Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Это руководство охватывает паттерны подсказок, специфичные для Claude Sonnet 5. Информацию о возможностях модели и изменениях в API см. в разделе Что нового в Claude Sonnet 5. Техники, применимые ко всем текущим моделям Claude, см. в разделе Лучшие практики подсказок.
Claude Sonnet 5 обладает особыми сильными сторонами в программировании и агентных задачах. Модель хорошо работает «из коробки» на существующих подсказках для Claude Sonnet 4.6. Паттерны в этом руководстве охватывают поведение, которое чаще всего требует настройки.
Claude Sonnet 5 калибрует длину ответа в соответствии со сложностью задачи, а не придерживается фиксированной 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 ваши подсказки. Например, чтобы уменьшить многословность, вы можете добавить:
Provide concise, focused responses. Skip non-essential context, and keep examples minimal.Если вы наблюдаете определённые виды многословности (например, чрезмерные объяснения), вы можете добавить дополнительные инструкции в вашу подсказку, чтобы предотвратить их. Положительные примеры, показывающие, как Claude может общаться с подходящим уровнем лаконичности, как правило, более эффективны, чем отрицательные примеры или инструкции, говорящие модели, чего не делать.
Параметр effort позволяет настраивать баланс между интеллектом Claude и расходом токенов, жертвуя возможностями ради более высокой скорости и меньших затрат. В Claude Sonnet 5 effort по умолчанию равен high, так же 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 использования токенов и интеллекта:
max: Абсолютный максимум возможностей без ограничений на расход токенов.xhigh: Сверхвысокий уровень effort — рекомендуемая настройка для самых сложных сценариев программирования и агентных сценариев.high: Значение по умолчанию. Эта настройка балансирует использование токенов и интеллект для большинства сценариев использования.medium: Хорошо подходит для чувствительных к затратам сценариев, которым нужно сократить использование токенов ценой снижения интеллекта.low: Оставьте для коротких, ограниченных по объёму задач и чувствительных к задержке рабочих нагрузок, которые не чувствительны 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 диапазона. На уровнях low и medium модель ограничивает свою работу тем, что было запрошено, а не выходит за рамки. Это хорошо для задержки и затрат, но на умеренно сложных задачах, выполняемых на уровне effort 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 с помощью подсказок. Если вам нужно сохранить effort на уровне low ради задержки, добавьте целенаправленные указания:
This task involves multistep 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 изменение по сравнению с Claude Sonnet 4.6, где те же запросы выполнялись без мышления. Чтобы полностью отключить мышление, передайте thinking: {type: "disabled"}. Поскольку max_tokens является жёстким ограничением на общий вывод (мышление плюс текст ответа), пересмотрите его для рабочих нагрузок, которые выполнялись без мышления на Claude Sonnet 4.6. Если ранее вы использовали Claude Sonnet 4.6 с отключённым мышлением, попробуйте включить 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 с большими или сложными системными подсказками, добавьте указания для управления этим. Как всегда, измеряйте влияние любых изменений подсказок на производительность. Пример:
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.И наоборот, если вы выполняете сложные рабочие нагрузки на уровне medium и наблюдаете недостаточное обдумывание, первым рычагом является повышение effort. Если вам 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 этого используйте адаптивное мышление с параметром effort.
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 возможность поиска; если вы полагаетесь на вызовы инструментов при отключённом мышлении, добавьте явное указание в системную подсказку. Effort также является рычагом для использования инструментов: настройки effort high или xhigh показывают существенно большее использование инструментов в агентном поиске и программировании. Для сценариев, где вы хотите большего использования инструментов, вы также можете скорректировать вашу 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.
Claude Sonnet 5 предоставляет регулярные, более качественные обновления для пользователя на протяжении длинных агентных трасс. Если вы добавили вспомогательные конструкции для принудительных промежуточных сообщений о статусе («После каждых 3 вызовов инструментов подведи итог прогресса»), попробуйте удалить их. Если вы обнаружите, что длина или содержание обновлений Claude Sonnet 5 для пользователя плохо откалиброваны для вашего сценария использования, явно опишите в подсказке, как должны выглядеть эти обновления, и предоставьте примеры.
Claude Sonnet 5 интерпретирует подсказки буквально и явно, особенно на более низких уровнях effort. Модель не обобщает молча инструкцию с одного элемента на другой и не домысливает запросы, которые вы не делали. Преимуществом этой буквальности является точность, и модель, как правило, лучше работает в сценариях использования API с тщательно настроенными подсказками, структурированным извлечением данных и конвейерами, где вам нужно предсказуемое поведение. Если вам нужно, чтобы Claude применял инструкцию широко, явно укажите область применения (например, «Примени это форматирование к каждому разделу, а не только к первому»).
Как и с любой новой моделью, стиль прозы в длинных текстах может измениться. Если ваш продукт полагается на определённый голос, переоцените стилевые подсказки относительно новой базовой линии.
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, обратите внимание, что установка temperature, top_p или top_k в значение, отличное от значения по умолчанию, возвращает ошибку 400 на Claude Sonnet 5. Это ограничение является новым для моделей класса Sonnet. Удалите эти параметры при миграции и вместо этого используйте инструкции в системной подсказке для управления тоном и разнообразием.
Claude Sonnet 5 может склоняться к единообразному визуальному стилю по умолчанию в открытых заданиях по фронтенду и дизайну. «Фирменный» стиль по умолчанию может хорошо смотреться для некоторых заданий, но казаться неуместным для дашбордов, инструментов разработчика, финтеха, здравоохранения или корпоративных приложений.
Общие инструкции («не используй этот цвет», «сделай чисто и минималистично»), как правило, переключают модель на другую фиксированную палитру, а не создают разнообразие. Два подхода работают надёжно:
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 созданием. Это разрушает стиль по умолчанию и даёт пользователям контроль. Поскольку temperature не принимается в Claude Sonnet 5, этот подход является рекомендуемым способом получения существенно различающихся дизайнерских направлений 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 уйти от шаблонных паттернов, которые пользователи называют эстетикой «AI slop», вы можете включить короткую директиву в вашу системную подсказку. Навык frontend-design предоставляет более полное рассмотрение, но этот фрагмент хорошо работает вместе с предыдущими 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>Использование токенов и поведение могут различаться между автономными, асинхронными агентами для программирования с одним ходом пользователя и интерактивными, синхронными агентами для программирования с несколькими ходами пользователя. Чтобы максимизировать как производительность, так и эффективность использования токенов в продуктах для программирования, используйте effort xhigh или high, добавьте автономные функции, такие как автоматический режим, и сократите количество взаимодействий с человеком, требуемых от ваших пользователей.
При ограничении количества требуемых взаимодействий с пользователем важно заранее указать задачу, намерение и соответствующие ограничения в первом ходе человека. Предоставление хорошо специфицированных, чётких и точных описаний задач заранее может помочь максимизировать автономность и интеллект, минимизируя при этом дополнительное использование токенов после ходов пользователя. Напротив, неоднозначные или недостаточно специфицированные подсказки, передаваемые постепенно в течение нескольких ходов пользователя, как правило, относительно снижают эффективность использования токенов, а иногда и производительность.
Если ваша система ревью кода была настроена для более ранней модели, вы можете изначально увидеть более низкую полноту (recall) на Claude Sonnet 5. Это, скорее всего, эффект системы, а не регрессия возможностей. Когда подсказка для ревью говорит что-то вроде «сообщай только о проблемах высокой серьёзности», «будь консервативен» или «не придирайся к мелочам», Claude Sonnet 5 может следовать этой инструкции более точно, чем более ранние модели: он может исследовать код так же тщательно, выявить ошибки, а затем не сообщать о находках, которые он считает ниже заявленной вами планки. Это может проявляться как то, что модель выполняет ту же глубину исследования, но преобразует меньше исследований в сообщаемые находки, особенно для ошибок более низкой серьёзности. Точность (precision) обычно растёт, но измеряемая полнота может падать, даже несмотря на то, что базовая способность модели находить ошибки улучшилась.
Некоторые рекомендуемые формулировки подсказок:
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 системе есть отдельный этап верификации, дедупликации или ранжирования, явно скажите модели, что её задача на этапе поиска — это 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 «важный»: например, «сообщай о любых ошибках, которые могут вызвать некорректное поведение, сбой 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 улучшение полноты или показателя F1.
Claude Sonnet 5 поддерживает версию инструмента computer_20251124. Возможность использования компьютера работает на разных разрешениях, вплоть до максимального разрешения 2576px / 3.75MP. Внутреннее тестирование использования компьютера показывает, что отправка изображений в 1080p обеспечивает хороший баланс производительности и затрат.
Для особенно чувствительных к затратам рабочих нагрузок 720p или 1366×768 являются более дешёвыми вариантами с высокой производительностью. Проведите собственное тестирование, чтобы найти идеальные настройки для вашего сценария использования; эксперименты с настройками effort также могут помочь настроить поведение модели.
Was this page helpful?