Anthropic 官方揭秘：Opus 5.5 的 12 条提示词新规则

Anthropic 最新发布的 Opus 5.5 不只是模型能力的升级，更带来了一整套提示词使用逻辑的变化。官方同步发布了一份详尽的提示指南，而其中最关键的信号是：很多在旧模型上行之有效的做法，到了 5.5 上可能让你花更多的钱、跑得更慢。

本文整理了这份官方文档中真正值得关注的 12 条实用技巧，帮助你让系统更快、成本更低。

从「努力程度」说起：新的默认值变了

在 Opus 5.5 中，有一个叫做 effort（努力程度） 的设置，它控制 Claude 在回答前「思考」的深度。这个参数直接影响性能和速度的平衡。

技巧一：默认从 medium 开始

过去你可能习惯把努力程度拉满，但 Anthropic 现在推荐的默认值是 medium（中等）。在官方测试中，medium 在 Opus 上恰好命中了性能与速度的甜蜜点。建议的做法是：先把它设为 medium 跑日常工作，只有在确实需要更强性能时再往上调。

技巧二：实测属于你自己的默认档位

虽然 medium 是官方推荐，但对不同类型的工作来说，最优档位可能并不相同。更精确的做法是让 Opus 自己来测——给它一个真实的日常任务，让它在每个努力档位下用 5.5 跑一遍，把结果并排对比，再据此决定你应该把哪个档位设为默认。

工作流与成本优化

这一组技巧的核心都围绕着「省钱」和「少折腾」。

技巧三：Claude Code 现在能读 agents.md

Claude Code 现在支持读取 agents.md——这正是 Codex 等工具使用的指令文件。如果你更新到最新版本并连接到一个没有 Claude.md 的文件夹，它会转而读取 agents.md。对同时使用多个编码 Agent 的人来说，这意味着你可以只维护一份指令文件，不必再在 Claude.md 和 agents.md 之间来回同步。

技巧四：切换努力档位不再清空缓存

对话过程中，Agent 会维护一个 cache（缓存），相当于短期记忆，能帮你压低用量。过去只要你在对话中途改动努力设置，Claude 就得重读整段对话，缓存被清空，白白消耗 token。Opus 5.5 修复了这个问题——即便中途切换档位，缓存也会保留。不过官方注明该功能仍处于 beta 阶段，建议先在自己的环境里测试。

缓存（cache）在大语言模型 API 调用中扮演着重要的成本控制角色。当你向 Claude 发送请求时，系统提示、历史对话等内容会被临时存储为缓存——如果下一次请求与上一次有大量重叠内容，服务商可以直接复用缓存结果而无需重新计算，对应的 token 费率通常会大幅下降（Anthropic 的 prompt caching 最多可降低 90% 的输入成本）。这也是为什么缓存被清空是一件代价高昂的事：系统需要重新处理整段对话，相当于把已经付过费的内容又付了一遍。对于长上下文的 Agent 任务来说，一次无谓的缓存清空可能直接让单次调用的成本翻倍甚至更高。

技巧五：善用「用量重置」额度

Claude 现在会为你储存用量重置额度（banked usage resets）。进入 settings → usage，就能看到一个 resets 框。随 5.5 发布，你很可能领到了一个可以免费触发的重置。最聪明的用法是：把它留到你真正用完额度时再触发，立刻恢复配额。但要留意有效期——以 5.5 发布附带的那个为例，到 10 月 23 日就会过期。

处理 5.5 的新行为特性

Opus 5.5 在思考方式上有一些新变化，部分变化需要靠提示词来「驯服」。

技巧六：要求展示推理过程会被拦截

如果你的提示词或系统提示要求 Claude 在回答前写出完整推理过程，这在 5.5 上可能会被标记拒绝，报错原因显示为 reasoning extraction。很明显，Anthropic 这么做是为了防止其他公司蒸馏（distill）Opus 5.5。遗憾的是，如果你之前有合法的此类用例，这个能力在新一代模型上已不再可用。

「蒸馏」（distillation）是指用一个大型、强力模型生成的输出数据来训练一个较小的模型，使小模型在特定任务上逼近大模型的表现，从而以极低成本复制其能力。在推理模型（reasoning model）兴起后，这种风险尤为突出——如果开发者能批量提取 Opus 5.5 的完整思维链（chain-of-thought），就可以直接用这些数据微调自己的小模型，绕过高昂的 API 费用。Anthropic 封锁「要求展示推理过程」这一行为，正是从数据源头阻断这条路径。这与 OpenAI 对 o1/o3 系列模型隐藏内部推理步骤的策略如出一辙，反映出头部 AI 公司在商业模型保护上越来越趋同的取向。

技巧七：告诉它早先的答案已经定稿

在长对话中，Opus 5.5 有时会在思考时回头重新审视自己早先的回答，这对简短的后续追问来说很让人烦。解决办法很简单：在 Claude.md 末尾加上两句话，让它把早先的答案当作已完成，除非你主动提问。或者做一个随用随调的小技能（skill）来按需触发。

技巧八：维护一份任务清单

在超长任务中，Anthropic 观察到 5.5 有时会在没完成时就停下来。原因在于它现在会在工作过程中发布进度更新，而其中某条更新可能结束了它的回合，导致它误以为任务已完成。防范方法同样简单：让 Opus 维护一份它边做边勾选的清单，并在每个回合结束时检查这份清单，这样它更有可能把你交代的工作彻底做完。

速度与输出质量的调校

技巧九：给它设定时间预算

Opus 5.5 能相当精确地感知每个任务已经花了多少时间。如果你需要在特定时间内完成某事，直接给它一个时间预算即可，比如「在三分钟内完成任务」，它会据此调整自己的节奏来卡住这个时限。

技巧十：两个词就能提速

如果你无法估出一个合理的时间预算，还有一个更简单的办法——在提示词里加上 「time matters」。据 Anthropic 测试，仅凭这两个词就能提升 5.5 的完成速度，在争分夺秒时让 Agent 团队更快收尾。

技巧十一：Opus 仍有设计默认套路

当你让 Opus 5.5 做一个网站却不给任何设计方向时，它会退回到同一套默认风格——那些熟悉的屏幕背景、文案里的斜体词等。Anthropic 表示这是刻意设计。单纯让它「别那么通用」只会把一套默认换成另一套默认。更好的做法是给它一套设计系统，或者直接列出你明确不想要的风格，这样产出才会贴合你的品牌。

技巧十二：给它裁剪和缩放工具

Opus 5.5 读图表和截图的能力已经很强，但面对技术图纸这类高密度内容时，让它能放大会更有帮助。这不仅让 Agent 聚焦在关键部分，还能通过喂入更小的图片而非整张高分辨率大图来降低 token 消耗。做法是给 Agent 配上 Anthropic 推荐的 PIL 和 OpenCV 这类免费 Python 库，然后直接发送你手上分辨率最高的图，它会自己裁剪进需要的那一块。

PIL（Pillow）和 OpenCV 是 Python 生态中最常用的两个图像处理库。PIL/Pillow 专注于基础图像操作，包括裁剪、缩放、格式转换等，语法简洁，适合快速处理单张图片；OpenCV 则更侧重于计算机视觉任务，支持边缘检测、图像分割等高级操作，但在 Agent 场景下用于局部区域提取同样得心应手。将大图裁剪为小图再送入模型，除了降低 token 消耗外，还有一个额外好处：视觉模型对局部细节的识别精度通常高于对整张高分辨率图的解析，尤其是在处理技术图纸、电路图或密集表格时，聚焦关键区域往往能获得更准确的输出。

小结

从 effort 默认值下调到缓存保留机制，再到 time matters 这类微妙的提示词技巧，Opus 5.5 的这 12 条规则传递出一个清晰的方向：模型越来越注重性能、速度与成本之间的平衡，而使用者需要相应地更新自己的提示习惯。尤其是对使用 Claude Code 和多 Agent 工作流的开发者来说，这些调整直接关系到实际的运行效率和账单。