Claude в Google Vertex AI

Подключение Claude через Google Cloud — авторизация, регионы, биллинг.

100 уроков, первые 3 бесплатно. Полный доступ: 1490 руб.

Уроки курса

  1. Welcome to the course
  2. Overview of Claude models
  3. Accessing the API
  4. Vertex AI Setup
  5. Making a request
  6. Multi-turn conversations
  7. Chat exercise
  8. System prompts
  9. System prompts exercise
  10. Temperature
  11. Course satisfaction survey
  12. Response streaming
  13. Controlling model output
  14. Structured data
  15. Structured data exercise
  16. Quiz on accessing Claude with the API
  17. Prompt evaluation
  18. A typical eval workflow
  19. Generating test datasets
  20. Running the eval
  21. Model based grading
  22. Code based grading
  23. Exercise on prompt evals
  24. Quiz on prompt evaluation
  25. Prompt engineering
  26. Being clear and direct
  27. Being specific
  28. Structure with XML tags
  29. Providing examples
  30. Exercise on prompting
  31. Quiz on prompt engineering techniques
  32. Introducing tool use
  33. Project overview
  34. Tool functions
  35. Tool schemas
  36. Handling message blocks
  37. Sending tool results
  38. Multi-turn conversations with tools
  39. Implementing multiple turns
  40. Using multiple tools
  41. The batch tool
  42. Tools for structured data
  43. The text edit tool
  44. The web search tool
  45. Quiz on tool use with Claude
  46. Introducing Retrieval Augmented Generation
  47. Text chunking strategies
  48. Text embeddings
  49. The full RAG flow
  50. Implementing the RAG flow
  51. BM25 lexical search
  52. A Multi-index RAG pipeline
  53. Reranking results
  54. Contextual retrieval
  55. Quiz on Retrieval Augmented Generation
  56. Extended thinking
  57. Image support
  58. PDF support
  59. Citations
  60. Prompt caching
  61. Rules of prompt caching
  62. Prompt caching in action
  63. Quiz on features of Claude
  64. Introducing MCP
  65. MCP clients
  66. Project setup
  67. Defining tools with MCP
  68. The server inspector
  69. Implementing a client
  70. Defining resources
  71. Accessing resources
  72. Defining prompts
  73. Prompts in the client
  74. MCP review
  75. Quiz on Model Context Protocol
  76. Anthropic apps
  77. Claude Code setup
  78. Claude Code in action
  79. Enhancements with MCP servers
  80. Parallelizing Claude Code
  81. Automated debugging
  82. Computer use
  83. How computer use works
  84. Agents and workflows
  85. Parallelization workflows
  86. Chaining workflows
  87. Routing workflows
  88. Agents and tools
  89. Environment inspection
  90. Workflows vs agents
  91. Quiz on agents and workflows
  92. Final assessment quiz
  93. Course Wrap Up
  94. Course Description
  95. Course Description
  96. Course Description
  97. Course Description
  98. Course Description
  99. Course Description
  100. Course Description

Тест: Тест по возможностям Claude

Проверьте свои знания по материалам раздела.

1. Какова основная цель метода Reciprocal Rank Fusion (RRF) в многоиндексном RAG-пайплайне?

  1. Для проведения лексического поиска документов, содержащих точные ключевые слова.
  2. Для преобразования текстовых запросов и документов в числовые векторы (эмбеддинги).
  3. Для объединения и ранжирования результатов, полученных от различных поисковых методов (лексического и семантического), учитывая их позиции в ранге.
  4. Для оптимизации скорости ответа Claude путем предварительной обработки и кэширования запросов.
Показать ответ

Ответ: C — RRF предназначен для слияния ранжированных списков документов от разных поисковых систем (например, BM25 и векторного поиска) путем расчета комбинированной оценки на основе позиций документов в каждом списке, а не на их "сырых" оценках.

2. Какова ключевая функция переранжирования (re-ranking) в RAG-пайплайне с использованием Claude?

  1. Предварительная фильтрация документов перед проведением гибридного поиска.
  2. Использование Claude для интеллектуальной пересортировки начального набора релевантных документов, полученных от гибридного поиска, для повышения точности.
  3. Автоматическая генерация синонимов для запроса пользователя.
  4. Преобразование изображений в текстовое описание перед передачей Claude.
Показать ответ

Ответ: B — Переранжирование использует Claude как интеллектуального оценщика, который анализирует документы-кандидаты в контексте исходного запроса и возвращает их в новом, более релевантном порядке, преодолевая ограничения только векторного или лексического сходства.

3. Какую основную проблему решает контекстный поиск (Contextual Retrieval) в RAG-системах?

  1. Неэффективность традиционных методов поиска по ключевым словам.
  2. Потерю более широкого контекста исходного документа, когда он разделяется на мелкие независимые фрагменты (chunks).
  3. Высокую задержку при генерации ответов Claude.
  4. Ограничение на количество одновременно обрабатываемых документов.
Показать ответ

Ответ: B — Контекстный поиск обогащает каждый фрагмент текста дополнительной информацией о его положении и значении в исходном документе, используя Claude для генерации краткого описания контекста. Это позволяет избежать потери связей между фрагментами, вырванными из общего текста.

4. Что является одним из основных компромиссов при включении функции "Расширенное мышление" (Extended Thinking) в Claude?

  1. Значительное снижение точности окончательного ответа.
  2. Увеличение задержки ответа (latency) и стоимости, поскольку Claude генерирует дополнительные токены для процесса рассуждения.
  3. Невозможность использовать криптографические подписи для блоков мышления.
  4. Ограничение на использование этой функции только для текстовых задач, без поддержки изображений.
Показать ответ

Ответ: B — "Расширенное мышление" повышает интеллект Claude для сложных задач, но это достигается за счет генерации большего количества токенов (для блока рассуждения), что увеличивает задержку и стоимость запроса.

5. Какая из следующих стратегий промптинга является наиболее эффективной для получения точных результатов при анализе изображений Claude?

  1. Отправка изображений с низким разрешением для экономии токенов и ускорения обработки.
  2. Использование простых, общих вопросов, таких как "Опиши это изображение.".
  3. Предоставление подробных, пошаговых инструкций, примеров в одно касание (one-shot examples) или разбиение сложных задач на мелкие шаги.
  4. Включение в запрос максимально возможного количества изображений (до 100).
Показать ответ

Ответ: C — Качественные методы промптинга, такие как подробные инструкции, пошаговый анализ или примеры, критически важны для повышения точности визуального анализа Claude, так же как и для текстовых задач.

6. Какие два поля необходимо добавить в сообщение, содержащее документ, чтобы активировать функцию ссылок на источники (Citations) в Claude?

  1. id и content
  2. title и enable_citations: true
  3. source_text и chunk_text
  4. thinking и thinking_budget
Показать ответ

Ответ: B — Чтобы Claude мог отслеживать и ссылаться на информацию из документа, необходимо присвоить ему описательное имя через поле title и явно активировать цитирование с помощью enable_citations: true.

7. Каково основное ограничение кэширования промптов в Claude?

  1. Кэширование работает только для системных промптов, но не для определений инструментов.
  2. Кэш сохраняется только в течение ограниченного времени (около 5 минут) и требует, чтобы кэшируемый контент был абсолютно идентичен предыдущему.
  3. Кэширование всегда увеличивает задержку ответа и стоимость запросов.
  4. Пользователь должен вручную управлять очисткой кэша после каждого использования.
Показать ответ

Ответ: B — Кэш является временным (около 5 минут), и для его успешного использования контент до и включая точку кэширования должен быть точно таким же. Даже небольшие изменения приведут к "промаху" кэша.