Claude Sonnet 5 프롬프팅

이 가이드는 Claude Sonnet 5에 특화된 프롬프팅 패턴을 다룹니다. 모델의 기능과 API 변경 사항에 대해서는 Claude Sonnet 5의 새로운 기능을 참조하세요. 현재 모든 Claude 모델에 적용되는 기법에 대해서는 프롬프팅 모범 사례를 참조하세요.

Claude Sonnet 5는 코딩과 에이전트 작업에서 특히 강점을 보입니다. 기존 Claude Sonnet 4.6 프롬프트에서도 별도의 수정 없이 잘 작동합니다. 이 가이드의 패턴은 가장 자주 조정이 필요한 동작들을 다룹니다.



응답 길이와 장황함

Claude Sonnet 5는 고정된 장황함을 기본값으로 사용하는 대신 작업의 복잡성에 맞춰 응답 길이를 조정합니다. 이는 일반적으로 단순한 조회에는 더 짧은 답변을, 개방형 분석에는 더 긴 답변을 의미합니다.

제품이 특정 스타일이나 출력의 장황함에 의존하는 경우 프롬프트를 조정해야 할 수 있습니다. 예를 들어, 장황함을 줄이려면 다음을 추가할 수 있습니다:

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

특정 유형의 장황함(예: 과도한 설명)이 보이면 프롬프트에 추가 지침을 넣어 이를 방지할 수 있습니다. Claude가 적절한 수준의 간결함으로 소통하는 방법을 보여주는 긍정적인 예시가, 모델에게 하지 말아야 할 것을 알려주는 부정적인 예시나 지침보다 더 효과적인 경향이 있습니다.



effort와 사고 깊이 조정

effort 파라미터를 사용하면 Claude의 지능과 토큰 소비 간의 균형을 조정하여, 더 빠른 속도와 더 낮은 비용을 위해 역량을 맞바꿀 수 있습니다. Claude Sonnet 5에서 effort의 기본값은 Claude Sonnet 4.6과 동일하게 high입니다. 가장 어려운 코딩 및 에이전트 작업에는 effort를 xhigh로 올리세요. 토큰 사용량과 지능을 더 세밀하게 조정하려면 다른 effort 수준을 실험해 보세요:

• max: 토큰 소비에 제약 없이 절대적인 최대 역량을 발휘합니다.
• xhigh: 가장 어려운 코딩 및 에이전트 사용 사례에 권장되는 매우 높은 effort 설정입니다.
• high: 기본값입니다. 대부분의 사용 사례에서 토큰 사용량과 지능의 균형을 맞춥니다.
• medium: 지능을 일부 양보하면서 토큰 사용량을 줄여야 하는 비용에 민감한 사용 사례에 적합합니다.
• low: 지능에 민감하지 않은 짧고 범위가 한정된 작업과 지연 시간에 민감한 워크로드에만 사용하세요.

마이그레이션 시 대략적인 모델 간 매핑은 다음과 같습니다: medium의 Claude Sonnet 5는 high의 Claude Sonnet 4.6과 지능 면에서 비슷하고, high의 Claude Sonnet 5는 max의 Claude Sonnet 4.6과 비슷합니다. 벤치마킹할 때는 effort 이름이 아니라 관찰된 사고 길이를 기준으로 맞추세요.

Claude Sonnet 5는 effort 수준을 엄격하게 준수하며, 특히 낮은 수준에서 그렇습니다. low와 medium에서는 모델이 요청받은 것 이상으로 나아가지 않고 요청된 범위 내에서 작업합니다. 이는 지연 시간과 비용 측면에서 좋지만, low effort로 실행되는 중간 정도의 복잡한 작업에서는 사고가 부족할 위험이 있습니다.

복잡한 문제에서 얕은 추론이 관찰되면, 프롬프트로 우회하기보다는 effort를 high 또는 xhigh로 올리세요. 지연 시간 때문에 effort를 low로 유지해야 한다면, 목표를 명확히 한 지침을 추가하세요:

This task involves multi-step reasoning. Think carefully through the problem before responding.

Claude Sonnet 5에서는 적응형 사고가 기본적으로 활성화되어 있습니다. thinking 필드가 없는 요청은 적응형 사고로 실행됩니다. 이는 동일한 요청이 사고 없이 실행되던 Claude Sonnet 4.6과 달라진 점입니다. 사고를 완전히 끄려면 thinking: {type: "disabled"}를 전달하세요. max_tokens는 전체 출력(사고와 응답 텍스트를 합한 것)에 대한 엄격한 제한이므로, Claude Sonnet 4.6에서 사고 없이 실행되던 워크로드에 대해서는 이 값을 재검토하세요. 이전에 Claude Sonnet 4.6에서 사고를 끄고 사용했다면, Claude Sonnet 5에서는 더 낮은 effort 수준으로 사고를 켜서 시도해 보세요.

적응형 사고의 트리거 동작은 조정 가능합니다. 모델이 원하는 것보다 더 자주 사고 블록을 생성하는 경우(크거나 복잡한 시스템 프롬프트에서 발생할 수 있음), 이를 조정하는 지침을 추가하세요. 항상 그렇듯이, 프롬프팅 변경이 성능에 미치는 영향을 측정하세요. 예시:

Thinking adds latency and should only be used when it will meaningfully improve answer quality, typically for problems that require multi-step reasoning. When in doubt, respond directly.

반대로, medium에서 어려운 워크로드를 실행하면서 사고가 부족한 것이 보인다면, 첫 번째 수단은 effort를 올리는 것입니다. 더 세밀한 제어가 필요하다면 직접 프롬프트로 지시하세요.

수동 확장 사고(thinking: {type: "enabled", budget_tokens: N})는 Claude Sonnet 5에서 지원되지 않으며 400 오류를 반환합니다. 이는 Claude Sonnet 4.6에서 사용 중단(deprecated)되었고 이제 제거되었습니다. 대신 effort 파라미터와 함께 적응형 사고를 사용하세요.



도구 사용 트리거

Claude Sonnet 5는 기본적으로 Claude Sonnet 4.6보다 더 에이전트적이며, 도구를 더 적극적으로 사용하고 자체 검증 루프를 더 쉽게 실행합니다. 사고가 비활성화된 경우 모델이 도구를 사용하거나 검색을 고려할 가능성이 낮아집니다. 사고를 끈 상태에서 도구 호출에 의존한다면 시스템 프롬프트에 명시적인 유도 문구를 추가하세요. effort도 도구 사용을 조절하는 수단입니다. high 또는 xhigh effort 설정은 에이전트 검색과 코딩에서 훨씬 더 많은 도구 사용을 보여줍니다. 더 많은 도구 사용을 원하는 시나리오에서는 모델이 언제 어떻게 도구를 올바르게 사용해야 하는지 명시적으로 지시하도록 프롬프트를 조정할 수도 있습니다. 예를 들어, 모델이 웹 검색 도구를 사용하지 않는다면 왜, 어떻게 사용해야 하는지 명확하게 설명하세요.



사용자 대상 진행 상황 업데이트

Claude Sonnet 5는 긴 에이전트 작업 과정 전반에 걸쳐 사용자에게 정기적이고 더 높은 품질의 업데이트를 제공합니다. 중간 상태 메시지를 강제하는 스캐폴딩("도구 호출 3번마다 진행 상황을 요약하세요")을 추가했다면, 제거해 보세요. Claude Sonnet 5의 사용자 대상 업데이트의 길이나 내용이 사용 사례에 잘 맞지 않는다면, 프롬프트에서 이러한 업데이트가 어떤 모습이어야 하는지 명시적으로 설명하고 예시를 제공하세요.



더 문자 그대로의 지침 준수

Claude Sonnet 5는 프롬프트를 문자 그대로 명시적으로 해석하며, 특히 낮은 effort 수준에서 그렇습니다. 한 항목에 대한 지침을 다른 항목으로 암묵적으로 일반화하지 않으며, 요청하지 않은 것을 추론하지 않습니다. 이러한 문자 그대로의 해석의 장점은 정밀함이며, 신중하게 조정된 프롬프트, 구조화된 추출, 예측 가능한 동작이 필요한 파이프라인 등 API 사용 사례에서 일반적으로 더 나은 성능을 보입니다. Claude가 지침을 광범위하게 적용하도록 하려면 범위를 명시적으로 지정하세요(예: "첫 번째 섹션뿐만 아니라 모든 섹션에 이 서식을 적용하세요").



어조와 글쓰기 스타일

새로운 모델이 나올 때마다 그렇듯이, 장문 글쓰기의 문체가 달라질 수 있습니다. 제품이 특정 목소리에 의존한다면, 새로운 기준선에 맞춰 스타일 프롬프트를 재평가하세요.

예를 들어, 제품의 목소리가 더 따뜻하거나 대화체에 가깝다면 다음을 추가하세요:

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

이전에 스타일의 다양성을 위해 temperature에 의존했다면, Claude Sonnet 5에서는 temperature, top_p 또는 top_k를 기본값이 아닌 값으로 설정하면 400 오류가 반환된다는 점에 유의하세요. 이 제약은 Sonnet 계열 모델에서 새로 도입된 것입니다. 마이그레이션할 때 이러한 파라미터를 제거하고, 대신 시스템 프롬프트 지침을 사용하여 어조와 다양성을 유도하세요.



디자인 및 프론트엔드 기본값

Claude Sonnet 5는 개방형 프론트엔드 및 디자인 브리프에서 일관된 기본 시각 스타일로 수렴할 수 있습니다. 기본 하우스 스타일은 일부 브리프에서는 잘 어울릴 수 있지만 대시보드, 개발 도구, 핀테크, 헬스케어 또는 엔터프라이즈 앱에서는 어색하게 느껴질 수 있습니다.

일반적인 지침("그 색상을 사용하지 마세요", "깔끔하고 미니멀하게 만드세요")은 다양성을 만들어내기보다는 모델을 다른 고정된 팔레트로 옮기는 경향이 있습니다. 다음 두 가지 접근 방식이 안정적으로 작동합니다:

1. 구체적인 대안을 지정하세요. 모델은 명시적인 사양을 정확하게 따릅니다:

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. 구축하기 전에 모델이 옵션을 제안하도록 하세요. 이렇게 하면 기본값에서 벗어나고 사용자에게 제어권을 줍니다. Claude Sonnet 5에서는 temperature가 허용되지 않으므로, 이 접근 방식이 실행마다 의미 있게 다른 디자인 방향을 만들어내는 권장 방법입니다. 예시 프롬프트:

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.

사용자들이 "AI slop" 미학이라고 부르는 일반적인 패턴에서 벗어나도록 유도하려면, 시스템 프롬프트에 짧은 지시문을 포함할 수 있습니다. frontend-design 스킬에서 더 자세한 내용을 다루지만, 이 스니펫은 앞서 설명한 다양성 접근 방식과 함께 잘 작동합니다:

<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>



대화형 코딩 제품

토큰 사용량과 동작은 단일 사용자 턴을 가진 자율적이고 비동기적인 코딩 에이전트와 여러 사용자 턴을 가진 대화형, 동기적 코딩 에이전트 간에 다를 수 있습니다. 코딩 제품에서 성능과 토큰 효율성을 모두 극대화하려면 xhigh 또는 high effort를 사용하고, 자동 모드와 같은 자율 기능을 추가하고, 사용자에게 요구되는 인간 상호작용의 수를 줄이세요.

필요한 사용자 상호작용의 수를 제한할 때는 첫 번째 인간 턴에서 작업, 의도, 관련 제약 조건을 미리 명시하는 것이 중요합니다. 잘 명시되고 명확하며 정확한 작업 설명을 미리 제공하면 사용자 턴 이후의 추가 토큰 사용을 최소화하면서 자율성과 지능을 극대화하는 데 도움이 됩니다. 반면, 여러 사용자 턴에 걸쳐 점진적으로 전달되는 모호하거나 불충분하게 명시된 프롬프트는 상대적으로 토큰 효율성을 떨어뜨리고 때로는 성능도 저하시키는 경향이 있습니다.



코드 리뷰 하네스

코드 리뷰 하네스가 이전 모델에 맞춰 조정되었다면, Claude Sonnet 5에서 처음에는 재현율(recall)이 낮아 보일 수 있습니다. 이는 역량 저하가 아니라 하네스 효과일 가능성이 높습니다. 리뷰 프롬프트에 "심각도가 높은 문제만 보고하세요", "보수적으로 판단하세요", "사소한 것을 지적하지 마세요"와 같은 내용이 있으면, Claude Sonnet 5는 이전 모델보다 그 지침을 더 충실하게 따를 수 있습니다. 즉, 코드를 똑같이 철저하게 조사하고 버그를 식별한 다음, 명시된 기준 이하라고 판단한 발견 사항은 보고하지 않을 수 있습니다. 이는 모델이 동일한 깊이의 조사를 수행하지만 더 적은 수의 조사를 보고된 발견 사항으로 전환하는 것으로 나타날 수 있으며, 특히 심각도가 낮은 버그에서 그렇습니다. 정밀도(precision)는 일반적으로 상승하지만, 모델의 근본적인 버그 발견 능력이 향상되었음에도 측정된 재현율은 떨어질 수 있습니다.

권장되는 프롬프트 문구:

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.

이 프롬프트는 실제 두 번째 단계 없이도 사용할 수 있지만, 신뢰도 필터링을 발견 단계에서 분리하는 것이 종종 도움이 됩니다. 하네스에 별도의 검증, 중복 제거 또는 순위 지정 단계가 있다면, 발견 단계에서 모델의 역할은 필터링이 아니라 포괄적인 탐지라는 점을 명시적으로 알려주세요.

단일 패스에서 모델이 스스로 필터링하기를 원한다면, "중요한"과 같은 정성적 용어를 사용하기보다는 기준이 어디에 있는지 구체적으로 명시하세요. 예를 들어, "잘못된 동작, 테스트 실패 또는 오해의 소지가 있는 결과를 유발할 수 있는 모든 버그를 보고하세요. 순수한 스타일이나 이름 지정 선호도와 같은 사소한 것만 생략하세요."

평가 또는 테스트 케이스의 하위 집합에 대해 프롬프트를 반복적으로 개선하여 재현율 또는 F1 점수 향상을 검증하세요.



컴퓨터 사용

Claude Sonnet 5는 computer_20251124 도구 버전을 지원합니다. 컴퓨터 사용 기능은 최대 해상도 2576px / 3.75MP까지 다양한 해상도에서 작동합니다. 내부 컴퓨터 사용 테스트에 따르면 1080p로 이미지를 전송하는 것이 성능과 비용의 좋은 균형을 제공합니다.

특히 비용에 민감한 워크로드의 경우, 720p 또는 1366×768이 강력한 성능을 유지하면서 비용이 더 낮은 옵션입니다. 사용 사례에 이상적인 설정을 찾기 위해 직접 테스트를 수행하세요. effort 설정을 실험하는 것도 모델의 동작을 조정하는 데 도움이 될 수 있습니다.