Cómo escribir prompts para Claude Opus 5.5: esfuerzo, agentes, rechazos y plantillas

Para escribir buenos prompts para Claude Opus 5.5, conserva los prompts que usabas con Claude Opus 5, ajusta el nivel de esfuerzo antes de tocar la redacción y luego añade al prompt de sistema una línea concreta por cada conducta que quieras cambiar. La guía de Anthropic dice que los prompts actuales de Claude Opus 5 "deberían funcionar bien sin cambios", y que el esfuerzo es "el primer ajuste que hay que tocar para equilibrar inteligencia, latencia y coste". La mayoría de los consejos nuevos son sobre agentes: mantener en marcha una ejecución sin supervisión, recibir avisos de progreso en turnos largos y marcar el ritmo de un equipo de agentes. Todo lo que sigue procede de la guía "Prompting Claude Opus 5.5" de Anthropic y de la referencia de la API del modelo, comprobado el 3 de octubre de 2026.

Las reglas de solicitud que comparte con Claude Fable 5.1, como no prerrellenar la respuesta del asistente ni fijar una temperatura propia, están en la guía de prompts de Claude Fable 5.1. Este artículo cubre lo que es propio de Claude Opus 5.5.

¿Los prompts de Claude Opus 5 funcionan en Claude Opus 5.5?

Sí. Anthropic dice que "deberían funcionar bien sin cambios", y que los patrones de prompts de Claude Opus 5 "siguen siendo un punto de partida razonable". Lo que cambia es cómo reparte el modelo su esfuerzo. Claude Opus 5.5 genera tokens de salida más de un 30 % más rápido que Claude Opus 5 y suele terminar la misma tarea con menos tokens.

Anthropic menciona cuatro áreas en las que el modelo ha mejorado, y son las que deciden qué partes de esta guía te interesan:

• Programación agéntica y revisión de código. Trabajo de varios pasos en un repositorio real, ejecuciones autónomas largas con subagentes y revisiones de código que detectan más errores con menos falsas alarmas.
• Trabajo de conocimiento. Es mucho menos probable que dé una cifra equivocada o cite la fuente errónea, y detecta pequeñas incoherencias en entradas grandes, como una fecha que cae en un día de la semana equivocado.
• Comunicación. Sus avisos de progreso y sus informes finales dicen con claridad qué ha hecho, qué ha encontrado y qué necesita de ti.
• Gráficos, diagramas, capturas de pantalla y uso del ordenador. Lee el material visual con más precisión que Claude Opus 5, incluso con el esfuerzo más bajo.

Si tus prompts son sobre todo para chat, lee las secciones de esfuerzo y de chat. Si ejecutas agentes, los consejos nuevos están en las secciones de agentes.

¿Qué nivel de esfuerzo debo usar con Claude Opus 5.5?

Empieza por medium, el valor por defecto en Claude Opus 5.5 (Claude Opus 5 usa high por defecto). Fíjalo de forma explícita y prueba varios niveles con tus propias tareas en lugar de heredar el valor que usabas con Claude Opus 5. Los nombres de los niveles no equivalen a la misma cantidad de razonamiento en todos los modelos: en las pruebas de Anthropic, Claude Opus 5.5 en medium "iguala o supera a Claude Opus 5 en high en evaluaciones de programación y trabajo de conocimiento", y en varias evaluaciones de programación low se acerca a ese resultado con un coste mucho menor.

Fijar medium de forma explícita se comporta exactamente igual que omitir effort.

Con el mismo nivel, Claude Opus 5.5 suele razonar más por turno que Claude Opus 5, sobre todo en xhigh y max. Ten en cuenta tres cosas:

• Deja margen en max_tokens. El razonamiento cuenta para max_tokens aunque no lo veas, así que un límite pensado para Claude Opus 5 sin razonamiento puede cortar las respuestas. Para turnos largos de programación agéntica, Anthropic comprobó que un max_tokens de 128.000, el máximo del modelo, funcionaba bien.
• Baja el esfuerzo antes de escribir "piensa menos". Bajar el esfuerzo reduce el razonamiento, el coste y la latencia de forma más fiable que las instrucciones del prompt.
• Mantén el esfuerzo fijo si dependes de la caché de prompts. Cambiar el valor de esfuerzo de nivel superior entre solicitudes invalida la caché de prompts.

El esfuerzo se fija en output_config:

{
  "model": "claude-opus-5-5",
  "max_tokens": 128000,
  "output_config": {"effort": "medium"},
  "messages": [{"role": "user", "content": "Review this pull request for bugs and explain each one."}]
}

¿Se puede desactivar el razonamiento en Claude Opus 5.5?

No. Claude Opus 5 aceptaba "thinking": {"type": "disabled"} con esfuerzo high o inferior; Claude Opus 5.5 no lo acepta y la solicitud devuelve un error 400. El razonamiento es adaptativo y está siempre activo. Si tu integración funcionaba sin razonamiento, Anthropic recomienda cuatro cambios:

1. Empieza en esfuerzo low y mide. En low, el modelo razona poco. Si el tiempo hasta el primer token sigue siendo importante, una línea en el prompt de sistema como "Answer directly without deliberating." puede reducir aún más el razonamiento, pero comprueba la calidad después de añadirla.
2. Elimina las instrucciones que sustituían al razonamiento. Si tu prompt pedía al modelo que escribiera su razonamiento en la respuesta, quita esa línea y lee el razonamiento en el razonamiento resumido. Un prompt que empuja al modelo a reproducir su razonamiento en la respuesta ahora puede ser rechazado (ver la sección de rechazos más abajo).
3. Vuelve a probar los apaños antiguos. Las reglas que añadiste para evitar fallos de funcionar sin razonamiento quizá ya no hagan falta. Elimina cualquier regla que le diga al modelo que no razone.
4. Lee la respuesta por tipo de bloque. Una respuesta puede empezar o no con un bloque thinking, así que comprueba el tipo de cada bloque en lugar de suponer que el primero es texto.

Para ver el razonamiento, pide el razonamiento resumido:

{
  "model": "claude-opus-5-5",
  "max_tokens": 16000,
  "thinking": {"type": "adaptive", "display": "summarized"},
  "output_config": {"effort": "low"},
  "messages": [{"role": "user", "content": "Which of these three invoices has a total that does not match its line items?"}]
}

¿Cómo evito que un agente de Claude Opus 5.5 sin supervisión se detenga antes de tiempo?

En tareas largas, Claude Opus 5.5 mantiene informado al usuario mientras trabaja, y algunos de esos avisos terminan el turno con texto en lugar de con una llamada a herramienta (stop_reason: "end_turn"). Un bucle de agente que trata cada uno de esos turnos como "tarea terminada" se detiene a medio camino. La solución de Anthropic tiene una parte en el harness y otra en el prompt.

En el harness, trata un turno que termina solo con texto como un informe, no como prueba de que el trabajo está hecho. Lleva las partes de la tarea en una lista de comprobación que el modelo actualice, como una herramienta de tareas pendientes o un archivo. Si un turno termina con elementos abiertos y sin ningún bloqueo indicado, envía un mensaje de usuario breve que los enumere:

Your task list still has open items: migrate the remaining two endpoints and update their tests. Continue with them. If one is blocked, say what is blocking it.

Detente tras dos o tres continuaciones automáticas en la misma tarea, para que una ejecución realmente atascada termine y pueda revisarse. Si un comando en segundo plano o un subagente sigue en marcha, espera a que termine y devuelve su salida como el siguiente mensaje de usuario.

En el prompt de sistema, nombra los tipos de parada prematura que no quieres. El ejemplo de Anthropic, escrito para agentes que funcionan sin ninguna supervisión, va al final del prompt de sistema desde la primera solicitud de la sesión. Añadirlo a mitad cambia el prompt de sistema e invalida los bloques de razonamiento anteriores de la conversación.

A standing instruction from the user, the person you are working for. It is about how your turns end. A message with no tool call in it ends your turn, and the work stops there until you are asked to continue. The user has seen you end turns in four ways while work they asked for was still owed, and does not want any of them. One: a long summary of what was done that closes by announcing the next step and has no tool call, so the next thing never starts. Two: an offer to carry on with something unless the user would prefer otherwise, which stops to wait for an answer the user was not going to give. Three: a list of decisions for the user when, by your own account, none of them blocks the rest of the work. Four: deciding that this is a good place to report, because the turn has been long or a milestone is done. Status notes are welcome, and so are your recommendations on open decisions, but put them in the same message as your next tool call and carry on with whatever does not depend on the user's answer. If you notice yourself inviting the user to redirect you or offering to wait, delete it and do the next thing. The stops the user does want are the ones where nothing can move without them, or where the thing blocking you is deliberately protected from you. This does not override the need for confirmation on risky or destructive actions.

No añadas este texto a aplicaciones con una persona en el circuito, donde alguien puede responder, y mantén tu propio paso de confirmación para acciones arriesgadas o irreversibles. Cuenta con algunas llamadas a herramientas y tokens de salida más por tarea.

¿Cómo recibo avisos de progreso de un agente de Claude Opus 5.5 en ejecuciones largas?

Entre llamadas a herramientas, Claude Opus 5.5 escribe notas breves de progreso: qué acaba de encontrar y qué hará después. En este modelo, esas notas llegan como bloques thinking y no como bloques text, y su texto está vacío por defecto, así que un cliente que solo muestra bloques text puede parecer mudo durante un turno largo. Anthropic documenta un modo de visualización en beta que devuelve un resumen de cada nota; la referencia de la API de Claude Opus 5.5 recoge los valores de thinking.display que documenta el endpoint.

Hay tres palancas de prompt y de harness que funcionan sin ningún ajuste especial:

• Dale al modelo una herramienta para contenido literal. Si puede necesitar entregar al usuario algo exacto a mitad de turno, como un fragmento de código, dale una herramienta sencilla de "enviar un mensaje al usuario" y dile que la reserve para eso. Declara la herramienta desde la primera solicitud; añadirla después invalida los bloques de razonamiento anteriores.
• Pide avisos en momentos fijos. Por ejemplo, una frase de intención antes de la primera llamada a herramienta y un resumen breve al final. El modelo sigue de cerca este tipo de instrucciones, lo que ayuda sobre todo cuando alguien está mirando.
• Reactiva un turno silencioso desde el harness. Cuenta los pasos seguidos de llamadas a herramientas que no le dan al usuario nada que leer. Tras varios, cinco por ejemplo, añade un recordatorio después de los últimos resultados de herramientas, y detente tras dos o tres recordatorios. La redacción de Anthropic:

The user hasn't heard from you in a while — say in a few words what you're doing, then continue.

En las pruebas de Anthropic con tareas de programación agéntica, este recordatorio redujo aproximadamente a la mitad la proporción de tareas con un tramo largo en silencio, sin cambios medibles en el coste.

¿Cómo hago que un agente de Claude Opus 5.5 revise el contexto antes de actuar?

Claude Opus 5.5 tiende a ponerse a trabajar enseguida. En automatizaciones que abarcan correo, documentos, hojas de cálculo y registros de CRM, el dato del que depende una tarea suele estar donde la solicitud no lo menciona, como una política en un hilo de correo antiguo o una regla en otra pestaña de una hoja de cálculo. Una frase en el prompt de sistema hace que el modelo mire alrededor primero:

Before taking any action, explore broadly with tool calls: list and open the emails, documents, spreadsheet tabs and records across the available apps that could be relevant to this task, including ones the task does not explicitly mention, and use what you find.

En las pruebas de Anthropic con tareas en varias aplicaciones, el modelo completó correctamente bastantes más con esta línea, tanto en esfuerzo medium como en max, a cambio de algunas llamadas a herramientas más. Como la línea le dice al modelo que actúe según lo que encuentre, mantén el contenido no fiable fuera de los registros que consulta.

¿Cómo hago que un equipo de agentes de Claude Opus 5.5 termine antes?

Claude Opus 5.5 presta mucha atención al tiempo transcurrido. En una configuración donde un agente principal reparte trabajo entre subagentes, dale un presupuesto de tiempo: haz que tu harness añada una línea breve al final de cada mensaje que devuelve al modelo, como elapsed 340s / 1200s. El modelo ajusta su ritmo para terminar dentro del presupuesto y suele acabar bastante antes, así que fija el presupuesto algo por encima del tiempo que de verdad quieres dedicar. Si no puedes estimar un presupuesto, muestra solo el tiempo transcurrido y añade esta frase al prompt de sistema:

Time matters here: do not spend time that can be avoided, and the earlier a correct result is obtained, the better.

El presupuesto es orientativo y nada detiene al modelo en el límite, así que mantén tu propio tiempo de espera si necesitas una parada firme. Un presupuesto más ajustado no es lo mismo que un esfuerzo más bajo: bajar el esfuerzo reduce el trabajo en sí, mientras que un presupuesto sobre todo hace que más agentes trabajen en paralelo. Con prisa, el modelo puede buscar y verificar algo menos, así que comprueba la calidad de las respuestas con tus propias tareas.

¿Debe un prompt de sistema de chat pedirle a Claude Opus 5.5 que piense con cuidado?

No. Anthropic sugiere quitar de los prompts de sistema de chat líneas como "think carefully before answering" (piensa con cuidado antes de responder): el modelo decide cuánto razonar y el control es el esfuerzo. En las pruebas de Anthropic en un producto de chat, quitar una línea así hizo que las respuestas empezaran antes, sin una caída clara de calidad.

Hay otras dos líneas para chat que conviene conocer. Una hace que el modelo dé por cerradas sus respuestas anteriores, para que los turnos siguientes empiecen antes. La otra marca el texto que pega el usuario, para que el modelo no siga instrucciones escondidas en un correo o una página web. Ambas líneas, palabra por palabra, están en la sección de Claude Opus 5.5 de la guía de Fable 5.1. No uses la línea de "respuestas cerradas" en análisis largos ni en tareas agénticas, donde un paso posterior puede revelar un error en uno anterior.

¿Cómo consigo mejores respuestas sobre gráficos, diagramas y capturas de pantalla?

Primero vuelve a probar. Sin herramientas adicionales, Claude Opus 5.5 lee gráficos densos, diagramas de flujo y capturas de calendario con mucha más precisión que Claude Opus 5; en las pruebas de Anthropic, incluso con su esfuerzo más bajo leyó valores de gráficos densos con más precisión que Claude Opus 5 con el más alto. Los apoyos que montaste para modelos anteriores quizá ya no hagan falta.

Para las entradas más densas, dos cosas siguen ayudando:

• Imágenes de mayor resolución, sobre todo en planos técnicos.
• Herramientas de imagen. Ejecuta el modelo como agente con un contenedor que tenga las imágenes originales y PIL u OpenCV instalados, para que pueda recortar, ampliar y medir. Si eso es demasiado, una sola herramienta de recorte ya ayuda. El modelo aprovecha mejor estas herramientas con niveles de esfuerzo más altos.

Sin herramientas, subir el esfuerzo mejora la lectura de planos técnicos pero apenas ayuda con los gráficos. Las imágenes van en un turno de usuario como bloques image con una fuente URL; la referencia de la API muestra el formato.

¿Cómo evito que el frontend de Claude Opus 5.5 parezca genérico?

Nombra los patrones que no quieres. Sin una dirección de diseño, Claude Opus 5.5 recurre a unos pocos estilos por defecto, y una instrucción general como "evita el aspecto genérico de IA" casi siempre cambia un estilo por defecto por otro. El ejemplo de Anthropic enumera cosas concretas que evitar:

Output a vanilla HTML/CSS personal website with placeholder data. Do not use a cream or off-white background, italic accent words in headlines, numbered "01/02/03" section labels, monospace labels, or pill-shaped buttons.

Trabaja por iteraciones: mira qué estilos usó el primer resultado en su lugar y añádelos a la lista.

¿Por qué Claude Opus 5.5 devuelve stop_reason "refusal"?

Un clasificador de seguridad rechazó la solicitud. Claude Opus 5.5 usa clasificadores de biología, ciberseguridad y extracción del razonamiento; el rechazo llega como una respuesta normal con stop_reason: "refusal" y un objeto stop_details que indica la categoría.

Para los rechazos de solicitudes inofensivas en general, consulta por qué Claude rechaza una solicitud inofensiva en la guía de Fable 5.1.

Preguntas frecuentes

¿Hay una guía oficial de prompts para Claude Opus 5.5?

Sí. Anthropic publica "Prompting Claude Opus 5.5" en su documentación para desarrolladores, además de una página general de buenas prácticas que se aplica a todos los modelos Claude actuales. Este artículo resume la guía de Opus 5.5 a fecha de 3 de octubre de 2026 y cita las plantillas palabra por palabra.

¿Cuál es el nivel de esfuerzo por defecto de Claude Opus 5.5?

medium. Claude Opus 5 usa high por defecto. Los niveles son low, medium, high, xhigh y max, y se fijan en output_config.effort.

¿Cuántos tokens de salida puede escribir Claude Opus 5.5?

Hasta 128.000 tokens por solicitud, y ese presupuesto incluye el razonamiento. La ventana de contexto es de 1M tokens.

¿Puedo prerrellenar la respuesta de Claude Opus 5.5 o fijar la temperatura?

No. Prerrellenar la respuesta del asistente y cualquier temperatura distinta de la predeterminada devuelven un error 400, y forzar una herramienta concreta no está admitido. Describe en el prompt el formato que quieres. La guía de prompts de Claude Fable 5.1 explica qué usar en cada caso.

¿Es mejor Claude Opus 5.5 o Claude Fable 5.1 para agentes?

Depende de la tarea y del presupuesto; la comparativa de modelos Claude explica cuál elegir. Los consejos de prompts difieren sobre todo en los valores por defecto: Claude Opus 5.5 empieza en esfuerzo medium y Claude Fable 5.1 en high.

Prueba los prompts

Ejecuta estas plantillas en Claude Opus 5.5 con una clave de SeedRouter, mediante el SDK de Anthropic o los formatos Chat Completions y Responses de OpenAI. La referencia de la API de Claude Opus 5.5 recoge todos los parámetros, y la página del modelo muestra los precios actuales por token. SeedRouter es de pago por uso: recargas una vez, los créditos no caducan nunca y las solicitudes fallidas no se cobran.