Suggerimenti per il pensiero esteso

Questa guida fornisce strategie e tecniche avanzate per ottenere il massimo dalla funzionalità di pensiero esteso di Claude. Il pensiero esteso permette a Claude di affrontare problemi complessi passo dopo passo, migliorando le prestazioni su compiti difficili. Quando abiliti il pensiero esteso, Claude mostra il suo processo di ragionamento prima di fornire una risposta finale, dandoti trasparenza su come è giunto alla sua conclusione.

Vedi Modelli di pensiero esteso per una guida su quando utilizzare la modalità di pensiero esteso rispetto alla modalità di pensiero standard.

​

Prima di iniziare

Questa guida presuppone che tu abbia già deciso di utilizzare la modalità di pensiero esteso rispetto alla modalità standard e che abbia rivisto i nostri passaggi base su come iniziare con il pensiero esteso così come la nostra guida all’implementazione del pensiero esteso.

​

Considerazioni tecniche per il pensiero esteso

• I token di pensiero hanno un budget minimo di 1024 token. Raccomandiamo di iniziare con il budget minimo di pensiero e aumentare incrementalmente in base alle tue necessità e alla complessità del compito.
• Per i carichi di lavoro dove il budget di pensiero ottimale è superiore a 32K, raccomandiamo di utilizzare l’elaborazione batch per evitare problemi di rete. Le richieste che spingono il modello a pensare oltre i 32K token causano richieste di lunga durata che potrebbero scontrarsi con i timeout di sistema e i limiti di connessione aperta.
• Il pensiero esteso funziona meglio in inglese, anche se gli output finali possono essere in qualsiasi lingua supportata da Claude.
• Se hai bisogno di pensiero sotto il budget minimo, raccomandiamo di utilizzare la modalità standard, con il pensiero disattivato, con il tradizionale prompting a catena di pensiero con tag XML (come <thinking>). Vedi prompting a catena di pensiero.

​

Tecniche di prompting per il pensiero esteso

​

Usa prima istruzioni generali, poi risolvi i problemi con istruzioni più dettagliate

Claude spesso si comporta meglio con istruzioni di alto livello per pensare profondamente a un compito piuttosto che con una guida prescrittiva passo dopo passo. La creatività del modello nell’affrontare i problemi può superare la capacità umana di prescrivere il processo di pensiero ottimale.

Per esempio, invece di:

Considera:

Detto questo, Claude può ancora seguire efficacemente passaggi di esecuzione strutturati complessi quando necessario. Il modello può gestire liste ancora più lunghe con istruzioni più complesse rispetto alle versioni precedenti. Raccomandiamo di iniziare con istruzioni più generalizzate, poi leggere l’output di pensiero di Claude e iterare per fornire istruzioni più specifiche per guidare il suo pensiero da lì.

​

Prompting multishot con pensiero esteso

Il prompting multishot funziona bene con il pensiero esteso. Quando fornisci a Claude esempi di come pensare attraverso i problemi, seguirà modelli di ragionamento simili all’interno dei suoi blocchi di pensiero esteso.

Puoi includere esempi usando tag XML come <thinking> o <scratchpad> nei tuoi prompt, e Claude generalizzerà il pattern. Tuttavia, raccomandiamo:

1. Prima prova senza alcuna guida al pensiero
2. Solo se necessario, fornisci esempi di modelli di pensiero usando qualsiasi tag XML

Esempio:

​

Massimizzare il seguimento delle istruzioni con il pensiero esteso

Claude mostra un significativo miglioramento nel seguire le istruzioni quando il pensiero esteso è abilitato. Il modello tipicamente:

1. Ragiona sulle istruzioni all’interno del blocco di pensiero esteso
2. Esegue quelle istruzioni nella risposta

Per massimizzare il seguimento delle istruzioni:

• Sii chiaro e specifico su ciò che vuoi
• Per istruzioni complesse, considera di suddividerle in passaggi numerati che Claude dovrebbe seguire metodicamente
• Consenti a Claude un budget sufficiente per elaborare completamente le istruzioni nel suo pensiero esteso

​

Usare il pensiero esteso per il debug e guidare il comportamento di Claude

Puoi usare l’output di pensiero di Claude per fare il debug della sua logica, anche se questo metodo non è sempre perfettamente affidabile.

Per utilizzare al meglio questa metodologia, raccomandiamo i seguenti suggerimenti:

• Non raccomandiamo di passare il pensiero esteso di Claude nel blocco di testo dell’utente, poiché questo non migliora le prestazioni e potrebbe effettivamente degradare i risultati.
• Il pre-riempimento del pensiero esteso è esplicitamente non consentito, e modificare manualmente il testo di output del modello che segue il suo blocco di pensiero probabilmente degraderà i risultati a causa della confusione del modello.

Quando il pensiero esteso è disattivato, il pre-riempimento del testo di risposta standard dell’assistente è ancora consentito.

​

Ottimizzare gli output lunghi e il pensiero di lunga durata

Claude con pensiero esteso abilitato e capacità di output esteso (beta) eccelle nella generazione di grandi quantità di dati e testo di lunga durata.

Per casi d’uso di generazione di dataset, prova prompt come “Per favore crea una tabella estremamente dettagliata di…” per generare dataset completi.

Per casi d’uso come la generazione di contenuti dettagliati dove potresti voler generare blocchi di pensiero esteso più lunghi e risposte più dettagliate, prova questi suggerimenti:

• Aumenta sia la lunghezza massima del pensiero esteso CHE richiedi esplicitamente output più lunghi
• Per output molto lunghi (20.000+ parole), richiedi un outline dettagliato con conteggio parole fino al livello del paragrafo. Poi chiedi a Claude di indicizzare i suoi paragrafi all’outline e mantenere i conteggi parole specificati

Ecco esempi di casi d’uso in cui Claude eccelle grazie al pensiero esteso più lungo:

​

Fai riflettere Claude e controllare il suo lavoro per una migliore coerenza e gestione degli errori

Puoi utilizzare un semplice prompting in linguaggio naturale per migliorare la coerenza e ridurre gli errori:

1. Chiedi a Claude di verificare il suo lavoro con un semplice test prima di dichiarare un compito completato
2. Istruisci il modello ad analizzare se il suo passaggio precedente ha raggiunto il risultato atteso
3. Per compiti di programmazione, chiedi a Claude di eseguire casi di test nel suo pensiero esteso

Esempio:

​

Prossimi passi