Dieser Leitfaden bietet spezifische Prompt-Engineering-Techniken für Claude 4.x Modelle, mit spezifischer Anleitung für Sonnet 4.5 und Haiku 4.5. Diese Modelle wurden für präzisere Befolgung von Anweisungen trainiert als frühere Generationen von Claude Modellen.
Einen Überblick über die neuen Funktionen von Claude 4.5 finden Sie unter Was ist neu in Claude 4.5. Für Migrationsleitfäden von früheren Modellen siehe Migration zu Claude 4.5.

Allgemeine Prinzipien

Seien Sie explizit mit Ihren Anweisungen

Claude 4.x Modelle reagieren gut auf klare, explizite Anweisungen. Spezifische Angaben zu Ihrem gewünschten Output können helfen, die Ergebnisse zu verbessern. Kunden, die das „über die Erwartungen hinausgehende” Verhalten von früheren Claude Modellen wünschen, müssen diese Verhaltensweisen bei neueren Modellen möglicherweise expliziter anfordern.
Weniger effektiv:
Erstelle ein Analytics-Dashboard
Effektiver:
Erstelle ein Analytics-Dashboard. Füge so viele relevante Funktionen und Interaktionen wie möglich ein. Gehe über die Grundlagen hinaus, um eine vollständig ausgestattete Implementierung zu erstellen.

Fügen Sie Kontext hinzu, um die Leistung zu verbessern

Die Bereitstellung von Kontext oder Motivation hinter Ihren Anweisungen, wie z. B. die Erklärung für Claude, warum dieses Verhalten wichtig ist, kann Claude 4.x Modellen helfen, Ihre Ziele besser zu verstehen und gezielter zu reagieren.
Weniger effektiv:
VERWENDE NIEMALS Auslassungspunkte
Effektiver:
Ihre Antwort wird von einer Text-zu-Sprache-Engine vorgelesen, verwenden Sie daher niemals Auslassungspunkte, da die Text-zu-Sprache-Engine nicht weiß, wie sie auszusprechen sind.
Claude ist intelligent genug, um aus der Erklärung zu verallgemeinern.

Seien Sie wachsam mit Beispielen und Details

Claude 4.x Modelle achten genau auf Details und Beispiele als Teil ihrer präzisen Befolgung von Anweisungen. Stellen Sie sicher, dass Ihre Beispiele mit den Verhaltensweisen übereinstimmen, die Sie fördern möchten, und minimieren Sie Verhaltensweisen, die Sie vermeiden möchten.

Langfristiges Denken und Zustandsverfolgung

Claude 4.5 Modelle zeichnen sich durch langfristige Denkaufgaben mit außergewöhnlichen Zustandsverfolgungsfähigkeiten aus. Sie behalten die Orientierung über erweiterte Sitzungen hinweg, indem sie sich auf inkrementelle Fortschritte konzentrieren – stetige Fortschritte bei einigen wenigen Dingen gleichzeitig, anstatt alles auf einmal zu versuchen. Diese Fähigkeit entsteht besonders über mehrere Kontextfenster oder Aufgabeniterationen hinweg, wo Claude an einer komplexen Aufgabe arbeiten, den Zustand speichern und mit einem frischen Kontextfenster fortfahren kann.

Kontextbewusstsein und Multi-Window-Workflows

Claude 4.5 Modelle verfügen über Kontextbewusstsein, das es dem Modell ermöglicht, sein verbleibendes Kontextfenster (d. h. „Token-Budget”) während eines Gesprächs zu verfolgen. Dies ermöglicht Claude, Aufgaben und Kontext effektiver zu verwalten, indem es versteht, wie viel Platz es zum Arbeiten hat. Verwalten von Kontextlimits: Wenn Sie Claude in einem Agent-Harness verwenden, der Kontext komprimiert oder das Speichern von Kontext in externen Dateien ermöglicht (wie in Claude Code), empfehlen wir, diese Informationen zu Ihrem Prompt hinzuzufügen, damit Claude entsprechend handeln kann. Andernfalls versucht Claude möglicherweise manchmal natürlicherweise, die Arbeit zu beenden, wenn es sich dem Kontextlimit nähert. Hier ist ein Beispiel-Prompt:
Beispiel-Prompt
Ihr Kontextfenster wird automatisch komprimiert, wenn es sich seinem Limit nähert, sodass Sie unbegrenzt von dort aus weitermachen können, wo Sie aufgehört haben. Daher sollten Sie Aufgaben nicht vorzeitig aufgrund von Token-Budget-Bedenken beenden. Wenn Sie sich Ihrem Token-Budget-Limit nähern, speichern Sie Ihren aktuellen Fortschritt und Status im Speicher, bevor das Kontextfenster aktualisiert wird. Seien Sie immer so hartnäckig und autonom wie möglich und führen Sie Aufgaben vollständig aus, auch wenn das Ende Ihres Budgets näher rückt. Beenden Sie niemals künstlich eine Aufgabe vorzeitig, unabhängig vom verbleibenden Kontext.
Das Memory-Tool passt natürlich zum Kontextbewusstsein für nahtlose Kontextwechsel.

Multi-Kontextfenster-Workflows

Für Aufgaben, die sich über mehrere Kontextfenster erstrecken:
  1. Verwenden Sie einen anderen Prompt für das allererste Kontextfenster: Verwenden Sie das erste Kontextfenster, um ein Framework einzurichten (Tests schreiben, Setup-Skripte erstellen), und verwenden Sie dann zukünftige Kontextfenster, um eine Todo-Liste zu durchlaufen.
  2. Lassen Sie das Modell Tests in einem strukturierten Format schreiben: Bitten Sie Claude, Tests zu erstellen, bevor Sie mit der Arbeit beginnen, und verfolgen Sie diese in einem strukturierten Format (z. B. tests.json). Dies führt zu besserer langfristiger Fähigkeit zur Iteration. Erinnern Sie Claude an die Wichtigkeit von Tests: „Es ist inakzeptabel, Tests zu entfernen oder zu bearbeiten, da dies zu fehlender oder fehlerhafter Funktionalität führen könnte.”
  3. Richten Sie Quality-of-Life-Tools ein: Ermutigen Sie Claude, Setup-Skripte zu erstellen (z. B. init.sh), um Server elegant zu starten, Test-Suites und Linter auszuführen. Dies verhindert wiederholte Arbeit beim Fortfahren von einem frischen Kontextfenster.
  4. Neu starten vs. Komprimieren: Wenn ein Kontextfenster gelöscht wird, sollten Sie erwägen, mit einem brandneuen Kontextfenster zu beginnen, anstatt Komprimierung zu verwenden. Claude 4.5 Modelle sind äußerst effektiv darin, den Status aus dem lokalen Dateisystem zu entdecken. In einigen Fällen möchten Sie dies möglicherweise der Komprimierung vorziehen. Seien Sie präskriptiv darüber, wie es beginnen sollte:
    • „Rufen Sie pwd auf; Sie können nur Dateien in diesem Verzeichnis lesen und schreiben.”
    • „Überprüfen Sie progress.txt, tests.json und die Git-Logs.”
    • „Führen Sie manuell einen grundlegenden Integrationtest durch, bevor Sie mit der Implementierung neuer Funktionen fortfahren.”
  5. Stellen Sie Verifizierungstools bereit: Mit zunehmender Länge autonomer Aufgaben muss Claude die Korrektheit ohne kontinuierliches menschliches Feedback überprüfen. Tools wie Playwright MCP Server oder Computer-Use-Funktionen zum Testen von UIs sind hilfreich.
  6. Ermutigen Sie die vollständige Nutzung des Kontexts: Fordern Sie Claude auf, Komponenten effizient zu vervollständigen, bevor Sie fortfahren:
Beispiel-Prompt
Dies ist eine sehr lange Aufgabe, daher kann es vorteilhaft sein, Ihre Arbeit klar zu planen. Es wird empfohlen, Ihren gesamten Output-Kontext für die Aufgabe zu verwenden – stellen Sie nur sicher, dass Sie nicht mit erheblicher nicht committeter Arbeit den Kontext erschöpfen. Arbeiten Sie systematisch weiter, bis Sie diese Aufgabe abgeschlossen haben.

Best Practices für Zustandsverwaltung

  • Verwenden Sie strukturierte Formate für Zustandsdaten: Wenn Sie strukturierte Informationen verfolgen (wie Testergebnisse oder Aufgabenstatus), verwenden Sie JSON oder andere strukturierte Formate, um Claude zu helfen, Schemaanforderungen zu verstehen
  • Verwenden Sie unstrukturierten Text für Fortschrittsnotizen: Freiformige Fortschrittsnotizen funktionieren gut zum Verfolgen des allgemeinen Fortschritts und Kontexts
  • Verwenden Sie Git für Zustandsverfolgung: Git bietet ein Protokoll darüber, was getan wurde, und Kontrollpunkte, die wiederhergestellt werden können. Claude 4.5 Modelle funktionieren besonders gut bei der Verwendung von Git zur Zustandsverfolgung über mehrere Sitzungen hinweg.
  • Betonen Sie inkrementelle Fortschritte: Bitten Sie Claude explizit, seinen Fortschritt zu verfolgen und sich auf inkrementelle Arbeit zu konzentrieren
// Strukturierte Zustandsdatei (tests.json)
{
  "tests": [
    {"id": 1, "name": "authentication_flow", "status": "passing"},
    {"id": 2, "name": "user_management", "status": "failing"},
    {"id": 3, "name": "api_endpoints", "status": "not_started"}
  ],
  "total": 200,
  "passing": 150,
  "failing": 25,
  "not_started": 25
}
// Fortschrittsnotizen (progress.txt)
Sitzung 3 Fortschritt:
- Authentifizierungs-Token-Validierung behoben
- Benutzermodell aktualisiert, um Grenzfälle zu behandeln
- Nächstes: Fehler bei user_management-Tests untersuchen (Test #2)
- Hinweis: Tests nicht entfernen, da dies zu fehlender Funktionalität führen könnte

Kommunikationsstil

Claude 4.5 Modelle haben einen prägnanten und natürlicheren Kommunikationsstil im Vergleich zu früheren Modellen:
  • Direkter und fundierter: Bietet faktengestützte Fortschrittsberichte statt selbstbeglückwünschender Updates
  • Konversationaler: Etwas fließender und umgangssprachlicher, weniger maschinenhaft
  • Weniger ausschweifend: Kann detaillierte Zusammenfassungen aus Effizienzgründen überspringen, es sei denn, Sie fordern dies explizit an
Dieser Kommunikationsstil spiegelt genau wider, was erreicht wurde, ohne unnötige Ausführlichkeit.

Anleitung für spezifische Situationen

Ausführlichkeit ausgleichen

Claude 4.5 Modelle neigen zu Effizienz und können verbale Zusammenfassungen nach Tool-Aufrufen überspringen und direkt zur nächsten Aktion springen. Während dies einen optimierten Workflow schafft, möchten Sie möglicherweise mehr Sichtbarkeit in seinen Denkprozess. Wenn Sie möchten, dass Claude Updates während der Arbeit bereitstellt:
Beispiel-Prompt
Geben Sie nach Abschluss einer Aufgabe, die Tool-Nutzung beinhaltet, eine kurze Zusammenfassung der geleisteten Arbeit.

Tool-Nutzungsmuster

Claude 4.5 Modelle sind für präzise Befolgung von Anweisungen trainiert und profitieren von expliziter Anleitung zur Verwendung spezifischer Tools. Wenn Sie sagen „kannst du einige Änderungen vorschlagen”, wird es manchmal nur Vorschläge machen, anstatt sie umzusetzen – selbst wenn Änderungen vornehmen das sein könnte, was Sie beabsichtigt haben. Damit Claude handelt, seien Sie expliziter:
Weniger effektiv (Claude wird nur Vorschläge machen):
Kannst du einige Änderungen vorschlagen, um diese Funktion zu verbessern?
Effektiver (Claude wird die Änderungen vornehmen):
Ändere diese Funktion, um ihre Leistung zu verbessern.
Oder:
Nimm diese Änderungen am Authentifizierungsfluss vor.
Um Claude proaktiver bei der Übernahme von Maßnahmen zu machen, können Sie dies zu Ihrem System-Prompt hinzufügen:
Beispiel-Prompt für proaktive Maßnahmen
<default_to_action>
Implementieren Sie standardmäßig Änderungen, anstatt sie nur vorzuschlagen. Wenn die Absicht des Benutzers unklar ist, leiten Sie die wahrscheinlich nützlichste Aktion ab und fahren Sie fort, indem Sie Tools verwenden, um fehlende Details zu entdecken, anstatt zu raten. Versuchen Sie, die Absicht des Benutzers darüber abzuleiten, ob ein Tool-Aufruf (z. B. Dateibearbeitung oder Lesezugriff) beabsichtigt ist oder nicht, und handeln Sie entsprechend.
</default_to_action>
Andererseits, wenn Sie möchten, dass das Modell standardmäßig zögerlicher ist, weniger geneigt, direkt in Implementierungen zu springen, und nur handelt, wenn es angefordert wird, können Sie dieses Verhalten mit einem Prompt wie dem folgenden steuern:
Beispiel-Prompt für konservative Maßnahmen
<do_not_act_before_instructions>
Springen Sie nicht in die Implementierung oder Änderung von Dateien, es sei denn, Sie werden klar angewiesen, Änderungen vorzunehmen. Wenn die Absicht des Benutzers mehrdeutig ist, geben Sie standardmäßig Informationen, führen Sie Recherchen durch und geben Sie Empfehlungen, anstatt Maßnahmen zu ergreifen. Fahren Sie nur mit Bearbeitungen, Änderungen oder Implementierungen fort, wenn der Benutzer dies explizit anfordert.
</do_not_act_before_instructions>

Steuern Sie das Format von Antworten

Es gibt einige Wege, die wir besonders effektiv gefunden haben, um die Output-Formatierung in Claude 4.x Modellen zu steuern:
  1. Sagen Sie Claude, was zu tun ist, anstatt was nicht zu tun
    • Statt: „Verwenden Sie kein Markdown in Ihrer Antwort”
    • Versuchen Sie: „Ihre Antwort sollte aus fließend fließenden Prosa-Absätzen bestehen.”
  2. Verwenden Sie XML-Format-Indikatoren
    • Versuchen Sie: „Schreiben Sie die Prosa-Abschnitte Ihrer Antwort in <smoothly_flowing_prose_paragraphs> Tags.”
  3. Passen Sie Ihren Prompt-Stil an den gewünschten Output an Der Formatierungsstil, der in Ihrem Prompt verwendet wird, kann Claudes Antwort-Stil beeinflussen. Wenn Sie weiterhin Probleme mit der Steuerbarkeit der Output-Formatierung haben, empfehlen wir, Ihren Prompt-Stil so gut wie möglich an Ihren gewünschten Output-Stil anzupassen. Zum Beispiel kann das Entfernen von Markdown aus Ihrem Prompt die Menge an Markdown in der Ausgabe reduzieren.
  4. Verwenden Sie detaillierte Prompts für spezifische Formatierungspräferenzen Für mehr Kontrolle über die Markdown- und Formatierungsnutzung geben Sie explizite Anleitung:
Beispiel-Prompt zur Minimierung von Markdown
<avoid_excessive_markdown_and_bullet_points>
Schreiben Sie beim Verfassen von Berichten, Dokumenten, technischen Erklärungen, Analysen oder anderen längeren Inhalten in klarer, fließender Prosa mit vollständigen Absätzen und Sätzen. Verwenden Sie Standard-Absatzumbrüche zur Organisation und reservieren Sie Markdown hauptsächlich für `Inline-Code`, Code-Blöcke (```...```) und einfache Überschriften (###, und ###). Vermeiden Sie die Verwendung von **Fett** und *Kursiv*.

VERWENDEN Sie KEINE nummerierten Listen (1. ...) oder ungeordneten Listen (*), es sei denn: a) Sie präsentieren wirklich diskrete Elemente, bei denen ein Listenformat die beste Option ist, oder b) der Benutzer fordert explizit eine Liste oder Rangfolge an

Anstatt Elemente mit Aufzählungszeichen oder Nummern aufzulisten, integrieren Sie sie natürlich in Sätze. Diese Anleitung gilt besonders für technisches Schreiben. Die Verwendung von Prosa statt übermäßiger Formatierung verbessert die Benutzerzufriedenheit. GEBEN Sie NIEMALS eine Serie von übermäßig kurzen Aufzählungspunkten aus.

Ihr Ziel ist lesbarer, fließender Text, der den Leser natürlich durch Ideen führt, anstatt Informationen in isolierte Punkte zu fragmentieren.
</avoid_excessive_markdown_and_bullet_points>

Recherche und Informationsbeschaffung

Claude 4.5 Modelle zeigen außergewöhnliche agentengestützte Suchfähigkeiten und können Informationen aus mehreren Quellen effektiv finden und synthetisieren. Für optimale Rechercheergebnisse:
  1. Geben Sie klare Erfolgskriterien an: Definieren Sie, was eine erfolgreiche Antwort auf Ihre Forschungsfrage ausmacht
  2. Ermutigen Sie zur Quellenverifizierung: Bitten Sie Claude, Informationen über mehrere Quellen hinweg zu überprüfen
  3. Verwenden Sie für komplexe Forschungsaufgaben einen strukturierten Ansatz:
Beispiel-Prompt für komplexe Recherche
Suchen Sie nach diesen Informationen auf strukturierte Weise. Während Sie Daten sammeln, entwickeln Sie mehrere konkurrierende Hypothesen. Verfolgen Sie Ihre Vertrauensstufen in Ihren Fortschrittsnotizen, um die Kalibrierung zu verbessern. Kritisieren Sie regelmäßig Ihren Ansatz und planen Sie. Aktualisieren Sie eine Hypothesen-Baum- oder Forschungsnotizen-Datei, um Informationen zu speichern und Transparenz zu bieten. Unterteilen Sie diese komplexe Forschungsaufgabe systematisch.
Dieser strukturierte Ansatz ermöglicht es Claude, praktisch jede Information zu finden und zu synthetisieren und seine Ergebnisse iterativ zu kritisieren, unabhängig von der Größe des Corpus.

Subagent-Orchestrierung

Claude 4.5 Modelle zeigen erheblich verbesserte native Subagent-Orchestrierungsfähigkeiten. Diese Modelle können erkennen, wenn Aufgaben von der Delegierung von Arbeit an spezialisierte Subagenten profitieren würden, und tun dies proaktiv ohne explizite Anweisung. Um dieses Verhalten zu nutzen:
  1. Stellen Sie gut definierte Subagent-Tools sicher: Haben Sie Subagent-Tools verfügbar und in Tool-Definitionen beschrieben
  2. Lassen Sie Claude natürlich orchestrieren: Claude wird ohne explizite Anweisung angemessen delegieren
  3. Passen Sie die Konservativität an, falls erforderlich:
Beispiel-Prompt für konservative Subagent-Nutzung
Delegieren Sie nur an Subagenten, wenn die Aufgabe klar von einem separaten Agent mit einem neuen Kontextfenster profitiert.

Modell-Selbstwissen

Wenn Sie möchte, dass Claude sich in Ihrer Anwendung korrekt identifiziert oder spezifische API-Strings verwendet:
Beispiel-Prompt für Modellidentität
Der Assistent ist Claude, erstellt von Anthropic. Das aktuelle Modell ist Claude Sonnet 4.5.
Für LLM-gestützte Apps, die Modell-Strings angeben müssen:
Beispiel-Prompt für Modell-String
Wenn ein LLM benötigt wird, verwenden Sie standardmäßig Claude Sonnet 4.5, es sei denn, der Benutzer fordert etwas anderes an. Der genaue Modell-String für Claude Sonnet 4.5 ist claude-sonnet-4-5-20250929.

Nutzen Sie Thinking & Interleaved Thinking Fähigkeiten

Claude 4.x Modelle bieten Thinking-Fähigkeiten, die besonders hilfreich für Aufgaben sein können, die Reflexion nach Tool-Nutzung oder komplexes mehrstufiges Denken beinhalten. Sie können sein anfängliches oder verschachteltes Denken für bessere Ergebnisse lenken.
Beispiel-Prompt
Nachdem Sie Tool-Ergebnisse erhalten haben, reflektieren Sie sorgfältig über deren Qualität und bestimmen Sie optimale nächste Schritte, bevor Sie fortfahren. Verwenden Sie Ihr Denken, um basierend auf diesen neuen Informationen zu planen und zu iterieren, und ergreifen Sie dann die beste nächste Maßnahme.
Weitere Informationen zu Thinking-Fähigkeiten finden Sie unter Extended Thinking.

Dokumentenerstellung

Claude 4.5 Modelle zeichnen sich durch die Erstellung von Präsentationen, Animationen und visuellen Dokumenten aus. Diese Modelle entsprechen oder übertreffen Claude Opus 4.1 in diesem Bereich, mit beeindruckender kreativer Flair und stärkerer Befolgung von Anweisungen. Die Modelle produzieren in den meisten Fällen beim ersten Versuch polierte, nutzbare Ausgaben. Für beste Ergebnisse bei der Dokumentenerstellung:
Beispiel-Prompt
Erstelle eine professionelle Präsentation zu [Thema]. Füge durchdachte Designelemente, visuelle Hierarchie und ansprechende Animationen ein, wo angemessen.

Optimieren Sie parallele Tool-Aufrufe

Claude 4.x Modelle zeichnen sich durch parallele Tool-Ausführung aus, wobei Sonnet 4.5 besonders aggressiv bei der Auslösung mehrerer Operationen gleichzeitig ist. Claude 4.x Modelle werden:
  • Mehrere spekulative Suchen während der Recherche durchführen
  • Mehrere Dateien gleichzeitig lesen, um schneller Kontext aufzubauen
  • Bash-Befehle parallel ausführen (was sogar die Systemleistung bremsen kann)
Dieses Verhalten ist leicht steuerbar. Während das Modell ohne Prompting eine hohe Erfolgsquote bei parallelen Tool-Aufrufen hat, können Sie dies auf ~100% erhöhen oder die Aggressionsstufe anpassen:
Beispiel-Prompt für maximale parallele Effizienz
<use_parallel_tool_calls>
Wenn Sie mehrere Tools aufrufen möchten und es keine Abhängigkeiten zwischen den Tool-Aufrufen gibt, führen Sie alle unabhängigen Tool-Aufrufe parallel aus. Priorisieren Sie das gleichzeitige Aufrufen von Tools, wann immer die Aktionen parallel ausgeführt werden können, anstatt sequenziell. Wenn Sie beispielsweise 3 Dateien lesen, führen Sie 3 Tool-Aufrufe parallel aus, um alle 3 Dateien gleichzeitig in den Kontext zu lesen. Maximieren Sie die Nutzung paralleler Tool-Aufrufe, wo möglich, um Geschwindigkeit und Effizienz zu erhöhen. Wenn jedoch einige Tool-Aufrufe von vorherigen Aufrufen abhängen, um abhängige Werte wie die Parameter zu informieren, RUFEN Sie diese Tools NICHT parallel auf und rufen Sie sie stattdessen sequenziell auf. Verwenden Sie niemals Platzhalter oder raten Sie fehlende Parameter in Tool-Aufrufen.
</use_parallel_tool_calls>
Beispiel-Prompt zur Reduzierung der parallelen Ausführung
Führen Sie Operationen sequenziell mit kurzen Pausen zwischen jedem Schritt aus, um Stabilität zu gewährleisten.

Reduzieren Sie die Dateierstellung in agentengestütztem Coding

Claude 4.x Modelle können manchmal neue Dateien für Test- und Iterationszwecke erstellen, besonders wenn sie mit Code arbeiten. Dieser Ansatz ermöglicht es Claude, Dateien, besonders Python-Skripte, als „temporären Notizblock” zu verwenden, bevor die endgültige Ausgabe gespeichert wird. Die Verwendung temporärer Dateien kann die Ergebnisse besonders für agentengestützte Coding-Anwendungsfälle verbessern. Wenn Sie die Erstellung neuer Nettodateien minimieren möchten, können Sie Claude anweisen, nach sich selbst aufzuräumen:
Beispiel-Prompt
Wenn Sie temporäre neue Dateien, Skripte oder Hilfsdateien zur Iteration erstellen, räumen Sie diese Dateien am Ende der Aufgabe auf, indem Sie sie entfernen.

Verbessern Sie die Generierung von visuellem und Frontend-Code

Claude 4.x Modelle können hochwertige, visuell unterschiedliche, funktionale Benutzeroberflächen generieren. Ohne Anleitung kann Frontend-Code jedoch zu generischen Mustern führen, denen es an visuellem Interesse mangelt. Um außergewöhnliche UI-Ergebnisse zu erzielen:
  1. Geben Sie explizite Ermutigung zur Kreativität:
Beispiel-Prompt
Halten Sie nicht zurück. Geben Sie Ihr Bestes. Erstelle eine beeindruckende Demonstration, die Web-Entwicklungsfähigkeiten zeigt.
  1. Geben Sie ästhetische Richtung und Designbeschränkungen an:
Beispiel-Prompt
Erstelle ein professionelles Dashboard mit einer dunkelblau und cyan Farbpalette, moderner serifenloser Typografie (z. B. Inter für Überschriften, System-Schriftarten für Text) und kartengestützten Layouts mit subtilen Schatten. Füge durchdachte Details wie Hover-Zustände, Übergänge und Mikro-Interaktionen ein. Wende Designprinzipien an: Hierarchie, Kontrast, Balance und Bewegung.
  1. Ermutigen Sie Design-Vielfalt und Fusions-Ästhetik:
Beispiel-Prompt
Geben Sie mehrere Designoptionen. Erstelle Fusions-Ästhetik durch Kombination von Elementen aus verschiedenen Quellen – eine Farbpalette, unterschiedliche Typografie, ein anderes Layout-Prinzip. Vermeiden Sie generische zentrierte Layouts, vereinfachte Farbverläufe und einheitliche Gestaltung.
  1. Fordern Sie spezifische Funktionen explizit an:
  • „Füge so viele relevante Funktionen und Interaktionen wie möglich ein”
  • „Füge Animationen und interaktive Elemente hinzu”
  • „Erstelle eine vollständig ausgestattete Implementierung über die Grundlagen hinaus”

Vermeiden Sie die Konzentration auf das Bestehen von Tests und Hard-Coding

Claude 4.x Modelle können sich manchmal zu sehr auf das Bestehen von Tests konzentrieren, auf Kosten von allgemeineren Lösungen, oder können Workarounds wie Hilfsskripte für komplexe Refaktorierung verwenden, anstatt Standard-Tools direkt zu verwenden. Um dieses Verhalten zu verhindern und robuste, verallgemeinerbare Lösungen zu gewährleisten:
Beispiel-Prompt
Bitte schreiben Sie eine hochwertige, allgemeine Lösung mit den verfügbaren Standard-Tools. Erstellen Sie keine Hilfsskripte oder Workarounds, um die Aufgabe effizienter zu erfüllen. Implementieren Sie eine Lösung, die für alle gültigen Eingaben korrekt funktioniert, nicht nur für die Testfälle. Verwenden Sie keine hartcodierten Werte und erstellen Sie keine Lösungen, die nur für spezifische Test-Eingaben funktionieren. Implementieren Sie stattdessen die tatsächliche Logik, die das Problem allgemein löst.

Konzentrieren Sie sich darauf, die Problemanforderungen zu verstehen und den korrekten Algorithmus zu implementieren. Tests sind da, um Korrektheit zu überprüfen, nicht um die Lösung zu definieren. Geben Sie eine prinzipiengestützte Implementierung, die Best Practices und Software-Designprinzipien befolgt.

Wenn die Aufgabe unvernünftig oder nicht machbar ist, oder wenn einer der Tests fehlerhaft ist, informieren Sie mich bitte, anstatt sie zu umgehen. Die Lösung sollte robust, wartbar und erweiterbar sein.

Minimieren Sie Halluzinationen in agentengestütztem Coding

Claude 4.x Modelle sind weniger anfällig für Halluzinationen und geben genauere, fundierte, intelligente Antworten basierend auf dem Code. Um dieses Verhalten noch mehr zu fördern und Halluzinationen zu minimieren:
Beispiel-Prompt
<investigate_before_answering>
Spekulieren Sie niemals über Code, den Sie nicht geöffnet haben. Wenn der Benutzer auf eine bestimmte Datei verweist, MÜSSEN Sie die Datei lesen, bevor Sie antworten. Stellen Sie sicher, dass Sie relevante Dateien UNTERSUCHEN und LESEN, bevor Sie Fragen zur Codebasis beantworten. Machen Sie niemals Aussagen über Code, bevor Sie untersuchen, es sei denn, Sie sind sich der korrekten Antwort sicher – geben Sie fundierte und halluzinationsfreie Antworten.
</investigate_before_answering>

Migrationsbedingungen

Bei der Migration zu Claude 4.5 Modellen:
  1. Seien Sie spezifisch über das gewünschte Verhalten: Erwägen Sie, genau zu beschreiben, was Sie in der Ausgabe sehen möchten.
  2. Rahmen Sie Ihre Anweisungen mit Modifikatoren: Das Hinzufügen von Modifikatoren, die Claude ermutigen, die Qualität und Detail seiner Ausgabe zu erhöhen, kann helfen, Claudes Leistung besser zu gestalten. Zum Beispiel, anstatt „Erstelle ein Analytics-Dashboard”, verwenden Sie „Erstelle ein Analytics-Dashboard. Füge so viele relevante Funktionen und Interaktionen wie möglich ein. Gehe über die Grundlagen hinaus, um eine vollständig ausgestattete Implementierung zu erstellen.”
  3. Fordern Sie spezifische Funktionen explizit an: Animationen und interaktive Elemente sollten explizit angefordert werden, wenn sie gewünscht sind.