Anthropic 在 platform.claude.com 官方渠道单独为 Claude Opus 5.5 发了一篇 prompt engineering 文档——这件事本身就是信号。此前 Opus 4.x 系列从来没有同级别的专门文档,都是和通用提示词指南混在一起发。
文档链接在 Hacker News 首页待了一段时间,127 分、122 条讨论,讨论密度比平时的 AI 新闻高出一截。点进去读完,我总结出三个和以往认知不一样的地方。
为什么要单独发这篇
OpenAI、Google 在发布新模型时,通常会在通用提示词指南里加一节"针对 GPT-5 的注意事项"或"Gemini 3 的特殊调优"。Anthropic 这次选择独立成篇,目录在 platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5,和主文档平级。
换个角度想:厂商愿意花一个独立的 URL 去讲 prompting,意味着 prompting 已经从"最佳实践"变成"产品功能"。旧模型用旧模板还勉强能跑,5.5 沿用 4.5 那套范式会显著掉点。
我自己测试过:把一个 4.5 时期调好的 agent prompt 直接搬到 5.5,复杂任务完成率掉了将近 20%。
文档强调的"少示例"倾向
这是我觉得最反常识的一条。
通读整篇 Opus 5.5 文档,你会发现 few-shot example 用得很少。官方反复在强调"用结构化指令替代示例堆叠"。对比 OpenAI 的 GPT-5 prompting guide、Google 的 Gemini 3 docs,Anthropic 的这一倾向明显更克制。
OpenAI 文档里随处可见这种写法——
Example 1: ...
Example 2: ...
Example 3: ...
而 Anthropic 在 5.5 文档里给的范式是这样——
# Role
You are a ...
# Constraints
- ...
- ...
# Output Format
...
完全是 Markdown 结构化指令的路子。我之前一直以为 few-shot 是普适最优解,现在看来 5.5 时代要重新评估这个假设。
推理任务的 prompt 套路变了
第二个反常识点,也是和 4.5 时代最明显的范式分歧。
传统 chain-of-thought 的写法,我们都很熟悉——
Let's think step by step.
1. First, ...
2. Then, ...
3. Finally, ...
Anthropic 在 Opus 5.5 文档里给的建议是"先列约束再思考"。原文大意是:把任务的所有约束、边界条件、输出格式要求放在前面,最后再让模型自由推理。
# Constraints
- Output must be valid JSON
- All numbers must be integers
- Do not include explanations
# Task
Given the following data, compute ...
我拿一个小数据集测了下:在 7B 规模的旧模型上,先约束后思考效果一般,有时还不如传统 step-by-step。但放到 Opus 5.5 上,准确率明显提升。
reasoning 模型对 prompt 结构的偏好已经迁移。以前 CoT 是 prompt 工程的银弹,现在要让位给"结构前置 + 自由推理"这个组合。
工具调用部分最值得看的一页
第三个反常识,在 function calling 那一节。
文档里给的 retry 和 validation 范式是这样的——
# Tool Execution Loop
1. Call the tool with the user's request
3. If the tool returns an error:
a. Inspect the error message
b. Adjust the parameters
c. Retry up to 3 times
4. If validation fails:
a. Return a structured error response
b. Do not attempt to fix the error silently
注意两个细节:
- 重试时显式调整参数,而不是单纯重发同样的请求
- 校验失败时返回结构化错误,不要静默修正
对比 LangGraph 和 OpenAI Agents SDK 的默认做法,大家倾向于"重试同样的调用,期望模型自己修正"。Anthropic 的范式更工程化——把错误显式化、把参数调整显式化。
我把这个 pattern 移植到一个生产里的 agent 项目,稳定性上了一个台阶,尤其是涉及外部 API 调用的场景。
编辑思考
厂商愿意为单个模型单独发 prompt 文档,这件事本身比文档内容更重要。
我的判断是:prompting 已经从"工程师的个人手艺"变成"产品交付的一部分"。和 MCP 标准化是同一条主线——AI 工程化正在快速收口,过去那种"靠 prompt 玄学调优"的日子不多了。
这次和过去不同的地方在于:以前模型迭代慢,一份 prompt 模板能跨多个版本用。现在模型能力边界变化快,Opus 4.5 跑得好的范式到 5.5 可能反而掉点。这倒逼厂商把 prompt 工程文档的地位抬到和 API reference 同一级别。
不太确定的一点是:这种"专属文档"模式会不会变成行业标准。OpenAI 和 Google 目前还在用"通用指南 + 增量更新"的方式,Anthropic 这次单独成篇可能只是因为 5.5 的变化足够大。如果 6.x 系列又恢复小幅迭代,这个独立 URL 可能就会被收回。