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

Введение: Что такое маршрутизация рабочих процессов?

В мире разработки приложений на базе искусственного интеллекта редко бывает так, что один и тот же подход идеально подходит для всех сценариев. Пользователи обращаются к вашему приложению с самыми разнообразными запросами, и каждый из них может требовать уникальной обработки. Именно здесь на помощь приходит концепция маршрутизации рабочих процессов (routing workflows). Это мощный метод, который позволяет вашему AI-приложению сначала понять намерение пользователя или тип его запроса, а затем направить его по наиболее подходящему, специализированному пути обработки.

Проблема универсальных промптов

Представьте, что вы разрабатываете инструмент для создания контента в социальных сетях, который помогает маркетологам генерировать сценарии для видеороликов на основе заданной темы. Если один пользователь вводит тему "программирование", а другой — "серфинг", очевидно, что ожидаемые результаты будут кардинально отличаться. Для "программирования" вам, вероятно, понадобится образовательный сценарий с чёткими определениями, примерами и структурированными объяснениями. В то время как для "серфинга" идеальным будет развлекательный сценарий с захватывающими "крючками", модным языком и акцентом на эмоции, а не на технические детали.

Попытка использовать один и тот же универсальный промпт (prompt) для обеих тем приведет к посредственным результатам, которые не будут соответствовать естественному стилю и цели каждого контента. Это как пытаться одним ключом открыть все двери – иногда получается, но чаще всего результат оставляет желать лучшего.

Определение категорий контента

Первый шаг к созданию эффективного маршрутизирующего рабочего процесса — это чёткое определение категорий контента, которые ваше приложение должно уметь обрабатывать. Эти категории служат своего рода "метками", которые помогут Claude понять, к какому типу относится запрос пользователя. Для нашего примера с видеосценариями это могут быть такие категории, как:

Чем точнее и осмысленнее будут ваши категории, тем эффективнее будет работать маршрутизация.

Создание специализированных промптов

После того как вы определили категории, следующим шагом будет создание специализированных промптов для каждой из них. Эти промпты будут "инструктировать" Claude, как именно генерировать контент, соответствующий выбранной категории. Сравните, например, два промпта для нашего инструмента по созданию видеосценариев:

Как видите, формулировки значительно отличаются, направляя Claude на создание совершенно разного по стилю и содержанию контента, даже если тема будет одна и та же.

Двухэтапный процесс маршрутизации

Суть маршрутизирующего рабочего процесса заключается в его двухэтапной структуре, которая включает два отдельных обращения к Claude:

Шаг 1: Категоризация

На первом этапе вы отправляете исходный запрос пользователя (например, тему видео) в Claude вместе со специальным промптом для категоризации. Этот промпт просит Claude проанализировать запрос и определить, к какой из заранее определённых категорий он относится. Например, если пользователь вводит "Функции Python", Claude, скорее всего, классифицирует это как "Образовательный контент". Результатом этого шага является не сам контент, а лишь метка категории.

Шаг 2: Специализированная обработка

После того как Claude успешно категоризировал запрос, наступает второй этап. Теперь, зная категорию, ваше приложение выбирает соответствующий специализированный промпт (тот, который мы создали ранее для данной категории) и отправляет его вместе с исходным запросом пользователя обратно в Claude. На этот раз Claude генерирует уже сам конечный контент, используя все инструкции, заложенные в специализированном промпте. Таким образом, каждый запрос проходит через "фильтр" категоризации, а затем направляется к наиболее подходящему "производственному конвейеру".

Архитектура маршрутизирующего рабочего процесса

Архитектура маршрутизирующего рабочего процесса достаточно элегантна и гибка. Общая схема выглядит следующим образом:

  1. Пользователь предоставляет ввод: Это может быть текстовый запрос, тема, набор данных или любая другая информация.
  2. Маршрутизатор (Router): Обычно эту роль выполняет Claude. Он получает ввод пользователя и, используя промпт для категоризации, определяет наиболее подходящую категорию для данного запроса.
  3. Перенаправление в специализированный конвейер: На основе определённой категории, запрос пользователя направляется в один (и только один) из заранее определённых специализированных конвейеров обработки.
  4. Специализированный конвейер: Каждый такой конвейер содержит свой собственный набор инструкций, уникальные промпты, может использовать различные внешние API, базы данных или другие инструменты, необходимые для выполнения задачи, специфичной для его категории.

Такой подход гарантирует, что каждый запрос обрабатывается наиболее оптимальным и целенаправленным образом.

Преимущества маршрутизации рабочих процессов

Внедрение маршрутизации рабочих процессов приносит ряд значительных преимуществ:

Когда следует применять маршрутизацию?

Несмотря на все преимущества, маршрутизация рабочих процессов не всегда является идеальным решением для каждого приложения. Она наиболее эффективна в следующих случаях:

В таких сценариях инвестиции в создание множества специализированных конвейеров приносят гораздо лучшие результаты, чем попытка справиться со всем с помощью одного универсального подхода.

Заключение

В конечном итоге, маршрутизация рабочих процессов с Claude — это мощный паттерн проектирования, который позволяет создавать более интеллектуальные, гибкие и высококачественные AI-приложения. Отходя от универсальных решений и внедряя специализированные пути обработки, вы раскрываете весь потенциал LLM, предоставляя пользователям именно тот опыт, который они ожидают, и достигая превосходных результатов в самых разнообразных сценариях.