Разработка с Claude API

Запросы, потоковые ответы, tool use, структурированный вывод и стоимость.

92 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. Getting an API key
  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. Structured data
  14. Structured data exercise
  15. Quiz on accessing Claude with the API
  16. Prompt evaluation
  17. A typical eval workflow
  18. Generating test datasets
  19. Running the eval
  20. Model based grading
  21. Code based grading
  22. Exercise on prompt evals
  23. Quiz on prompt evaluation
  24. Prompt engineering
  25. Being clear and direct
  26. Being specific
  27. Structure with XML tags
  28. Providing examples
  29. Exercise on prompting
  30. Quiz on prompt engineering techniques
  31. Introducing tool use
  32. Project overview
  33. Tool functions
  34. Tool schemas
  35. Handling message blocks
  36. Sending tool results
  37. Multi-turn conversations with tools
  38. Implementing multiple turns
  39. Using multiple tools
  40. Fine grained tool calling
  41. The text edit tool
  42. The web search tool
  43. Quiz on tool use with Claude
  44. Introducing Retrieval Augmented Generation
  45. Text chunking strategies
  46. Text embeddings
  47. The full RAG flow
  48. Implementing the RAG flow
  49. BM25 lexical search
  50. A Multi-Index RAG pipeline
  51. Extended thinking
  52. Image support
  53. PDF support
  54. Citations
  55. Prompt caching
  56. Rules of prompt caching
  57. Prompt caching in action
  58. Code execution and the Files API
  59. Quiz on features of Claude
  60. Introducing MCP
  61. MCP clients
  62. Project setup
  63. Defining tools with MCP
  64. The server inspector
  65. Implementing a client
  66. Defining resources
  67. Accessing resources
  68. Defining prompts
  69. Prompts in the client
  70. MCP review
  71. Quiz on Model Context Protocol
  72. Anthropic apps
  73. Claude Code setup
  74. Claude Code in action
  75. Enhancements with MCP servers
  76. Agents and workflows
  77. Parallelization workflows
  78. Chaining workflows
  79. Routing workflows
  80. Agents and tools
  81. Environment inspection
  82. Workflows vs agents
  83. Quiz on Agents and Workflows
  84. Final Assessment
  85. Course Wrap Up
  86. What You'll Learn
  87. What You'll Learn
  88. What You'll Learn
  89. What You'll Learn
  90. What You'll Learn
  91. What You'll Learn
  92. What You'll Learn

Ясность и прямота в формулировании запросов к Claude

В разработке эффективных запросов (промптов) для больших языковых моделей, таких как Claude, первая строка вашего обращения играет решающую роль. Именно здесь вы задаете тон и контекст для всего последующего взаимодействия. Правильная формулировка этой вводной части может значительно улучшить качество и релевантность ответов, которые вы получите от AI. Два ключевых принципа, на которых стоит сосредоточиться при создании этой критически важной первой строки, — это ясность и прямота.

Принцип 1: Ясность коммуникации

Быть "ясным" означает использовать простой, недвусмысленный язык, который не оставляет Claude никаких сомнений относительно того, что именно вы от него хотите. Это включает в себя:

Представьте, что вы хотите узнать о солнечных панелях. Вместо того чтобы писать что-то расплывчатое, например:

"Мне нужно узнать о тех штуках, которые люди ставят на крыши и которые используют солнце — кажется, их называют солнечными панелями,"

гораздо эффективнее будет сформулировать запрос ясно и прямо:

"Напиши три абзаца о том, как работают солнечные панели."

Первый вариант заставляет Claude "догадываться" о вашем намерении, тогда как второй сразу же предоставляет четкую инструкцию, что позволяет модели сфокусироваться на выполнении конкретной задачи. Ясность минимизирует вероятность недопонимания и направляет Claude к генерации точного и полезного ответа.

Принцип 2: Прямые инструкции

"Прямота" фокусируется на структуре вашего запроса и способе подачи инструкций. Это означает:

Рассмотрим другой пример. Вместо того чтобы задавать вопрос, который может быть интерпретирован по-разному:

"Я читал о возобновляемых источниках энергии, и геотермальная энергия звучит интересно. Какие страны ее используют?"

Попробуйте использовать прямую инструкцию:

"Идентифицируй три страны, которые используют геотермальную энергию. Включи статистику производства для каждой."

Прямые инструкции помогают Claude понять, что именно от него требуется, и в каком формате. Это особенно важно, когда вы работаете с API, где каждая инструкция должна быть максимально однозначной для получения предсказуемых результатов. Claude, как и любой эффективный помощник, лучше всего работает, когда получает четкие и недвусмысленные указания.

Применение принципов на практике

Давайте посмотрим, как эти методы работают в реальном сценарии. Начнем со слабого промпта, который просто спрашивает:

"Что должен есть этот человек?"

Этот запрос слишком общий. Claude может ответить чем угодно — от общих рекомендаций по здоровому питанию до списка случайных продуктов. Модель не знает, о каком "человеке" идет речь, каковы его потребности или ограничения.

Применяя наш подход, основанный на ясности и прямоте, мы можем значительно улучшить этот запрос. Улучшенная версия будет выглядеть так:

"Сгенерируй однодневный план питания для спортсмена, соответствующий его диетическим ограничениям."

Это простое изменение немедленно сообщает Claude:

Такое уточнение позволяет Claude сфокусироваться на конкретной задаче и предоставить гораздо более релевантный и полезный ответ. Внутренние оценки показывают, что подобные изменения в структуре начальной строки могут значительно повысить качество ответов. Например, в аналогичных сценариях оценка эффективности может вырасти с 2.32 до 3.92, что является существенным улучшением, достигнутым исключительно за счет реструктуризации вводной части запроса.

Ключевой вывод: Относитесь к Claude как к способному помощнику

Главный вывод заключается в следующем: Claude лучше всего реагирует, когда вы относитесь к нему как к высококвалифицированному помощнику, которому нужны четкие указания, а не как к тому, кто должен догадываться о ваших намерениях. Начните с сильного, прямого глагола действия, будьте максимально конкретны в отношении задачи, и вы сразу же увидите лучшие результаты.

Помните, что prompt engineering — это искусство и наука одновременно. Чем точнее и яснее вы формулируете свои запросы, тем эффективнее будет взаимодействие с Claude, позволяя вам раскрыть весь потенциал этой мощной LLM.