Почему Opus 5.5 заставляет пересмотреть промптинг
Anthropic представила Claude Opus 5.5 как модель для длинных агентных задач: генерация кода, research, визуальный анализ, многошаговые воркфлоу. По данным компании, Opus 5.5 выдаёт результат более чем на 30% быстрее Opus 5 и тратит меньше токенов на ту же работу. При этом effort по умолчанию — medium, а режим thinking всегда включён.
Для разработчиков и команд автоматизации это означает одно: старые промпты, написанные под предыдущие версии Claude, теперь могут не просто не помогать, а мешать. Модель перегружается лишними инструкциями, медленнее работает, а в некоторых случаях останавливается до достижения результата.
Главный сдвиг: перестаньте микроменеджить мышление модели. Начните задавать результат, границы, доказательства и критерий завершения.
На практике маркетинговое агентство Dragon Farm видит, что выигрывают сценарии, где модель получает чёткие критерии завершения, а не длинную простыню ограничений.
Что изменилось в поведении Claude Opus 5.5
- Скорость: вывод быстрее на 30%+ по сравнению с Opus 5.
- Токены: на ту же задачу тратится меньше токенов.
- Effort по умолчанию: medium, поэтому модель не всегда использует максимум вычислений без необходимости.
- Thinking всегда включён: модель сама решает, сколько рассуждать, и не требует внешней команды «think».
12 правил промптинга Claude Opus 5.5
1. Определяйте, что значит «готово»
Недостаточно написать «сделай анализ» или «обработай лиды». Нужен явный критерий завершения: сколько записей обработано, какой формат результата, какие поля заполнены, что считается ошибкой. Это правило напрямую влияет на агентные цепочки: если модель не понимает финишную черту, она либо остановится слишком рано, либо будет продолжать бесконечно.
2. Не просите модель «думать шаг за шагом»
В Opus 5.5 мышление уже включено по умолчанию. Явная просьба рассуждать step-by-step часто не улучшает качество, а лишь увеличивает расход токенов. Вместо этого задавайте структуру результата: этапы, поля, формат вывода.
3. Убирайте внешние инструкции для chain-of-thought
Промпты вида «размышляй вслух», «объясни каждый шаг перед ответом» стали лишними. Модель сама выбирает нужную глубину reasoning. Оставляйте thinking-инструкции только там, где нужен аудит хода решения, а не сам результат.
4. Разрешайте модели остановиться раньше
В агентных сценариях Claude Opus 5.5 может досрочно завершить задачу, если критерий достигнут. Не наказывайте за короткий путь. Наоборот, поощряйте экономию шагов: это дешевле и быстрее.
5. Используйте шаблоны вывода вместо длинных ограничений
Вместо десятка «не делай так» дайте модели образец финального JSON, таблицы или текста. Шаблон работает как контракт: модель подстраивается под структуру, а не угадывает ваши предпочтения.
6. Отделяйте reasoning от финального ответа
Если вам нужны и рассуждение, и результат, запрашивайте их в разных секциях. Например, сначала analysis, затем final_answer. Так проще парсить вывод и контролировать качество.
7. Передавайте доказательства, а не процесс
Вместо инструкции «проверь все источники» дайте конкретные данные: URL, документы, фрагменты CRM. Opus 5.5 лучше работает с фактурой, чем с абстрактными указаниями. Это особенно важно при обработке лидов и аналитике: настройка сквозной аналитики и лидгена даёт модели чистые данные, с которыми она действительно может работать.
8. Меньше few-shot примеров, но точнее
Не нужно загружать 10 похожих примеров. Opus 5.5 быстрее улавливает паттерн из 2–3 релевантных образцов. Качество примеров важнее их количества.
9. Не контролируйте токен-бюджет вручную
Модель сама управляет расходом токенов. Жёсткие лимиты на ответ часто обрезают результат на середине. Вместо этого задавайте ожидаемый объём через формат: «не более 5 пунктов», «таблица из 3 колонок», «абзац до 100 слов».
10. Не повторяйте контекст в каждом сообщении
Если в multi-turn диалоге вы копируете одну и ту же вводную, это раздувает контекст. Храните базовые инструкции в системном промпте или внешней памяти агента, а в сообщениях передавайте только изменения.
11. Используйте structured output и схемы инструментов
Для продакшн-воркфлоу лучше явно задавать JSON Schema или Pydantic-модель. Это снижает вероятность галлюцинаций и упрощает интеграцию с CRM, таблицами и n8n. Команды, которые строят связки Claude с процессами, выбирают внедрение ИИ-агентов и n8n воркфлоу, чтобы не терять данные на стыке систем.
12. Описывайте failure states и rollback-условия
Агент должен знать не только, как выглядит успех, но и что делать при ошибке. Например: «если email не найден — оставить поле пустым», «если API вернул 429 — подожди 10 секунд и повтори один раз». Это уменьшает хрупкость цепочек и делает результат предсказуемым.
Как внедрить это в маркетинговые воркфлоу
Правила Opus 5.5 — это не только про код. Они прямо применимы к автоматизации заявок, квалификации лидов, генерации контента и подготовке отчётов. Мы рекомендуем начинать не с переписывания всех промптов, а с аудита трёх точек: критерии завершения, формат результата и источники доказательств.
Если вы уже строите agentic-цепочки на Claude или только планируете перенести ручные процессы в ИИ, важно синхронизировать промптинг с аналитикой. Сначала — сквозная аналитика и лидген, затем — сценарии автоматизации. Так вы получите не просто «быстрые ответы», а управляемую систему, где видно стоимость, качество и результат каждого агента.
В Opus 5.5 меньше инструкций часто означает больше качества. Чем точнее вы опишете желаемый результат, тем меньше модели нужно «думать» о том, что вы имели в виду.
Вывод простой: новый Claude наказывает перегруженные промпты и вознаграждает ясные контракты. Пересмотрите свои шаблоны, уберите лишние thinking-команды, добавьте критерии завершения и структурированный вывод. Это быстрый способ снизить стоимость агентов и повысить стабильность воркфлоу.
