Claude Sonnet 5 프롬프팅

이 가이드는 Claude Sonnet 5에 특화된 프롬프팅 패턴을 다룹니다. 모델 사양은 Claude Sonnet 5를 참조하세요. 현재 모든 Claude 모델에 적용되는 기법은 프롬프팅 모범 사례를 참조하세요.

Claude Sonnet 5는 코딩 및 에이전트 작업에서 특히 강점을 보입니다. 기존 Claude Sonnet 4.6 프롬프트에서도 별도 조정 없이 잘 작동합니다. 이 가이드의 패턴은 가장 자주 튜닝이 필요한 동작들을 다룹니다.

응답 길이와 상세도

Claude Sonnet 5는 고정된 "verbosity"(상세도)를 기본값으로 사용하는 대신 작업의 복잡도에 맞춰 응답 길이를 조정합니다. 이는 보통 단순한 조회에는 더 짧은 답변을, 개방형 분석에는 더 긴 답변을 의미합니다.

제품이 특정 스타일이나 상세도의 출력에 의존한다면 프롬프트를 튜닝해야 할 수 있습니다. 예를 들어 상세도를 낮추려면 다음을 추가할 수 있습니다:

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

특정 유형의 장황함(예: 과도한 설명)이 보인다면, 이를 방지하기 위한 추가 지침을 프롬프트에 넣을 수 있습니다. Claude가 적절한 수준의 간결함으로 소통하는 방법을 보여주는 긍정적 예시가, 모델에게 하지 말아야 할 것을 알려주는 부정적 예시나 지침보다 더 효과적인 경향이 있습니다.

effort와 사고 깊이 조정

effort 매개변수를 사용하면 Claude의 지능과 토큰 소비 사이를 조정하여, 더 빠른 속도와 낮은 비용을 위해 성능을 절충할 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 수준도 실험해 보세요:

• max: 토큰 소비에 제약이 없는 절대 최대 성능입니다.
• xhigh: 매우 높은 effort로, 가장 어려운 코딩 및 에이전트 사용 사례에 권장되는 설정입니다.
• high: 기본값입니다. 대부분의 사용 사례에서 토큰 사용량과 지능의 균형을 맞춥니다.
• medium: 지능을 절충하면서 토큰 사용량을 줄여야 하는 비용 민감형 사용 사례에 적합합니다.
• low: 지능에 민감하지 않은 짧고 범위가 한정된 작업 및 지연 시간에 민감한 워크로드에 한해 사용하세요.

마이그레이션 시 대략적인 모델 간 매핑은 다음과 같습니다: Claude Sonnet 5의 medium은 Claude Sonnet 4.6의 high와 지능 면에서 비슷하고, Claude Sonnet 5의 high는 Claude Sonnet 4.6의 max와 비슷합니다. 벤치마킹할 때는 effort 이름이 아니라 관찰된 사고 길이를 기준으로 맞추세요.

Claude Sonnet 5는 effort 수준을 엄격하게 따르며, 특히 낮은 쪽에서 그렇습니다. low와 medium에서 모델은 요청받은 것 이상을 하기보다 요청된 범위로 작업을 한정합니다. 이는 지연 시간과 비용 면에서 좋지만, 중간 정도로 복잡한 작업을 low effort로 실행하면 사고가 부족해질 위험이 다소 있습니다.

복잡한 문제에서 얕은 추론이 관찰된다면, 프롬프트로 우회하기보다 effort를 high 또는 xhigh로 올리세요. 지연 시간 때문에 effort를 low로 유지해야 한다면 다음과 같은 목표 지향적 지침을 추가하세요:

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

Claude Sonnet 5에서는 adaptive thinking(적응형 사고)이 기본적으로 켜져 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(사고 + 응답 텍스트)에 대한 하드 리밋이므로, Claude Sonnet 4.6에서 사고 없이 실행하던 워크로드에 대해서는 이 값을 재검토하세요. 이전에 Claude Sonnet 4.6에서 사고를 끈 상태로 사용했다면, Claude Sonnet 5에서는 낮은 effort 수준으로 사고를 켠 상태를 시도해 보세요.

적응형 사고의 트리거 동작은 조정 가능합니다. 크거나 복잡한 시스템 프롬프트에서 발생할 수 있듯이 모델이 원하는 것보다 더 자주 사고 블록을 출력한다면, 이를 조정하는 지침을 추가하세요. 언제나 그렇듯 프롬프트 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 multistep reasoning. When in doubt, respond directly.

반대로, 어려운 워크로드를 medium으로 실행하면서 사고 부족이 보인다면 첫 번째 수단은 effort를 올리는 것입니다. 더 세밀한 제어가 필요하다면 프롬프트로 직접 요청하세요.

수동 확장 사고(thinking: {type: "enabled", budget_tokens: N})는 Claude Sonnet 5에서 지원되지 않으며 400 오류를 반환합니다. 이는 Claude Sonnet 4.6에서 지원 중단되었고 이제 제거되었습니다. 대신 effort 매개변수와 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 상태에서는 모델이 도구를 사용하거나 검색을 고려할 가능성이 낮아집니다. 사고를 끈 상태에서 도구 호출에 의존한다면 시스템 프롬프트에 명시적인 유도 문구를 추가하세요. effort 역시 도구 사용의 수단입니다. high 또는 xhigh effort 설정은 에이전트 검색 및 코딩에서 훨씬 더 많은 도구 사용을 보입니다. 더 많은 도구 사용을 원하는 시나리오에서는 모델에게 언제 어떻게 도구를 적절히 사용해야 하는지 명시적으로 지시하도록 프롬프트를 조정할 수도 있습니다. 예를 들어 모델이 웹 검색 도구를 사용하지 않는다면, 왜 그리고 어떻게 사용해야 하는지 명확히 설명하세요.

사용자 대상 진행 상황 업데이트

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

더 문자 그대로의 지시 따르기

Claude Sonnet 5는 특히 낮은 effort 수준에서 프롬프트를 문자 그대로, 명시적으로 해석합니다. 한 항목에 대한 지시를 다른 항목으로 조용히 일반화하지 않으며, 하지 않은 요청을 추론하지 않습니다. 이러한 문자 그대로의 해석의 장점은 정밀함이며, 세심하게 튜닝된 프롬프트, 구조화된 추출, 예측 가능한 동작을 원하는 파이프라인 등 API 사용 사례에서 일반적으로 더 나은 성능을 보입니다. Claude가 지시를 폭넓게 적용하기를 원한다면 범위를 명시적으로 기술하세요(예: "이 서식을 첫 번째 섹션뿐 아니라 모든 섹션에 적용하세요").

어조와 문체

모든 새 모델과 마찬가지로, 장문 글쓰기에서의 산문 스타일이 달라질 수 있습니다. 제품이 특정한 목소리에 의존한다면 새로운 기준선에 맞춰 스타일 프롬프트를 재평가하세요.

예를 들어 제품의 목소리가 더 따뜻하거나 대화체라면 다음을 추가하세요:

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

이전에 문체의 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. 마이그레이션 시 이러한 매개변수를 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 브리프에는 잘 어울리지만 대시보드, 개발 도구, 핀테크, 헬스케어 또는 엔터프라이즈 앱에는 어색하게 느껴질 수 있습니다.

일반적인 지시("그 색은 쓰지 마", "깔끔하고 미니멀하게 만들어")는 다양성을 만들어내기보다 모델을 다른 고정 팔레트로 옮기는 경향이 있습니다. 안정적으로 작동하는 두 가지 접근법이 있습니다:

1. 구체적인 대안을 명시하세요. 모델은 명시적인 사양을 정확히 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. 빌드하기 전에 모델이 옵션을 제안하게 하세요. 이는 기본값을 깨고 사용자에게 제어권을 줍니다. Claude Sonnet 5에서는 temperature가 허용되지 않으므로, 이 접근법이 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 skill이 더 완전한 내용을 제공하지만, 이 스니펫은 앞서 설명한 다양성 접근법과 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>

인터랙티브 코딩 제품

토큰 사용량과 동작은 단일 사용자 턴을 가진 자율적·비동기 코딩 에이전트와 여러 사용자 턴을 가진 인터랙티브·동기 코딩 에이전트 간에 다를 수 있습니다. 코딩 제품에서 성능과 토큰 효율을 모두 극대화하려면 xhigh 또는 high effort를 사용하고, 자동 모드 같은 자율 기능을 추가하며, 사용자에게 요구되는 사람의 상호작용 횟수를 줄이세요.

필요한 사용자 상호작용 횟수를 제한할 때는 첫 번째 사람 턴에서 작업, 의도, 관련 제약을 미리 명시하는 것이 중요합니다. 잘 명시되고 명확하며 정확한 작업 설명을 미리 제공하면 자율성과 지능을 극대화하면서 사용자 턴 이후의 추가 토큰 사용을 최소화하는 데 도움이 됩니다. 반대로, 여러 사용자 턴에 걸쳐 점진적으로 전달되는 모호하거나 불충분하게 명시된 프롬프트는 상대적으로 토큰 효율을, 때로는 성능을 떨어뜨리는 경향이 있습니다.

코드 리뷰 하네스

코드 리뷰 하네스가 이전 모델에 맞춰 튜닝되어 있다면, 처음에는 Claude Sonnet 5에서 더 낮은 재현율(recall)을 볼 수 있습니다. 이는 성능 저하가 아니라 하네스 효과일 가능성이 높습니다. 리뷰 프롬프트에 "심각도가 높은 이슈만 보고하라", "보수적으로 하라", "사소한 지적은 하지 마라" 같은 내용이 있으면, Claude Sonnet 5는 이전 모델보다 그 지시를 더 충실히 따를 수 있습니다. 즉, 코드를 똑같이 철저하게 조사하고 버그를 식별한 다음, 명시된 기준에 미달한다고 판단한 발견 사항은 보고하지 않을 수 있습니다. 이는 모델이 같은 깊이로 조사하지만 보고된 발견 사항으로 전환되는 조사가 더 적은 형태로 나타날 수 있으며, 특히 심각도가 낮은 버그에서 그렇습니다. 정밀도(precision)는 일반적으로 올라가지만, 모델의 근본적인 버그 탐지 능력이 향상되었음에도 측정된 재현율은 떨어질 수 있습니다.

권장 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 단계 밖으로 옮기는 것이 종종 도움이 됩니다. 하네스에 별도의 검증, 중복 제거 또는 순위 지정 단계가 있다면, 발견 단계에서 모델의 역할은 필터링이 아니라 커버리지라고 명시적으로 알려주세요.

모델이 단일 패스에서 자체 필터링하기를 원한다면, "중요한" 같은 정성적 용어를 사용하기보다 기준이 어디인지 구체적으로 밝히세요. 예: "잘못된 동작, 테스트 실패 또는 오해를 일으키는 결과를 유발할 수 있는 모든 버그를 보고하고, 순수한 스타일이나 네이밍 선호 같은 사소한 지적만 생략하세요."

재현율 또는 F1 점수 향상을 검증하려면 평가 또는 테스트 케이스의 일부를 대상으로 프롬프트를 반복 개선하세요.

컴퓨터 사용

Claude Sonnet 5는 computer_toolset_20260801 도구 세트(Claude API 및 Google Cloud에서)와 이전 computer_20251124 도구 버전을 지원합니다. Claude API 및 Google Cloud에서 Claude Sonnet 5는 웹페이지 내 작업을 위한 브라우저 사용 도구(browser_toolset_20260801)도 지원합니다. "Computer use"(컴퓨터 사용) 기능은 최대 해상도 2576px / 3.75MP까지 다양한 해상도에서 작동합니다. 내부 컴퓨터 사용 테스트에 따르면 1080p로 이미지를 전송하는 것이 성능과 비용 간의 좋은 균형을 제공합니다.

특히 비용에 민감한 워크로드의 경우 720p 또는 1366×768이 강력한 성능을 갖춘 저비용 옵션입니다. 사용 사례에 이상적인 설정을 찾으려면 직접 테스트를 수행하세요. effort 설정을 실험하는 것도 모델의 동작을 튜닝하는 데 도움이 될 수 있습니다.