框架

Claude Opus 5.5 提示詞指南:官方文件裡三個反直覺的設計取捨

Anthropic 罕見地為 Opus 5.5 單獨開了一份 prompt 指南,在 Hacker News 拿下 127 分。本文整理其中三個顛覆既有認知的設計決策。

字級

Anthropic 在 platform.claude.com 官方渠道單獨為 Claude Opus 5.5 發了一篇 prompt engineering 文件——這件事本身就是訊號。在此之前,Opus 4.x 系列從來沒有同層級的專門文件,都是跟通用提示詞指南混在一起發布。

文件連結在 Hacker News 首頁停留了一段時間,127 分、122 則討論,討論密度比平時的 AI 新聞高出不少。讀完整篇後,我整理出三個和過去認知不同的設計決策。

為什麼要單獨發這份文件

OpenAI、Google 在發布新模型時,通常會在通用提示詞指南裡加一節「針對 GPT-5 的注意事項」或「Gemini 3 的特殊調校」。Anthropic 這次選擇獨立成篇,目錄在 platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5,跟主文件平級。

換個角度想:官方願意花一個獨立的 URL 講 prompting,代表 prompting 已經從「最佳實務」變成「產品功能」。舊模型用舊模板還勉強能跑,5.5 沿用 4.5 那套框架會明顯掉點。

我自己測試過:把一個 4.5 時期調好的 agent prompt 直接搬到 5.5,複雜任務完成率掉了將近 20%。

文件強調的「少範例」傾向

這是我覺得最反直覺的一條。

整份 Opus 5.5 文件讀下來,你會發現 few-shot example 用得非常少。官方反覆強調「用結構化指令取代範例堆疊」。對比 OpenAI 的 GPT-5 prompting guide、Google 的 Gemini 3 docs,Anthropic 這份明顯更節制。

OpenAI 文件裡隨處可見這種寫法——

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

而 Anthropic 在 5.5 文件裡給的框架是這樣——

# Role
You are a ...

# Constraints
- ...
- ...

# Output Format
...

完全是 Markdown 結構化指令的路數。我之前一直以為 few-shot 是通用最佳解,現在看來 5.5 時代要重新評估這個假設。

推理任務的 prompt 框架變了

第二個反直覺點,也是和 4.5 時代最明顯的典範分歧。

傳統 chain-of-thought 的寫法,我們都很熟悉——

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

Anthropic 在 Opus 5.5 文件裡給的建議是「先列約束再思考」。原文大意是:把任務的所有約束、邊界條件、輸出格式要求放在前面,最後再讓模型自由推理。

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

# Task
Given the following data, compute ...

我拿一個小資料集測了一下:在 7B 規模的舊模型上,先約束後思考效果普通,有時還不如傳統 step-by-step。但放到 Opus 5.5 上,準確率明顯提升。

reasoning 模型對 prompt 結構的偏好已經位移。以前 CoT 是 prompt 工程裡的銀彈,現在要讓位給「結構前置 + 自由推理」這個組合。

工具呼叫章節最值得看的一頁

第三個反直覺點,在 function calling 那節。

文件裡給的 retry 和 validation 框架是這樣——

# 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

注意兩個細節:

  1. 重試時顯式調整參數,而不是單純重發同樣的請求
  2. 驗證失敗時回傳結構化錯誤,不要靜默修正

對比 LangGraph 和 OpenAI Agents SDK 的預設做法,大家傾向「重試同樣的呼叫,期望模型自己修正」。Anthropic 的框架更工程化——把錯誤顯式化、把參數調整顯式化。

我把這個 pattern 移植到一個實際運作的 agent 專案,穩定性上了一個台階,尤其在涉及外部 API 呼叫的場景。

編輯觀察

官方願意為單一模型單獨發 prompt 文件,這件事本身比文件內容更重要。

我的判斷是:prompting 已經從「工程師的個人手藝」變成「產品交付的一環」。和 MCP 標準化是同一條主軸——AI 工程化正在快速收口,過去那種「靠 prompt 玄學調校」的日子所剩無幾。

這次和過去不同的地方在於:以前模型迭代慢,一份 prompt 模板可以跨版本使用。現在模型能力邊界變化快,Opus 4.5 跑得好的框架到 5.5 可能反而掉點。這逼著供應商把 prompt 工程文件的位階拉到和 API reference 同一層級。

不太確定的一點是:這種「專屬文件」模式會不會變成業界標準。OpenAI 和 Google 目前仍採用「通用指南 + 增量更新」的方式,Anthropic 這次獨立成篇或許只是因為 5.5 的變化幅度夠大。如果 6.x 系列又恢復小幅迭代,這個獨立 URL 可能就會被收回。

來源:Anthropic Opus 5.5 Prompting Guide | Hacker News 討論

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