Составление подсказок для Claude Sonnet 5

Это руководство описывает паттерны составления подсказок, специфичные для Claude Sonnet 5. О возможностях модели и изменениях в API см. Что нового в Claude Sonnet 5. О техниках, применимых ко всем актуальным моделям Claude, см. Лучшие практики составления подсказок.

Claude Sonnet 5 особенно силён в задачах программирования и агентных задачах. Он хорошо работает «из коробки» с существующими подсказками для Claude Sonnet 4.6. Паттерны в этом руководстве охватывают те аспекты поведения, которые чаще всего требуют настройки.



Длина ответа и многословность

Claude Sonnet 5 калибрует длину ответа в соответствии со сложностью задачи, а не использует фиксированный уровень многословности по умолчанию. Обычно это означает более короткие ответы на простые запросы и более длинные — на открытый анализ.

Если ваш продукт зависит от определённого стиля или многословности вывода, вам может потребоваться настроить подсказки. Например, чтобы уменьшить многословность, можно добавить:

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

Если вы наблюдаете конкретные виды многословности (например, избыточные объяснения), можно добавить в подсказку дополнительные инструкции для их предотвращения. Положительные примеры, показывающие, как Claude может общаться с нужным уровнем лаконичности, как правило, эффективнее, чем отрицательные примеры или инструкции, указывающие модели, чего не делать.



Калибровка усилий и глубины мышления

Параметр «effort» (усилия) — см. документацию по параметру effort — позволяет настраивать баланс между интеллектом Claude и расходом токенов, обменивая возможности на более высокую скорость и меньшую стоимость. В Claude Sonnet 5 значение effort по умолчанию — high, как и в Claude Sonnet 4.6. Для самых сложных задач программирования и агентных задач повысьте effort до xhigh. Экспериментируйте с другими уровнями effort для дальнейшей настройки расхода токенов и интеллекта:

• max: Абсолютный максимум возможностей без ограничений на расход токенов.
• xhigh: Сверхвысокий уровень усилий — рекомендуемая настройка для самых сложных сценариев программирования и агентных задач.
• high: Значение по умолчанию. Эта настройка балансирует расход токенов и интеллект для большинства сценариев.
• medium: Подходит для чувствительных к стоимости сценариев, где нужно снизить расход токенов ценой некоторого снижения интеллекта.
• low: Используйте для коротких, чётко ограниченных задач и нагрузок, чувствительных к задержке, но не к интеллекту.

В качестве приблизительного соответствия между моделями при миграции: Claude Sonnet 5 на уровне medium сопоставим по интеллекту с Claude Sonnet 4.6 на уровне high, а Claude Sonnet 5 на уровне high сопоставим с Claude Sonnet 4.6 на уровне max. При бенчмаркинге сопоставляйте по наблюдаемой длине мышления, а не по названию уровня effort.

Claude Sonnet 5 строго соблюдает уровни effort, особенно на нижнем конце шкалы. На уровнях low и medium модель ограничивает свою работу тем, что было запрошено, не выходя за рамки. Это хорошо для задержки и стоимости, но на умеренно сложных задачах при уровне low есть некоторый риск недостаточного обдумывания.

Если вы наблюдаете поверхностные рассуждения на сложных задачах, повысьте effort до high или xhigh вместо того, чтобы обходить это через подсказку. Если вам нужно сохранить effort на уровне low ради задержки, добавьте целевые указания:

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

В Claude Sonnet 5 адаптивное мышление включено по умолчанию. Запросы без поля thinking выполняются с адаптивным мышлением. Это отличие от Claude Sonnet 4.6, где такие же запросы выполнялись без мышления. Чтобы полностью отключить мышление, передайте thinking: {type: "disabled"}. Поскольку max_tokens — это жёсткий лимит на общий вывод (мышление плюс текст ответа), пересмотрите его для нагрузок, которые выполнялись без мышления на Claude Sonnet 4.6. Если ранее вы использовали отключённое мышление с Claude Sonnet 4.6, попробуйте включённое мышление с более низкими уровнями effort для Claude Sonnet 5.

Поведение срабатывания адаптивного мышления поддаётся управлению. Если вы обнаружите, что модель выдаёт блоки мышления чаще, чем вам хотелось бы (что может происходить при больших или сложных системных подсказках), добавьте указания для управления этим. Как всегда, измеряйте влияние любых изменений в подсказках на производительность. Пример:

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.

И наоборот, если вы выполняете сложные нагрузки на уровне medium и наблюдаете недостаточное обдумывание, первый рычаг — повысить effort. Если нужен более тонкий контроль, укажите это напрямую в подсказке.

Ручное расширенное мышление (thinking: {type: "enabled", budget_tokens: N}) не поддерживается в Claude Sonnet 5 и возвращает ошибку 400. Оно было объявлено устаревшим в Claude Sonnet 4.6 и теперь удалено. Вместо него используйте адаптивное мышление с параметром effort.



Срабатывание использования инструментов

Claude Sonnet 5 по умолчанию более агентен, чем Claude Sonnet 4.6, и охотнее обращается к инструментам и запускает циклы самопроверки. При отключённом мышлении модель с меньшей вероятностью обращается к инструментам или рассматривает поиск; если вы полагаетесь на вызовы инструментов при отключённом мышлении, добавьте явный намёк в системную подсказку. Effort также является рычагом для использования инструментов: настройки high или xhigh демонстрируют существенно большее использование инструментов в агентном поиске и программировании. Для сценариев, где вам нужно больше использования инструментов, вы также можете скорректировать подсказку, чтобы явно проинструктировать модель о том, когда и как правильно использовать её инструменты. Например, если вы обнаружите, что модель не использует ваши инструменты веб-поиска, чётко опишите, почему и как она должна это делать.



Обновления о ходе работы для пользователя

Claude Sonnet 5 предоставляет регулярные, более качественные обновления для пользователя на протяжении длинных агентных трасс. Если вы добавляли обвязку для принудительных промежуточных сообщений о статусе («После каждых 3 вызовов инструментов резюмируй прогресс»), попробуйте её убрать. Если вы обнаружите, что длина или содержание обновлений Claude Sonnet 5 для пользователя плохо откалиброваны под ваш сценарий, явно опишите в подсказке, как должны выглядеть эти обновления, и приведите примеры.



Более буквальное следование инструкциям

Claude Sonnet 5 интерпретирует подсказки буквально и явно, особенно на более низких уровнях effort. Он не обобщает молча инструкцию с одного элемента на другой и не додумывает запросы, которых вы не делали. Плюс такой буквальности — точность, и в целом это лучше работает для сценариев использования API с тщательно настроенными подсказками, структурированным извлечением и конвейерами, где вам нужно предсказуемое поведение. Если вам нужно, чтобы Claude применял инструкцию широко, укажите область явно (например, «Применяй это форматирование к каждому разделу, а не только к первому»).



Тон и стиль письма

Как и с любой новой моделью, стиль прозы в длинных текстах может измениться. Если ваш продукт полагается на определённый голос, переоцените стилевые подсказки относительно нового базового поведения.

Например, если голос вашего продукта более тёплый или разговорный, добавьте:

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

Если ранее вы полагались на temperature для стилистического разнообразия, учтите, что установка temperature, top_p или top_k в значение, отличное от значения по умолчанию, возвращает ошибку 400 в Claude Sonnet 5. Это ограничение — новое для моделей класса Sonnet. Удалите эти параметры при миграции и используйте инструкции в системной подсказке для управления тоном и разнообразием.



Настройки дизайна и фронтенда по умолчанию

Claude Sonnet 5 может придерживаться устойчивого визуального стиля по умолчанию при открытых заданиях на фронтенд и дизайн. Фирменный стиль по умолчанию может хорошо подходить для одних заданий, но казаться неуместным для дашбордов, инструментов разработчика, финтеха, здравоохранения или корпоративных приложений.

Общие инструкции («не используй этот цвет», «сделай чисто и минималистично») обычно сдвигают модель к другой фиксированной палитре, а не создают разнообразие. Надёжно работают два подхода:

1. Укажите конкретную альтернативу. Модель точно следует явным спецификациям:

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. Попросите модель предложить варианты перед реализацией. Это ломает поведение по умолчанию и даёт пользователям контроль. Поскольку temperature не принимается в Claude Sonnet 5, этот подход — рекомендуемый способ получить существенно различающиеся направления дизайна между запусками. Пример подсказки:

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.

Чтобы увести модель от шаблонных паттернов, которые пользователи называют эстетикой «AI slop», можно включить короткую директиву в системную подсказку. Навык frontend-design даёт более полное описание, но этот фрагмент хорошо работает вместе с описанными выше подходами к разнообразию:

<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>



Интерактивные продукты для программирования

Расход токенов и поведение могут различаться между автономными асинхронными агентами для программирования с одним ходом пользователя и интерактивными синхронными агентами с несколькими ходами пользователя. Чтобы максимизировать и производительность, и эффективность по токенам в продуктах для программирования, используйте уровень effort xhigh или high, добавьте автономные функции вроде автоматического режима и сократите количество взаимодействий с человеком, требуемых от ваших пользователей.

При ограничении количества требуемых взаимодействий с пользователем важно заранее, в первом ходе человека, указать задачу, намерение и релевантные ограничения. Предоставление хорошо специфицированных, чётких и точных описаний задач заранее помогает максимизировать автономность и интеллект, минимизируя дополнительный расход токенов после ходов пользователя. Напротив, неоднозначные или недоспецифицированные подсказки, передаваемые постепенно через несколько ходов пользователя, как правило, относительно снижают эффективность по токенам, а иногда и производительность.



Обвязки для код-ревью

Если ваша обвязка для код-ревью была настроена под более раннюю модель, вы можете поначалу увидеть более низкую полноту (recall) на Claude Sonnet 5. Скорее всего, это эффект обвязки, а не регрессия возможностей. Когда подсказка для ревью содержит фразы вроде «сообщай только о проблемах высокой серьёзности», «будь консервативен» или «не придирайся к мелочам», Claude Sonnet 5 может следовать этой инструкции более добросовестно, чем более ранние модели: он может исследовать код так же тщательно, выявить баги, а затем не сообщить о находках, которые, по его оценке, ниже заявленной вами планки. Это может проявляться так: модель выполняет ту же глубину исследования, но конвертирует меньше исследований в сообщённые находки, особенно по багам низкой серьёзности. Точность (precision) обычно растёт, но измеренная полнота может падать, даже несмотря на то что базовая способность модели находить баги улучшилась.

Рекомендуемые формулировки для подсказки:

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.

Эту подсказку можно использовать без фактического второго шага, но вынесение фильтрации по уверенности из шага поиска часто помогает. Если в вашей обвязке есть отдельный этап верификации, дедупликации или ранжирования, явно скажите модели, что её задача на этапе поиска — охват, а не фильтрация.

Если вы всё же хотите, чтобы модель самостоятельно фильтровала за один проход, будьте конкретны в том, где находится планка, вместо использования качественных терминов вроде «важное»: например, «сообщай о любых багах, которые могут вызвать некорректное поведение, падение теста или вводящий в заблуждение результат; опускай только мелочи вроде чисто стилистических предпочтений или предпочтений в именовании».

Итерируйте подсказки на подмножестве ваших оценок или тестовых случаев, чтобы подтвердить прирост полноты или F1-метрики.



Использование компьютера

Claude Sonnet 5 поддерживает версию инструмента computer_20251124. Возможность использования компьютера работает на разных разрешениях, вплоть до максимального разрешения 2576px / 3,75 МП. Внутреннее тестирование использования компьютера показывает, что отправка изображений в 1080p обеспечивает хороший баланс производительности и стоимости.

Для особенно чувствительных к стоимости нагрузок 720p или 1366×768 — более дешёвые варианты с высокой производительностью. Проведите собственное тестирование, чтобы найти идеальные настройки для вашего сценария; эксперименты с настройками effort также могут помочь настроить поведение модели.