Claude Opus 5とコンテキストエンジニアリング新ルール｜システムプロンプト80％削減の意味と書き換え辞書

2026年7月24日にリリースされたClaude Opus 5は、Opus 4.8の後継となる新フラッグシップモデルです。価格は$5/$25（入力/出力、100万トークンあたり）に据え置きながら、Frontier-Bench v0.1でOpus 4.8のスコアを2倍以上更新し、Fable 5に半額で肉薄する性能を実現しています。

同時にAnthropicは、Claude 5世代モデル向けの新しいコンテキストエンジニアリング原則を公開しました。象徴的な事実として、Claude Codeのシステムプロンプトを80％以上削減したにもかかわらず、コーディング評価でパフォーマンス劣化が観測されなかったと報告されています。

この記事では、Opus 5の基本スペックとEffort Level（低/中/高の3段階）を早見表で整理し、Claude 5世代で「残すべき3要素（情報 / 好み / 最小限のルール）」と「削るべき4要素（既知の一般指示 / ツール詳細例 / 出力フォーマット過剰指定 / 冗長禁止事項）」の判断基準を提示します。

さらに、実務で今日から使える書き換え辞書として、CLAUDE.mdを半分以下に減らす7つのbefore/after例と、100行未満のClaude 5世代向けテンプレートも用意しました。Fable 5との使い分けや、Sycophancy（おもねり）リスクへの対策まで含めた実践ガイドとしてご活用ください。

対象読者はClaude CodeやAPIを実務で使うエンジニア、DX担当、プロンプトエンジニアの方々です。読み終える頃には、自分のCLAUDE.mdをその場で書き換えられる状態になっているはずです。

Claude Opus 5とは何か｜2026年7月24日リリースの新フラッグシップ
Claude Codeのシステムプロンプトが80％削減された衝撃
コンテキストエンジニアリング新ルール｜残す3要素と削る4要素
before/after書き換え辞書｜今日CLAUDE.mdを半分に減らす7つの例
Opus 5が本領発揮するユースケースとClaude 5世代の使い分け
よくある質問
調査手法について

Claude Opus 5とは何か｜2026年7月24日リリースの新フラッグシップ

Anthropicは2026年7月24日、Claude Opus 5をリリースしました。前世代のOpus 4.8を置き換えるフラッグシップモデルで、Claude MaxプランのデフォルトモデルとしてClaude Pro上でも最強のモデルという位置づけです。

この記事を読んでいる方の多くは、すでにClaude CodeやAPIを実務で使っていると思います。「Opus 5って何が変わったの？」「価格は？」「Fable 5と何が違うの？」といった疑問に、まずは基本情報から一気に答えていきます。

スペック早見表

項目	Claude Opus 5
リリース日	2026年7月24日
モデルID	`claude-opus-5`
入力トークン価格	$5 / 100万トークン
出力トークン価格	$25 / 100万トークン
Effort Level	low / medium / high の3段階を切り替え可能
主要利用先	Claude.ai / Claude Code / Claude Cowork / Claude API / Amazon Bedrock / Google Cloud / Microsoft Foundry
フォールバック	安全性フラグ検知時はOpus 4.8

価格はOpus 4.8と同額に据え置きです。にもかかわらず性能は大幅に上がっているため、実質的に値下げと同じ効果があります。

主要ベンチマーク

Anthropic公式が発表した数値を整理すると、Opus 5の位置づけがはっきり見えてきます。

Frontier-Bench v0.1: Opus 4.8のスコアを2倍以上更新
CursorBench 3.2: Fable 5と0.5％差でほぼ同水準を半額で実現
ARC-AGI 3: 2位モデルの3倍のスコア
Zapier AutomationBench: 2位モデルの約1.5倍のパス率
OSWorld 2.0: Fable 5を上回り、コストは3分の1

特に注目すべきは、Fable 5に半額で肉薄しているという点です。Fable 5は最高難度の自律作業向け（$10/$50）、Opus 5は日常運用向け（$5/$25）という価格差ですが、実タスクではその差がほとんどないベンチマークが増えてきました。

Effort Levelの切り替え

同じモデル内で推論の深さを制御する仕組み自体は目新しいものではなく、Anthropic APIではClaude 3.7 Sonnet以降のextended_thinking（budget_tokensで予算指定）として提供されてきました。OpenAIのo1系にも reasoning_effort があります。Opus 5ではUIとAPIから直感的に切り替えられる形で整理され、low / medium / highの3段階で使い分けが明確になりました。

たとえば「単純な分類タスクはlow、通常のコーディングはmedium、複雑なアーキテクチャ設計はhigh」といった使い分けが可能です。同じ質問でもlowなら数秒、highなら1分以上かけて答えを返します。当然コストも変わります。

「モデル自体を切り替える」だけでなく、同じOpus 5内でトグルすることで細かい最適化ができるのが実務上の魅力です。Opus 5のリリースと同時に、Anthropicは公式ブログでClaude 5世代向けのコンテキストエンジニアリング新ルールを公開し、Claude Codeのシステムプロンプトを80%以上削減してもコーディング評価でパフォーマンス劣化がなかったという事実を明かしました。この意味を次のセクション以降で詳しく見ていきます。

Claude 5世代の全体像

Opus 5を理解する上で、Claude 5世代の他モデルとの位置づけも押さえておきたいです。

モデル	位置づけ	価格（入/出、$/100万トークン）	主な用途
Claude Fable 5（Mythos クラス）	最上位、フロンティア	$10 / $50	長期エージェント、multi-fileマイグレーション、high-stakes分析
Claude Opus 5	フラッグシップ（常用）	$5 / $25	法律・生命科学・エンタープライズ・複雑推論
Claude Sonnet 5	汎用	$3 / $15（intro $2 / $10）	日常コーディング、ドキュメント作成
Claude Haiku 5	軽量	詳細後日	大量並列、分類、要約

Opus 5は「常用の主戦力」というポジションで、Fable 5は「本当に難しいときの切り札」、Sonnet 5は「日常のコーディング」、Haiku 5は「大量に捌く」と使い分けます。この使い分けが正しく回ると、月間のAPI料金が数万円変わってきます。

Claude Codeのシステムプロンプトが80％削減された衝撃

Anthropicの公式ブログには、こう書かれています。

Opus 5やFable 5のようなモデル向けに、Claude Codeのシステムプロンプトを80%以上削減しました。私たちのコーディング評価で計測できるパフォーマンス劣化はありませんでした。

出典: Anthropic公式ブログ

これは業界標準のプロンプトエンジニアリング常識をひっくり返す事実です。「詳細な指示を与えるほど良い出力になる」というのが数年間の定説でしたが、Claude 5世代ではその逆になりました。

なぜ削減できたのか｜Tariq Shihipar氏の発言

Anthropicの技術スタッフであるTariq Shihipar氏は、The Decoderの取材でこう説明しています。

最近発見したのですが、この新しいクラスのモデルは、小さいシステムプロンプトを望んでいます。

さらに踏み込んで、こう続けます。

例は逆に制約になります。なぜなら、私たちが与える例よりも、モデル自身の方が想像力豊かだからです。

これまでのプロンプトエンジニアリングでは「Few-shot examples（少数の例を見せる）」がベストプラクティスとされてきました。ところがClaude 5世代では、例を削除することでむしろクリエイティブになるという現象が観測されたのです。

Simon Willison氏が公開しているClaude Codeチームとのフェチャットメモにも、同じ趣旨の発言があります。

例を削除するのが極めて効果的でした。なぜならその方がクリエイティブになるからです。

具体的に何を削ったのか｜検証（verification）の例

削減された内容の一例を、Anthropicのチームが公開しています。

Before（旧ルール）:

常に検証する、検証する、検証する

After（新ルール）:

フロントエンド作業の多くは、backendエンドポイントを叩くだけでは完全なUX理解にはなりません。UXに大きな変更を加える際は、ローカルでアプリを実行してください。

違いに気づきましたか？旧ルールは「絶対検証しろ」と命令口調で強制していました。新ルールは「なぜ検証が必要か」の背景（context）を伝え、判断はモデルに任せています。

Claude 5世代のモデルは、この背景情報だけで「今の変更ならローカル実行が必要」「今の変更なら不要」を自分で判断できるようになりました。人間で言えば、新人に「必ずマニュアル通り」と言うのと、ベテランに「状況判断して」と言うのの違いです。

削って何を失わなかったか

Claude Codeでは、80%削減した後もコーディング評価のスコアは維持されました。これは重要な事実です。「精度は下がるけどコストが減った」ではなく、「精度を落とさずコストと保守負担が減った」のです。

さらに副次効果として、以下の3つが観測されています。

クリエイティビティの向上: 例による制約がなくなり、モデル独自の解決策が出やすくなった
コンフリクト解消: 「コメント書くな」と「適切にドキュメント化せよ」が同居するような矛盾指示が消えた
保守性の向上: プロンプトが短くなり、修正時の影響範囲が読みやすくなった

あなたのCLAUDE.mdは何行ありますか？

ここで一度、自分のCLAUDE.mdを開いてみてください。

200行超えていませんか？
「絶対に〜するな」「常に〜する」といった強い禁止・命令が並んでいませんか？
「例: 〜のようにコードを書く」と数個の例を貼っていませんか？
出力フォーマットを厳密に指定した箇条書きが50行以上ありませんか？

もしどれかに当てはまるなら、あなたのCLAUDE.mdもClaude 5世代に合わせて半分以下に減らせる可能性が高いです。

Anthropicは/doctorというコマンドをClaude Codeに追加し、ユーザー自身のプロンプトを自動最適化できるようにしました。次のセクションで、削るべき要素と残すべき要素の判断基準を整理していきます。

「新しい選択肢」として自分のCLAUDE.mdを見直してみましょう。判断力を持ったモデルには、命令ではなく背景情報を渡すのが今のスタイルです。

コンテキストエンジニアリング新ルール｜残す3要素と削る4要素

Anthropic公式ブログでは、Claude 5世代向けのコンテキストエンジニアリング原則が6つのルールとして提示されています。ここではその6ルールを整理した上で、実務で使いやすい「残す3要素・削る4要素」というフレームに落とし込みます。

Anthropic公式の6ルール

Thariq Shihipar氏が公式ブログで提示した6ルールは次の通りです。

ルール1: 判断力を与える、ルールを与えるな

コメントの書き方を細かく指示する代わりに、「周囲のコードと同じように読めるコードを書け（コメント密度、命名、慣用句を合わせる）」と背景だけを渡します。

ルール2: インターフェースを設計する、例を示すな

ツールの使い方を例で説明する代わりに、ツール自体のパラメータ設計で伝えます。たとえばTodo toolのstatusをpending, in_progress, completedというenum型で宣言すれば、Claudeは説明なしで使い方を理解できます。

ルール3: プログレッシブディスクロージャー（段階的開示）

全ガイダンスをシステムプロンプトに一度で入れる代わりに、Skillsやdeferred-loading toolsを使って必要なときだけ読み込ませます。検証やコードレビューは別々のSkillに切り出し、Claude Codeが必要に応じて呼び出す設計です。

ルール4: シンプルなツール説明、重複禁止

システムプロンプトとツール説明の両方に同じ指示を書く代わりに、ツール説明にだけ書きます。重複はモデルを混乱させるだけです。

ルール5: 自動メモリ、手動CLAUDE.mdキュレーション不要

ホットキーで手動保存する代わりに、Claude自身が関連する記憶を自動保存します。

ルール6: リッチリファレンス、シンプルスペック不要

計画をmarkdownテキストで保存する代わりに、HTML artifactsや詳細なテストスイート、別codebaseの関数など、豊かなリファレンスを直接引用させます。

残すべき3要素

6ルールを踏まえた上で、システムプロンプトに残すべき3要素を整理します。

情報（Information）

モデルが知らない、ドメイン固有のコンテキスト。プロダクトの背景、社内独自のルール、業界の暗黙知など。「あなたはこういうプロダクトのアシスタント」「クライアントは製薬業界」といった、モデルの一般常識では推測できない情報です。

好み（Preferences）

トーン、書き方、優先順位。「ですます調で書く」「エラー処理より読みやすさを優先」「日本語コメントを英語混じりにしない」など、価値観・スタイルの部分です。

最小限のルール（Minimal Rules）

絶対に外せない制約。compliance、安全性、high-impact areasに関する少数の絶対ルール。「顧客名を出力しない」「API keyをログに残さない」など、破ると致命的なものだけに絞ります。

削るべき4要素

一方、削るべき要素も明確です。

モデルが既に知っている一般指示

「PEP8に従え」「SQLインジェクションに気をつけろ」「関数は1つのことをやれ」など、モデルが訓練で学んでいる一般知識。書いても書かなくても出力は変わりません。むしろプロンプトを膨らませるノイズになります。

ツール使用の詳細例

「Bashツールは以下のように使う」といったツール例。Claude 5世代は、ツールの説明文だけで正しい使い方を導き出せます。詳細例はむしろ制約になります。

出力フォーマットの過度な指定

「必ず以下の形式で出力: 1. 見出し / 2. 本文 / 3. コード例 / 4. まとめ」といった細かい構造指定。目的（「読者が理解しやすい形式で」）だけ伝えて、形式はモデルに任せる方が良い結果が出ます。

冗長な禁止事項リスト

「〜するな」「〜してはいけない」「絶対に〜せよ」の羅列。安全性クリティカルなもの以外は削除。矛盾する禁止事項が同居すると、モデルの判断を歪めます。

判断基準チェックリスト

自分のCLAUDE.mdの各行に対して、以下を自問してください。

この指示は、モデルが訓練データから既に知っている一般常識か？（YES → 削除候補）
この例は、モデルの想像力を制約していないか？（YES → 削除候補）
この禁止事項は、破ると本当に致命的か？（NO → 削除候補）
このフォーマット指定は、目的（読みやすさ等）に置き換えられないか？（YES → 削除候補）
この情報は、モデルが知らないドメイン固有のものか？（YES → 残す）
この好みは、自分の価値観として明示したいものか？（YES → 残す）

この6つのチェックを通すだけで、多くのCLAUDE.mdは半分以下に減らせます。次のセクションで、具体的な書き換え例を7ペア紹介します。

before/after書き換え辞書｜今日CLAUDE.mdを半分に減らす7つの例

ここからは実践編です。実際のCLAUDE.mdによく出てくるパターンを、Claude 5世代向けに書き換える7つの例を紹介します。読みながら自分のCLAUDE.mdを開いて、その場で書き換えてみてください。

書き換え例1｜コメント指示

Before（142文字）:

コード内にコメントを書かないでください。複数段落のdocstringや複数行コメントブロックを絶対に書かないでください。一行最大です。計画、決定、分析ドキュメントを作らないでください。会話コンテキストから作業し、中間ファイルは作らないでください。

After（29文字）:

周囲のコードと同じように読めるコードを書いてください。コメント密度、命名、慣用句を合わせてください。

削減率: 約80%。Anthropic公式ブログで公開されている、実際にClaude Codeで使われている書き換え例そのものです。

書き換え例2｜ツール使用の例

Before:

Bashツールの使い方例を列挙し、危険なコマンドの禁止指示を並べる。

After:

削除。Bashツールのdescriptionを充実させる方に回します。

Claude 5世代はBashツールのdescriptionを読めば、上記の例なしで正しく使えます。危険なコマンドの拒否も、ツール設計側で吸収します。

書き換え例3｜検証（verification）指示

Before:

変更を加えたら常に検証してください。検証、検証、検証。テストを実行してから返してください。エラーがある場合は3回まで修正を試みてください。

After:

フロントエンド作業では、backendエンドポイントを叩くだけではUX全体を確認できません。UXに影響する大きな変更を加える際は、ローカルでアプリを実行して視認してください。

命令調から、背景の共有に変わっています。判断はモデルに任せる形です。

書き換え例4｜出力フォーマット指定

Before:

回答は必ず以下の構造で出力してください: 1. 要約（3行以内）/ 2. 詳細な説明（段落ごとに見出し付き）/ 3. コード例（実行可能な形式）/ 4. 注意点（箇条書き5個以内）/ 5. 参考リンク

After:

読者が理解しやすい形式で回答してください。技術トピックの場合は具体例を含めてください。

目的だけ伝え、構造はモデルに委ねます。質問の内容に応じて最適な形式が選ばれます。

書き換え例5｜禁止事項リスト

Before（35個の禁止事項）:

console.logを残さない、any型を使わない、未使用変数を残さない、varを使わない、Promiseをawaitせずに捨てない、といった技術的な禁止事項が延々と続く形。

After（3個の絶対禁止）:

API keyやパスワードをコードに直書きしない
顧客の個人情報をログに残さない
本番DBに対する破壊的操作（DROP、DELETE without WHERE）を無警告で実行しない

35個 → 3個。残した3つは「破ると法的・ビジネス的に致命的」なものだけです。他はESLintやTypeScriptの型で担保するか、モデルの判断に任せます。

書き換え例6｜手順の細かい指示

Before:

タスクを受けたら以下の手順で進めてください: 1. まず要件を復唱 2. TodoWriteで細かいタスクリストを作成 3. 各タスクを1つずつin_progressに 4. 実装 5. テスト 6. コミット候補の提示 7. ユーザーの承認を待つ

After:

ゴールと制約を最初に共有します。進め方はあなたに任せます。破壊的操作（git push –force等）や大きなアーキテクチャ変更を行う前は必ず一度確認してください。

手順を渡すのではなく、ゴールと制約だけ伝えます。手順はモデルが状況判断で決めます。

書き換え例7｜メモリー運用

Before:

重要な決定事項や設計判断は、必ずdocs/decisions/YYYY-MM-DD_decision.mdに手動で保存してください。ファイル名は日付と決定内容を含めてください。過去の決定を参照するときは、grepで該当ファイルを検索してから引用してください。

After:

削除。Claude Codeの自動メモリー機能に任せます。

Anthropic公式ブログのルール5「自動メモリ」に従い、手動保存の指示は削除します。Claude自身が関連情報を判断して保存します。

Claude 5世代向けCLAUDE.md冒頭テンプレート

7つの書き換え例をベースに、Claude 5世代向けの最小限CLAUDE.md冒頭テンプレートを示します。

# プロダクト情報 (Information)
- リポジトリ名: <your-repo>
- 主要ユーザー: <user description>
- 技術スタック: <stack summary>
- ドメイン固有の用語: <glossary link>

# 好み (Preferences)
- 出力言語: 日本語 (コードコメントは英語)
- コミュニケーションスタイル: 簡潔、結論ファースト
- 優先順位: 保守性 > パフォーマンス > 冗長性削減

# 絶対ルール (Minimal Rules)
- API key / 秘密情報をコードに直書きしない
- 顧客個人情報をログに残さない
- 本番DBへの破壊的操作は事前確認必須

# 進め方
- 大きなアーキテクチャ変更前は一度相談
- テスト・lint はプロジェクト設定に従う

100行未満、ポイントは明確、モデルの判断力を信じる設計です。

移行チェックリスト

既存CLAUDE.mdをClaude 5世代向けに移行するときのチェックリストです。

200行超なら半分以下を目標に削減
「絶対に〜するな」の連発は3個以内に絞る
Few-shot examplesを削除、代わりにツール定義を充実
手順1〜Nの細かい指示を「ゴール + 制約」に書き換え
出力フォーマット指定を「目的」に書き換え
Claude Code内で/doctorを実行して最適化提案を受ける
削減後、実際のタスクを数本走らせて品質を確認

/doctorコマンドは、あなたのCLAUDE.mdやSkillsを分析し、Claude 5世代向けの改善提案を出してくれます。まず一度走らせてみることをおすすめします。

Opus 5が本領発揮するユースケースとClaude 5世代の使い分け

最後に、Opus 5をどんな場面で使うべきか、そしてClaude 5世代（Fable 5 / Opus 5 / Sonnet 5 / Haiku 5）の使い分けを整理します。

Opus 5が輝く5つのユースケース

Anthropic公式リリースやFortune取材記事で言及されている代表的なユースケースを、実務観点で5つに整理します。

法律関連の複雑推論

契約書レビュー、判例分析、規制対応のような、複数の条項を横断して整合性を検証する作業です。Opus 5の判断力向上により、法務チームがGoogle検索と行き来していた作業が1つのセッションで完結しやすくなりました。

生命科学・医薬研究

Opus 5はOpus 4.8と比べて生命科学領域で大幅に改善されています。論文の要約、実験計画の批判的検討、ドラッグリパーポージング候補の探索といった、専門知識と論理推論が同時に要求される作業に向いています。

大規模コードベースのリファクタ・マイグレーション

数百ファイルにまたがる依存関係を追いながら、慎重にリファクタする作業です。Opus 5は文脈保持力とツール利用の判断力が向上しており、Claude Code経由で自律的に進められる範囲が広がりました。ただし本当に難易度が高いmulti-fileマイグレーションでは、Fable 5を切り札として使う判断も残ります。

長期エージェントタスク

数時間から数日にわたって進める研究、市場調査、コンペティティブ分析。Opus 5は自律判断で必要なツールを呼び、無駄な確認を減らせるため、人間のオーバーヘッドが小さくなります。

曖昧要件からの独自解の構築

「〜みたいなことがしたい」レベルの曖昧な要件から、複数の解決策を提示し、トレードオフを整理して選択肢を示す作業。命令ではなく背景情報を渡す設計と、Opus 5の判断力の相性が良い領域です。

Effort Levelの使い分け表

同じOpus 5でも、Effort Levelの選択でコストと出力品質が変わります。以下は実務での使い分け目安です。

Effort Level	向くタスク	コスト感	応答時間
low	分類、要約、フォーマット変換、既知パターンのコード	低	数秒
medium	通常のエンジニアリング、リサーチ、ドキュメント作成	中	10〜30秒
high	複雑推論、debug、architecture設計、long-horizon plan	高	30秒〜数分

日常の8割はmediumで十分、複雑な問題だけhighに切り替える、というのが実運用の落とし所です。lowは大量並列処理する場面（数千件の分類など）で活きます。

Claude 5世代の使い分け

これまでのClaude 4系（Fable 5 vs Opus 4.8）の使い分けは、Claude 5世代でこう更新されます。

モデル	使う場面
Claude Fable 5	本当に難しいときの切り札。長期エージェント、multi-fileマイグレーション、high-stakes分析
Claude Opus 5	常用の主戦力。法律・生命科学・複雑推論・エンタープライズ・曖昧要件
Claude Sonnet 5	日常コーディング、ドキュメント、通常のQA
Claude Haiku 5	大量並列、分類、要約、単純タスク

Opus 5のコストパフォーマンスがFable 5に肉薄したため、以前は「Opus 4.8で試してから、必要ならFable 5」だった判断が、「Opus 5で全部やってみて、本当に難しい残りだけFable 5」に変わりました。切り札としてのFable 5の位置づけは維持されつつ、常用がOpus 5に一段引き上がった格好です。

落とし穴｜判断力を過信しない

Opus 5の判断力が上がった副作用として、Sycophancy（おもねり）のリスクにも触れておきます。モデルが「あなたの意見に賛成します」と過度に同調する現象です。判断力が高いモデルほど、ユーザーの意向を汲み取ろうとする傾向が強くなる場合があります。

対策は2つです。

明示的に反論を求める: 「この案の弱点を3つ挙げて」と依頼する
別モデルでクロスチェック: 重要な決定は、別のLLMや別セッションで再検証する

判断力を信じすぎず、批判的思考を維持する運用が重要です。

Snorbeという新しい選択肢｜Claude 5世代の判断力を前提にした最小プロンプト設計

Deep Research型のリサーチエージェントSnorbeも、Claude 5世代の判断力を前提とした設計に舵を切っています。

Snorbeでは、ユーザーが細かい調査手順や検索クエリの書き方を指示する必要はありません。「〜について調べて」と自然な日本語で投げるだけで、内部でJPO・EPO・Google Patents・arXiv・PubMed・Semantic Scholarといった専門データベースを自律的に選択し、完全記憶型ナレッジグラフに調査結果を蓄積していきます。

これはまさに本記事で解説してきた「命令ではなく背景を渡す」設計そのものです。既存のリサーチツールに慣れた方には、Snorbeを新しい選択肢として試してみることをおすすめします。細かい指示を書かずに調査を任せるスタイルが、Claude 5世代のプロンプトエンジニアリングと同じ思想で作られていることが体感できると思います。

Claude 5世代への移行は、モデル選択だけでなく、周辺ツールも含めた「判断力を前提にした最小プロンプト設計」への大きなシフトです。まずは自分のCLAUDE.mdを半分に削るところから、月曜日に始めてみましょう。

よくある質問

Q1. Claude Opus 5とClaude Fable 5はどう使い分けますか？

Opus 5は常用の主戦力、Fable 5は本当に難しいときの切り札という位置づけです。Opus 5は$5/$25（入力/出力、100万トークンあたり）で、Fable 5の$10/$50の半額で利用できます。日常のコーディング、リサーチ、複雑推論の8割程度はOpus 5で十分です。長期エージェント、multi-fileマイグレーション、high-stakes分析といった最高難度のタスクだけをFable 5に切り替える運用が現実的です。

Q2. 既存のCLAUDE.mdをClaude 5世代向けに書き換える具体的な手順は？

まず200行超のCLAUDE.mdを開いて、Anthropic公式が提示する判断基準でチェックします。「モデルが訓練データから既に知っている一般指示」「モデルの想像力を制約する例」「破っても致命的でない禁止事項」「目的に置き換えられるフォーマット指定」の4つを削除候補にします。残すのは「ドメイン固有の情報」「トーン・優先順位などの好み」「compliance・安全性の最小限のルール」の3要素だけです。Claude Code内で/doctorコマンドを実行すると、自動最適化提案も受けられます。

Q3. Effort Level（low/medium/high）の選び方が分かりません

日常タスクの8割はmediumで対応、大量並列処理（分類・要約・フォーマット変換など）はlow、複雑推論・debug・architecture設計・long-horizon planはhighという配分が実用的です。同じOpus 5でも、lowとhighではコストと応答時間が変わります。まずmediumで試して、遅い/深さが足りないと感じたらhighに切り替え、明らかにシンプルなタスクはlowに落とす、という調整が良いでしょう。

Q4. なぜ「例を示す」が逆効果になったのですか？

Anthropic技術スタッフのTariq Shihipar氏は「例は制約になる。モデル自身の方が私たちが与える例より想像力豊かだから」と説明しています。Claude 5世代のモデルは、少数の例で示された解決策の枠内に自分を閉じ込めがちで、本来出せるはずのクリエイティブな解が失われます。例の代わりに背景情報とツールの充実したdescriptionを渡す方が、より良い出力が得られます。

Q5. Claude Codeの/doctorコマンドは何をしてくれますか？

/doctorはユーザーのCLAUDE.mdやSkillsを分析し、Claude 5世代向けの最適化提案を出してくれるコマンドです。冗長な指示、重複する内容、モデルが既に知っている一般指示などを検出して、削減候補として提示します。まず一度実行して、自分のプロンプトがどれだけ削減余地があるかを把握することをおすすめします。

Q6. Claude 5世代の判断力を過信するリスクはありますか？

あります。Sycophancy（おもねり）のリスクが典型的です。判断力が高いモデルほど、ユーザーの意向を過度に汲み取り、「あなたの意見に賛成します」と同調しやすくなる傾向があります。対策として、重要な決定では「この案の弱点を3つ挙げて」と明示的に反論を求める、別モデルや別セッションでクロスチェックする、といった運用が有効です。判断力を信じつつ、批判的思考の枠組みは保つ姿勢が大切です。