Claude Opus 5.5: jak pisać prompty, poziom effort, agenci, odmowy i szablony

Żeby dobrze promptować Claude Opus 5.5, zostaw prompty, których używałeś z Claude Opus 5, ustaw poziom effort, zanim zaczniesz zmieniać sformułowania, a potem dodaj do promptu systemowego jedną celową linijkę na każde zachowanie, które chcesz zmienić. Przewodnik Anthropic mówi, że obecne prompty dla Claude Opus 5 „powinny dobrze działać bez zmian”, a effort to „pierwsze ustawienie do zmiany, gdy równoważysz inteligencję, opóźnienie i koszt”. Większość nowych rad dotyczy agentów: jak utrzymać autonomiczne uruchomienie w ruchu, jak dostawać raporty postępu z długich tur i jak nadać tempo zespołowi agentów. Wszystko poniżej pochodzi z przewodnika Anthropic „Prompting Claude Opus 5.5” i dokumentacji API modelu, sprawdzone 3 października 2026 roku.

Zasady żądań wspólne z Claude Fable 5.1, takie jak brak prefill odpowiedzi asystenta i brak własnej temperatury, opisuje przewodnik po promptach dla Claude Fable 5.1. Ten artykuł dotyczy tego, co jest specyficzne dla Claude Opus 5.5.

Czy prompty dla Claude Opus 5 działają z Claude Opus 5.5?

Tak. Anthropic mówi, że „powinny dobrze działać bez zmian”, a wzorce promptów dla Claude Opus 5 „pozostają rozsądnym punktem wyjścia”. Zmienia się to, jak model rozkłada swój wysiłek. Claude Opus 5.5 generuje tokeny wyjściowe o ponad 30% szybciej niż Claude Opus 5 i zwykle kończy to samo zadanie przy mniejszej liczbie tokenów.

Anthropic wymienia cztery obszary, w których model się poprawił, i to one decydują, które części tego przewodnika są dla ciebie ważne:

• Programowanie agentowe i code review. Wieloetapowa praca w prawdziwym repozytorium, długie autonomiczne uruchomienia z subagentami i code review, które wyłapuje więcej błędów przy mniejszej liczbie fałszywych alarmów.
• Praca z wiedzą. Znacznie rzadziej podaje błędną liczbę lub cytuje złe źródło i zauważa drobne niespójności w dużych danych wejściowych, na przykład datę, która wypada w niewłaściwy dzień tygodnia.
• Komunikacja. Raporty postępu i raporty końcowe jasno mówią, co zrobił, co znalazł i czego potrzebuje od ciebie.
• Wykresy, diagramy, zrzuty ekranu i obsługa komputera. Czyta materiały wizualne dokładniej niż Claude Opus 5, nawet na najniższym poziomie effort.

Jeśli twoje prompty służą głównie do czatu, przeczytaj sekcje o effort i czacie. Jeśli uruchamiasz agentów, nowe rady są w sekcjach o agentach.

Jakiego poziomu effort używać z Claude Opus 5.5?

Zacznij od medium, czyli wartości domyślnej Claude Opus 5.5 (Claude Opus 5 domyślnie używa high). Ustaw ją jawnie i przetestuj kilka poziomów na własnych zadaniach, zamiast przenosić wartość używaną z Claude Opus 5. Nazwy poziomów effort nie oznaczają tej samej ilości rozumowania w różnych modelach: w testach Anthropic Claude Opus 5.5 na medium „dorównuje lub przewyższa Claude Opus 5 na high w ewaluacjach programowania i pracy z wiedzą”, a w kilku ewaluacjach programowania low zbliża się do tego wyniku przy znacznie niższym koszcie.

Jawne ustawienie medium działa dokładnie tak samo jak pominięcie effort.

Na tym samym poziomie Claude Opus 5.5 zwykle rozumuje w jednej turze więcej niż Claude Opus 5, zwłaszcza na xhigh i max. Pamiętaj o trzech rzeczach:

• Zostaw zapas w max_tokens. Rozumowanie wlicza się do max_tokens, nawet gdy go nie widzisz, więc limit ustawiony dla Claude Opus 5 bez rozumowania może ucinać odpowiedzi. Przy długich turach programowania agentowego Anthropic uznał, że max_tokens równe 128 000, czyli maksimum modelu, sprawdza się dobrze.
• Obniż effort, zanim napiszesz „myśl mniej”. Obniżenie effort zmniejsza rozumowanie, koszt i opóźnienie pewniej niż instrukcje w prompcie.
• Nie zmieniaj effort, jeśli polegasz na cache promptów. Zmiana wartości effort najwyższego poziomu między żądaniami unieważnia cache promptów.

Effort ustawia się w 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."}]
}

Czy można wyłączyć rozumowanie w Claude Opus 5.5?

Nie. Claude Opus 5 akceptował "thinking": {"type": "disabled"} na poziomie effort high lub niższym; Claude Opus 5.5 tego nie akceptuje, a takie żądanie zwraca błąd 400. Rozumowanie jest adaptacyjne i zawsze włączone. Jeśli twoja integracja działała z wyłączonym rozumowaniem, Anthropic zaleca cztery zmiany:

1. Zacznij od effort low i mierz. Na low model rozumuje krótko. Jeśli czas do pierwszego tokenu nadal ma znaczenie, linijka w prompcie systemowym w rodzaju „Answer directly without deliberating.” może jeszcze bardziej ograniczyć rozumowanie, ale po jej dodaniu sprawdź jakość.
2. Usuń instrukcje, które zastępowały rozumowanie. Jeśli twój prompt prosił model o rozpisanie rozumowania w odpowiedzi, usuń tę linijkę i czytaj rozumowanie z podsumowania. Prompt, który naciska na model, by odtworzył swoje rozumowanie w odpowiedzi, może teraz zostać odrzucony (zobacz sekcję o odmowach poniżej).
3. Przetestuj ponownie stare obejścia. Reguły dodane, by uniknąć artefaktów działania bez rozumowania, mogą już być zbędne. Usuń każdą regułę, która zabrania modelowi myśleć.
4. Czytaj odpowiedź według typu bloku. Odpowiedź może zaczynać się od bloku thinking albo nie, więc sprawdzaj typ każdego bloku zamiast zakładać, że pierwszy to tekst.

Żeby zobaczyć rozumowanie, poproś o podsumowanie rozumowania:

{
  "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?"}]
}

Jak sprawić, by autonomiczny agent na Claude Opus 5.5 nie zatrzymywał się za wcześnie?

Przy długich zadaniach Claude Opus 5.5 informuje użytkownika na bieżąco, a niektóre z tych komunikatów kończą turę tekstem zamiast wywołaniem narzędzia (stop_reason: "end_turn"). Pętla agenta, która traktuje każdą taką turę jak „zadanie wykonane”, zatrzymuje się w połowie. Rozwiązanie Anthropic ma część w harnessie i część w prompcie.

W harnessie traktuj turę zakończoną samym tekstem jako raport, a nie dowód, że praca jest skończona. Prowadź części zadania na liście kontrolnej, którą model aktualizuje, na przykład w narzędziu do zadań albo w pliku. Jeśli tura kończy się, a punkty wciąż są otwarte i nie podano żadnej blokady, wyślij krótką wiadomość użytkownika, która je wymienia:

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.

Przestań po dwóch lub trzech automatycznych kontynuacjach tego samego zadania, żeby uruchomienie, które naprawdę utknęło, się zakończyło i dało się je przejrzeć. Jeśli polecenie w tle albo subagent wciąż działa, poczekaj na koniec i zwróć jego wynik jako następną wiadomość użytkownika.

W prompcie systemowym nazwij rodzaje przedwczesnego zatrzymania, których nie chcesz. Przykład Anthropic napisano dla agentów działających całkowicie autonomicznie; umieszcza się go na końcu promptu systemowego od pierwszego żądania sesji. Dodanie go w trakcie zmienia prompt systemowy i unieważnia wcześniejsze bloki rozumowania w rozmowie.

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.

Nie dodawaj tego tekstu do aplikacji z człowiekiem w pętli, gdzie ktoś może odpowiedzieć, i zachowaj własny krok potwierdzenia przy ryzykownych lub nieodwracalnych działaniach. Spodziewaj się nieco większej liczby wywołań narzędzi i tokenów wyjściowych na zadanie.

Jak dostawać raporty postępu od agenta na Claude Opus 5.5 przy długich uruchomieniach?

Między wywołaniami narzędzi Claude Opus 5.5 pisze krótkie notatki o postępie: co właśnie znalazł i co zrobi dalej. W tym modelu takie notatki wracają jako bloki thinking, a nie text, i domyślnie ich treść jest pusta, więc klient, który pokazuje tylko bloki text, może podczas długiej tury wyglądać na nieaktywny. Anthropic dokumentuje tryb wyświetlania w wersji beta, który zwraca podsumowanie każdej notatki; wartości thinking.display opisane dla tego endpointu znajdziesz w dokumentacji API Claude Opus 5.5.

Trzy dźwignie w prompcie i harnessie działają bez specjalnych ustawień:

• Daj modelowi narzędzie do przekazywania treści dosłownie. Jeśli w środku tury może musieć przekazać użytkownikowi coś dokładnie, na przykład fragment kodu, daj mu proste narzędzie „wyślij wiadomość do użytkownika” i powiedz, by używał go tylko do tego. Zadeklaruj narzędzie od pierwszego żądania; dodanie go później unieważnia wcześniejsze bloki rozumowania.
• Proś o raporty w stałych momentach. Na przykład jedno zdanie o zamiarze przed pierwszym wywołaniem narzędzia i krótkie podsumowanie na końcu. Model ściśle trzyma się takich instrukcji, co najbardziej pomaga, gdy ktoś obserwuje pracę.
• Ponaglaj cichą turę z harnessu. Licz kolejne kroki z wywołaniami narzędzi, które nie dają użytkownikowi nic do przeczytania. Po kilku, na przykład pięciu, dołącz przypomnienie po najnowszych wynikach narzędzi, a po dwóch lub trzech przypomnieniach przestań. Sformułowanie Anthropic:

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

W testach Anthropic na zadaniach programowania agentowego to przypomnienie mniej więcej o połowę zmniejszyło odsetek zadań z długim okresem ciszy, bez mierzalnej zmiany kosztu.

Jak sprawić, by agent na Claude Opus 5.5 sprawdził kontekst przed działaniem?

Claude Opus 5.5 ma skłonność do szybkiego zabierania się do pracy. W automatyzacjach obejmujących e-mail, dokumenty, arkusze i rekordy CRM informacja, od której zależy zadanie, często leży tam, gdzie prośba o niej nie wspomina, na przykład zasada w starym wątku e-mailowym albo reguła w innej zakładce arkusza. Jedno zdanie w prompcie systemowym sprawia, że model najpierw się rozgląda:

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.

W testach Anthropic na zadaniach obejmujących wiele aplikacji model z tą linijką poprawnie wykonał wyraźnie więcej z nich, zarówno na medium, jak i na max, kosztem nieco większej liczby wywołań narzędzi. Ponieważ linijka każe modelowi działać na podstawie tego, co znajdzie, nie dopuszczaj niezaufanych treści do rekordów, które przeszukuje.

Jak przyspieszyć pracę zespołu agentów na Claude Opus 5.5?

Claude Opus 5.5 zwraca dużą uwagę na upływający czas. W układzie, w którym agent główny rozdziela pracę między subagentów, daj mu budżet czasu: niech twój harness dopisuje na końcu każdej wiadomości wracającej do modelu krótką linijkę, na przykład elapsed 340s / 1200s. Model rozkłada pracę tak, by zmieścić się w budżecie, i zwykle kończy wyraźnie wcześniej, więc ustaw budżet nieco powyżej czasu, który naprawdę chcesz poświęcić. Jeśli nie da się oszacować budżetu, pokazuj tylko upływający czas i dodaj do promptu systemowego to zdanie:

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

Budżet jest tylko orientacyjny i nic nie zatrzymuje modelu na granicy, więc zachowaj własny timeout, jeśli potrzebujesz twardego zatrzymania. Ciaśniejszy budżet to nie to samo co niższy effort: obniżenie effort zmniejsza samą pracę, a budżet głównie sprawia, że więcej agentów pracuje równolegle. Pod presją czasu model może trochę mniej szukać i weryfikować, więc sprawdzaj jakość odpowiedzi na własnych zadaniach.

Czy prompt systemowy czatu powinien kazać Claude Opus 5.5 dobrze się zastanowić?

Nie. Anthropic radzi usuwać z promptów systemowych czatu linijki w rodzaju „think carefully before answering” („zastanów się dobrze przed odpowiedzią”): model sam decyduje, ile myśleć, a regulatorem jest effort. W testach Anthropic w produkcie czatowym usunięcie takiej linijki sprawiło, że odpowiedzi zaczynały się wcześniej, bez wyraźnego spadku jakości.

Warto znać jeszcze dwie linijki do czatu. Jedna każe modelowi traktować wcześniejsze odpowiedzi jako zamknięte, więc kolejne tury zaczynają się szybciej. Druga oznacza tekst wklejony przez użytkownika, żeby model nie wykonywał instrukcji ukrytych w e-mailu czy na stronie. Obie linijki, słowo w słowo, są w sekcji o Claude Opus 5.5 w przewodniku po Fable 5.1. Nie używaj linijki o „zamkniętych odpowiedziach” w długich analizach ani w zadaniach agentowych, gdzie późniejszy krok może ujawnić błąd we wcześniejszym.

Jak uzyskać lepsze odpowiedzi o wykresach, diagramach i zrzutach ekranu?

Najpierw przetestuj ponownie. Bez dodatkowych narzędzi Claude Opus 5.5 czyta gęste wykresy, schematy blokowe i zrzuty kalendarza znacznie dokładniej niż Claude Opus 5; w testach Anthropic nawet na najniższym poziomie effort odczytywał wartości z gęstych wykresów dokładniej niż Claude Opus 5 na najwyższym. Rusztowania budowane dla starszych modeli mogą już nie być potrzebne.

Przy najgęstszych danych wejściowych nadal pomagają dwie rzeczy:

• Obrazy w wyższej rozdzielczości, zwłaszcza przy rysunkach technicznych.
• Narzędzia do obrazów. Uruchom model jako agenta z kontenerem, w którym są oryginalne obrazy i zainstalowany PIL lub OpenCV, żeby mógł przycinać, powiększać i mierzyć. Jeśli to za dużo, pomaga już samo narzędzie do przycinania. Na wyższych poziomach effort model lepiej korzysta z tych narzędzi.

Bez narzędzi podniesienie effort poprawia odczyt rysunków technicznych, ale niewiele daje przy wykresach. Obrazy trafiają do tury użytkownika jako bloki image ze źródłem URL; format pokazuje dokumentacja API.

Jak sprawić, by frontend od Claude Opus 5.5 nie wyglądał szablonowo?

Nazwij wzorce, których nie chcesz. Bez wskazówek projektowych Claude Opus 5.5 wraca do kilku domyślnych stylów, a ogólne zdanie w rodzaju „unikaj generycznego wyglądu AI” zwykle tylko zamienia jeden domyślny styl na inny. Przykład Anthropic wymienia konkretne rzeczy do uniknięcia:

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.

Pracuj iteracyjnie: zobacz, jakich stylów pierwszy wynik użył zamiast nich, i dopisz je do listy.

Dlaczego Claude Opus 5.5 zwraca stop_reason "refusal"?

Żądanie odrzucił klasyfikator bezpieczeństwa. Claude Opus 5.5 używa klasyfikatorów dla biologii, cyberbezpieczeństwa i ekstrakcji rozumowania; odmowa przychodzi jako zwykła odpowiedź z stop_reason: "refusal" i obiektem stop_details, który podaje kategorię.

O odmowach dla nieszkodliwych żądań w ogóle przeczytasz w sekcji dlaczego Claude odrzuca nieszkodliwe żądanie w przewodniku po Fable 5.1.

Najczęstsze pytania

Czy istnieje oficjalny przewodnik po promptach dla Claude Opus 5.5?

Tak. Anthropic publikuje „Prompting Claude Opus 5.5” w dokumentacji dla deweloperów, a także ogólną stronę z dobrymi praktykami dla wszystkich obecnych modeli Claude. Ten artykuł streszcza przewodnik po Opus 5.5 według stanu na 3 października 2026 roku i cytuje szablony słowo w słowo.

Jaki jest domyślny poziom effort Claude Opus 5.5?

medium. Claude Opus 5 domyślnie używa high. Poziomy to low, medium, high, xhigh i max, ustawiane w output_config.effort.

Ile tokenów wyjściowych może napisać Claude Opus 5.5?

Do 128 000 tokenów na żądanie, łącznie z rozumowaniem. Okno kontekstu ma 1M tokenów.

Czy mogę użyć prefill odpowiedzi Claude Opus 5.5 albo ustawić temperaturę?

Nie. Prefill odpowiedzi asystenta i każda temperatura inna niż domyślna zwracają błąd 400, a wymuszanie konkretnego narzędzia nie jest obsługiwane. Zamiast tego opisz w prompcie format, którego chcesz. Przewodnik po promptach dla Claude Fable 5.1 wyjaśnia, czego użyć w zamian w każdym przypadku.

Co jest lepsze dla agentów: Claude Opus 5.5 czy Claude Fable 5.1?

To zależy od zadania i budżetu; porównanie modeli Claude wyjaśnia, który wybrać. Rady dotyczące promptów różnią się głównie wartościami domyślnymi: Claude Opus 5.5 zaczyna od effort medium, a Claude Fable 5.1 od high.

Wypróbuj prompty

Uruchom te szablony na Claude Opus 5.5 z kluczem SeedRouter, przez Anthropic SDK albo formaty OpenAI Chat Completions i Responses. Dokumentacja API Claude Opus 5.5 wymienia wszystkie parametry, a strona modelu pokazuje aktualne ceny za token. SeedRouter rozlicza się według zużycia: doładowujesz raz, kredyty nigdy nie wygasają, a nieudane żądania nie są płatne.