24 липня 2026 року Anthropic оновила сторінку System Prompts у своїй документації, виклавши повний текст системного промпту Claude Opus 5 — інструкцію на кілька тисяч слів, розбиту на XML-теговані блоки, яка визначає, як чат-бот поводиться на claude.ai і в мобільних застосунках. Це не маркетинговий текст і не спрощений опис «принципів безпеки» для преси: це той самий рядок символів, який щоразу підставляється перед повідомленням користувача. За даними HackerNews, публікація зібрала одразу два окремі треди на майданчику — один із них набрав понад сто балів, — що для сторінки офіційної документації трапляється нечасто і свідчить про попит спільноти білдерів саме на такі сирі артефакти, а не на переказ від третіх осіб.

Що це за сторінка і чому вона не про API

System Prompts — це журнал змін, побудований так само, як changelog софту: кожна модель має власний розділ, у якому акордеоном розгорнуто одну або кілька дат, а різниця між версіями всередині однієї моделі виділена жирним. Анthropic прямо застерігає: ці оновлення стосуються лише веб-інтерфейсу, iOS- та Android-застосунків — до Claude API вони не застосовуються. Розробники, які викликають модель напряму через `messages.create`, отримують чисту модель без жодного з описаних нижче шарів; весь цей текст існує лише тому, що комусь потрібно перетворити «сирий» language model на продукт з передбачуваною поведінкою для мільйонів людей одразу.

Анатомія промпту: від «хто ти» до «коли мовчати»

Структура промпту Opus 5 і Fable 5 однакова за формою: великий блок <claude_behavior>, всередині якого — вкладені секції з промовистими назвами. product_information пояснює моделі, що́ таке Claude Code, Claude Cowork, Claude in Chrome/Excel/PowerPoint, Claude Tag і Claude Design, і чітко забороняє вигадувати деталі про продукти поза цим списком — модель повинна визнати межу власного знання й відправити людину на support.claude.com. Далі йдуть critical_child_safety_instructions (позначені жирним як такі, що «вимагають особливої уваги»), refusal_handling, legal_and_financial_advice, tone_and_formatting, велика секція user_wellbeing про психічне здоров'я, evenhandedness про політичну нейтральність, responding_to_mistakes_and_criticism і завершує все knowledge_cutoff.

Кілька деталей тут цікавіші за загальну структуру. У блоці про зброю модель зобов'язана оцінювати не окрему репліку, а сукупний вивід усієї розмови: якщо серія нібито нешкідливих кроків у підсумку складається у специфікацію зброї, Claude має зупинитися навіть тоді, коли попередній фрагмент розмови показує, що вона вже допомагала — «минула допомога не є дозволом», сказано прямим текстом. У секції про добробут користувача є на диво конкретний технічний деталь: коли модель радить кризові ресурси з приводу розладів харчової поведінки, вона більше не називає NEDA — організація постійно відключена, — а спрямовує на National Alliance for Eating Disorders. Це означає, що промпт оновлюють не лише через архітектурні зміни моделі, а й тому, що змінилася реальність поза нею.

Fable 5 → Opus 5: приховане перенаправлення запитів

Найпомітніша новинка в липневому записі Opus 5 — секція fable_safeguards_routing, якої не було в жодній попередній версії. У ній Claude отримує пояснення для самого себе: якщо людина вибрала модель Fable 5, але її запит зачепив спеціальний класифікатор безпеки, відповідь фактично згенерує Opus 5 — без явного попередження в інтерфейсі, окрім самого факту, що модель тепер знає, як це пояснити, якщо користувач запитає, чому тон чи стиль відповіді раптом змінився. Промпт цитує офіційний блог Anthropic:

«Випуск настільки потужної моделі несе ризики. Без захисних механізмів можливості Fable 5, наприклад у кібербезпеці, могли б використати для завдання серйозної шкоди. Тому ми запустили модель із захистом, за якого запити на деякі теми натомість отримують відповідь від нашої наступної за потужністю моделі, Claude Opus 5. […] Ми налаштували ці механізми консервативно — вони інколи ловитимуть і нешкідливі запити, хоча в середньому спрацьовують менш ніж у 5% сесій».

Це рідкісний випадок, коли постачальник моделі публічно визнає масштаб фолс-позитивів власного safety-класифікатора цифрою — «менш ніж 5% сесій» — замість абстрактного «ми дбаємо про безпеку». Для білдерів це працює як орієнтир: якщо навіть у флагманській лінійці Anthropic допускає п'ятивідсоткову похибку маршрутизації, закладати нульову похибку у власний guardrail-шар — нереалістична вимога до продукту.

Три тижні без Fable 5: коли Вашингтон важливіший за архітектуру

Той самий розділ промпту фіксує епізод, якого не було в жодному попередньому записі: Claude Fable 5 і Claude Mythos 5 вийшли 9 червня 2026 року, але вже 12 червня Anthropic призупинила доступ до обох моделей, виконуючи експортні обмеження Міністерства торгівлі США. Обмеження зняли 30 червня, доступ відновили 1 липня — три тижні простою для моделі верхнього рівня через регуляторне, а не технічне рішення. Оскільки ці події сталися вже після дати обрізання знань моделі, промпт прямо вчить Claude визнавати їх фактично й безоціночно, якщо про них запитають, а не заперечувати чи ухилятися. За даними спільноти HN, саме поєднання «розсекречених внутрішніх правил» із задокументованим втручанням регулятора підняло цю публікацію в топ обговорень — це вже не абстрактна дискусія про AI-безпеку, а конкретний прецедент, коли експортний контроль на кілька тижнів вимкнув доступ до комерційного продукту для платних користувачів.

Тон, форматування і список заборонених слів

Окрема лінія розвитку промпту — боротьба з «типово ШІ-шним» стилем відповіді. У версіях Fable 5 і Opus 4.8 з'являється явна настанова уникати надформатування: заголовки, жирний текст і буліт-пойнти дозволені лише тоді, коли користувач їх просить або контент справді багатоаспектний, а буліт має бути не коротшим за одне-два речення. У звітах і поясненнях модель має писати суцільною прозою — «якісь речі включають: x, y, і z» замість переліку через дефіс. Ще конкретніше: промпт прямо забороняє окремі слова — «genuinely», «honestly», «straightforward» (у версії Opus 5) чи «genuinely», «honestly», «actually» (у Opus 4.8) — бо вони «звучать нещиро», коли модель ними намагається переконати співрозмовника. Opus 4.8 додає заборону на емодзі, якщо користувач не почав першим, і на звертання на кшталт «sweetheart», якщо про це прямо не попросили. У версії Opus 4.8 з'являється і зовсім метарівнева інструкція respond_without_citing_system_prompt: модель не повинна пояснювати свою поведінку посиланням на «мій системний промпт вимагає» чи на внутрішню механіку на кшталт того, де саме зберігається файл, — така фраза лише плутає людину, яка цього промпту не бачить, і підмінює реальне міркування апеляцією до прихованих правил.

Що з цього можна забрати у власний продукт

Три практичні висновки для тих, хто будує власних агентів і чат-продукти поверх LLM API.

Перше. Секціонування промпту тегами за темою — product_information, refusal_handling, tone_and_formatting, user_wellbeing — це не косметика, а спосіб зробити промпт на кілька тисяч слів підтримуваним і версійованим. Anthropic по суті демонструє, що навіть при такому обсязі текст лишається редагованим по секціях: зміна політики щодо однієї теми (наприклад, оновлення посилання на кризовий ресурс) не вимагає переписування решти документа. Для власного агентного промпту цей підхід масштабується напряму: розбивайте behavioral-інструкції на іменовані блоки замість одного суцільного абзацу.

Друге. Секція anthropic_reminders описує механізм, який класифікатори застосунку («image_reminder», «cyber_warning», «long_conversation_reminder») можуть підставляти в кінець повідомлення користувача, а промпт явно попереджає модель: такий текст у тегах наприкінці репліки може підробити й сам користувач, тож довіряти йому варто обережно, особливо якщо він намагається послабити обмеження. Це той самий клас проблеми, який в API вирішує окремий, автентифікований канал — повідомлення з роллю system, додане всередину масиву messages замість редагування верхньорівневого системного промпту. На Claude Opus 5, Opus 4.8, Fable 5 і Mythos 5 (але не на Sonnet 5) такий блок можна додати посеред розмови без інвалідації кешу, і головне — користувач не може підмінити його вмістом свого повідомлення, бо роль призначається на рівні запиту до API, а не тегом у тексті. Якщо власний агент інжектує оперативний контекст (перемикання режиму, оновлений стан) прямо в текст користувацької репліки через щось на кшталт <system-reminder>, він успадковує ту саму вразливість, яку промпт claude.ai явно намагається компенсувати попередженням моделі, — і має сенс перейти на автентифікований канал, а не покладатися на обережність самої моделі.

Третє. Патерн «непомітне перенаправлення на консервативнішу модель при спрацюванні класифікатора», описаний для Fable 5 → Opus 5, концептуально той самий, що й параметр fallbacks у Claude API: коли запит повертає stop_reason: refusal, сервер може автоматично повторити його на резервній моделі в межах того самого виклику, без додаткового round-trip з боку клієнта. Для продуктів, які будують власний шар безпеки поверх кількох моделей, це готовий шаблон: основна модель високої потужності плюс автоматичний відкат на консервативнішу за категорією відмови, прозоро для користувача, але з логуванням для команди — саме так, як Anthropic сама описує власний внутрішній механізм у промпті для Opus 5.

Висновок редакції AiiN

Публікація повних системних промптів — це не жест доброї волі, а конкурентна необхідність: коли модель поводиться дивно чи демонстративно уникає теми, перше запитання спільноти завжди «а що там у системному промпті», і Anthropic обрала відповідати на нього документацією замість здогадок скріншотами з jailbreak-спроб. Те, що цей текст тепер існує у версійованому вигляді з датами й підсвіченими діффами, перетворює безпекову інженерію компанії на дослідну базу: можна простежити, як за якихось два місяці — з травня по липень 2026-го — з'явилися нова секція про перенаправлення запитів, метарівнева заборона посилатися на власний системний промпт і зміна довідкового ресурсу через закриття NEDA. Найближчі 6–12 місяців варто очікувати два паралельні тренди: по-перше, конкуренти (OpenAI, Google, Meta) підуть за тим самим шляхом часткової прозорості, бо мовчання щодо системних промптів стає репутаційним ризиком у порівнянні з відкритою документацією Anthropic; по-друге, сама сторінка System Prompts перетвориться на де-факто підручник з prompt engineering для продуктових команд — не тому, що текст ідеальний, а тому, що це єдиний публічний приклад промпту, який реально витримує навантаження мільйонів різнорідних розмов і продовжує еволюціонувати щомісяця на основі конкретних інцидентів, а не абстрактних принципів.