにgitを使用するのに特に優れています。
• 段階的な進捗を強調する：Claudeに進捗を追跡し、段階的な作業に焦点を当てるよう明示的に求めます

自律性と安全性のバランス

ガイダンスなしで、Claude Opus 4.6は、ファイルの削除、フォースプッシュ、外部サービスへの投稿など、逆転が難しい、または共有システムに影響を与えるアクションを実行する可能性があります。Claude Opus 4.6に潜在的にリスクのあるアクションを実行する前に確認するよう求める場合は、プロンプトにガイダンスを追加してください：

アクションの可逆性と潜在的な影響を検討してください。ファイルの編集やテストの実行など、ローカルで可逆的なアクションを実行することが推奨されます。ただし、逆転が難しい、共有システムに影響を与える、または破壊的である可能性のあるアクションについては、進める前にユーザーに確認してください。

確認が必要なアクションの例：
- 破壊的な操作：ファイルまたはブランチの削除、データベーステーブルの削除、rm -rf
- 逆転が難しい操作：git push --force、git reset --hard、公開されたコミットの修正
- 他の人に見える操作：コードのプッシュ、PR/イシューへのコメント、メッセージの送信、共有インフラストラクチャの変更

障害に遭遇したときは、破壊的なアクションをショートカットとして使用しないでください。例えば、安全チェックをバイパス（例：--no-verify）したり、進行中の作業である可能性のある不慣れなファイルを破棄したりしないでください。

研究と情報収集

Claudeの最新モデルは、例外的なエージェント検索機能を示し、複数のソースから情報を効果的に見つけて統合できます。最適な研究結果を得るには：

1. 明確な成功基準を提供する：研究質問への成功した回答を構成するものを定義してください

2. 情報源の検証を促す：Claudeに複数のソースで情報を検証するよう求めてください

3. 複雑な研究タスクの場合、構造化されたアプローチを使用する：

この情報を構造化された方法で検索してください。データを収集するにつれて、複数の競合する仮説を開発してください。進捗ノートで信頼レベルを追跡して、キャリブレーションを改善してください。定期的にアプローチと計画を自己批判してください。仮説ツリーまたは研究ノートファイルを更新して、情報を永続化し、透明性を提供してください。この複雑な研究タスクを体系的に分解してください。

この構造化されたアプローチにより、Claudeはコーパスのサイズに関係なく、ほぼすべての情報を見つけて統合し、その結果を反復的に批判できます。

サブエージェント調整

Claudeの最新モデルは、大幅に改善されたネイティブサブエージェント調整機能を示しています。これらのモデルは、タスクが特化したサブエージェントへの委任から利益を得るときを認識し、明示的な指示なしに積極的にそうすることができます。

この動作を活用するには：

1. 明確に定義されたサブエージェントツールを確保する：サブエージェントツールが利用可能で、ツール定義に記載されていることを確認してください
2. Claudeに自然に調整させる：Claudeは明示的な指示なしに適切に委任します
3. 過度な使用を監視する：Claude Opus 4.6はサブエージェントに強い傾向があり、より単純で直接的なアプローチが十分な場合にそれらを生成する可能性があります。例えば、モデルは直接grepコールの方が高速で十分な場合、コード探索のためにサブエージェントを生成する可能性があります。

過度なサブエージェント使用が見られる場合は、サブエージェントが正当化される場合とそうでない場合についての明示的なガイダンスを追加してください：

タスクが並列で実行でき、分離されたコンテキストが必要な場合、または状態を共有する必要のない独立したワークストリームが関係する場合は、サブエージェントを使用してください。シンプルなタスク、順序立てた操作、単一ファイルの編集、またはステップ間でコンテキストを維持する必要があるタスクの場合は、委任するのではなく直接作業してください。

複雑なプロンプトをチェーンする

適応的思考とサブエージェント調整により、Claudeはほとんどのマルチステップ推論を内部で処理します。明示的なプロンプトチェーン（タスクを順序立てたAPI呼び出しに分割する）は、中間出力を検査したり、特定のパイプライン構造を強制したりする必要がある場合に役立ちます。

最も一般的なチェーンパターンは自己修正です：ドラフトを生成→Claudeに基準に対してそれをレビューさせる→Claudeにレビューに基づいて改善させる。各ステップは個別のAPI呼び出しなので、任意のポイントでログ、評価、またはブランチを実行できます。

エージェント的コーディングでのファイル作成を削減する

Claudeの最新モデルは、特にコードを操作するときに、テストと反復の目的で新しいファイルを作成する場合があります。このアプローチにより、Claudeはファイル、特にpythonスクリプトを、最終出力を保存する前の「一時的なスクラッチパッド」として使用できます。一時ファイルの使用は、特にエージェント的コーディングユースケースの結果を改善できます。

ネット新規ファイル作成を最小化したい場合は、Claudeに後片付けするよう指示できます：

反復のために一時的な新しいファイル、スクリプト、またはヘルパーファイルを作成する場合は、タスクの終了時にこれらのファイルを削除して後片付けしてください。

過度な熱心さ

Claude Opus 4.5とClaude Opus 4.6は、追加ファイルを作成したり、不要な抽象化を追加したり、要求されていない柔軟性を構築したりすることで、過度に設計する傾向があります。この望ましくない動作が見られる場合は、ソリューションを最小限に保つための具体的なガイダンスを追加してください。

例えば：

過度な設計を避けてください。直接要求されたか、明らかに必要な変更のみを行ってください。ソリューションをシンプルで焦点を絞ったものに保ってください：

- スコープ：要求されたもの以上の機能を追加したり、コードをリファクタリングしたり、「改善」を行ったりしないでください。バグ修正は周囲のコードをクリーンアップする必要はありません。シンプルな機能は追加の設定可能性を必要としません。

- ドキュメンテーション：変更しなかったコードにdocstring、コメント、または型注釈を追加しないでください。ロジックが自明でない場合にのみコメントを追加してください。

- 防御的コーディング：発生する可能性のないシナリオのエラーハンドリング、フォールバック、または検証を追加しないでください。内部コードとフレームワークの保証を信頼してください。システム境界（ユーザー入力、外部API）でのみ検証してください。

- 抽象化：ワンタイム操作のためのヘルパー、ユーティリティ、または抽象化を作成しないでください。仮想的な将来の要件のために設計しないでください。適切な複雑さは、現在のタスクに必要な最小値です。

テスト合格と値のハードコーディングに焦点を当てることを避ける

Claudeは、より一般的なソリューションを犠牲にしてテストに合格することに過度に焦点を当てたり、複雑なリファクタリングのためのヘルパースクリプトなどの回避策を使用したり、標準ツールを直接使用する代わりに使用したりする場合があります。この動作を防ぎ、堅牢で一般化可能なソリューションを確保するには：

利用可能な標準ツールを使用した高品質で汎用的なソリューションを作成してください。タスクをより効率的に実行するためにヘルパースクリプトや回避策を作成しないでください。すべての有効な入力に対して正しく機能するソリューションを実装し、テストケースだけではなく実装してください。値をハードコーディングしたり、特定のテスト入力に対してのみ機能するソリューションを作成したりしないでください。代わりに、問題を一般的に解決する実際のロジックを実装してください。

問題要件を理解し、正しいアルゴリズムを実装することに焦点を当ててください。テストは正確性を検証するためにあり、ソリューションを定義するためではありません。ベストプラクティスとソフトウェア設計原則に従う、堅牢で保守可能で拡張可能なソリューションを提供してください。

タスクが不合理または実行不可能な場合、またはテストのいずれかが不正な場合は、それを回避するのではなく、私に知らせてください。ソリューションは堅牢で、保守可能で、拡張可能である必要があります。

エージェント的コーディングでの幻覚を最小化する

Claudeの最新モデルは幻覚が少なく、コードに基づいてより正確で根拠のある知的な回答を提供します。この動作をさらに促進し、幻覚を最小化するには：

<investigate_before_answering>
開いていないコードについて推測しないでください。ユーザーが特定のファイルを参照する場合は、回答する前にファイルを読む必要があります。質問に答える前に、関連するファイルを調査して読んでください。確実でない限り、調査する前にコードについて主張しないでください。根拠のある幻覚のない回答を提供してください。
</investigate_before_answering>

機能固有のヒント

改善されたビジョン機能

Claude Opus 4.5とClaude Opus 4.6は、以前のClaudeモデルと比較して改善されたビジョン機能を備えています。特に複数の画像がコンテキストに存在する場合、画像処理とデータ抽出タスクでより優れたパフォーマンスを発揮します。これらの改善はコンピュータ使用にも引き継がれ、モデルはスクリーンショットとUI要素をより確実に解釈できます。また、これらのモデルを使用して、ビデオをフレームに分割することで分析できます。

パフォーマンスをさらに向上させるために証明されている1つの手法は、Claudeにクロップツールまたはスキルを提供することです。テストでは、Claudeが画像の関連領域に「ズーム」できるとき、画像評価で一貫した向上が示されています。Anthropicはクロップツール用のクックブックを作成しました。

フロントエンド設計

Claude Opus 4.5とClaude Opus 4.6は、強力なフロントエンド設計を備えた複雑で現実的なWebアプリケーションの構築に優れています。ただし、ガイダンスなしで、モデルはユーザーが「AIスロップ」美学と呼ぶものを作成する一般的なパターンにデフォルト設定される可能性があります。独特で創造的なフロントエンドを作成して驚かせ、喜ばせるには：

より良いフロントエンド設計を促すために使用できるシステムプロンプトスニペットは次のとおりです：

<frontend_aesthetics>
一般的な「分布上の」出力に収束する傾向があります。フロントエンド設計では、これはユーザーが「AIスロップ」美学と呼ぶものを作成します。これを避けてください：驚かせ、喜ばせる創造的で独特なフロントエンドを作成してください。

焦点を当てる：
- タイポグラフィ：美しく、ユニークで、興味深いフォントを選択してください。Arialやinterのような一般的なフォントを避けてください。代わりに、フロントエンドの美学を高める独特な選択肢を選択してください。
- 色とテーマ：統一された美学にコミットしてください。一貫性のためにCSS変数を使用してください。支配的な色と鋭いアクセントは、臆病で均等に分散されたパレットを上回ります。IDE テーマと文化的美学からインスピレーションを引き出してください。
- モーション：効果とマイクロインタラクションにアニメーションを使用してください。HTMLのCSS専用ソリューションを優先してください。利用可能な場合はReactのMotionライブラリを使用してください。高影響の瞬間に焦点を当てる：1つの十分に調整されたページロード（段階的な表示）は、散在するマイクロインタラクションよりも多くの喜びを作成します。
- 背景：単色にデフォルト設定するのではなく、雰囲気と深さを作成してください。CSSグラデーションをレイヤー化し、幾何学的パターンを使用するか、全体的な美学と一致する文脈的効果を追加してください。

一般的なAI生成美学を避ける：
- 過度に使用されるフォントファミリー（Inter、Roboto、Arial、システムフォント）
- 陳腐な配色（特に白い背景上の紫色のグラデーション）
- 予測可能なレイアウトとコンポーネントパターン
- 文脈固有の文字を欠く既製の設計

創造的に解釈し、文脈のために本当に設計されたように感じる予期しない選択をしてください。ライトテーマとダークテーマ、異なるフォント、異なる美学の間で変動してください。世代全体で一般的な選択肢（例えば、Space Grotesk）に収束する傾向があります。これを避けてください：箱の外で考えることが重要です！
</frontend_aesthetics>

完全なスキル定義を参照することもできます。

移行に関する考慮事項

以前の世代からClaude 4.6モデルに移行する場合：

1. 目的の動作について具体的にする：出力で見たいものを正確に説明することを検討してください。

2. 修飾子を使用して指示をフレーム化する：Claudeの出力の品質と詳細を増加させるよう促す修飾子を追加すると、Claudeのパフォーマンスをより良く形作るのに役立ちます。例えば、「分析ダッシュボードを作成する」の代わりに、「分析ダッシュボードを作成してください。可能な限り多くの関連機能とインタラクションを含めてください。基本を超えて、完全に機能した実装を作成してください。」を使用してください。

3. 特定の機能を明示的に要求する：アニメーションとインタラクティブ要素は、必要な場合は明示的に要求する必要があります。

4. 思考設定を更新する：Claude 4.6モデルは、budget_tokensを使用した手動思考の代わりに適応的思考（thinking: {type: "adaptive"}）を使用します。effortパラメータを使用して思考の深さを制御してください。

5. 事前入力された応答から移行する：事前入力された応答は、Claude 4.6モデルから開始して非推奨です。詳細なガイダンスについては、事前入力された応答から移行するを参照してください。

6. アンチ怠惰プロンプティングを調整する：以前のプロンプトがモデルをより徹底的にするか、ツールをより積極的に使用するよう促していた場合は、そのガイダンスを削減してください。Claude 4.6モデルはより積極的で、以前のモデルに必要だった指示に過度に発動する可能性があります。

詳細な移行ステップについては、移行ガイドを参照してください。

Claude Sonnet 4.5からClaude Sonnet 4.6への移行

Claude Sonnet 4.6はhighのeffortレベルにデフォルト設定されます。これは、effortパラメータがなかったClaude Sonnet 4.5とは対照的です。Claude Sonnet 4.5からClaude Sonnet 4.6に移行するときは、effortパラメータを調整することを検討してください。明示的に設定されていない場合、デフォルトのeffortレベルでレイテンシが高くなる可能性があります。

推奨されるeffort設定：

• Mediumほとんどのアプリケーション用
• Low高ボリュームまたはレイテンシに敏感なワークロード用
• 大きな最大出力トークン予算（推奨64kトークン）を中程度または高いeffortで設定して、モデルに思考と行動の余地を与えてください

**代わりにOpus 4.7を使用する場合：**最も難しく、長期的な問題（大規模なコード移行、深い研究、拡張自律作業）の場合、Opus 4.7は引き続き正しい選択です。Sonnet 4.6は、高速なターンアラウンドとコスト効率が最も重要なワークロードに最適化されています。

拡張思考を使用していない場合

Claude Sonnet 4.5で拡張思考を使用していない場合は、Claude Sonnet 4.6で使用しなくても続行できます。使用ケースに適切なレベルにeffortを明示的に設定する必要があります。思考が無効なlow effortでは、Claude Sonnet 4.5と比較して同様またはより優れたパフォーマンスが期待できます。

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=8192,
    thinking={"type": "disabled"},
    output_config={"effort": "low"},
    messages=[{"role": "user", "content": "..."}],
)

拡張思考を使用している場合

Claude Sonnet 4.5でbudget_tokensを使用した拡張思考を使用している場合、Claude Sonnet 4.6でも機能していますが、非推奨です。effortパラメータで適応的思考に移行してください。

適応的思考への移行

適応的思考は、特に次のワークロードパターンに適しています：

• **自律的なマルチステップエージェント：**要件を機能するソフトウェアに変えるコーディングエージェント、データ分析パイプライン、モデルが多くのステップ間で独立して実行されるバグ検出。適応的思考により、モデルはステップごとに推論を調整でき、より長い軌跡にわたってパスに留まります。これらのワークロードの場合、high effortで開始してください。レイテンシまたはトークン使用量が懸念される場合は、mediumにスケールダウンしてください。
• **コンピュータ使用エージェント：**Claude Sonnet 4.6は、適応モードを使用してコンピュータ使用評価で最高クラスの精度を達成しました。
• **バイモーダルワークロード：**簡単なタスクと難しいタスクの混合。適応的思考は、シンプルなクエリで思考をスキップし、複雑なクエリで深く推論します。

適応的思考を使用する場合、タスクでmediumとhigh effortを評価してください。適切なレベルは、品質、レイテンシ、トークン使用量の間のワークロードのトレードオフに依存します。

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=64000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},
    messages=[{"role": "user", "content": "..."}],
)

移行中にbudget_tokensを保持する

移行中にbudget_tokensを一時的に保持する必要がある場合、約16kトークンの予算は、実行不可能なトークン使用量のリスクなしに、より難しい問題のための余地を提供します。この設定は非推奨であり、将来のモデルリリースで削除されます。

コーディングユースケース用（エージェント的コーディング、ツール集約的なワークフロー、コード生成）、medium effortで開始してください：

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16384,
    thinking={"type": "enabled", "budget_tokens": 16384},
    output_config={"effort": "medium"},
    messages=[{"role": "user", "content": "..."}],
)

チャットおよび非コーディングユースケース用（チャット、コンテンツ生成、検索、分類）、low effortで開始してください：

client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=8192,
    thinking={"type": "enabled", "budget_tokens": 16384},
    output_config={"effort": "low"},
    messages=[{"role": "user", "content": "..."}],
)