来源与进度
- 来源：https://console.anthropic.com/docs
- 翻译：Claude
- 校对：ALLinLLM
- 翻译进度：31%
1 介绍
1.1 开始使用 Claude
什么是 Claude？
Claude 是由 Anthropic 创建的大型语言模型 (LLM)。它经过训练可以以会话方式成为一位有帮助的助手。
与 Claude 交互的几种方式：
– 网页端 – 通过 Anthropic 控制台的聊天界面与 Claude 对话。
– API – 允许将 Claude 集成到您的产品中，为客户提供服务。
无论通过哪种方式，与 Claude 的交互方式基本相同，这使得您可以先在网页控制台中试验，然后将这些方式应用到 API 中。
获取 Claude 访问权限
Anthropic 正在谨慎地推出 Claude，以确保其安全性和可扩展性。我们正与选定的合作伙伴合作，如果您有兴趣成为合作伙伴，可以提交申请。
与 Claude 的第一次聊天
Claude 的响应效果取决于您提问的方式。以下是一些建议：
– 像对待外包员工一样与 Claude 交谈
直接明确地表达您的需求，例如：“写一篇专家级的激光光学技术摘要。”
– Claude“记得”整个线程
通过 Slack 或网页界面与 Claude 交互时，它可以记住当前线程中的内容，但无法跨线程记忆。
0
需要记住的限制
- 角色扮演：Claude 正在扮演一个助手角色，可能会错误地报告能力。
- 计算错误：在复杂算术和推理方面常出错。
- 幻觉：可能会编造不存在的信息。
- 无互联网访问：无法实时获取信息。
- 训练数据时限：数据可能早于两年前。
- 无法采取行动：仅能提供建议。
术语词典
- 上下文窗口：模型可以回顾和参考的文本量。
- 微调：使用额外数据进一步训练模型。
- HHH：有帮助、诚实、无害的目标。
- LLM：大型语言模型。
- RLHF：人工反馈强化学习。
- 温度：控制模型预测随机性的参数。
- Token：语言模型的最小“原子”单位。
2 提示词（Prompt）设计
2.1 设计提示词
将 Claude 想象成一名新雇佣的承包商，给它具体明确的指示。
提示词与响应
- 提示词：通过问题或指示引发相关响应，例如：
人类：为什么天空是蓝色的?
助手：
- 响应：Claude 的回复称为“响应”。
“把内容喂到 Claude 的嘴里”
通过 人类/助手 样式进行持续对话，例如：
人类：请选择一个随机水果。
助手：这里是我为您随机选择的水果：
番石榴。
人类：这种水果的颜色是什么?
助手：
提示长度
Claude 当前上下文窗口为 6500 单词/8000 token/28000 Unicode 字符。
2.2 避免歧义
写提示词时，想象正在与一个九岁小孩交谈，明确描述需求并提供示例。
明确描述需求
- 反例：纽约有多大?
- 正例：相比其他州，纽约州的面积和人口有多大?
提供示例
- 反例：人类：想一个护士的有趣集体名词。
- 正例：提供示例或编造对话历史。
描述语调
- 反例：人类：毕达哥拉斯定理是什么?
- 正例：人类：在我们接下来的对话中，我希望您以数学老师的身份行事……
使用 XML 标记
用标签定义结构，例如：
人类：这里有一篇用
2.3 复杂任务
将复杂任务分解为子任务，并检查 Claude 是否理解提示词。
迭代式地补充提示词
通过重复说明、生成示例等方式提高提示词的可靠性。
