Prompting Claude Opus 5.5
Anthropic के Claude Opus 5.5 model में तेज़ प्रगति कई developers को stronger coding, planning, और 2D/3D visualization क्षमताओं से प्रभावित कर रही है, लेकिन साथ ही hype, instability, और हर कुछ महीनों में बदलती “prompt engineering” तरकीबों को लेकर चिंताएँ भी बढ़ा रही है। Commenters current tools की शक्ति और friction दोनों को उजागर करते हैं: opaque safety refusals, verbose output, permissions और security पर aggressive guardrails, और ऐसे harness behaviors जो छिपा देते हैं कि model क्या कर रहा है। इससे कुछ लोग cheaper या more permissive alternatives (including Chinese models और open weights) की ओर देखते हैं और यह सवाल उठाते हैं कि क्या आज के agentic workflows लंबे समय की निर्भरता के लिए पर्याप्त mature हैं, या सिर्फ एक तेज़ी से बदलता interim stage हैं।
समग्र क्षमता और प्रचार
- कई लोगों को Opus 5.5 एक बड़ा उछाल लगता है, खासकर कोडिंग और जटिल कई-घंटों वाले agentic workflows के लिए (जैसे, बड़े गेम बनाना, multi-wave plans, auto code review, sub-agents, simulation testing)।
- कुछ लोग केवल JS/TS और बुनियादी libraries के साथ इसकी 2D/3D visualization क्षमताओं से प्रभावित हैं, और पहले के Opus की तुलना में इसे एक “step function” बताते हैं।
- अन्य लोग social-media demos की तुलना में इसे कम प्रभावशाली मानते हैं, यह नोट करते हुए कि कई चमकदार परिणाम external tools (Suno, ElevenLabs, आदि) और भारी orchestration पर निर्भर करते हैं, न कि “one-shot AGI” पर।
- कई उपयोगकर्ता कहते हैं कि Opus 5.5 coding में Astra से बेहतर है, जबकि कुछ अन्य अभी भी cost या कम constraints के कारण DeepSeek/Gemini/Chinese models को पसंद करते हैं।
Prompting, UX और “AI Slop”
- बार-बार की शिकायत: prompting best practices हर कुछ महीनों में बदल जाती हैं; लोगों को लगता है कि हर frontier release के साथ उन्हें फिर से “ड्राइव करना सीखना” पड़ता है।
- frontend defaults पर Anthropic की guidance कुछ लोगों को यह समझने में मदद करती है कि “non-generic AI look” मांगने पर भी समान design tropes क्यों लौट आती हैं; concrete patterns को avoid करने के लिए negative prompting बेहतर काम करती है।
- कुछ लोग साधारण, conversational workflows (“plan.md, architecture.md, decisions.md”) की सराहना करते हैं बिना जटिल harnesses के; अन्य लोग MCPs, skills, agents, और complex orchestration पर बहुत निर्भर रहते हैं।
Tool Use, Harnesses और Sessions
- Claude Code और अन्य harnesses के साथ मिश्रित अनुभव:
- कुछ लोग unattended runs और productive multi-agent setups की बहुत अच्छी रिपोर्ट करते हैं।
- अन्य लोग समस्याएँ देखते हैं: लंबे blocking commands, tool calls में खराब visibility, cache/session management की उलझन, उपलब्ध tools (जैसे PDF readers) को भूल जाना, और अति-उत्साही व्यवहार जो पूछने के बजाय code बदल देता है।
- tool calls को छिपाना और सख्त permission models उन उपयोगकर्ताओं को frustrate करते हैं जो transparency और control चाहते हैं।
Safety, Refusals और “Thinking Tokens”
- 5.5 में मजबूत safeguards कुछ cybersecurity-सम्बंधी tasks या PII-related operations के लिए अप्रत्याशित refusals पैदा करते हैं।
- मॉडल कभी-कभी अपनी security settings को edit करने या passwords/verification codes टाइप करने से मना कर देता है, जिसे कुछ लोग patronizing और security-theater मानते हैं; जबकि अन्य इसे prompt injection के खिलाफ आवश्यक hardening मानते हैं।
- कई लोगों को यह पसंद नहीं कि “thinking tokens”/internal reasoning exposed नहीं हैं; कुछ लोग अधिक खुली reasoning और कम safety constraints के लिए Chinese providers पर जाने पर विचार करते हैं।
Cost, Verbosity और Stability
- उपयोगकर्ता higher token consumption, verbosity, और लंबे explanations नोट करते हैं, जहाँ actionable content नीचे दब जाती है, भले ही “concise” माँगा गया हो।
- cost strategies पर बहस: planning और coding दोनों के लिए महंगा model vs. “smart planner + cheap executor + smart reviewer”; engineer time को जोड़ने के बाद क्या सस्ता पड़ता है, इस पर असहमति।
- stable, version-locked या open-weight models की बढ़ती इच्छा है ताकि लगातार behavioral drift और prompts/workflows की re-tuning से बचा जा सके।