Guia de prompts do Claude Opus 5.5: esforço, agentes, recusas e modelos de prompt

Para escrever bons prompts para o Claude Opus 5.5, mantenha os prompts que você usava com o Claude Opus 5, ajuste o nível de esforço (effort) antes de mexer na redação e depois acrescente ao prompt de sistema uma linha direcionada para cada comportamento que você quer mudar. O guia da Anthropic diz que os prompts atuais do Claude Opus 5 "devem funcionar bem sem alterações", e que o esforço é "a primeira configuração a ajustar para equilibrar inteligência, latência e custo". A maior parte das dicas novas é sobre agentes: manter uma execução sem supervisão rodando, receber atualizações de progresso em turnos longos e dar ritmo a uma equipe de agentes. Tudo a seguir vem do guia "Prompting Claude Opus 5.5" da Anthropic e da referência de API do modelo, verificados em 3 de outubro de 2026.

As regras de requisição que o Claude Opus 5.5 compartilha com o Claude Fable 5.1, como não preencher previamente a resposta do assistente nem definir uma temperatura própria, estão no guia de prompts do Claude Fable 5.1. Este artigo trata do que é específico do Claude Opus 5.5.

Os prompts do Claude Opus 5 funcionam no Claude Opus 5.5?

Sim. A Anthropic diz que eles "devem funcionar bem sem alterações", e que os padrões de prompt do Claude Opus 5 "continuam sendo um ponto de partida razoável". O que muda é como o modelo distribui o esforço. O Claude Opus 5.5 gera tokens de saída mais de 30% mais rápido que o Claude Opus 5 e costuma terminar a mesma tarefa com menos tokens.

A Anthropic aponta quatro áreas em que o modelo melhorou, e são elas que definem quais partes deste guia importam para você:

• Programação agêntica e revisão de código. Trabalho em várias etapas em um repositório real, execuções autônomas longas com subagentes e revisões de código que pegam mais bugs com menos alarmes falsos.
• Trabalho de conhecimento. É bem menos provável que ele informe um número errado ou cite a fonte errada, e ele nota pequenas inconsistências em entradas grandes, como uma data que cai no dia da semana errado.
• Comunicação. As atualizações de progresso e os relatórios finais dizem com clareza o que ele fez, o que encontrou e do que precisa de você.
• Gráficos, diagramas, capturas de tela e uso do computador. Ele lê material visual com mais precisão que o Claude Opus 5, mesmo no esforço mais baixo.

Se os seus prompts são principalmente para chat, leia as seções de esforço e de chat. Se você roda agentes, as dicas novas estão nas seções de agentes.

Qual nível de esforço usar no Claude Opus 5.5?

Comece em medium, o padrão do Claude Opus 5.5 (o Claude Opus 5 usa high por padrão). Defina o valor de forma explícita e teste vários níveis nas suas próprias tarefas, em vez de herdar o valor que você usava no Claude Opus 5. Os nomes dos níveis de esforço não correspondem à mesma quantidade de raciocínio em todos os modelos: nos testes da Anthropic, o Claude Opus 5.5 em medium "iguala ou supera o Claude Opus 5 em high em avaliações de programação e trabalho de conhecimento", e em várias avaliações de programação o low chega perto disso com um custo bem menor.

Definir medium de forma explícita tem exatamente o mesmo efeito que omitir effort.

No mesmo nível, o Claude Opus 5.5 tende a raciocinar mais por turno que o Claude Opus 5, principalmente em xhigh e max. Tenha três pontos em mente:

• Deixe folga em max_tokens. O raciocínio conta em max_tokens mesmo quando você não o vê, então um limite pensado para o Claude Opus 5 sem raciocínio pode cortar as respostas. Para turnos longos de programação agêntica, a Anthropic viu que um max_tokens de 128.000, o máximo do modelo, funcionou bem.
• Baixe o esforço antes de escrever "pense menos". Baixar o esforço reduz o raciocínio, o custo e a latência de forma mais confiável do que instruções no prompt.
• Mantenha o esforço fixo se você depende do cache de prompts. Mudar o valor de esforço de nível superior entre requisições invalida o cache de prompts.

O esforço é definido em 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."}]
}

Dá para desligar o raciocínio no Claude Opus 5.5?

Não. O Claude Opus 5 aceitava "thinking": {"type": "disabled"} com esforço high ou inferior; o Claude Opus 5.5 não aceita, e a requisição retorna um erro 400. O raciocínio é adaptativo e fica sempre ativo. Se a sua integração rodava sem raciocínio, a Anthropic recomenda quatro mudanças:

1. Comece no esforço low e meça. Em low, o modelo raciocina pouco. Se o tempo até o primeiro token ainda importa, uma linha no prompt de sistema como "Answer directly without deliberating." pode reduzir ainda mais o raciocínio, mas confira a qualidade depois de acrescentá-la.
2. Remova as instruções que substituíam o raciocínio. Se o seu prompt pedia que o modelo escrevesse o raciocínio na resposta, tire essa linha e leia o raciocínio no raciocínio resumido. Um prompt que força o modelo a reproduzir o raciocínio na resposta agora pode ser recusado (veja a seção de recusas mais abaixo).
3. Teste de novo as gambiarras antigas. Regras que você criou para evitar falhas de rodar sem raciocínio talvez não sejam mais necessárias. Remova qualquer regra que mande o modelo não raciocinar.
4. Leia a resposta pelo tipo de bloco. Uma resposta pode começar ou não com um bloco thinking, então confira o tipo de cada bloco em vez de supor que o primeiro é texto.

Para ver o raciocínio, peça o raciocínio 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?"}]
}

Como evitar que um agente do Claude Opus 5.5 sem supervisão pare cedo demais?

Em tarefas longas, o Claude Opus 5.5 mantém o usuário informado enquanto trabalha, e algumas dessas atualizações encerram o turno com texto em vez de uma chamada de ferramenta (stop_reason: "end_turn"). Um loop de agente que trata cada um desses turnos como "tarefa concluída" para no meio do caminho. A solução da Anthropic tem uma parte no harness e outra no prompt.

No harness, trate um turno que termina só com texto como um relato, não como prova de que o trabalho acabou. Mantenha as partes da tarefa em uma checklist que o modelo atualiza, como uma ferramenta de tarefas ou um arquivo. Se um turno termina com itens ainda abertos e sem nenhum bloqueio informado, envie uma mensagem curta de usuário listando esses itens:

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.

Pare depois de duas ou três continuações automáticas na mesma tarefa, para que uma execução que travou de verdade termine e possa ser revisada. Se um comando em segundo plano ou um subagente ainda estiver rodando, espere terminar e devolva a saída como a próxima mensagem de usuário.

No prompt de sistema, diga quais tipos de parada antecipada você não quer. O exemplo da Anthropic, escrito para agentes que rodam totalmente sem supervisão, vai no fim do prompt de sistema desde a primeira requisição da sessão. Acrescentá-lo no meio muda o prompt de sistema e invalida os blocos de raciocínio anteriores da conversa.

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.

Não use esse texto em aplicações com uma pessoa no circuito, onde alguém pode responder, e mantenha a sua própria etapa de confirmação para ações arriscadas ou irreversíveis. Espere um pouco mais de chamadas de ferramenta e tokens de saída por tarefa.

Como receber atualizações de progresso de um agente do Claude Opus 5.5 em execuções longas?

Entre uma chamada de ferramenta e outra, o Claude Opus 5.5 escreve notas curtas de progresso: o que acabou de encontrar e o que vai fazer em seguida. Neste modelo, essas notas chegam como blocos thinking, não como blocos text, e o texto delas vem vazio por padrão; por isso um cliente que só mostra blocos text pode parecer parado durante um turno longo. A Anthropic documenta um modo de exibição em beta que devolve um resumo de cada nota; a referência de API do Claude Opus 5.5 lista os valores de thinking.display documentados para o endpoint.

Três alavancas de prompt e de harness funcionam sem nenhuma configuração especial:

• Dê ao modelo uma ferramenta para conteúdo literal. Se ele pode precisar entregar algo exato ao usuário no meio do turno, como um trecho de código, dê a ele uma ferramenta simples de "enviar mensagem ao usuário" e diga para reservá-la para isso. Declare a ferramenta desde a primeira requisição; acrescentá-la depois invalida os blocos de raciocínio anteriores.
• Peça atualizações em pontos fixos. Por exemplo, uma frase de intenção antes da primeira chamada de ferramenta e um resumo curto no fim. O modelo segue esse tipo de instrução de perto, o que ajuda mais quando alguém está acompanhando.
• Cutuque um turno silencioso a partir do harness. Conte os passos seguidos de chamada de ferramenta que não dão ao usuário nada para ler. Depois de vários, cinco por exemplo, acrescente um lembrete depois dos resultados de ferramenta mais recentes, e pare depois de dois ou três lembretes. A redação da Anthropic:

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

Nos testes da Anthropic com tarefas de programação agêntica, esse lembrete reduziu mais ou menos pela metade a parcela de tarefas com um trecho longo em silêncio, sem mudança mensurável no custo.

Como fazer um agente do Claude Opus 5.5 checar o contexto antes de agir?

O Claude Opus 5.5 tende a começar a trabalhar logo. Em automações que envolvem e-mail, documentos, planilhas e registros de CRM, a informação de que uma tarefa depende muitas vezes está onde o pedido não menciona, como uma política em uma conversa de e-mail antiga ou uma regra em outra aba da planilha. Uma frase no prompt de sistema faz o modelo olhar em volta primeiro:

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.

Nos testes da Anthropic com tarefas em vários apps, o modelo concluiu corretamente bem mais delas com essa linha, tanto no esforço medium quanto no max, ao custo de um pouco mais de chamadas de ferramenta. Como a linha manda o modelo agir com base no que encontra, mantenha conteúdo não confiável fora dos registros que ele consulta.

Como fazer uma equipe de agentes do Claude Opus 5.5 terminar mais rápido?

O Claude Opus 5.5 presta muita atenção ao tempo decorrido. Em uma configuração em que um agente principal distribui o trabalho entre subagentes, dê a ele um orçamento de tempo: faça o seu harness acrescentar uma linha curta no fim de cada mensagem devolvida ao modelo, como elapsed 340s / 1200s. O modelo ajusta o ritmo para terminar dentro do orçamento e normalmente termina bem antes, então defina o orçamento um pouco acima do tempo que você realmente quer gastar. Se não der para estimar um orçamento, mostre só o tempo decorrido e acrescente esta frase ao prompt de sistema:

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

O orçamento é só uma referência e nada para o modelo no limite, então mantenha o seu próprio timeout se precisar de uma parada firme. Um orçamento mais apertado não é o mesmo que um esforço menor: baixar o esforço reduz o trabalho em si, enquanto um orçamento faz principalmente mais agentes trabalharem em paralelo. Sob pressão de tempo, o modelo pode pesquisar e verificar um pouco menos, então confira a qualidade das respostas nas suas próprias tarefas.

Um prompt de sistema de chat deve pedir que o Claude Opus 5.5 pense com cuidado?

Não. A Anthropic sugere remover dos prompts de sistema de chat linhas como "think carefully before answering" (pense com cuidado antes de responder): o modelo decide sozinho quanto raciocinar, e o controle para isso é o esforço. Nos testes da Anthropic em um produto de chat, remover uma linha assim fez as respostas começarem mais cedo, sem queda clara de qualidade.

Há outras duas linhas para chat que vale conhecer. Uma faz o modelo tratar as respostas anteriores como resolvidas, para que os turnos seguintes comecem mais rápido. A outra marca o texto que o usuário colou, para que o modelo não siga instruções escondidas em um e-mail ou página web. As duas linhas, palavra por palavra, estão na seção sobre o Claude Opus 5.5 do guia do Fable 5.1. Não use a linha de "respostas resolvidas" em análises longas nem em tarefas agênticas, onde uma etapa posterior pode revelar um erro em uma anterior.

Como conseguir respostas melhores sobre gráficos, diagramas e capturas de tela?

Primeiro, teste de novo. Sem ferramentas extras, o Claude Opus 5.5 lê gráficos densos, fluxogramas e capturas de tela de agenda com muito mais precisão que o Claude Opus 5; nos testes da Anthropic, mesmo no esforço mais baixo ele leu valores de gráficos densos com mais precisão que o Claude Opus 5 no esforço mais alto. As estruturas de apoio que você montou para modelos anteriores talvez não sejam mais necessárias.

Para as entradas mais densas, duas coisas ainda ajudam:

• Imagens em resolução mais alta, principalmente para desenhos técnicos.
• Ferramentas de imagem. Rode o modelo como agente com um contêiner que tenha as imagens originais e o PIL ou o OpenCV instalados, para que ele possa recortar, ampliar e medir. Se isso for demais, só uma ferramenta de recorte já ajuda. O modelo aproveita melhor essas ferramentas em níveis de esforço mais altos.

Sem ferramentas, aumentar o esforço melhora a leitura de desenhos técnicos, mas ajuda pouco com gráficos. As imagens vão em um turno de usuário como blocos image com uma fonte de URL; a referência de API mostra o formato.

Como evitar que o frontend do Claude Opus 5.5 pareça genérico?

Diga quais padrões você não quer. Sem direção de design, o Claude Opus 5.5 volta a alguns estilos padrão, e uma instrução genérica como "evite o visual genérico de IA" na maioria das vezes só troca um padrão por outro. O exemplo da Anthropic lista coisas concretas a 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.

Trabalhe em iterações: veja quais estilos o primeiro resultado usou no lugar e acrescente-os à lista.

Por que o Claude Opus 5.5 retorna stop_reason "refusal"?

Um classificador de segurança recusou a requisição. O Claude Opus 5.5 usa classificadores de biologia, cibersegurança e extração de raciocínio; a recusa chega como uma resposta normal com stop_reason: "refusal" e um objeto stop_details que informa a categoria.

Para recusas de requisições inofensivas em geral, veja por que o Claude recusa uma requisição inofensiva no guia do Fable 5.1.

Perguntas frequentes

Existe um guia oficial de prompts do Claude Opus 5.5?

Sim. A Anthropic publica "Prompting Claude Opus 5.5" na documentação para desenvolvedores, além de uma página geral de boas práticas que vale para todos os modelos Claude atuais. Este artigo resume o guia do Opus 5.5 em 3 de outubro de 2026 e cita os modelos de prompt palavra por palavra.

Qual é o nível de esforço padrão do Claude Opus 5.5?

medium. O Claude Opus 5 usa high por padrão. Os níveis são low, medium, high, xhigh e max, definidos em output_config.effort.

Quantos tokens de saída o Claude Opus 5.5 pode escrever?

Até 128.000 tokens por requisição, incluindo o raciocínio. A janela de contexto é de 1M tokens.

Posso preencher previamente a resposta do Claude Opus 5.5 ou definir a temperatura?

Não. Preencher previamente a resposta do assistente e qualquer temperatura diferente da padrão retornam erro 400, e forçar uma ferramenta específica não é suportado. Descreva no prompt o formato que você quer. O guia de prompts do Claude Fable 5.1 explica o que usar no lugar de cada um.

O Claude Opus 5.5 ou o Claude Fable 5.1 é melhor para agentes?

Depende da tarefa e do orçamento; a comparação de modelos Claude explica qual escolher. As dicas de prompt diferem principalmente nos padrões: o Claude Opus 5.5 começa no esforço medium, e o Claude Fable 5.1 em high.

Teste os prompts

Rode esses modelos de prompt no Claude Opus 5.5 com uma chave da SeedRouter, pelo SDK da Anthropic ou pelos formatos Chat Completions e Responses da OpenAI. A referência de API do Claude Opus 5.5 lista todos os parâmetros, e a página do modelo mostra os preços atuais por token. A SeedRouter é pré-paga por uso: você recarrega uma vez, os créditos nunca expiram e requisições que falham não são cobradas.