Alat prompting di Console

Claude Console menawarkan serangkaian alat untuk membantu Anda membangun dan menyempurnakan prompt. Halaman ini memandu Anda melalui alat-alat tersebut sesuai urutan yang biasanya Anda gunakan: menghasilkan draf pertama, menambahkan template dan variabel, lalu meningkatkan prompt yang sudah ada.



Prompt generator

Terkadang, bagian tersulit dalam menggunakan model AI adalah mencari tahu cara membuat prompt yang efektif. Prompt generator memandu Claude untuk membuat template prompt berkualitas tinggi yang disesuaikan dengan tugas spesifik Anda, dengan mengikuti banyak praktik terbaik rekayasa prompt kami.

Prompt generator sangat berguna untuk mengatasi "masalah halaman kosong"—alat ini memberi Anda titik awal untuk pengujian dan iterasi lebih lanjut.

Jika Anda tertarik untuk menganalisis prompt dan arsitektur yang mendasarinya, lihat notebook Google Colab prompt generator kami. Untuk menjalankan notebook Colab tersebut, Anda memerlukan kunci API.



Template dan variabel prompt

Saat men-deploy aplikasi berbasis LLM dengan Claude, panggilan API Anda biasanya akan terdiri dari dua jenis konten:

• Konten tetap: Instruksi atau konteks statis yang tetap konstan di berbagai interaksi
• Konten variabel: Elemen dinamis yang berubah pada setiap permintaan atau percakapan, seperti:
  • Input pengguna
  • Konten yang diambil untuk "Retrieval-Augmented Generation" (generasi yang diperkaya pengambilan), atau RAG
  • Konteks percakapan seperti riwayat akun pengguna
  • Data yang dihasilkan sistem seperti hasil penggunaan alat yang dimasukkan dari panggilan independen lain ke Claude

Sebuah template prompt menggabungkan bagian tetap dan variabel ini, menggunakan placeholder untuk konten dinamis. Di Claude Console, placeholder ini ditandai dengan {{kurung kurawal ganda}}, sehingga mudah diidentifikasi dan memungkinkan pengujian cepat terhadap nilai yang berbeda.

Anda sebaiknya menggunakan template dan variabel prompt ketika Anda memperkirakan bagian mana pun dari prompt Anda akan diulang dalam panggilan lain ke Claude (melalui API atau Claude Console. claude.ai saat ini tidak mendukung template atau variabel prompt).

Template prompt menawarkan beberapa manfaat:

• Konsistensi: Memastikan struktur yang konsisten untuk prompt Anda di berbagai interaksi
• Efisiensi: Dengan mudah menukar konten variabel tanpa menulis ulang seluruh prompt
• Kemudahan pengujian: Dengan cepat menguji berbagai input dan kasus tepi dengan hanya mengubah bagian variabel
• Skalabilitas: Menyederhanakan pengelolaan prompt seiring bertambahnya kompleksitas aplikasi Anda
• Kontrol versi: Dengan mudah melacak perubahan pada struktur prompt Anda dari waktu ke waktu dengan hanya memantau bagian inti prompt Anda, terpisah dari input dinamis

Console menggunakan template dan variabel prompt untuk mendukung alat-alatnya:

• Prompt generator: Menentukan variabel apa yang dibutuhkan prompt Anda dan menyertakannya dalam template yang dihasilkannya
• Prompt improver: Mengambil template Anda yang sudah ada, termasuk semua variabel, dan mempertahankannya dalam template yang telah ditingkatkan yang dihasilkannya
• Alat evaluasi: Memungkinkan Anda dengan mudah menguji, menskalakan, dan melacak versi prompt Anda dengan memisahkan bagian variabel dan tetap dari template prompt Anda



Contoh template prompt

Pertimbangkan aplikasi sederhana yang menerjemahkan teks bahasa Inggris ke bahasa Spanyol. Teks yang diterjemahkan akan menjadi variabel karena berubah antar pengguna atau panggilan ke Claude. Anda mungkin menggunakan template prompt ini:

Translate this text from English to Spanish: {{text}}



Prompt improver

Prompt improver membantu Anda dengan cepat melakukan iterasi dan meningkatkan prompt Anda melalui analisis dan penyempurnaan otomatis. Alat ini unggul dalam membuat prompt lebih tangguh untuk tugas kompleks yang memerlukan akurasi tinggi.



Sebelum Anda mulai

Anda memerlukan:

• Template prompt (lihat Template dan variabel prompt di atas)
• Umpan balik tentang masalah saat ini dengan output Claude (opsional tetapi direkomendasikan)
• Contoh input dan output ideal (opsional tetapi direkomendasikan)



Cara kerja prompt improver

Prompt improver menyempurnakan prompt Anda dalam 4 langkah:

1. Identifikasi contoh: Menemukan dan mengekstrak contoh dari template prompt Anda
2. Draf awal: Membuat template terstruktur dengan bagian yang jelas dan tag XML
3. Penyempurnaan chain of thought: Menambahkan dan menyempurnakan instruksi penalaran yang terperinci
4. Penyempurnaan contoh: Memperbarui contoh untuk mendemonstrasikan proses penalaran yang baru

Anda dapat menyaksikan langkah-langkah ini terjadi secara real-time di modal penyempurnaan.



Apa yang Anda dapatkan

Prompt improver menghasilkan template dengan:

• Instruksi "chain-of-thought" (rantai pemikiran) terperinci yang memandu proses penalaran Claude dan biasanya meningkatkan kinerjanya
• Pengorganisasian yang jelas menggunakan tag XML untuk memisahkan komponen yang berbeda
• Format contoh yang terstandarisasi yang mendemonstrasikan penalaran langkah demi langkah dari input ke output
• Prefill strategis yang memandu respons awal Claude



Cara menggunakan prompt improver

1. Kirimkan template prompt Anda
2. Tambahkan umpan balik apa pun tentang masalah dengan output Claude saat ini (misalnya, "ringkasan terlalu dasar untuk audiens ahli")
3. Sertakan contoh input dan output ideal
4. Tinjau prompt yang telah ditingkatkan



Menghasilkan contoh pengujian

Belum memiliki contoh? Gunakan Test Case Generator untuk:

1. Menghasilkan input sampel
2. Mendapatkan respons Claude
3. Mengedit respons agar sesuai dengan output ideal Anda
4. Menambahkan contoh yang telah disempurnakan ke prompt Anda



Kapan menggunakan prompt improver

Prompt improver bekerja paling baik untuk:

• Tugas kompleks yang memerlukan penalaran terperinci
• Situasi di mana akurasi lebih penting daripada kecepatan
• Masalah di mana output Claude saat ini memerlukan peningkatan yang signifikan



Contoh peningkatan

Berikut adalah cara prompt improver menyempurnakan prompt klasifikasi dasar:

Perhatikan bagaimana prompt yang ditingkatkan:

• Menambahkan instruksi penalaran langkah demi langkah yang jelas
• Menggunakan tag XML untuk mengorganisasi konten
• Menyediakan persyaratan format output yang eksplisit
• Memandu Claude melalui proses analisis



Pemecahan masalah

Masalah umum dan solusinya:

• Contoh tidak muncul di output: Periksa apakah contoh diformat dengan benar menggunakan tag XML dan muncul di awal pesan pengguna pertama
• Chain of thought terlalu panjang: Tambahkan instruksi spesifik tentang panjang output dan tingkat detail yang diinginkan
• Langkah penalaran tidak sesuai dengan kebutuhan Anda: Modifikasi bagian langkah agar sesuai dengan kasus penggunaan spesifik Anda



Langkah selanjutnya