Claude Opus 4.5 提示工程最佳化指南 1. 努力參數（Effort Parameter）的應用 Opus 4.5 引入了一個可調節的「努力」參數，直接控制模型在產生輸出時投入的運算資源（包括思考過程、回應和工具呼叫）。 這相當於一個「智慧旋鈕」：高努力值提升推理深度和準確性，但會增加延遲和成本；低努力值則適合快速任務。 建議：根據場景動態調整，例如複雜分析用高值，簡單查詢用低值，以實現成本-效能的最優權衡。 2. 工具觸發機制的調整與前代模型相比，Opus 4.5 對系統提示更敏感，工具呼叫觸發率可能從「低觸發」轉為「過觸發」。如果舊提示使用強迫性語言（如「必須使用此工具」），現在易導致冗餘呼叫。 最佳化建議：軟化表述，例如從“CRITICAL: You MUST use this tool”改為“Use this tool when appropriate”，以匹配模型的響應性，避免不必要的工具激活。 3. 避免過度工程化模型有時會過度設計解決方案，例如添加多餘文件、抽象層或複雜結構。針對特定用例，添加針對性提示可有效控制，例如：“Only make changes that are directly requested. Keep solutions simple and focused.” 這有助於保持輸出的簡潔性和針對性，尤其在程式碼產生或架構任務中。 4. 強化程式碼探索的保守性 Opus 4.5 在處理程式碼時可能會基於假設提出修改，而非先全面審閱。 建議在提示中明確要求：「ALWAYS read and understand relevant files before proposing edits. Do not speculate about code you have not inspected.」 可大幅降低錯誤率，確保修改基於事實而非推測。 5. 視覺處理能力的提升模型在影像分析和資料擷取上進步明顯，特別是多影像場景。針對密集影像，提供「裁切工具」讓模型「放大」特定區域，能進一步提高準確性。 公司內部評估顯示，此優化在影像基準測試中帶來一致提升。適用於OCR、圖表解讀或視覺搜尋等應用。
