Melhores práticas de prompting

Esta é a referência para engenharia de prompt com os modelos Claude atuais, incluindo Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5, Claude Mythos 5, Claude Opus 5, Claude Opus 4.8, Claude Opus 4.7, Claude Opus 4.6, Claude Sonnet 5, Claude Sonnet 4.6 e Claude Haiku 4.5. A página está organizada em três partes:

• Orientações específicas por modelo primeiro: onde um único modelo se comporta de forma diferente e o que mudar no seu prompt.
• Técnicas para todos os modelos atuais em seguida: princípios gerais, saída e formatação, uso de ferramentas, pensamento e sistemas agênticos.
• Considerações de migração por último, para prompts vindos de gerações anteriores.

Orientações específicas por modelo

Cada um desses modelos tem sua própria página de prompting. Leia primeiro a do seu modelo e, depois, as técnicas a seguir.

Princípios gerais

As técnicas nesta seção e nas seções seguintes se aplicam aos modelos Claude atuais, incluindo Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5 e Claude Mythos 5. Quando uma técnica menciona um modelo específico, considere-a como medida naquele modelo e verifique-a novamente com suas próprias avaliações antes de aplicá-la a outro.

Seja claro e direto

O Claude responde bem a instruções claras e explícitas. Ser específico sobre a saída desejada pode ajudar a melhorar os resultados. Se você quer um comportamento "acima e além", solicite-o explicitamente em vez de confiar que o modelo infira isso a partir de prompts vagos.

Pense no Claude como um funcionário brilhante, mas novo, que não tem contexto sobre suas normas e fluxos de trabalho. Quanto mais precisamente você explicar o que quer, melhor será o resultado.

Regra de ouro: Mostre seu prompt a um colega com contexto mínimo sobre a tarefa e peça que ele o siga. Se ele ficar confuso, o Claude também ficará.

• Seja específico sobre o formato de saída desejado e as restrições.
• Forneça instruções como etapas sequenciais usando listas numeradas ou marcadores quando a ordem ou a completude das etapas for importante.

Create an analytics dashboard

Create an analytics dashboard. Include as many relevant features and interactions as possible. Go beyond the basics to create a fully-featured implementation.

Adicione contexto para melhorar o desempenho

Fornecer contexto ou motivação por trás de suas instruções, como explicar ao Claude por que tal comportamento é importante, pode ajudar o Claude a entender melhor seus objetivos e entregar respostas mais direcionadas.

NEVER use ellipses

Your response will be read aloud by a text-to-speech engine, so never use ellipses since the text-to-speech engine will not know how to pronounce them.

O Claude é inteligente o suficiente para generalizar a partir da explicação.

Use exemplos de forma eficaz

Exemplos são uma das maneiras mais confiáveis de direcionar o formato de saída, o tom e a estrutura do Claude. Alguns exemplos bem elaborados (conhecidos como "few-shot" ou "multishot prompting" (prompting com poucos ou múltiplos exemplos)) melhoram a precisão e a consistência.

Ao adicionar exemplos, faça com que sejam:

• Relevantes: Espelhem de perto seu caso de uso real.
• Diversos: Cubram casos extremos e variem o suficiente para que o Claude não capte padrões não intencionais.
• Estruturados: Envolva os exemplos em tags <example> (múltiplos exemplos em tags <examples>) para que o Claude possa distingui-los das instruções.

Estruture prompts com tags XML

Tags XML ajudam o Claude a analisar prompts complexos sem ambiguidade, especialmente quando seu prompt mistura instruções, contexto, exemplos e entradas variáveis. Envolver cada tipo de conteúdo em sua própria tag (por exemplo, <instructions>, <context>, <input>) reduz interpretações equivocadas.

Melhores práticas:

• Use nomes de tags consistentes e descritivos em todos os seus prompts.
• Aninhe tags quando o conteúdo tiver uma hierarquia natural (documentos dentro de <documents>, cada um dentro de <document index="n">).

Dê um papel ao Claude

Definir um papel no "system prompt" (prompt do sistema) foca o comportamento e o tom do Claude para o seu caso de uso. Até mesmo uma única frase faz diferença:

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-5",
    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)

Prompting de contexto longo

Ao trabalhar com documentos grandes ou entradas ricas em dados (mais de 20 mil tokens), estruture seu prompt com cuidado para obter os melhores resultados:

• Coloque dados longos no topo: Posicione seus documentos e entradas longos perto do topo do seu prompt, acima da sua consulta, instruções e exemplos. Isso melhora o desempenho em todos os modelos.

• Estruture o conteúdo e os metadados dos documentos com tags XML: Ao usar múltiplos documentos, envolva cada documento em tags <document> com subtags <document_content> e <source> (e outros metadados) para maior clareza.

  Exemplo de estrutura com múltiplos documentos

• Fundamente as respostas em citações: Para tarefas com documentos longos, peça ao Claude que cite primeiro as partes relevantes dos documentos antes de realizar sua tarefa. Isso ajuda o Claude a focar no conteúdo relevante e ignorar o restante do documento.

  Exemplo de extração de citações

Autoconhecimento do modelo

Se você deseja que o Claude se identifique corretamente na sua aplicação ou use strings de API específicas:

The assistant is Claude, created by Anthropic. The current model is Claude Opus 5.

Para aplicativos baseados em LLM que precisam especificar strings de modelo:

When an LLM is needed, please default to Claude Opus 5 unless the user requests
otherwise. The exact model string for Claude Opus 5 is claude-opus-5.

Saída e formatação

Estilo de comunicação e verbosidade

Os modelos mais recentes do Claude têm um estilo de comunicação mais conciso e natural em comparação com os modelos anteriores:

• Mais direto e fundamentado: Fornece relatórios de progresso baseados em fatos em vez de atualizações autocelebratórias
• Mais conversacional: Um pouco mais fluente e coloquial, menos mecânico
• Menos verboso: Pode pular resumos detalhados por eficiência, a menos que seja instruído de outra forma

Isso significa que o Claude pode pular resumos verbais após chamadas de ferramentas, passando diretamente para a próxima ação. Se você preferir mais visibilidade sobre o raciocínio dele:

After completing a task that involves tool use, provide a quick summary of the work you've done.

O Claude Opus 5 é uma exceção quanto à verbosidade: suas respostas padrão voltadas ao usuário são mais longas que as dos modelos anteriores, e aumentar ou diminuir o esforço não altera de forma confiável o comprimento visível da resposta. Em vez disso, solicite concisão explicitamente no prompt. Consulte Prompting do Claude Opus 5 para um exemplo de instrução. O Claude Fable 5.1 tem a tendência oposta durante o trabalho agêntico: ele escreve menos atualizações voltadas ao usuário entre chamadas de ferramentas. Peça texto de progresso explicitamente e remova qualquer instrução que diga para manter esse texto breve. Consulte Peça atualizações de progresso voltadas ao usuário.

Controle o formato das respostas

Existem algumas maneiras particularmente eficazes de direcionar a formatação da saída:

1. Diga ao Claude o que fazer em vez do que não fazer

   • Em vez de: "Não use markdown na sua resposta"
   • Tente: "Sua resposta deve ser composta por parágrafos de prosa fluida."

2. Use indicadores de formato XML

   • Tente: "Escreva as seções em prosa da sua resposta em tags <smoothly_flowing_prose_paragraphs>."

3. Combine o estilo do seu prompt com a saída desejada

   O estilo de formatação usado no seu prompt pode influenciar o estilo de resposta do Claude. Se você ainda estiver enfrentando problemas de direcionamento com a formatação da saída, tente combinar o estilo do seu prompt com o estilo de saída desejado o mais próximo possível. Por exemplo, remover markdown do seu prompt pode reduzir o volume de markdown na saída.

4. Use prompts detalhados para preferências de formatação específicas

   Para mais controle sobre o uso de markdown e formatação, forneça orientações explícitas:

<avoid_excessive_markdown_and_bullet_points>
When writing reports, documents, technical explanations, analyses, or any long-form
content, write in clear, flowing prose using complete paragraphs and sentences. Use
standard paragraph breaks for organization and reserve markdown primarily for `inline
code`, code blocks (```...```), and simple headings (## and ###). Avoid using **bold**
and *italics*.

DO NOT use ordered lists (1. ...) or unordered lists (*) unless: a) you're presenting
truly discrete items where a list format is the best option, or b) the user explicitly
requests a list or ranking

Instead of listing items with bullets or numbers, incorporate them naturally into
sentences. This guidance applies especially to technical writing. Using prose instead of
excessive formatting will improve user satisfaction. NEVER output a series of overly
short bullet points.

Your goal is readable, flowing text that guides the reader naturally through ideas
rather than fragmenting information into isolated points.
</avoid_excessive_markdown_and_bullet_points>

O Claude Fable 5.1 já formata menos que os modelos anteriores, então nesse modelo um bloco como este pode suprimir a estrutura de que o conteúdo precisa. Remova-o ou substitua-o pela regra mais curta em Formatação no chat.

Saída em LaTeX

Os modelos mais recentes do Claude usam LaTeX por padrão para expressões matemáticas, equações e explicações técnicas. Se você preferir texto simples, adicione as seguintes instruções ao seu prompt:

Format your response in plain text only. Do not use LaTeX, MathJax, or any markup
notation such as \( \), $, or \frac{}{}. Write all math expressions using standard text
characters (e.g., "/" for division, "*" for multiplication, and "^" for exponents).

Criação de documentos

Os modelos mais recentes do Claude criam apresentações, animações e documentos visuais com forte seguimento de instruções e geralmente produzem saída utilizável na primeira tentativa.

Para obter os melhores resultados na criação de documentos:

Create a professional presentation on [topic]. Include thoughtful design elements,
visual hierarchy, and engaging animations where appropriate.

Migrando das respostas pré-preenchidas

A partir dos modelos Claude 4.6 e do Claude Mythos Preview, respostas pré-preenchidas (fornecer uma mensagem parcial do assistente para o Claude continuar) no último turno do assistente não são mais suportadas. Requisições com mensagens de assistente pré-preenchidas para esses modelos retornam um erro 400. A inteligência do modelo e o seguimento de instruções avançaram de tal forma que a maioria dos casos de uso de pré-preenchimento não o exige mais. Modelos anteriores continuam a suportar pré-preenchimentos, e adicionar mensagens de assistente em outros pontos da conversa não é afetado.

Aqui estão cenários comuns de pré-preenchimento e como migrar deles:

Uso de ferramentas

Utilização de ferramentas

Os modelos mais recentes do Claude são treinados para seguir instruções com precisão e se beneficiam de direcionamento explícito para usar ferramentas específicas. Se você disser "você pode sugerir algumas mudanças", o Claude às vezes fornecerá sugestões em vez de implementá-las, mesmo que fazer as mudanças possa ser o que você pretendia. Para aprender como definir ferramentas e solucionar problemas de acionamento de ferramentas, consulte Uso de ferramentas com o Claude.

Para que o Claude tome uma ação, seja mais explícito:

Can you suggest some changes to improve this function?

Change this function to improve its performance.

Make these edits to the authentication flow.

Para tornar o Claude mais proativo em tomar ações por padrão, você pode adicionar isto ao seu prompt do sistema:

<default_to_action>
By default, implement changes rather than only suggesting them. If the user's intent is
unclear, infer the most useful likely action and proceed, using tools to discover any
missing details instead of guessing. Try to infer the user's intent about whether a tool
call (e.g., file edit or read) is intended or not, and act accordingly.
</default_to_action>

Por outro lado, se você quiser que o modelo seja mais hesitante por padrão, menos propenso a partir direto para implementações, e que só tome ações se solicitado, você pode direcionar esse comportamento com um prompt como o seguinte:

<do_not_act_before_instructions>
Do not jump into implementation or change files unless clearly instructed to make
changes. When the user's intent is ambiguous, default to providing information, doing
research, and providing recommendations rather than taking action. Only proceed with
edits, modifications, or implementations when the user explicitly requests them.
</do_not_act_before_instructions>

O Claude Opus 4.5 e o Claude Opus 4.6 também são mais responsivos ao prompt do sistema do que os modelos anteriores. Se seus prompts foram projetados para reduzir o subacionamento de ferramentas ou habilidades, esses modelos podem agora acionar em excesso. A solução é moderar qualquer linguagem agressiva. Onde você poderia ter dito "CRÍTICO: Você DEVE usar esta ferramenta quando...", você pode usar um prompting mais normal como "Use esta ferramenta quando...".

Otimize chamadas de ferramentas paralelas

Os modelos mais recentes do Claude executam chamadas de ferramentas independentes em paralelo. Esses modelos irão:

• Executar múltiplas buscas especulativas durante pesquisas
• Ler vários arquivos de uma vez para construir contexto mais rapidamente
• Executar comandos bash em paralelo (o que pode até criar gargalos no desempenho do sistema)

Esse comportamento é direcionável. Embora o modelo tenha uma alta taxa de sucesso em chamadas de ferramentas paralelas sem prompting, você pode aumentar isso para ~100% ou ajustar o nível de agressividade:

<use_parallel_tool_calls>
If you intend to call multiple tools and there are no dependencies between the tool
calls, make all of the independent tool calls in parallel. Prioritize calling tools
simultaneously whenever the actions can be done in parallel rather than sequentially.
For example, when reading 3 files, run 3 tool calls in parallel to read all 3 files into
context at the same time. Maximize use of parallel tool calls where possible to increase
speed and efficiency. However, if some tool calls depend on previous calls to inform
dependent values like the parameters, do NOT call these tools in parallel and instead
call them sequentially. Never use placeholders or guess missing parameters in tool
calls.
</use_parallel_tool_calls>

Execute operations sequentially with brief pauses between each step to ensure stability.

No Claude Fable 5.1 em loops de agente longos, envie a instrução de chamadas paralelas como uma mensagem de sistema com escopo de turno após cada rodada de resultados de ferramentas. Consulte Agrupe chamadas de ferramentas independentes em loops de agente.

Pensamento e raciocínio

Pensamento excessivo e minuciosidade excessiva

O Claude Opus 4.6 faz mais exploração inicial do que os modelos anteriores, especialmente em configurações de effort mais altas. Esse trabalho inicial frequentemente ajuda a otimizar os resultados finais, mas o modelo pode reunir contexto extenso ou seguir múltiplas linhas de pesquisa sem ser instruído. Se seus prompts anteriormente incentivavam o modelo a ser mais minucioso, você deve ajustar essa orientação para o Claude Opus 4.6:

• Substitua padrões genéricos por instruções mais direcionadas. Em vez de "Use [tool] por padrão", adicione orientações como "Use [tool] quando isso melhorar sua compreensão do problema."
• Remova o excesso de prompting. Ferramentas que eram subacionadas em modelos anteriores provavelmente serão acionadas adequadamente agora. Instruções como "Em caso de dúvida, use [tool]" causarão acionamento excessivo.
• Use o esforço como alternativa. Se o Claude continuar excessivamente agressivo, use uma configuração mais baixa para effort.

Em alguns casos, o Claude Opus 4.6 pode pensar extensivamente, o que pode inflar os tokens de pensamento e tornar as respostas mais lentas. Se esse comportamento for indesejável, você pode adicionar instruções explícitas para restringir o raciocínio dele, ou pode reduzir a configuração de effort para diminuir o pensamento geral e o uso de tokens.

When you're deciding how to approach a problem, choose an approach and commit to it.
Avoid revisiting decisions unless you encounter new information that directly
contradicts your reasoning. If you're weighing two approaches, pick one and see it
through. You can always course-correct later if the chosen approach fails.

Se você precisa de um teto rígido para os custos de pensamento, o "extended thinking" (pensamento estendido) com um limite de budget_tokens ainda funciona no Opus 4.6 e no Sonnet 4.6, mas está descontinuado. Nos modelos Claude 4.7 e posteriores, definir budget_tokens retorna um erro 400. Prefira reduzir a configuração de esforço ou usar max_tokens como limite rígido com o pensamento adaptativo.

Aproveite as capacidades de pensamento e pensamento intercalado

Os modelos mais recentes do Claude oferecem capacidades de pensamento que podem ser especialmente úteis para tarefas que envolvem reflexão após o uso de ferramentas ou raciocínio complexo de múltiplas etapas. Você pode guiar o pensamento inicial ou intercalado dele para obter melhores resultados.

Os modelos Claude 4.6 e posteriores e o Claude Mythos Preview usam pensamento adaptativo (thinking: {type: "adaptive"}), em que o Claude decide dinamicamente quando e quanto pensar. No Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5 e Claude Mythos 5, o pensamento está sempre ativado e o pensamento adaptativo é o único modo. O Claude calibra seu pensamento com base em dois fatores: o parâmetro effort e a complexidade da consulta. Esforço mais alto provoca mais pensamento, e consultas mais complexas fazem o mesmo. Em consultas mais fáceis que não exigem pensamento, o modelo responde diretamente. Em avaliações internas, o pensamento adaptativo gera de forma confiável um desempenho melhor do que o pensamento estendido. Considere migrar para o pensamento adaptativo.

Use o pensamento adaptativo para cargas de trabalho que exigem comportamento agêntico, como uso de ferramentas em múltiplas etapas, tarefas de codificação complexas e loops de agente de longo horizonte. Modelos mais antigos usam o pensamento estendido manual com budget_tokens; consulte a tabela de configuração por modelo para saber qual configuração cada modelo aceita.

Você pode guiar o comportamento de pensamento do Claude:

After receiving tool results, carefully reflect on their quality and determine optimal
next steps before proceeding. Use your thinking to plan and iterate based on this new
information, and then take the best next action.

O comportamento de acionamento do pensamento adaptativo pode ser controlado por prompt. Se você perceber que o modelo está pensando com mais frequência do que gostaria, o que pode acontecer com prompts do sistema grandes ou complexos, adicione orientações para direcioná-lo:

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.

Se você está migrando do pensamento estendido com budget_tokens, substitua sua configuração de pensamento e mova o controle de orçamento para effort. Os exemplos a seguir mostram a mesma requisição antes e depois da migração (consulte esforço para os níveis disponíveis e a disponibilidade por modelo):

# Antes: pensamento estendido com um orçamento manual (modelos mais antigos)
client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 10000},
    messages=[{"role": "user", "content": "..."}],
)

# Depois: pensamento adaptativo com effort
client.messages.create(
    model="claude-opus-4-8",
    max_tokens=16000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},
    messages=[{"role": "user", "content": "..."}],
)

Se você não está usando o pensamento estendido, nenhuma mudança é necessária. Do Claude Opus 4.6 ao Claude Opus 4.8 e no Claude Sonnet 4.6, o pensamento fica desativado quando você omite o parâmetro thinking. No Claude Opus 5 e no Claude Sonnet 5, o pensamento fica ativado por padrão quando você omite o parâmetro thinking. No Claude Opus 5, você só pode desativá-lo no esforço high ou inferior. No Claude Fable 5.1, Claude Mythos 5.1, Claude Fable 5 e Claude Mythos 5, o pensamento está sempre ativado, independentemente de você definir ou não o parâmetro thinking.

• Prefira instruções gerais a etapas prescritivas. Um prompt como "pense minuciosamente" frequentemente produz um raciocínio melhor do que um plano passo a passo escrito à mão. O raciocínio do Claude frequentemente supera o que um humano prescreveria.
• Exemplos multishot funcionam com o pensamento. Use tags <thinking> dentro dos seus exemplos few-shot para mostrar ao Claude o padrão de raciocínio. Ele generalizará esse estilo para seus próprios blocos de pensamento estendido.
• Prompting manual de cadeia de pensamento (CoT) como alternativa. Quando o pensamento está desativado, você ainda pode incentivar o raciocínio passo a passo pedindo ao Claude que pense sobre o problema. Use tags estruturadas como <thinking> e <answer> para separar de forma limpa o raciocínio da saída final. No Claude Opus 5, prefira manter o pensamento ativado em um nível de esforço mais baixo: com o pensamento desativado, o modelo pode ocasionalmente emitir tags XML internas na sua saída visível, então consulte Executando com o pensamento desativado antes de aplicar esse padrão nele.
• Peça ao Claude que se autoverifique. Acrescente algo como "Antes de terminar, verifique sua resposta em relação a [critérios de teste]." Isso detecta erros de forma confiável, especialmente em codificação e matemática. O Claude Opus 5 é a exceção: ele verifica bem seu próprio trabalho sem instrução explícita, e instruções de verificação herdadas de prompts ajustados para modelos anteriores podem causar verificação excessiva, adicionando tokens e latência. Ao migrar para o Claude Opus 5, remova essas instruções em vez de reescrevê-las. Consulte Escopo de tarefa e verificação excessiva.

Sistemas agênticos

Raciocínio de longo horizonte e rastreamento de estado

Os modelos mais recentes do Claude lidam com tarefas de raciocínio de longo horizonte com forte rastreamento de estado. O Claude mantém a orientação ao longo de sessões estendidas focando no progresso incremental, fazendo avanços constantes em algumas coisas de cada vez em vez de tentar tudo de uma só vez. Essa capacidade emerge especialmente ao longo de múltiplas janelas de contexto ou iterações de tarefa, em que o Claude pode trabalhar em uma tarefa complexa, salvar o estado e continuar com uma nova janela de contexto.

Consciência de contexto e fluxos de trabalho com múltiplas janelas

O Claude Sonnet 5, o Claude Sonnet 4.6, o Claude Sonnet 4.5 e o Claude Haiku 4.5 apresentam consciência de contexto, permitindo que o modelo acompanhe sua "context window" (janela de contexto) restante (ou seja, seu "orçamento de tokens") ao longo de uma conversa. Isso permite que o Claude execute tarefas e gerencie o contexto de forma mais eficaz ao entender quanto espaço tem para trabalhar.

Gerenciando limites de contexto:

Se você está usando o Claude em um harness de agente que compacta o contexto ou permite salvar o contexto em arquivos externos (como no Claude Code), considere adicionar essa informação ao seu prompt para que o Claude possa se comportar de acordo. Caso contrário, o Claude pode às vezes tentar naturalmente encerrar o trabalho à medida que se aproxima do limite de contexto. A seguir está um exemplo de prompt:

Your context window will be automatically compacted as it approaches its limit, allowing
you to continue working indefinitely from where you left off. Therefore, do not stop
tasks early due to token budget concerns. As you approach your token budget limit, save
your current progress and state to memory before the context window refreshes. Always be
as persistent and autonomous as possible and complete tasks fully, even if the end of
your budget is approaching. Never artificially stop any task early regardless of the
context remaining.

A ferramenta de memória combina bem com a consciência de contexto para gerenciar transições de contexto.

Fluxos de trabalho em múltiplas janelas de contexto

Para tarefas que abrangem múltiplas janelas de contexto:

1. Use um prompt diferente para a primeira janela de contexto: Use a primeira janela de contexto para configurar uma estrutura (escrever testes, criar scripts de configuração) e, em seguida, use as janelas de contexto futuras para iterar sobre uma lista de tarefas.

2. Faça o modelo escrever testes em um formato estruturado: Peça ao Claude que crie testes antes de começar o trabalho e os acompanhe em um formato estruturado (por exemplo, tests.json). Isso leva a uma melhor capacidade de iteração a longo prazo. Lembre o Claude da importância dos testes: "É inaceitável remover ou editar testes porque isso pode levar a funcionalidades ausentes ou com bugs."

3. Configure ferramentas de qualidade de vida: Incentive o Claude a criar scripts de configuração (por exemplo, init.sh) para iniciar servidores, executar suítes de testes e linters de forma adequada. Isso evita trabalho repetido ao continuar a partir de uma nova janela de contexto.

4. Começar do zero versus compactar: Quando uma janela de contexto é limpa, considere começar com uma janela de contexto totalmente nova em vez de usar compactação. Os modelos mais recentes do Claude são extremamente eficazes em descobrir o estado a partir do sistema de arquivos local. Em alguns casos, você pode querer aproveitar isso em vez da compactação. Seja prescritivo sobre como ele deve começar:

   • "Chame pwd; você só pode ler e escrever arquivos neste diretório."
   • "Revise progress.txt, tests.json e os logs do git."
   • "Execute manualmente um teste de integração fundamental antes de passar para a implementação de novos recursos."

5. Forneça ferramentas de verificação: À medida que a duração das tarefas autônomas cresce, o Claude precisa verificar a correção sem feedback humano contínuo. Ferramentas que permitem ao Claude verificar o trabalho de UI são úteis, como a ferramenta de uso de computador, a ferramenta de uso de navegador ou um servidor MCP de automação de navegador.

6. Incentive o uso completo do contexto: Instrua o Claude a concluir componentes de forma eficiente antes de seguir em frente:

This is a very long task, so it may be beneficial to plan out your work clearly. It's
encouraged to spend your entire output context working on the task - just make sure you
don't run out of context with significant uncommitted work. Continue working
systematically until you have completed this task.

Melhores práticas de gerenciamento de estado

• Use formatos estruturados para dados de estado: Ao rastrear informações estruturadas (como resultados de testes ou status de tarefas), use JSON ou outros formatos estruturados para ajudar o Claude a entender os requisitos de esquema.
• Use texto não estruturado para notas de progresso: Notas de progresso em formato livre funcionam bem para rastrear o progresso geral e o contexto.
• Use git para rastreamento de estado: O git fornece um registro do que foi feito e pontos de verificação que podem ser restaurados. Os modelos mais recentes do Claude têm um desempenho especialmente bom ao usar o git para rastrear o estado em múltiplas sessões.
• Enfatize o progresso incremental: Peça explicitamente ao Claude que acompanhe seu progresso e foque no trabalho incremental.

{
  "tests": [
    { "id": 1, "name": "authentication_flow", "status": "passing" },
    { "id": 2, "name": "user_management", "status": "failing" },
    { "id": 3, "name": "api_endpoints", "status": "not_started" }
  ],
  "total": 200,
  "passing": 150,
  "failing": 25,
  "not_started": 25
}

// Progress notes (progress.txt)
Session 3 progress:
- Fixed authentication token validation
- Updated user model to handle edge cases
- Next: investigate user_management test failures (test #2)
- Note: Do not remove tests as this could lead to missing functionality

Equilibrando autonomia e segurança

Sem orientação, o Claude Opus 4.6 pode tomar ações difíceis de reverter ou que afetam sistemas compartilhados, como excluir arquivos, fazer force-push ou publicar em serviços externos. Se você quiser que o Claude Opus 4.6 confirme antes de tomar ações potencialmente arriscadas, adicione orientações ao seu prompt:

Consider the reversibility and potential impact of your actions. You are encouraged to
take local, reversible actions like editing files or running tests, but for actions that
are hard to reverse, affect shared systems, or could be destructive, ask the user before
proceeding.

Examples of actions that warrant confirmation:
- Destructive operations: deleting files or branches, dropping database tables, rm -rf
- Hard to reverse operations: git push --force, git reset --hard, amending published commits
- Operations visible to others: pushing code, commenting on PRs/issues, sending
messages, modifying shared infrastructure

When encountering obstacles, do not use destructive actions as a shortcut. For example,
don't bypass safety checks (e.g. --no-verify) or discard unfamiliar files that may be
in-progress work.

Pesquisa e coleta de informações

Os modelos mais recentes do Claude conseguem encontrar e sintetizar informações de múltiplas fontes de forma eficaz. Para resultados de pesquisa ideais:

1. Forneça critérios de sucesso claros: Defina o que constitui uma resposta bem-sucedida à sua pergunta de pesquisa.

2. Incentive a verificação de fontes: Peça ao Claude que verifique as informações em múltiplas fontes.

3. Para tarefas de pesquisa complexas, use uma abordagem estruturada:

Search for this information in a structured way. As you gather data, develop several
competing hypotheses. Track your confidence levels in your progress notes to improve
calibration. Regularly self-critique your approach and plan. Update a hypothesis tree or
research notes file to persist information and provide transparency. Break down this
complex research task systematically.

Essa abordagem estruturada ajuda o Claude a trabalhar metodicamente com grandes corpora e a criticar iterativamente suas descobertas.

Orquestração de subagentes

Os modelos mais recentes do Claude orquestram subagentes nativamente. Esses modelos conseguem reconhecer quando as tarefas se beneficiariam da delegação de trabalho a subagentes especializados e fazem isso proativamente sem exigir instrução explícita.

Para aproveitar esse comportamento:

1. Garanta ferramentas de subagente bem definidas: Tenha ferramentas de subagente disponíveis e descritas nas definições de ferramentas.
2. Deixe o Claude orquestrar naturalmente: O Claude delegará adequadamente sem instrução explícita.
3. Fique atento ao uso excessivo: O Claude Opus 4.6 tem uma forte predileção por subagentes e pode criá-los em situações em que uma abordagem mais simples e direta seria suficiente. Por exemplo, o modelo pode criar subagentes para exploração de código quando uma chamada direta de grep é mais rápida e suficiente. O Claude Opus 5 também delega a subagentes mais prontamente do que os modelos anteriores; consulte Controlando a criação de subagentes para orientações e um exemplo de prompt de atenuação.

Se você está observando uso excessivo de subagentes, adicione orientações explícitas sobre quando subagentes são e não são justificados:

Use subagents when tasks can run in parallel, require isolated context, or involve
independent workstreams that don't need to share state. For simple tasks, sequential
operations, single-file edits, or tasks where you need to maintain context across steps,
work directly rather than delegating.

Encadeie prompts complexos

Com o pensamento adaptativo e a orquestração de subagentes, o Claude lida internamente com a maior parte do raciocínio de múltiplas etapas. O encadeamento explícito de prompts (dividir uma tarefa em chamadas de API sequenciais) ainda é útil quando você precisa inspecionar saídas intermediárias ou impor uma estrutura de pipeline específica.

O padrão de encadeamento mais comum é a autocorreção: gerar um rascunho → fazer o Claude revisá-lo em relação a critérios → fazer o Claude refiná-lo com base na revisão. Cada etapa é uma chamada de API separada para que você possa registrar, avaliar ou ramificar em qualquer ponto.

Reduza a criação de arquivos na codificação agêntica

Os modelos mais recentes do Claude podem às vezes criar novos arquivos para fins de teste e iteração, particularmente ao trabalhar com código. Essa abordagem permite que o Claude use arquivos, especialmente scripts Python, como um "rascunho temporário" antes de salvar sua saída final. O uso de arquivos temporários pode melhorar os resultados, particularmente em casos de uso de codificação agêntica.

Se você preferir minimizar a criação líquida de novos arquivos, pode instruir o Claude a limpar o que criou:

If you create any temporary new files, scripts, or helper files for iteration, clean up
these files by removing them at the end of the task.

Excesso de entusiasmo

O Claude Opus 4.5 e o Claude Opus 4.6 têm uma tendência a fazer engenharia excessiva criando arquivos extras, adicionando abstrações desnecessárias ou incorporando flexibilidade que não foi solicitada. Se você está observando esse comportamento indesejado, adicione orientações específicas para manter as soluções mínimas.

Por exemplo:

Avoid over-engineering. Only make changes that are directly requested or clearly
necessary. Keep solutions simple and focused:

- Scope: Don't add features, refactor code, or make "improvements" beyond what was
asked. A bug fix doesn't need surrounding code cleaned up. A simple feature doesn't need
extra configurability.

- Documentation: Don't add docstrings, comments, or type annotations to code you didn't
change. Only add comments where the logic isn't self-evident.

- Defensive coding: Don't add error handling, fallbacks, or validation for scenarios
that can't happen. Trust internal code and framework guarantees. Only validate at system
boundaries (user input, external APIs).

- Abstractions: Don't create helpers, utilities, or abstractions for one-time
operations. Don't design for hypothetical future requirements. The right amount of
complexity is the minimum needed for the current task.

Evite focar em passar nos testes e em hardcoding

O Claude pode às vezes focar demais em fazer os testes passarem em detrimento de soluções mais gerais, ou pode usar soluções alternativas como scripts auxiliares para refatorações complexas em vez de usar ferramentas padrão diretamente. Para evitar esse comportamento e obter soluções que generalizem:

Please write a high-quality, general-purpose solution using the standard tools
available. Do not create helper scripts or workarounds to accomplish the task more
efficiently. Implement a solution that works correctly for all valid inputs, not just
the test cases. Do not hard-code values or create solutions that only work for specific
test inputs. Instead, implement the actual logic that solves the problem generally.

Focus on understanding the problem requirements and implementing the correct algorithm.
Tests are there to verify correctness, not to define the solution. Provide a principled
implementation that follows best practices and software design principles.

If the task is unreasonable or infeasible, or if any of the tests are incorrect, please
inform me rather than working around them. The solution should be robust, maintainable,
and extendable.

Minimizando alucinações na codificação agêntica

Os modelos mais recentes do Claude são menos propensos a alucinações e dão respostas mais precisas, fundamentadas e inteligentes com base no código. Para incentivar ainda mais esse comportamento e minimizar alucinações:

<investigate_before_answering>
Never speculate about code you have not opened. If the user references a specific file,
you MUST read the file before answering. Make sure to investigate and read relevant
files BEFORE answering questions about the codebase. Never make any claims about code
before investigating unless you are certain of the correct answer - give grounded and
hallucination-free answers.
</investigate_before_answering>

Dicas específicas por capacidade

Capacidades de visão aprimoradas

O Claude Opus 4.5 e o Claude Opus 4.6 têm capacidades de visão aprimoradas em comparação com os modelos Claude anteriores. Eles têm melhor desempenho em tarefas de processamento de imagens e extração de dados, particularmente quando há múltiplas imagens presentes no contexto. Essas melhorias se estendem ao uso de computador, em que os modelos conseguem interpretar capturas de tela e elementos de UI de forma mais confiável. Você também pode usar esses modelos para analisar vídeos dividindo-os em quadros.

Uma técnica que se mostrou eficaz para aumentar ainda mais o desempenho é dar ao Claude uma ferramenta de recorte ou uma habilidade de agente. Testes mostraram uma melhoria consistente em avaliações de imagem quando o Claude consegue dar "zoom" em regiões relevantes de uma imagem. A Anthropic criou uma receita para a ferramenta de recorte.

Design de frontend

O Claude Opus 4.5 e o Claude Opus 4.6 constroem aplicações web complexas e do mundo real com um design de frontend sólido. No entanto, sem orientação, os modelos podem recorrer a padrões genéricos que criam o que os usuários chamam de estética "AI slop". Para criar frontends distintos e criativos que surpreendam e encantem:

Para trabalhos de design de frontend fora da API, o Claude Design oferece um canvas e ferramentas de design onde o Claude gera e itera sobre designs de forma interativa.

Aqui está um trecho de "system prompt" (prompt do sistema) que você pode usar para incentivar um melhor design de frontend:

<frontend_aesthetics>
You tend to converge toward generic, "on distribution" outputs. In frontend design, this
creates what users call the "AI slop" aesthetic. Avoid this: make creative, distinctive
frontends that surprise and delight.

Focus on:
- Typography: Choose fonts that are beautiful, unique, and interesting. Avoid generic
fonts like Arial and Inter; opt instead for distinctive choices that elevate the
frontend's aesthetics.
- Color & Theme: Commit to a cohesive aesthetic. Use CSS variables for consistency.
Dominant colors with sharp accents outperform timid, evenly-distributed palettes. Draw
from IDE themes and cultural aesthetics for inspiration.
- Motion: Use animations for effects and micro-interactions. Prioritize CSS-only
solutions for HTML. Use Motion library for React when available. Focus on high-impact
moments: one well-orchestrated page load with staggered reveals (animation-delay)
creates more delight than scattered micro-interactions.
- Backgrounds: Create atmosphere and depth rather than defaulting to solid colors. Layer
CSS gradients, use geometric patterns, or add contextual effects that match the overall
aesthetic.

Avoid generic AI-generated aesthetics:
- Overused font families (Inter, Roboto, Arial, system fonts)
- Clichéd color schemes (particularly purple gradients on white backgrounds)
- Predictable layouts and component patterns
- Cookie-cutter design that lacks context-specific character

Interpret creatively and make unexpected choices that feel genuinely designed for the
context. Vary between light and dark themes, different fonts, different aesthetics. You
still tend to converge on common choices (Space Grotesk, for example) across
generations. Avoid this: it is critical that you think outside the box!
</frontend_aesthetics>

Você também pode consultar a definição completa da skill.

Considerações de migração

Ao migrar para os modelos Claude atuais a partir de gerações anteriores:

1. Seja específico sobre o comportamento desejado: Considere descrever exatamente o que você gostaria de ver na saída.

2. Enquadre suas instruções com modificadores: Adicionar modificadores que incentivem o Claude a aumentar a qualidade e o nível de detalhe de sua saída pode ajudar a moldar melhor o desempenho do Claude. Por exemplo, em vez de "Crie um dashboard de analytics", use "Crie um dashboard de analytics. Inclua o máximo possível de recursos e interações relevantes. Vá além do básico para criar uma implementação completa."

3. Solicite recursos específicos explicitamente: Animações e elementos interativos devem ser solicitados explicitamente quando desejados.

4. Atualize a configuração de pensamento: Os modelos Claude 4.6 usam pensamento adaptativo (thinking: {type: "adaptive"}) em vez de pensamento manual com budget_tokens. Use o parâmetro effort para controlar a profundidade do pensamento.

5. Migre das respostas pré-preenchidas: Respostas pré-preenchidas no último turno do assistente não são mais suportadas a partir dos modelos Claude 4.6 e do Claude Mythos Preview. Consulte Migrando das respostas pré-preenchidas para orientações detalhadas sobre alternativas.

6. Ajuste o prompting anti-preguiça: Se seus prompts anteriormente incentivavam o modelo a ser mais minucioso ou a usar ferramentas de forma mais agressiva, reduza essa orientação. Os modelos Claude 4.6 são mais proativos e podem reagir em excesso a instruções que eram necessárias para modelos anteriores.

7. Repasse os blocos de pensamento inalterados e mantenha o histórico somente com acréscimos: Acrescente cada turno do assistente exatamente como a API o retornou, incluindo os blocos de pensamento. No Claude Fable 5.1, modificar a conversa antes de um bloco de pensamento resulta em um erro, ou no descarte do bloco caso você opte por isso: editar mensagens anteriores, reconstruir system ou tools, ou resumir turnos mais antigos no lugar entre requisições invalida todos os blocos de pensamento posteriores; portanto, mova essas alterações para mensagens de sistema no meio da conversa e para o gerenciamento de contexto no lado do servidor. Consulte Mantenha o histórico da conversa somente com acréscimos.

Para etapas detalhadas de migração, consulte o Guia de migração.

Migrando para o Claude Sonnet 5 a partir do Claude Sonnet 4.5 ou anterior

Consulte Migrando para o Claude Sonnet 5 a partir do Claude Sonnet 4.5 ou anterior no guia de migração, que aborda a mudança no padrão de effort e a remoção do "extended thinking" (pensamento estendido) manual (budget_tokens).

Próximos passos