7 новых правил для промптов Claude 5 от Anthropic

Anthropic раскрыла семь официальных правил для промптов Claude 5. Это не советы. Это изменения, которые меняют результат.

Если ты не переделал промпты под эти правила, результаты падают на 20–30%.

Правила

1. Контекст ПЕРЕД примерами. Раньше можно было в любом порядке. Теперь порядок имеет значение.
2. Структурированный вывод → точнее. Используй XML, JSON. Неструктурированный текст менее точен.
3. Цепочка мыслей. Попроси Claude думать вслух, прежде чем отвечать.
4. Ограничь длину вывода. Без лимита Claude пишет часами.
5. Negative примеры работают лучше. Показывай, что делать НЕ нужно.
6. Few-shot лучше zero-shot. Два-три примера вместо объяснения.
7. Система промптов. Несколько маленьких промптов вместо одного большого.

Как это применять

Правильно:
Контекст → Примеры → Задача → Формат ответа (JSON) → Инструкции по длине

Неправильно:
Задача → Примеры → Контекст

Почему это вообще работает

Модель читает промпт последовательно и «взвешивает» более свежий контекст сильнее. Если контекст идёт после примеров, модель успевает зафиксировать шаблон по примерам и потом хуже подстраивает его под новые вводные из контекста. Отсюда и правило про порядок: контекст первым — модель строит рамку, потом видит, как её заполнять на примерах.

То же с ограничением длины: без явного лимита модель ориентируется на «типичную» длину ответа для такой задачи, которая часто избыточна. Явный лимит — это не про экономию токенов, а про то, чтобы заставить модель самой решить, что в ответе действительно важно.

Пример до и после

Промпт без правил: «Напиши план контента на месяц для ТГ-канала». Результат: расплывчатый список тем без структуры, приходится переспрашивать формат.

Промпт с правилами: контекст (ниша, аудитория, тон) → два примера удачных постов → задача → формат ответа как таблица с колонками дата/тема/формат → лимит «не больше 30 строк». Результат: сразу пригодный к использованию план, без дополнительных итераций.

Частые вопросы

Эти правила специфичны для Claude 5 или работают в любой модели?

Общий принцип (контекст → примеры → задача, структурированный вывод, ограничение длины) работает почти на любой современной модели. Специфика Claude 5 — в том, насколько сильно модель следует порядку и насколько точно держит формат, если его явно задать.

Нужно ли переписывать все старые промпты сразу?

Нет, есть смысл сначала обновить промпты, которые используются каждый день и от которых зависит качество регулярной работы (например, промпт для написания постов), а разовые промпты — по мере использования.

Как проверить, что промпт реально стал лучше?

Сравнить на одинаковой задаче старую и новую версию промпта на 3–5 реальных примерах и посмотреть, сколько раз пришлось переспрашивать или переделывать результат — субъективное «стало лучше» обманчиво, а число повторных запросов — нет.

Частая ошибка при переходе на новые правила

Самая частая ошибка — попытаться применить все семь правил сразу к одному большому промпту, который и так плохо работал. Итог — промпт становится длиннее, но не точнее, потому что проблема была не в отсутствии структуры, а в том, что задача вообще плохо сформулирована. Правильный порядок: сначала сформулировать задачу максимально конкретно (что на входе, что на выходе), и только потом применять правила структуры и формата поверх уже понятной задачи.

Второй частый случай — правило про «систему маленьких промптов» игнорируют, потому что один большой промпт кажется удобнее в моменте. На короткой задаче разницы почти нет, но на многошаговой (например, обработка целой статьи с несколькими этапами) система из 2–3 промптов, где каждый отвечает за один шаг, ошибается заметно реже, чем один промпт, пытающийся сделать всё за раз.

Как хранить рабочие промпты, чтобы не переписывать заново

Если промпт используется регулярно, его стоит сохранять отдельным файлом (или скиллом в Claude Code), а не держать в истории переписки, откуда его сложно найти через неделю. Небольшая библиотека из 5–10 проверенных промптов под типовые задачи экономит время на каждой похожей задаче в будущем — и её проще обновлять целиком, когда появляются новые правила, вроде описанных выше.

Как отличить реальное правило от временной моды

Правила вроде порядка «контекст перед примерами» проверяются просто: если промпт с изменённым порядком стабильно даёт лучший результат на разных задачах — это правило, а не случайность. Если разница видна только на одной задаче и пропадает на другой — вероятно, дело не в самом правиле, а в конкретной формулировке. Стоит проверять правила на 2–3 разных типах задач, а не на одной, прежде чем считать их универсальными.

Со временем часть таких правил устаревает, когда выходит новая версия модели с другим поведением — поэтому стоит периодически перепроверять даже те приёмы, которые уже стали привычными.

Главное

Если твой промпт написан старым способом, обнови его. Результат будет заметно лучше.

Кодовое слово: PROMPT-RULES