Claude Opus 4.7 的三大變化，以及它們如何影響你的提示方式
Claude Opus 4.7 是 Anthropic 的旗艦模型，於 2026 年 4 月 16 日正式發布。相較於 Opus 4.6，它帶來三項直接影響提示技巧的改變：全新 tokenizer（最多比舊版多用 35% 的 token）、大幅提升的高解析度視覺能力（上限從 1.15MP 提高至 3.75MP），以及適用於代理工作流的「任務預算」功能。定價維持不變，輸入為每百萬 token $5 美元，輸出為 $25 美元。
實際意義是：你在 4.6 上使用的相同提示，放到 4.7 上若不調整，成本會明顯上升。模型能力更強，但鬆散的提示現在帶來真實的 token 開銷。了解底層機制的變化，是以同等甚至更低成本獲得更好輸出的最快途徑。
任務預算是什麼，什麼時候應該使用？
任務預算是你為整個 Claude Opus 4.7 代理循環設定的軟性 token 上限，涵蓋模型的內部思考、工具調用、工具結果和最終輸出。透過 API，你可以搭配 tasks-budgets-2026-03-13 beta 標頭，以 task_budget: {type: "tokens", total: N} 的格式傳入。最低為 20,000 tokens；對於複雜的多步驟工作流，Anthropic 建議從 64,000 tokens 開始，再根據實際使用情況調整。
任務預算並非強制截斷。Opus 4.7 能看到 token 倒數計時，並據此自我調節——在預算耗盡前，它會優先完成關鍵步驟，而不是突然截斷輸出。這讓代理工作流的成本與行為更可預測。沒有任務預算時，一個本可在 40,000 tokens 內完成的多步驟工作流，可能因過度推理中間步驟而膨脹至 100,000 tokens。
任務預算目前是 API 層級的功能，Claude.ai 介面尚未提供 UI 開關。但如果你正在使用 Make.com、n8n 或任何直接呼叫 Claude API 的平台構建自動化流程，現在就值得設置這個參數。
視覺能力提升後，你可以發送什麼給模型？
Opus 4.7 接受長邊最長 2,576 像素的圖像，約等於 3.75 百萬像素，相比 Opus 4.6 的 1.15MP 上限有顯著提升。這一變化改變了哪些視覺素材真正值得發送給模型——在 1.15MP 下模糊難辨的內容，在 3.75MP 下變得清晰可讀。
以下三種工作流程，在 Opus 4.7 的視覺能力下才真正可行：
--- 完整解析度的文件截圖：掃描的發票、合約頁面，或用手機拍攝的印刷試算表，現在都有足夠的細節讓 Claude 準確提取結構化數據、標記異常，並讀取表格內容。
--- UI 截圖操作指引：貼上一張網頁儀表板或軟件介面的截圖，讓 Claude 為你撰寫逐步操作說明。在 1.15MP 解析度下，小型 UI 文字經常被誤讀；在 3.75MP 下，辨識準確度顯著提升。
--- 簡報審閱：Anthropic 在 Opus 4.7 發布說明中特別指出其 .pptx 編輯能力的改善——模型現在能夠視覺化驗證自身的投影片排版輸出，並發現在低解析度下會遺漏的格式錯誤。
為什麼你的提示現在更貴——以及如何解決
Opus 4.7 的新 tokenizer 處理文本時，所用 token 數量比舊版最多多出 35%，實際比例因內容類型而異（1x 至 1.35x）。程式碼、結構化標記語言，以及冗長的對話式指令，往往會看到最高的 token 膨脹。這不影響輸出質量，但會增加成本——對於大量呼叫 API 的實踐者，35% 的額外開銷在數千次呼叫中會持續累積。
解決方法不是削減必要的上下文，而是消除無效填充。對 Opus 4.7 影響最大的單一提示調整，是去掉許多人出於習慣而書寫的對話式開場白。「你是一位樂於助人的 AI 助手，將協助我完成...」或「請務必詳盡且全面地...」這類短語消耗 token，但對 2026 年的前沿模型而言不帶來任何性能提升。
用結構化 XML 區塊替代自由格式指令。以下是一個實用的前後對比：
修改前（在 Opus 4.7 上低效）：
「你是一位資深行銷策略師。我需要你幫我為一款新產品發布撰寫一份行銷簡報。這款產品針對的是...」
修改後（結構化，token 高效）：
<task>撰寫行銷簡報</task>
<product>[一句話產品描述]</product>
<audience>[目標受眾，最多兩行]</audience>
<output>500 字。結構：目標 / 受眾 / 核心訊息 / 渠道 / 成功指標。純文本，無開場白。</output>
XML 版本使用更少 token，模型更易解析，輸出結構更穩定——因為每個區塊明確標示了其內容的角色。
適合 Opus 4.7 的提示技巧——以及需要放棄的舊習慣
Opus 4.7 是一個前沿推理模型，它在回覆前已進行內部思考。為早期模型設計的引導技巧——寫「讓我們一步一步思考」、加入「這對我的職業非常重要」等情感觸發語句——對 Opus 4.7 沒有效果，還會消耗本可用於實際推理的 token。
以下是在 2026 年對 Opus 4.7 真正有效的技巧：
--- XML 標籤化上下文區塊——使用 <instructions>、<context>、<examples> 和 <output_format> 分隔提示的各個組成部分。當內容角色有明確標籤時，Opus 4.7 的指令遵循能力顯著提升。
--- 清晰標籤內的少量示例（few-shot examples）——提供 2 至 3 個完整的輸入-輸出示例，能同時傳達格式、語氣、深度和邊緣情況的處理方式，比書寫規則更高效直接。
--- 明確的輸出格式約束——指定字數、結構和需要排除的內容。Opus 4.7 的指令遵循精確度意味著，在 <output_format> 中直接說明的格式要求會被高度準確地執行。
--- 多步驟工作的提示鏈（prompt chaining）——將複雜交付物拆解為連續的提示，每個輸出成為下一個的輸入。這提供了質量檢查節點，讓每步驟的 token 預算更易管理，也比單一大型提示更容易調試。
一個可直接複製使用的 Opus 4.7 提示模板
以下模板採用 XML 結構化方式，適用於寫作、分析、研究和數據提取等大多數任務。結構保持不變，根據使用場景填入內容即可。
立即試用這個提示：
<instructions>
你正在分析 [文件類型或數據]，以產出 [具體輸出類型]。
保持直接具體。無開場白，無補充說明。
</instructions>
<context>
[在此貼上你的文件、數據或相關背景資訊]
</context>
<task>
[你的具體要求——一條清晰明確的指令]
</task>
<output_format>
[指定格式、長度和結構。例如：「5 至 7 條重點發現，每條 1 至 2 句，用語清晰。無標題。」]
</output_format>
<output_format> 區塊是實踐者最常遺漏的部分，也是輸出不穩定的最大單一成因。若無格式約束，Opus 4.7 會自行選擇一種可能比你的使用場景更冗長的格式。
從 Opus 4.6 升級至 4.7 時的三個常見錯誤
大多數在未調整工作流的情況下升級至 Opus 4.7 的實踐者，都會遇到以下三個可預期的問題。提前了解它們，花費不到五分鐘就能預防，並在大量使用時節省可觀成本。
--- 沿用 4.6 的冗長系統提示而未加精簡。為早期模型撰寫的系統提示，往往包含大量冗餘指令，因為早期模型需要更多明確引導。審查你的系統提示，刪除重複或說明顯而易見事項的指令。在 Opus 4.7 上，這些額外 token 消耗成本而不提升輸出質量。
--- 在代理工作流中不設置任務預算。若無任務預算，在代理循環中運行的 Opus 4.7 沒有自我調節信號，會導致過度冗長的推理鏈和不可預測的 token 使用量。在大量部署任何多步驟 Claude 工作流之前，務必先設置任務預算。
--- 誤以為新視覺能力會自動生效。Opus 4.7 的 3.75MP 視覺能力，只在你以正確 API 格式明確傳入圖像時才會啟動——即以圖像區塊的形式傳入，而非將 base64 嵌入文本，也非對圖像的文字描述。若你的工作流程是將圖像 URL 貼入文本欄位，視覺能力並未被觸發。
懂AI，更懂你 UD相伴，AI不冷。這些調整，是讓 Opus 4.7 真正為你所用的基礎配置。
評估一下你的 AI 能力水平
了解 Claude Opus 4.7 是 AI 能力成熟度的一個指標。UD AI IQ Test 為你提供橫跨模型認識、提示技巧和工作流設計的全面評估——UD 團隊手把手帶你完成每一步，從基礎評估到進階工作流的實際部署。