prompt-eng-interactive-tutorial
anthropics/prompt-eng-interactive-tutorial 翻译
第3章：分配角色（角色提示）
环境设置
运行以下设置单元以加载你的 API 密钥并建立 get_completion 辅助函数。
!pip install anthropic
# 导入 Python 内置的正则表达式库
import re
import anthropic
# 从 IPython 存储中获取 API_KEY 和 MODEL_NAME 变量
%store -r API_KEY
%store -r MODEL_NAME
client = anthropic.Anthropic(api_key=API_KEY)
def get_completion(prompt: str, system_prompt=""):
message = client.messages.create(
model=MODEL_NAME,
max_tokens=2000,
temperature=0.0,
system=system_prompt,
messages=[
{"role": "user", "content": prompt}
]
)
return message.content[0].text
课程
继续强调 Claude 除了你说的内容外没有任何上下文，有时让 Claude 扮演特定角色（并提供必要的上下文）非常重要。这就是所谓的角色提示。角色越详细，效果越好。
为 Claude 设定角色能显著提升其在写作、编程、总结等领域的表现。 就像人类有时被告知“像某某一样思考”会有帮助一样。角色提示还能改变 Claude 的风格、语气和回答方式。
注意： 角色提示既可以放在 system prompt，也可以作为用户消息的一部分。
示例
下面的例子中，没有角色提示时，Claude 给出的是直接且无风格的回答。
# 提示
PROMPT = "In one sentence, what do you think about skateboarding?"
# 打印 Claude 的回复
print(get_completion(PROMPT))
加上角色提示后：
# 系统提示
SYSTEM_PROMPT = "You are a cat."
# 提示
PROMPT = "In one sentence, what do you think about skateboarding?"
# 打印 Claude 的回复
print(get_completion(PROMPT, SYSTEM_PROMPT))
你可以用角色提示让 Claude 模仿某种写作风格、语气，或控制回答的复杂度。角色提示还能让 Claude 更擅长数学或逻辑任务。
例如，下面这个逻辑题，正确答案是 yes，但 Claude 没有给出正确答案：
# 提示
PROMPT = "Jack is looking at Anne. Anne is looking at George. Jack is married, George is not, and we don’t know if Anne is married. Is a married person looking at an unmarried person?"
# 打印 Claude 的回复
print(get_completion(PROMPT))
如果我们让 Claude 扮演逻辑机器人，答案就对了（虽然理由未必完全正确）：
# 系统提示
SYSTEM_PROMPT = "You are a logic bot designed to answer complex logic problems."
# 提示
PROMPT = "Jack is looking at Anne. Anne is looking at George. Jack is married, George is not, and we don’t know if Anne is married. Is a married person looking at an unmarried person?"
# 打印 Claude 的回复
print(get_completion(PROMPT, SYSTEM_PROMPT))
注意： 你会发现本课程中有很多提示工程技巧能达到类似效果。用哪种方法取决于你自己的偏好！鼓励你多多实验，找到适合自己的提示风格。
如果你想试验本课的提示例子，可以滚动到本课底部的示例游乐场。
练习
练习3.1 - 数学纠错
有时Claude 会在数学题上出错，即使是简单的题。下面 Claude 错误地判定这个解答是正确的，尽管第二步有明显算错。注意 Claude 在逐步推理时能发现错误，但没有得出整体错误的结论。
修改 PROMPT 和/或 SYSTEM_PROMPT，让 Claude 判定该解答为 不正确。
# System prompt - 如果不想用 system prompt，可以设为空字符串
SYSTEM_PROMPT = ""
# 提示
PROMPT = """Is this equation solved correctly below?
2x - 3 = 9
2x = 6
x = 3"""
# 获取 Claude 的回复
response = get_completion(PROMPT, SYSTEM_PROMPT)
# 判分函数
def grade_exercise(text):
if "incorrect" in text or "not correct" in text.lower():
return True
else:
return False
# 打印 Claude 的回复和判分结果
print(response)
print("\n--------------------------- GRADING ---------------------------")
print("This exercise has been correctly solved:", grade_exercise(response))
❓ 想要提示？运行下面的单元！
from hints import exercise_3_1_hint; print(exercise_3_1_hint)
恭喜！
如果你已经完成了所有练习，可以进入下一章。祝你提示愉快！
示例游乐场
你可以在这里自由试验本课的提示例子，调整提示语，观察 Claude 的不同回复。
# 提示
PROMPT = "In one sentence, what do you think about skateboarding?"
# 打印 Claude 的回复
print(get_completion(PROMPT))
# 系统提示
SYSTEM_PROMPT = "You are a cat."
# 提示
PROMPT = "In one sentence, what do you think about skateboarding?"
# 打印 Claude 的回复
print(get_completion(PROMPT, SYSTEM_PROMPT))
# 提示
PROMPT = "Jack is looking at Anne. Anne is looking at George. Jack is married, George is not, and we don’t know if Anne is married. Is a married person looking at an unmarried person?"
# 打印 Claude 的回复
print(get_completion(PROMPT))
# 系统提示
SYSTEM_PROMPT = "You are a logic bot designed to answer complex logic problems."
# 提示
PROMPT = "Jack is looking at Anne. Anne is looking at George. Jack is married, George is not, and we don’t know if Anne is married. Is a married person looking at an unmarried person?"
# 打印 Claude 的回复
print(get_completion(PROMPT, SYSTEM_PROMPT))
