フレームワーク

Claude Opus 5.5 プロンプト指南を読み解く —— 公式ドキュメントに潜む3つの盲点

AnthropicがOpus 5.5向けに専用プロンプトドキュメントを公開し、Hacker Newsで127ポイントを記録。従来の常識を覆す3つの設計思想を、実測も交えて整理する。

文字サイズ

Anthropicがplatform.claude.comの公式チャネルで、Claude Opus 5.5専用のプロンプトエンジニアリングドキュメントを公開した。このこと自体がひとつのシグナルだ。Opus 4.xシリーズにはこれと同格の単独ドキュメントが存在せず、いずれも汎用プロンプトガイドに統合された形で公開されていた。

ドキュメントのリンクはHacker Newsのフロントページにしばらく留まり、127ポイント・122コメントの議論が交わされた。議論の密度は通常のAI関連ニュースを大きく上回る。読み込んでみて、過去の常識とは合わない設計判断が3つ見えてきた。

なぜ単独ドキュメントとして出したのか

OpenAIやGoogleは新モデル公開時、汎用プロンプトガイドの中に「GPT-5での注意点」「Gemini 3特有の調整」といったセクションを追加するやり方が一般的だ。Anthropicは今回これを独立したドキュメントとし、platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5というURLでメインドキュメントと同階層に置いた。

別の見方をすれば、promptingのために独立したURLを割くということは、promptingが「ベストプラクティス」から「製品機能」に変わったことを意味する。旧モデルなら旧来のテンプレートでもある程度動くが、5.5で4.5時代の設計を流用するとパフォーマンスが明確に落ちる。

実際に手元で試したケースでは、4.5時代に調整済みのagentプロンプトをそのまま5.5に持っていったところ、複雑タスクの完了率が約20%低下した。

「few-shotは控えめ」という方針

これが3つの中で最も意外だった点だ。

Opus 5.5のドキュメントを通読すると、few-shot exampleの使用が極めて少ないことがわかる。公式文書は一貫して「exampleを積み上げるのではなく、構造化された指示で代替せよ」と促している。OpenAIのGPT-5 prompting guideやGoogleのGemini 3ドキュメントと比べると、この抑制ぶりは明らかに目立つ。

OpenAIのドキュメントでは次のような記述が頻出する——

Example 1: ...
Example 2: ...
Example 3: ...

一方、Anthropicの5.5ドキュメントが提示するパターンはこうだ——

# Role
You are a ...

# Constraints
- ...
- ...

# Output Format
...

完全にMarkdownベースの構造化指示路線である。few-shotが普遍的に最適解だと考えていたが、5.5時代にはその前提をいったん棚卸しする必要がある。

推論タスクのプロンプト作法が変わった

2つ目の盲点は、4.5時代との最も大きな設計分岐でもある。

従来のchain-of-thoughtの書き方は誰でも知っている——

Let's think step by step.
1. First, ...
2. Then, ...
3. Finally, ...

AnthropicがOpus 5.5ドキュメントで推奨しているのは、「制約を先に書き、推論は後に置く」というアプローチだ。趣旨としては、タスクのすべての制約・境界条件・出力形式要件を冒頭に置き、最後にモデルに自由な推論をさせる。

# Constraints
- Output must be valid JSON
- All numbers must be integers
- Do not include explanations

# Task
Given the following data, compute ...

小さなデータセットで手元検証したところ、7B規模の旧モデルでは「制約先行・推論後置き」の効果は限定的で、場合によっては従来のstep-by-stepに及ばないこともあった。ただしOpus 5.5に適用すると、精度が明確に上がった。

reasoningモデルが好むプロンプト構造はすでに変わった。かつてはCoTがprompt engineeringの銀の弾丸だったが、今は「構造前置 + 自由推論」という組み合わせに座を譲る形になる。

ツール呼び出しの節がいちばん読み応えがある

3つ目の盲点は、function callingのセクションにある。

ドキュメントが示すretryとvalidationのパターンは次のとおり——

# 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

注目すべきは細部が2点ある。

  1. リトライ時に明示的にパラメータを調整する。同じリクエストをそのまま再送するのではない。
  2. バリデーション失敗時は構造化エラーを返す。裏側でこっそり修正しない。

LangGraphやOpenAI Agents SDKのデフォルト実装と比べると、いずれも「同じ呼び出しをそのままリトライし、モデル自身に修正させる」傾向がある。Anthropicのパターンはより工学的で、エラーとパラメータ調整の両方を明示的に扱う。

このパターンを本番運用中のagentプロジェクトに移植したところ、安定性が一段上がった。特に外部API呼び出しを伴うシナリオで効果が大きい。

編集後記

ベンダーが単一モデル向けにプロンプトドキュメントを割いて出したということ自体、内容以上に重要なシグナルだ。

promptingはすでに「エンジニア個人の手艺」から「プロダクト提供の一部」へ移行している。MCPの標準化と同じ潮流であり、AIエンジニアリングは急速にとじつつある。「プロンプトのチューニングは気合いと根性」というかつての日々は終わりが近い。

過去との違いは、モデル進化の速度にある。以前はモデル更新のサイクルが遅く、ひとつのプロンプトテンプレートが複数バージョンを跨いで使い回せた。今は能力の境界がモデルごとに大きく動くため、Opus 4.5でうまくいった設計が5.5では裏目に出る。結果として、ベンダーはprompt engineeringドキュメントをAPI referenceと同格の位置に引き上げざるを得なくなっている。

不確実な点は残る。この「専用ドキュメント」モデルが業界標準化するかどうかは未知数だ。OpenAIとGoogleはいまだに「汎用ガイド + 増分アップデート」の方式を取っており、Anthropicが今回単独公開したのは5.5の変化がそれだけ大きかったからかもしれない。仮に6.xシリーズが小幅な反復に留まれば、独立URLは元の構成に吸収される可能性がある。

出典:Anthropic Opus 5.5 Prompting Guide | Hacker News ディスカッション

出典: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5