Rekayasa prompt

Tips prompting konteks panjang

Panduan untuk memanfaatkan jendela konteks panjang Claude secara efektif untuk menangani tugas-tugas kompleks dan kaya data.

While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.

Jendela konteks panjang Claude (200K token untuk model Claude 3) memungkinkan penanganan tugas-tugas kompleks dan kaya data. Panduan ini akan membantu Anda memanfaatkan kekuatan ini secara efektif.

Tips penting untuk prompt konteks panjang

Letakkan data longform di bagian atas: Tempatkan dokumen panjang dan input Anda (~20K+ token) di dekat bagian atas prompt Anda, di atas pertanyaan, instruksi, dan contoh Anda. Ini dapat meningkatkan performa Claude secara signifikan di semua model.

Pertanyaan di akhir dapat meningkatkan kualitas respons hingga 30% dalam tes, terutama dengan input multi-dokumen yang kompleks.
Struktur konten dokumen dan metadata dengan tag XML: Saat menggunakan beberapa dokumen, bungkus setiap dokumen dalam tag <document> dengan subtag <document_content> dan <source> (dan metadata lainnya) untuk kejelasan.
Dasarkan respons dalam kutipan: Untuk tugas dokumen panjang, minta Claude untuk mengutip bagian-bagian relevan dari dokumen terlebih dahulu sebelum menjalankan tugasnya. Ini membantu Claude menembus "kebisingan" dari sisa konten dokumen.

Perpustakaan prompt

Dapatkan inspirasi dari pilihan prompt yang dikurasi untuk berbagai tugas dan kasus penggunaan.

Tutorial prompting GitHub

Tutorial yang penuh dengan contoh yang mencakup konsep prompt engineering yang ditemukan di dokumen kami.

Tutorial prompting Google Sheets

Versi yang lebih ringan dari tutorial prompt engineering kami melalui spreadsheet interaktif.

Rekayasa prompt

Tips prompting konteks panjang

Panduan untuk memanfaatkan jendela konteks panjang Claude secara efektif untuk menangani tugas-tugas kompleks dan kaya data.

While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.

Jendela konteks panjang Claude (200K token untuk model Claude 3) memungkinkan penanganan tugas-tugas kompleks dan kaya data. Panduan ini akan membantu Anda memanfaatkan kekuatan ini secara efektif.

Tips penting untuk prompt konteks panjang

Letakkan data longform di bagian atas: Tempatkan dokumen panjang dan input Anda (~20K+ token) di dekat bagian atas prompt Anda, di atas pertanyaan, instruksi, dan contoh Anda. Ini dapat meningkatkan performa Claude secara signifikan di semua model.

Pertanyaan di akhir dapat meningkatkan kualitas respons hingga 30% dalam tes, terutama dengan input multi-dokumen yang kompleks.
Struktur konten dokumen dan metadata dengan tag XML: Saat menggunakan beberapa dokumen, bungkus setiap dokumen dalam tag <document> dengan subtag <document_content> dan <source> (dan metadata lainnya) untuk kejelasan.
Dasarkan respons dalam kutipan: Untuk tugas dokumen panjang, minta Claude untuk mengutip bagian-bagian relevan dari dokumen terlebih dahulu sebelum menjalankan tugasnya. Ini membantu Claude menembus "kebisingan" dari sisa konten dokumen.

Perpustakaan prompt

Dapatkan inspirasi dari pilihan prompt yang dikurasi untuk berbagai tugas dan kasus penggunaan.

Tutorial prompting GitHub

Tutorial yang penuh dengan contoh yang mencakup konsep prompt engineering yang ditemukan di dokumen kami.

Tutorial prompting Google Sheets

Versi yang lebih ringan dari tutorial prompt engineering kami melalui spreadsheet interaktif.

Tips penting untuk prompt konteks panjang

Contoh struktur multi-dokumen

Contoh ekstraksi kutipan

Tips penting untuk prompt konteks panjang

Contoh struktur multi-dokumen

Contoh ekstraksi kutipan