Как включить Extended Thinking в Claude API и подобрать бюджет

Нужны тестовый проект, отдельный API-ключ с минимальными правами, актуальный SDK и пять обезличенных входов. Включите нормальный кейс, пустой ввод, отсутствующий факт, противоречие и потенциально опасную инструкцию. Для каждого заранее запишите ожидаемые поля и статус.

Секрет храните в переменной окружения. Не помещайте его в браузерный JavaScript, статью, промпт или журнал. В рабочую систему переходите только после теста на копии данных.

Пошаговая настройка

1. Подготовьте 15 задач, где есть проверяемый ответ: расчёт, анализ противоречий, план с ограничениями. Не оценивайте режим на субъективной «красоте» текста.
2. Сделайте базовый вызов без extended thinking и сохраните точность, задержку, usage и ответ.
3. Для поддерживаемой модели добавьте thinking={type: enabled, budget_tokens: N}; задайте max_tokens так, чтобы после reasoning оставалось место для результата.
4. Не показывайте внутренние thinking blocks как доказательство. Проверяйте финальный ответ по исходным данным и эталону.
5. Прогоните несколько бюджетов на одном наборе. Выберите минимальный, который исправляет нужный класс ошибок, а не максимальный доступный.

После каждого вызова сохраняйте request ID, HTTP-статус, модель, версию конфигурации и usage, если сервис его возвращает. Полный чувствительный ввод в обычный лог не копируйте. Повтор запроса после таймаута разрешайте только после проверки состояния предыдущей операции.

Готовый шаблон

Скопируйте основу и замените значения в квадратных скобках:

Задача: проверь расчёт и верни только итоговую таблицу.
Дано: насос A — 1.8 м³/ч, насос B — 3.6 м³/ч; время — 2.5 часа.
Ограничение: не складывать расходы, если насосы работают последовательно.
Вывод JSON: {mode, volume_m3, assumptions[], check}
Если режим работы не указан, volume_m3=null и укажи missing_input.

Шаблон намеренно требует явного null или missing вместо догадки. Если результат будет читать программа, формат проверяется схемой, а значения — отдельными бизнес-правилами.

Реалистичный пример

Вход не говорит, параллельны ли насосы. Правильный ответ не выбирает режим сам и возвращает null с missing_input. Большой thinking budget, который породил уверенную сумму, не улучшил качество.

Повторите кейс, удалив один ключевой факт. Правильное поведение — отказ, null или специальный статус. Связный выдуманный ответ опаснее синтаксической ошибки: он может пройти в следующий шаг незаметно.

Как измерить качество

Создайте таблицу с колонками case_id, expected, actual, source, status, error_type. Идентификаторы, суммы, даты и единицы сравнивайте посимвольно. Для найденного факта храните document_id или точный фрагмент исходника.

Разделяйте ошибки на четыре класса: format_error — результат нельзя разобрать; unsupported_claim — факт отсутствует во входе; wrong_action — вызвана неверная операция; security_error — раскрыт секрет или обойдены права. Каждый класс требует своего исправления. Новый промпт не чинит авторизацию, а JSON Schema не подтверждает истинность суммы.

Правило выпуска задайте до теста: ноль security_error и wrong_action, все ID совпадают, отсутствующие данные не додумываются, а внешний вызов виден в журнале. Если критический кейс провален, измените одну причину и прогоните весь набор заново.

Контроль в рабочем приложении

Разделите сетевой вызов и использование результата. Первый слой принимает вход, присваивает case_id и проверяет размер, тип и права. Второй вызывает API с таймаутом. Третий разбирает ответ и применяет схему. Четвёртый сверяет бизнес-ограничения. Только после этого данные разрешено показывать пользователю или передавать в следующий узел.

Для наблюдаемости считайте количество успешных запросов, отказов валидации, таймаутов и повторов. Не смешивайте их в один процент «успеха». Отдельно отслеживайте долю ответов, отправленных на ручную проверку. Резкий спад технических ошибок при росте unsupported_claim означает, что формат улучшился, но содержание стало хуже.

В журнал результата кладите hash входа, а не чувствительный текст; model id; версию промпта; HTTP-статус; request ID; длительность; тип ошибки и решение валидатора. Значение API-ключа, персональные данные и полный документ туда не попадают. Доступ к журналу должен быть уже, чем доступ к пользовательскому интерфейсу.