Las 4 nuevas reglas de Anthropic para la incitación de modelos Claude 5

El video comienza con una afirmación contundente: la mayoría de la gente está usando la generación Claude 5 de manera incorrecta. Los modelos de la clase Opus 5 y Fable 5.1 funcionan fundamentalmente diferente de sus predecesores, por lo que los viejos hábitos de incitación no logran desbloquear su verdadero poder. Eric Tech estudió las notas de Boris Cherny, líder de Claude Code, además de la documentación de Anthropic y destiló todo en cuatro reglas prácticas.

La primera regla es auditar las instrucciones y archivos de habilidades existentes. La lógica es sencilla: Fable 5.1 ejecutándose con habilidades escritas para la era Opus 4.6 permanece atrapado en el comportamiento antiguo a pesar de sus puntuaciones de inteligencia más altas. Dado que el modelo lee gran parte de su procedimiento operativo del contenido de las habilidades, las líneas obsoletas arrastran al nuevo modelo. La solución es mantener el contexto útil mientras se eliminan las líneas que frenan el rendimiento.

La auditoría se ejecuta en la práctica como un solo comando: se pasa el nombre del modelo objetivo y la carpeta de habilidades, y la herramienta escanea todo y devuelve un informe con las correcciones propuestas. En la demostración en pantalla, se escanean 212 habilidades; la mayoría están bien, mientras que 14 archivos rotos y 1 obsoleto son señalados. Once de los rotos son comandos que apuntan a una carpeta que ya no existe, y cuatro son contenidos obsoletos que ya no se ajustan al nuevo modelo. Después de la confirmación, se aplican 13 correcciones y el repositorio queda limpio.

Se mencionan dos herramientas complementarias. La primera es un comando de "doctor de configuración" que encuentra instalaciones rotas, configuraciones duplicadas, ganchos lentos y contenido repetido en el prompt del sistema. La segunda es el control del estilo de salida: pedir al modelo una salida condensada en lugar de ensayos largos, lo cual es más fácil de leer y más barato porque las respuestas más cortas consumen menos tokens.

La segunda regla es dar el contexto completo de la tarea por adelantado. Pedir una página o un trabajo de investigación con un resumen a medio escribir obliga al modelo a adivinar: ¿para quién es, qué se está vendiendo, qué se considera terminado? La guía de Anthropic enfatiza el mismo punto: los mejores resultados provienen de una especificación completa de la tarea seguida de espacio para ejecutar. Cherny traza la misma línea: anote el resultado, la razón, las barreras de seguridad y los criterios de salida, luego deje que el modelo se ejecute y aléjese por un tiempo.

La regla se comprime en una fórmula de un solo prompt: resultado, razón y barreras de seguridad fusionados en una sola instrucción. Responder a las mismas tres preguntas antes de cada tarea y dejar la ejecución al modelo se presenta como la forma de sacar el máximo provecho. Se enfatiza que este enfoque no habría funcionado hace seis meses, pero funciona sorprendentemente bien en los modelos actuales.

La tercera regla es cerrar las incógnitas antes de la implementación. Se utiliza una analogía con un mapa: viajar del punto A al punto B requiere conocer los obstáculos de antemano. La solución es una habilidad de entrevista implacable que recorre el plan rama por rama a través de árboles de decisión hasta que ambas partes comparten el mismo entendimiento. Una vez que se toman las decisiones, la precisión de la implementación aumenta notablemente.

La cuarta regla es hacer coincidir el esfuerzo del modelo con la complejidad de la tarea. El entorno ofrece niveles de esfuerzo como bajo, medio, alto, extra alto y máximo, siendo alto el predeterminado. La advertencia de la documentación es clara: nunca gaste un nivel alto en una tarea simple, y nunca prive a una tarea compleja con un nivel pequeño. La prueba sugerida es simple: ejecute la misma tarea con esfuerzo bajo, medio y alto, y si los resultados apenas difieren, manténgase en el nivel inferior. La recompensa son respuestas más rápidas y un menor gasto de tokens.

El video está respaldado por las guías oficiales de Anthropic: la página general de mejores prácticas, la página específica de Opus 5 y el artículo sobre el rendimiento empresarial confirman los mismos principios. Por parte de la comunidad, la publicación oficial sobre la incitación de Fable 5 y Opus 5 generó una intensa discusión. La lista completa de recursos en la descripción, además de las listas de reproducción relacionadas, ofrecen una hoja de ruta para los espectadores que deseen profundizar.

El resumen se resume en cuatro líneas: auditar las instrucciones antiguas, dar el contexto completo por adelantado, dejar que el modelo le pregunte antes de construir y elegir el nivel de esfuerzo que se ajuste al trabajo. Las cuatro comparten una misma idea: con la nueva generación, la victoria no es para quien escribe el prompt más largo, sino para quien prepara la configuración más limpia y establece el objetivo más claro.