Anthropic提示工程交互教程：从零到跑通的Claude提示词完整指南
【免费下载链接】prompt-eng-interactive-tutorialAnthropic's Interactive Prompt Engineering Tutorial项目地址: https://gitcode.com/GitHub_Trending/pr/prompt-eng-interactive-tutorial
Claude的回复时好时坏、格式总不对？这个项目就是官方给出的解法：一份带练习、带提示、可交互运行的提示工程教程，9章加附录，每章都能边读边改prompt立刻看到Claude的反应变化。
项目速览：这个教程给你准备了什么
| 项目 | 说明 |
|---|---|
| 你拿到什么 | 14个Jupyter Notebook：9章正文、3个附录、1个使用说明，外加练习提示文件 |
| 它能做什么 | 从prompt基本结构讲到复杂提示词搭建，每章配练习和自由实验区 |
| 适合谁用 | 调用过LLM API、但prompt效果不稳定的开发者，不是纯小白课 |
| 上手成本 | 一个Anthropic API Key，pip install anthropic，Notebook里逐格运行 |
| 部署变体 | 两套目录：直连API的标准版和面向AWS Bedrock的版本 |
| 固定设置 | 全程用Claude 3 Haiku、temperature为0，保证结果可复现 |
它到底怎么工作的：三次调用之外的设计
1. 每个notebook的底层是同一个调用封装。你输入一个prompt字符串（可选带上system prompt和prefill），处理环节是Anthropic 1P/目录下每章Setup cell里的get_completion函数，它通过anthropic SDK调用Messages API，temperature固定为0；输出就是打印在cell下方的Claude回复。所有技巧都建立在这个最简链路上：
client = anthropic.Anthropic(api_key=API_KEY) message = client.messages.create(model=MODEL_NAME, messages=[{"role": "user", "content": prompt}])2. 每章按"Lesson → Exercises → Example Playground"三段推进。Lesson讲原理和正反例；Exercises是带自动判定的小任务，你写的prompt会被判分函数检查，卡住时调用hints变量能看到官方提示（提示逻辑在 Anthropic 1P/hints.py）；Playground是留给你随便改prompt看反应的沙盒。这个设计逼你亲手试，而不是读完就忘。
3. 第9章给出复杂prompt的组装模板。输入是对话历史、用户问题等变量，中间是任务、上下文、约束、示例、输出格式这几个模块的拼装（章节里特别强调了模块顺序对结果有影响），输出是可直接复用的行业级prompt。配套的法律、金融、编码用例就放在Anthropic 1P/09_Complex_Prompts_from_Scratch.ipynb里。
跟着做：三步跑通提示工程练习
第一步：配好环境，跑通第一次对话。克隆仓库：
git clone https://gitcode.com/GitHub_Trending/pr/prompt-eng-interactive-tutorial打开Anthropic 1P/00_Tutorial_How-To.ipynb，按说明装依赖，把API Key和模型名填进Setup cell：
API_KEY = "your_api_key_here" MODEL_NAME = "claude-3-haiku-20240307"运行到最后一个cell，把get_completion("Hello, Claude!")执行一遍。做完这一步你应该看到cell下方打印出Claude的回复，且%store命令保证Key会在后续章节自动复用，不用重复填。
第二步：过完前三章，感受prompt措辞的直接后果。依次运行01到03章（基本结构、清晰直接、角色分配）。每章Exercise的判定函数会告诉你哪条指令没起作用，比如它会要求输出里出现某个词，你就得想办法用一句话把Claude"逼"到那个输出。做完这一步你应该看到所有练习通过判定，并且对"同一个意思换个说法，回复完全不同"有了体感。
第三步：进入第4到7章，再收尾第9章。这几章分别讲数据与指令分离（用XML标签把原文和指令隔开）、输出格式控制（prefill让Claude从你写好的开头续写）、逐步思考、Few-Shot示例。做完这一步你应该能在Playground里，只靠加两三个示例句子就把输出格式改到下游程序可以直接解析。如果你用AWS，改看AmazonBedrock/目录，先跑里面的00_Tutorial_How-To.ipynb配置凭证，章节结构与标准版一致。
能拿它干什么：四个具体用法
- 如果你在做客服或问答机器人，可以照第9章的职业教练示例：把对话历史和当前用户问题做成两个变量，套上任务描述、上下文和输出约束，直接得到一个能控制语气和回答范围的多轮prompt骨架。
- 如果你在批量处理非结构化文本（工单分类、评论打标），第4章的数据分离写法可以直接搬：把待处理内容塞进XML标签、指令放标签外，批处理时就不会出现指令被原文带偏的情况。
- 如果你想让输出带特定语气或格式，第7章的Few-Shot做法最省事：不用长篇描述"要亲切一点"，直接贴两三条理想回答的示例，Claude就会照着那个调性输出。
- 如果你在知识问答场景被编造内容困扰，第8章讲的就是这个：通过明确的回答约束和引用要求，让Claude在没把握时承认不知道，而不是硬编。
往深了走
- 换到AWS环境：
AmazonBedrock/提供anthropic SDK和boto3两种调用实现，外加cloudformation/下的CloudFormation模板，可以直接在Bedrock上搭出整套workshop环境。 - 附录覆盖进阶方向：10.1讲prompt链式调用（多步任务拆成多次调用），10.2讲Tool Use，10.3讲检索增强，这三篇是你做完正文后最值得看的部分。
- 判分逻辑值得研究：练习的hints和判分函数本身就是一小份"什么样的prompt算合格"的标准，写自己的prompt评测脚本时可以参考它的思路。
- 模型参数可迁移：教程虽固定Haiku加temperature 0，但学到的结构、分离、示例这几类技巧同样适用于Sonnet、Opus，以及你项目里现有的参数配置。
打开01_Basic_Prompt_Structure.ipynb，把第一个Setup cell和第一个示例prompt跑一遍，你就知道整条练习路径该怎么走了。
【免费下载链接】prompt-eng-interactive-tutorialAnthropic's Interactive Prompt Engineering Tutorial项目地址: https://gitcode.com/GitHub_Trending/pr/prompt-eng-interactive-tutorial
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
