Esta guía proporciona técnicas específicas de ingeniería de prompts para modelos Claude 4.x, con orientación específica para Sonnet 4.5 y Haiku 4.5. Estos modelos han sido entrenados para seguir instrucciones de manera más precisa que generaciones anteriores de modelos Claude.
Para una descripción general de las nuevas capacidades de Claude 4.5, consulta Novedades en Claude 4.5. Para orientación sobre migración desde modelos anteriores, consulta Migración a Claude 4.5.

Principios generales

Sé explícito con tus instrucciones

Los modelos Claude 4.x responden bien a instrucciones claras y explícitas. Ser específico sobre tu salida deseada puede ayudar a mejorar los resultados. Los clientes que desean el comportamiento “más allá de lo esperado” de modelos Claude anteriores podrían necesitar solicitar estos comportamientos de manera más explícita con modelos más nuevos.
Menos efectivo:
Crear un panel de análisis
Más efectivo:
Crear un panel de análisis. Incluye tantas características e interacciones relevantes como sea posible. Ve más allá de lo básico para crear una implementación completamente funcional.

Agrega contexto para mejorar el rendimiento

Proporcionar contexto o motivación detrás de tus instrucciones, como explicarle a Claude por qué tal comportamiento es importante, puede ayudar a los modelos Claude 4.x a entender mejor tus objetivos y entregar respuestas más dirigidas.
Menos efectivo:
NUNCA uses puntos suspensivos
Más efectivo:
Tu respuesta será leída en voz alta por un motor de síntesis de voz, así que nunca uses puntos suspensivos ya que el motor de síntesis de voz no sabrá cómo pronunciarlos.
Claude es lo suficientemente inteligente para generalizar a partir de la explicación.

Sé vigilante con ejemplos y detalles

Los modelos Claude 4.x prestan mucha atención a los detalles y ejemplos como parte de sus capacidades precisas de seguimiento de instrucciones. Asegúrate de que tus ejemplos se alineen con los comportamientos que deseas fomentar y minimiza los comportamientos que deseas evitar.

Razonamiento de largo horizonte y seguimiento de estado

Los modelos Claude 4.5 sobresalen en tareas de razonamiento de largo horizonte con capacidades excepcionales de seguimiento de estado. Mantiene la orientación a través de sesiones extendidas enfocándose en el progreso incremental, haciendo avances constantes en pocas cosas a la vez en lugar de intentar hacerlo todo de una vez. Esta capacidad emerge especialmente en múltiples ventanas de contexto o iteraciones de tareas, donde Claude puede trabajar en una tarea compleja, guardar el estado y continuar con una ventana de contexto nueva.

Conciencia de contexto y flujos de trabajo de múltiples ventanas

Los modelos Claude 4.5 cuentan con conciencia de contexto, permitiendo que el modelo rastree su ventana de contexto restante (es decir, “presupuesto de tokens”) a lo largo de una conversación. Esto permite que Claude ejecute tareas y gestione el contexto de manera más efectiva al entender cuánto espacio tiene para trabajar. Gestión de límites de contexto: Si estás usando Claude en un arnés de agente que compacta el contexto o permite guardar el contexto en archivos externos (como en Claude Code), sugerimos agregar esta información a tu prompt para que Claude pueda comportarse en consecuencia. De lo contrario, Claude podría intentar naturalmente terminar el trabajo a medida que se acerca al límite de contexto. A continuación se muestra un ejemplo de prompt:
Prompt de ejemplo
Tu ventana de contexto será compactada automáticamente a medida que se acerca a su límite, permitiéndote continuar trabajando indefinidamente desde donde lo dejaste. Por lo tanto, no detengas tareas temprano debido a preocupaciones sobre el presupuesto de tokens. A medida que te acercas a tu límite de presupuesto de tokens, guarda tu progreso actual y estado en la memoria antes de que la ventana de contexto se actualice. Siempre sé lo más persistente y autónomo posible y completa las tareas completamente, incluso si el final de tu presupuesto se está acercando. Nunca detengas artificialmente ninguna tarea temprano independientemente del contexto restante.
La herramienta de memoria se empareja naturalmente con la conciencia de contexto para transiciones de contexto sin problemas.

Flujos de trabajo de múltiples ventanas de contexto

Para tareas que abarcan múltiples ventanas de contexto:
  1. Usa un prompt diferente para la primera ventana de contexto: Usa la primera ventana de contexto para configurar un marco (escribir pruebas, crear scripts de configuración), luego usa futuras ventanas de contexto para iterar en una lista de tareas.
  2. Haz que el modelo escriba pruebas en un formato estructurado: Pídele a Claude que cree pruebas antes de comenzar el trabajo y mantenga un registro de ellas en un formato estructurado (por ejemplo, tests.json). Esto conduce a una mejor capacidad a largo plazo para iterar. Recuérdale a Claude la importancia de las pruebas: “Es inaceptable eliminar o editar pruebas porque esto podría llevar a funcionalidad faltante o defectuosa.”
  3. Configura herramientas de calidad de vida: Anima a Claude a crear scripts de configuración (por ejemplo, init.sh) para iniciar servidores correctamente, ejecutar suites de pruebas y linters. Esto previene trabajo repetido cuando se continúa desde una ventana de contexto nueva.
  4. Comenzar de nuevo vs compactar: Cuando se borra una ventana de contexto, considera comenzar con una ventana de contexto completamente nueva en lugar de usar compactación. Los modelos Claude 4.5 son extremadamente efectivos en descubrir estado desde el sistema de archivos local. En algunos casos, podrías querer aprovechar esto sobre la compactación. Sé prescriptivo sobre cómo debería comenzar:
    • “Llama pwd; solo puedes leer y escribir archivos en este directorio.”
    • “Revisa progress.txt, tests.json y los registros de git.”
    • “Ejecuta manualmente una prueba de integración fundamental antes de pasar a implementar nuevas características.”
  5. Proporciona herramientas de verificación: A medida que crece la duración de las tareas autónomas, Claude necesita verificar la corrección sin retroalimentación humana continua. Herramientas como el servidor Playwright MCP o capacidades de uso de computadora para pruebas de interfaces de usuario son útiles.
  6. Anima el uso completo del contexto: Solicita a Claude que complete componentes de manera eficiente antes de pasar al siguiente:
Prompt de ejemplo
Esta es una tarea muy larga, así que podría ser beneficioso planificar tu trabajo claramente. Se recomienda pasar todo tu contexto de salida trabajando en la tarea, solo asegúrate de no quedarte sin contexto con trabajo significativo sin confirmar. Continúa trabajando sistemáticamente hasta que hayas completado esta tarea.

Mejores prácticas de gestión de estado

  • Usa formatos estructurados para datos de estado: Cuando rastrees información estructurada (como resultados de pruebas o estado de tareas), usa JSON u otros formatos estructurados para ayudar a Claude a entender requisitos de esquema
  • Usa texto no estructurado para notas de progreso: Las notas de progreso de forma libre funcionan bien para rastrear el progreso general y el contexto
  • Usa git para rastreo de estado: Git proporciona un registro de lo que se ha hecho y puntos de control que pueden ser restaurados. Los modelos Claude 4.5 funcionan especialmente bien usando git para rastrear estado a través de múltiples sesiones.
  • Enfatiza el progreso incremental: Pídele explícitamente a Claude que mantenga un registro de su progreso y se enfoque en el trabajo incremental
// Archivo de estado estructurado (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
}
// Notas de progreso (progress.txt)
Progreso de la sesión 3:
- Se corrigió la validación del token de autenticación
- Se actualizó el modelo de usuario para manejar casos extremos
- Siguiente: investigar fallos de prueba de user_management (prueba #2)
- Nota: No elimines pruebas ya que esto podría llevar a funcionalidad faltante

Estilo de comunicación

Los modelos Claude 4.5 tienen un estilo de comunicación más conciso y natural en comparación con modelos anteriores:
  • Más directo y fundamentado: Proporciona reportes de progreso basados en hechos en lugar de actualizaciones auto-celebratorias
  • Más conversacional: Ligeramente más fluido y coloquial, menos parecido a una máquina
  • Menos verboso: Podría omitir resúmenes detallados por eficiencia a menos que se solicite lo contrario
Este estilo de comunicación refleja con precisión lo que se ha logrado sin elaboración innecesaria.

Orientación para situaciones específicas

Equilibra la verbosidad

Los modelos Claude 4.5 tienden hacia la eficiencia y podrían omitir resúmenes verbales después de llamadas de herramientas, saltando directamente a la siguiente acción. Aunque esto crea un flujo de trabajo simplificado, podrías preferir más visibilidad en su proceso de razonamiento. Si deseas que Claude proporcione actualizaciones mientras trabaja:
Prompt de ejemplo
Después de completar una tarea que implique el uso de herramientas, proporciona un resumen rápido del trabajo que has realizado.

Patrones de uso de herramientas

Los modelos Claude 4.5 están entrenados para seguimiento preciso de instrucciones y se benefician de dirección explícita para usar herramientas específicas. Si dices “¿puedes sugerir algunos cambios?”, a veces proporcionará sugerencias en lugar de implementarlas, incluso si hacer cambios podría ser lo que pretendías. Para que Claude tome acción, sé más explícito:
Menos efectivo (Claude solo sugerirá):
¿Puedes sugerir algunos cambios para mejorar esta función?
Más efectivo (Claude hará los cambios):
Cambia esta función para mejorar su rendimiento.
O:
Realiza estas ediciones en el flujo de autenticación.
Para hacer que Claude sea más proactivo en tomar acción por defecto, puedes agregar esto a tu prompt del sistema:
Prompt de ejemplo para acción proactiva
<default_to_action>
Por defecto, implementa cambios en lugar de solo sugerirlos. Si la intención del usuario es poco clara, infiere la acción más útil probable y procede, usando herramientas para descubrir cualquier detalle faltante en lugar de adivinar. Intenta inferir la intención del usuario sobre si una llamada de herramienta (por ejemplo, edición o lectura de archivo) es intencional o no, y actúa en consecuencia.
</default_to_action>
Por otro lado, si deseas que el modelo sea más vacilante por defecto, menos propenso a saltar directamente a implementaciones, y solo tome acción si se solicita, puedes dirigir este comportamiento con un prompt como el siguiente:
Prompt de ejemplo para acción conservadora
<do_not_act_before_instructions>
No saltes a la implementación o cambios de archivos a menos que se te instruya claramente para hacer cambios. Cuando la intención del usuario es ambigua, por defecto proporciona información, realiza investigación y proporciona recomendaciones en lugar de tomar acción. Solo procede con ediciones, modificaciones o implementaciones cuando el usuario las solicita explícitamente.
</do_not_act_before_instructions>

Controla el formato de respuestas

Hemos encontrado que hay algunas formas que son particularmente efectivas para dirigir el formato de salida en modelos Claude 4.x:
  1. Dile a Claude qué hacer en lugar de qué no hacer
    • En lugar de: “No uses markdown en tu respuesta”
    • Intenta: “Tu respuesta debe estar compuesta de párrafos de prosa que fluyan suavemente.”
  2. Usa indicadores de formato XML
    • Intenta: “Escribe las secciones de prosa de tu respuesta en etiquetas <smoothly_flowing_prose_paragraphs>.”
  3. Haz coincidir el estilo de tu prompt con la salida deseada El estilo de formato usado en tu prompt podría influir en el estilo de respuesta de Claude. Si aún experimentas problemas de dirigibilidad con el formato de salida, recomendamos que hagas coincidir tu estilo de prompt con tu estilo de salida deseado tanto como sea posible. Por ejemplo, eliminar markdown de tu prompt puede reducir el volumen de markdown en la salida.
  4. Usa prompts detallados para preferencias de formato específicas Para más control sobre el uso de markdown y formato, proporciona orientación explícita:
Prompt de ejemplo para minimizar markdown
<avoid_excessive_markdown_and_bullet_points>
Al escribir reportes, documentos, explicaciones técnicas, análisis o cualquier contenido de forma larga, escribe en prosa clara y fluida usando párrafos y oraciones completas. Usa saltos de párrafo estándar para organización y reserva markdown principalmente para `código en línea`, bloques de código (```...```), y encabezados simples (###, y ###). Evita usar **negrita** e *itálicas*.

NO uses listas ordenadas (1. ...) o listas desordenadas (*) a menos que: a) estés presentando elementos verdaderamente discretos donde un formato de lista es la mejor opción, o b) el usuario solicite explícitamente una lista o clasificación

En lugar de listar elementos con viñetas o números, incorpóralos naturalmente en oraciones. Esta orientación se aplica especialmente a la escritura técnica. Usar prosa en lugar de formato excesivo mejorará la satisfacción del usuario. NUNCA generes una serie de puntos de viñeta excesivamente cortos.

Tu objetivo es texto legible y fluido que guíe al lector naturalmente a través de ideas en lugar de fragmentar información en puntos aislados.
</avoid_excessive_markdown_and_bullet_points>

Investigación y recopilación de información

Los modelos Claude 4.5 demuestran capacidades excepcionales de búsqueda agente y pueden encontrar y sintetizar información de múltiples fuentes de manera efectiva. Para resultados de investigación óptimos:
  1. Proporciona criterios de éxito claros: Define qué constituye una respuesta exitosa a tu pregunta de investigación
  2. Anima la verificación de fuentes: Pídele a Claude que verifique información a través de múltiples fuentes
  3. Para tareas de investigación complejas, usa un enfoque estructurado:
Prompt de ejemplo para investigación compleja
Busca esta información de manera estructurada. A medida que recopiles datos, desarrolla varias hipótesis competidoras. Rastrea tus niveles de confianza en tus notas de progreso para mejorar la calibración. Autocrítica regularmente tu enfoque y plan. Actualiza un archivo de árbol de hipótesis o notas de investigación para persistir información y proporcionar transparencia. Desglosa esta tarea de investigación compleja sistemáticamente.
Este enfoque estructurado permite que Claude encuentre y sintetice prácticamente cualquier pieza de información e iterativamente critique sus hallazgos, sin importar el tamaño del corpus.

Orquestación de subagentos

Los modelos Claude 4.5 demuestran capacidades significativamente mejoradas de orquestación nativa de subagentos. Estos modelos pueden reconocer cuándo las tareas se beneficiarían de delegar trabajo a subagentos especializados y hacerlo de manera proactiva sin requerir instrucción explícita. Para aprovechar este comportamiento:
  1. Asegura herramientas de subagentos bien definidas: Ten herramientas de subagentos disponibles y descritas en definiciones de herramientas
  2. Deja que Claude orqueste naturalmente: Claude delegará apropiadamente sin instrucción explícita
  3. Ajusta la conservadurismo si es necesario:
Prompt de ejemplo para uso conservador de subagentos
Solo delega a subagentos cuando la tarea claramente se beneficia de un agente separado con una ventana de contexto nueva.

Autoconocimiento del modelo

Si deseas que Claude se identifique correctamente en tu aplicación o use cadenas API específicas:
Prompt de ejemplo para identidad del modelo
El asistente es Claude, creado por Anthropic. El modelo actual es Claude Sonnet 4.5.
Para aplicaciones impulsadas por LLM que necesitan especificar cadenas de modelo:
Prompt de ejemplo para cadena de modelo
Cuando se necesita un LLM, por favor usa por defecto Claude Sonnet 4.5 a menos que el usuario solicite lo contrario. La cadena de modelo exacta para Claude Sonnet 4.5 es claude-sonnet-4-5-20250929.

Aprovecha las capacidades de pensamiento e pensamiento intercalado

Los modelos Claude 4.x ofrecen capacidades de pensamiento que pueden ser especialmente útiles para tareas que implican reflexión después del uso de herramientas o razonamiento complejo de múltiples pasos. Puedes guiar su pensamiento inicial o intercalado para mejores resultados.
Prompt de ejemplo
Después de recibir resultados de herramientas, reflexiona cuidadosamente sobre su calidad y determina los pasos siguientes óptimos antes de proceder. Usa tu pensamiento para planificar e iterar basándote en esta nueva información, y luego toma la mejor acción siguiente.
Para más información sobre capacidades de pensamiento, consulta Pensamiento extendido.

Creación de documentos

Los modelos Claude 4.5 sobresalen en la creación de presentaciones, animaciones y documentos visuales. Estos modelos igualan o superan a Claude Opus 4.1 en este dominio, con creatividad impresionante y seguimiento de instrucciones más fuerte. Los modelos producen salida pulida y utilizable en el primer intento en la mayoría de los casos. Para mejores resultados con creación de documentos:
Prompt de ejemplo
Crea una presentación profesional sobre [tema]. Incluye elementos de diseño reflexivos, jerarquía visual y animaciones atractivas donde sea apropiado.

Optimiza llamadas de herramientas paralelas

Los modelos Claude 4.x sobresalen en ejecución de herramientas paralelas, siendo Sonnet 4.5 particularmente agresivo en disparar múltiples operaciones simultáneamente. Los modelos Claude 4.x:
  • Ejecutan múltiples búsquedas especulativas durante investigación
  • Leen varios archivos a la vez para construir contexto más rápido
  • Ejecutan comandos bash en paralelo (lo que incluso puede saturar el rendimiento del sistema)
Este comportamiento es fácilmente dirigible. Aunque el modelo tiene una alta tasa de éxito en llamadas de herramientas paralelas sin prompting, puedes aumentar esto a ~100% o ajustar el nivel de agresión:
Prompt de ejemplo para máxima eficiencia paralela
<use_parallel_tool_calls>
Si tienes la intención de llamar múltiples herramientas y no hay dependencias entre las llamadas de herramientas, realiza todas las llamadas de herramientas independientes en paralelo. Prioriza llamar herramientas simultáneamente siempre que las acciones puedan hacerse en paralelo en lugar de secuencialmente. Por ejemplo, cuando lees 3 archivos, ejecuta 3 llamadas de herramientas en paralelo para leer los 3 archivos en contexto al mismo tiempo. Maximiza el uso de llamadas de herramientas paralelas donde sea posible para aumentar velocidad y eficiencia. Sin embargo, si algunas llamadas de herramientas dependen de llamadas anteriores para informar valores dependientes como los parámetros, NO llames estas herramientas en paralelo y en su lugar llámalas secuencialmente. Nunca uses marcadores de posición o adivines parámetros faltantes en llamadas de herramientas.
</use_parallel_tool_calls>
Prompt de ejemplo para reducir ejecución paralela
Ejecuta operaciones secuencialmente con breves pausas entre cada paso para asegurar estabilidad.

Reduce la creación de archivos en codificación agente

Los modelos Claude 4.x podrían a veces crear nuevos archivos para propósitos de prueba e iteración, particularmente cuando se trabaja con código. Este enfoque permite que Claude use archivos, especialmente scripts de python, como un ‘bloc de notas temporal’ antes de guardar su salida final. Usar archivos temporales puede mejorar resultados particularmente para casos de uso de codificación agente. Si prefieres minimizar la creación neta de nuevos archivos, puedes instruir a Claude que se limpie después de sí mismo:
Prompt de ejemplo
Si creas cualquier archivo temporal nuevo, scripts o archivos auxiliares para iteración, limpia estos archivos eliminándolos al final de la tarea.

Mejora la generación de código visual y frontend

Los modelos Claude 4.x pueden generar interfaces de usuario de alta calidad, visualmente distintivas y funcionales. Sin embargo, sin orientación, el código frontend puede usar patrones genéricos que carecen de interés visual. Para obtener resultados excepcionales de interfaz de usuario:
  1. Proporciona aliento explícito para creatividad:
Prompt de ejemplo
No te contengas. Dale todo lo que tienes. Crea una demostración impresionante que muestre capacidades de desarrollo web.
  1. Especifica dirección estética y restricciones de diseño:
Prompt de ejemplo
Crea un panel profesional usando una paleta de colores azul oscuro y cian, tipografía sans-serif moderna (por ejemplo, Inter para encabezados, fuentes del sistema para cuerpo), y diseños basados en tarjetas con sombras sutiles. Incluye detalles reflexivos como estados de desplazamiento, transiciones e interacciones micro. Aplica principios de diseño: jerarquía, contraste, balance y movimiento.
  1. Anima la diversidad de diseño y estéticas de fusión:
Prompt de ejemplo
Proporciona múltiples opciones de diseño. Crea estéticas de fusión combinando elementos de diferentes fuentes, una paleta de colores, tipografía diferente, otro principio de diseño. Evita diseños centrados genéricos, gradientes simplistas y estilos uniformes.
  1. Solicita características específicas explícitamente:
  • “Incluye tantas características e interacciones relevantes como sea posible”
  • “Agrega animaciones y elementos interactivos”
  • “Crea una implementación completamente funcional más allá de lo básico”

Evita enfocarse en pasar pruebas y codificación dura

Los modelos Claude 4.x a veces pueden enfocarse demasiado en hacer pasar pruebas a expensas de soluciones más generales, o podrían usar soluciones alternativas como scripts auxiliares para refactorización compleja en lugar de usar herramientas estándar directamente. Para prevenir este comportamiento y asegurar soluciones robustas y generalizables:
Prompt de ejemplo
Por favor escribe una solución de alta calidad y propósito general usando las herramientas estándar disponibles. No crees scripts auxiliares o soluciones alternativas para completar la tarea de manera más eficiente. Implementa una solución que funcione correctamente para todas las entradas válidas, no solo los casos de prueba. No codifiques valores duro ni crees soluciones que solo funcionen para entradas de prueba específicas. En su lugar, implementa la lógica actual que resuelve el problema de manera general.

Enfócate en entender los requisitos del problema e implementar el algoritmo correcto. Las pruebas están ahí para verificar corrección, no para definir la solución. Proporciona una implementación con principios que siga mejores prácticas y principios de diseño de software.

Si la tarea es irrazonable o inviable, o si alguna de las pruebas es incorrecta, por favor infórmame en lugar de trabajar alrededor de ellas. La solución debe ser robusta, mantenible y extensible.

Minimiza alucinaciones en codificación agente

Los modelos Claude 4.x son menos propensos a alucinaciones y dan respuestas más precisas, fundamentadas e inteligentes basadas en el código. Para alentar este comportamiento aún más y minimizar alucinaciones:
Prompt de ejemplo
<investigate_before_answering>
Nunca especules sobre código que no has abierto. Si el usuario hace referencia a un archivo específico, DEBES leer el archivo antes de responder. Asegúrate de investigar y leer archivos relevantes ANTES de responder preguntas sobre la base de código. Nunca hagas afirmaciones sobre código antes de investigar a menos que estés seguro de la respuesta correcta - proporciona respuestas fundamentadas y libres de alucinaciones.
</investigate_before_answering>

Consideraciones de migración

Al migrar a modelos Claude 4.5:
  1. Sé específico sobre el comportamiento deseado: Considera describir exactamente qué te gustaría ver en la salida.
  2. Enmarca tus instrucciones con modificadores: Agregar modificadores que alienten a Claude a aumentar la calidad y detalle de su salida puede ayudar a formar mejor el rendimiento de Claude. Por ejemplo, en lugar de “Crear un panel de análisis”, usa “Crear un panel de análisis. Incluye tantas características e interacciones relevantes como sea posible. Ve más allá de lo básico para crear una implementación completamente funcional.”
  3. Solicita características específicas explícitamente: Las animaciones y elementos interactivos deben solicitarse explícitamente cuando se deseen.