付費級資源免費看，Claude Meta PROMPT 元提示，一鍵編寫高質量 PROMPT | 回到Axton

Hey 你好 歡迎回到 Axton 不同的 AI 具有不同的個性 因此我們在跟 AI 進行對話的時候 也需要針對不同的 AI 有不同的 prompt 才能得到更好的結果 目前能夠跟 GPT-4一爭高下的模型 就是 Anthropic 的 Claude Opus 在我的日常使用當中 Opus 在很多任務上具有超越 GPT-4的表現 比如寫代碼以及誇獎人 那麼如何寫好適合於 Opus 的 prompt 呢? Anthropic 很貼心地給大家提供了一個提示生成器 用於生成針對 Claude 優化之後的高質量提示 今天我們就來重點聊一聊 Claude 提示生成器 Prompt Generator 的三種用法 由易到難 包括直接在 Claude 的控制檯當中使用 使用谷歌 Colab 筆記本 以及我改造之後的 Notion 加 Make 的工作流 好 首先我們進入到 Anthropic 的網頁 網址還有其他需要分享的資源我都會放在描述欄當中 我們來先看一看提示生成器到底是什麼 它是一個可以指導 Claude 生成 針對你的特定任務的一個高質量提示的工具 但是請注意的是 它是爲你提供一個起點 寫一個好的 prompt 依然需要你的努力和 不停的迭代 這個提示生成工具可以在控制檯上直接使用 也可以在谷歌的 Colab 筆記本里面使用 當然除了提示生成器 Anthropic 的其他資源也非常值得對 prompt 提示工程感興趣的朋友們去學習 比如這裏的提示工程技術 還有它的 Anthropic 的 Cookbook 以及它的提示庫 這些都建議大家去看一下 好 我們回到咱們的主角提示生成器 首先是在控制檯上面直接使用 好 這就是剛剛升級以後的 嶄新的 Anthropic 的控制檯 我們獲取 Claude 的 API Key 就在這個地方 那麼第二項 生成一個優化後的 prompt 就是我們的提示生成器 一個簡單的對話框 你只要在這裏面告訴它 你的任務是什麼 需要什麼樣的變量 它就會給你生成一個結構化的提示 prompt 我們可以來試一下 今天我們三種使用提示生成器的方法 我都用同一個任務來進行測試 這個任務就是公司收到客戶發來的郵件 請你寫一封回信 這邊給了兩個變量 一個就是公司的名稱是 AI 精英學院 另外郵件的內容就是 Axton 老師 你的 AI 課程我買了非常值 這就是目前世界上最強的 AI 課程 這個是真的用戶反饋 並不是我王婆賣瓜 好 我們就把內容拷貝過來 這裏我們可以給他任務 然後我們給他定義兩個變量 公司名稱以及郵件內容 當然你也可以不用去告訴他變量是什麼 提示生成器就會自動的幫你決定 需要什麼樣的變量 我們在這裏就不告訴他變量是什麼 只告訴他任務 我們來看一下結果 當然他在控制檯裏面生成提示的這個過程 它是需要消耗你的 API 的點數的 實際上也就是不是免費的 點擊生成 prompt 它的速度是比較慢的 因爲它的提示比較長 這個我們待會就會看到了 好 這邊我們就可以看到 他給我們生成了一個很詳細的結構化的提示 這裏面他給我們定義了兩個變量 第一個就是你的公司的背景 第二個變量就是 customer email 也就是客戶給你發來的郵件的內容 如果你不喜歡這個提示 你可以點 discard 把它放棄掉 重新再生成一個 當然你也可以直接點擊 start editing 來編輯這個提示 看看它實際生成的效果怎麼樣 我們就來點擊 start 這樣就進入了 Claude 的 workbench 實際上也就類似於 OpenAI 的 playground 左邊我們就可以看到 這是模型的選擇 目前是 Opus 模型 然後溫度和最大的輸出 token 的數量 都可以進行配置 這邊就是剛剛給我們生成的一個提示 這裏面的變量 他已經用紅色標示出來了 我們只需要把這個變量替換成實際的內容 就可以測試這個 prompt 在測試之前 我們可以先把這個 prompt 翻譯成中文 我們看一下這個 prompt 的內容到底是什麼 好 你是一名 AI 助手 負責代表公司回覆客戶郵件 以下是關於該公司的一些背景信息 然後這邊是客戶發送了一個以下的郵件 關鍵就是後面這一部分 請仔細閱讀客戶的電子郵件 和提供的公司背景信息 然後起草一份公司給客戶的回覆電子郵件 響應電子郵件應該 感謝客戶的來信 並重申他們的核心關注點或問題 提供明確有幫助的答覆 或解決方案以滿足客戶需求 在整個過程中保持禮貌 富有同情心和專業素養 簡潔明瞭 但具備足夠的細節 以完全回答客戶的電子郵件 大約100到200字 如果適用的提供額外協助或聯繫信息 代表公司良好 並且與提供的背景信息相符 之後要在 response email 這個標籤裏面 寫下起草的回覆 請記住在這份電子郵件中 您代表公司 因此請確保回覆質量高 且能體現出企業形象 這就是 Claude 的提示生成器 根據我們的一個簡單的任務 生成了一個詳細的提示 詳細的 prompt 那我們就來把它替換成實際的結果 來看一下效果 好 我們就簡單一些 AI 精英學院銷售 AI 課程 這就是公司的背景 然後客戶的 email 我們直接把它拷貝過來 點擊右上角的運行 好 這邊就把回覆的郵件 寫在了 response email 的標籤之內 然後後面還對這個郵件 爲什麼這麼寫進行了一個解釋 這就是 Anthropic 的提示生成器 最簡單的用法 但是 Anthropic 在它的網站上 同樣也提到了 如果你對分析底層提示和架構感興趣 請查看我們的提示生成器的 Google Colab 筆記本 這個筆記本 我非常建議大家耐心看一看 絕對稱得上是付費級的內容 咱們來點擊這個鏈接 打開 Google Colab 的筆記本 這就是提示生成器 在 Google Colab 筆記本里的樣子 那麼什麼是 Google Colab 筆記本呢 它有什麼好處呢 對不寫代碼的人有什麼用處呢 Google Colab 是谷歌的 一個免費的 Jupyter 筆記本的 在線運行環境 當你看到 Jupyter 筆記本 或者呢 你看到這種以 ipynb 爲擴展名的文件的時候 就是 Colab 可以打開的筆記本 那 Colab 它可以讓你不用配置 就可以直接上手運行 Python 代碼 那對於不寫代碼的朋友有用嗎 以前呢可能沒太多的用處 但是現在 AI 來了就有用了 Colab 的好處啊 它主要有三點 第一運行代碼 第二我們還能在上面做筆記 那最重要的是呢 它給你提供了免費的 T4 GPU 和 TPU 比如我們看一下 Colab 筆記本的 筆記本的配置 對於免費的版本呢 我們就可以看到它提供了 你的程序可以在 CPU 上運行 也可以在 T4 GPU 上運行 還可以在 TPU 上運行 而語言呢它支持 Python 和 R 語言 使用這個筆記本本身呢是很簡單 它已經跟你的谷歌的 Drive 呢 緊密地集成在一起了 你只要有谷歌賬號 你就可以用到 Colab 的筆記本 那喜歡 AI 的小夥伴呢 都瞭解 GPU 的好處了 Colab 的 Tesla T4 GPU 呢 它提供了16G 的顯存 這可比一般人的顯卡要好很多了 所以呢你就可以去測試一些 AI 方面的應用 而且由於 Colab 筆記本它很容易分享 因爲它就是跟谷歌的網盤 谷歌 Drive 來緊密集成的嘛 所以你不用自己去寫代碼 只要把其他人分享過來的代碼 拿來用就可以了 比如我們今天介紹的 Claude 幫你寫 prompt 的功能呢 就可以直接用 至於 TPU 啊 大家可以先不用去管它 它是用於機器學習的任務的 比如我之前的這一些 跟神經網絡相關的一些測試 就要用到 TPU 所以簡單來說啊 對於不寫代碼的朋友呢 Colab 的好處就是可以給你一個免費的 還可以用的 GPU 讓你去運行其他人分享的 AI 應用 那我們使用免費版的 Colab 的時候呢 需要注意的一點就是 Colab 分配給你的資源啊 包括內存啊 磁盤這些資源呢 它是會被回收的 所以如果你運行的代碼生成了有用的文件呢 你要記得及時把 Colab 的磁盤文件拿出來 或者呢你就乾脆映射你的谷歌 Drive 作爲你的程序的磁盤 好我們回到 Claude 的 Prompt 生成器 提示生成器 這裏面首先就告訴你啊 你要點擊文件拷貝 然後在你的谷歌網盤裏頭呢 保存一個副本 這樣你就可以對它進行修改 我們待會就在我的網盤當中 保存的副本上進行測試 我們先看一下它的前兩部分的內容 這裏你需要做的呢 只有三件事 第一步呢就是你要把 Anthropic Claude 的 API Key 呢輸入到這個程序裏面 然後 輸入你的任務 最後是可選項 你可以輸入你自己定義的變量的列表 當然如果你不選這一項的話 就像我們在之前看到的 Claude 會自動的幫你去制定變量 然後你只要直接全部運行 最後就可以得到結果了 我們爲了看起來方便呢 我們一步一步的來執行 首先我們看它前兩步的工作啊 第一步就是安裝 Anthropic 那第二步呢 在這裏就是輸入你的 API Key 了 之後選擇 Anthropic 的模型 這邊就是 Opus 模型 好前兩步的代碼知道之後呢 我們就回到我的副本里頭去 也就是我們直接點擊文件菜單 然後這邊 在你的 Drive 裏面保存一個副本 就可以存到你自己的 谷歌網盤裏了 那這邊呢就是我保存的副本 所以前面都是一樣 我們一步一步的運行來看一下效果 首先第一步安裝 Anthropic 只要點擊左邊的這個按鈕 運行按鈕 好這邊顯示運行完成 然後這一步呢就是輸入 API Key 我把它隱藏起來了 就不讓大家看了 所以這邊就是我的筆記啊 這就是 Colab 筆記本的好處 你不但可以在這裏測試運行代碼 你還可以把你需要記錄的一些筆記 記在上邊 那接下來一個很重要的內容呢 就是 Meta Prompt 也就是所謂的元提示 這是一個非常長的提示的樣本 包含了半打解決各種任務的 良好的提示的示例 而且這些提示示例都很長很詳細 這些提示呢 我非常建議啊 大家把它們看一看 學習一下 那爲了看起來方便呢 我把這些提示都翻譯成了中文 這樣呢就是方便大家對照學習 那回頭這些中文內容 以及其他用到的資源呢 我就會放到 AI 精英學院的免費課程裏邊 在這裏點進去 大家就可以看到了 Anthropic 的這些提示的例子呢 有一個很明顯的特點 就是它使用了 XML 的 Tag 標籤 來分隔提示當中 不同部分的內容 那它的好處是什麼 什麼時候用到呢 這在我的 AI 實戰派課程當中 很早就已經講過了 這就是咱們寫提示當中 所要用到的分隔符 分隔符有各種各樣的分隔符 那 XML 標籤也是一種非常好的一種分隔符 爲什麼 它跟別的分隔符 比如破折號啊 三個引號或者四個井號 有什麼區別呢 它的最大的不同就是 首先這個分隔符它是自帶含義的 比如這樣一個表示 角色程序員 斜槓一個角色 這就表示是結束 前面是開始 它就表示中間的這個程序員是一個角色 這是一舉兩得呀 所以呢用 XML 標籤做分隔符呢 你的 prompt 就會結構更加清晰 而且自帶了解釋 因此當你的 prompt 比較複雜的時候呢 這是我推薦使用的一個分隔符 好我們首先把這一步運行一下 好接下來就是任務 同樣我們這邊的任務呢 用這個來進行測試 把這些換掉就可以 好這是任務 然後我們在下面可以指定變量 這次呢我們就自己指定 我們不需要它去生成 那這個變量呢 我們有兩個變量 一個是公司 一個是郵件 給它指定兩個變量運行 然後接下來再運行這一步 那下面這一步啊 就是把我們的任務 以及我們的變量呢 都作爲提示 放到這個元提示裏面 一起交給 Claude 了 那由於元提示比較長 所以這花費的時間會比較久 這也是爲什麼我們剛纔在那個控制檯那邊 看到它花費了比較長的時間的原因 就是因爲前面的元提示很長 好這邊呢也是我做的一個筆記 我們爲什麼要發一個 assistant 的 message 在這 好我們開始點擊一下 給它發消息 好25秒之後執行完畢 如果你想查看一下 它給你生成的 prompt 是什麼樣子的呢 我們就把這步運行一下 好這就是 Claude 最終我們生成的提示 你的任務是什麼 然後呢要遵照什麼樣的要求 那接下來這一步呢 就是把提示進行一些規整 我們可以繼續運行一下 那這一步呢就是告訴你 變量是什麼 以及規整之後的提示是什麼 好這就是最終生成的結果 變量就是兩個公司和郵件 提示呢就是你將扮演一家公司的客戶服務代表 回覆客戶的來信 公司信息客戶來信 它都很正確的理解了你的變量所包含的含義 然後這邊同樣遵循了以下的這些要求 那其實到這一步呢 它的提示已經完成了 我們下面就可以進行測試了 接下來的這一步呢 是一個存在的偶發問題 這個呢它不一定是每次都出現 我們可以先不用去管它 這邊不用去運行 我們直接在下面測試 好我們直接運行這部分來測試我們的提示的效果 首先就讓你輸入你的 value 就是公司 那我們就輸入 AI 精英學院 接着讓你輸入郵件內容 等待一下思考過程 然後回信 AI 精英學院客服部 這就是 Claude 的元提示 它的提示生成器在谷歌 Colab 筆記本里面的使用方法 那麼我們如何把這個提示生成器 集成到自己的工作流裏面呢 這就是接下來我們要看到的演示 我在 Notion 當中呢 建立了一個專門用於提示生成器的數據庫 它的主要內容就是任務 以及你定義的變量 變量的名稱和變量的內容都一次性的寫好 那這樣呢就簡單方便了很多 然後你只要運行這個 Make 工作流 就能先把生成好的 prompt 放在這個地方 然後再自動的使用生成的 prompt 以及你提供的變量的值呢 都交給 Claude 去完成一次測試任務 完成任務的結果呢 就會放到這個頁面的內容裏面 我們可以先看一下演示的效果 這邊是任務變量名稱和變量的值 那這邊呢就會是 Claude 生成的提示 下面呢就是使用生成的提示完成任務以後的結果 好我們把窗口並排 然後運行一下 這邊已經到了 Claude 這邊 因爲它的元提示很長 所以它會耗費比較長的時間 好這邊我們看到 prompt 已經生成了 跟我們之前看到的結果都是大同小異的 然後我們在等待它最後的生成效果 好這邊就是最後的生成效果 思路描述出來了 然後給出了回信 客服中心的回信 OK 一切呢都是按照預期來完成 那至於這個 Make 的工作流呢 不是太過複雜 咱們就不便細說了 但是呢確實讓我對這個無代碼的自動化平臺啊 有了一個新的想法 咱們稍後再說 我們先把主要的節點給大家介紹一下 它整個的詳細內容呢 其實體現了 Make 的很多技巧 我需要進一步整理之後呢 再放到 AI 自動化課程裏面供大家去觀看 那這邊比較關鍵的幾個節點呢 首先這沒什麼可說的 就是從 Notion 當中取出我定義的那些數據 那到這一步呢 實際上就是爲了組裝出我們前面 在 Colab 筆記本里面看到的 assistant message 也就是在這裏 Claude 的提示生成器組裝出了 一個 assistant message 裏面包含着變量列表 那這個模塊主要就是要完成這一步任務 之後就把所有的這些信息 包括元提示全部交給了 Claude 來讓它去生成提示 這是我剛纔組裝好的 assistant message 這邊就是元提示 元提示非常非常的長 我就把它摺疊起來了 那這樣第一個 Claude 模塊執行完成之後呢 它就會把生成的提示放到我的 Notion 裏面了 也就是這一部分的提示 就是它第一個 Claude 模塊完成的工作 之後這一堆呢 就是用來測試這個提示 它根據你提供的變量和變量的內容 做出的實際效果了 那主要的目的就是用一個叫做 prompt 的變量 來組裝成一個完整的提示 包含了原始提示以及變量內容的完整的提示 交給最後的這個 Claude 模塊 讓它去生成最終的一個結果 生成完的結果呢 再放到我的 Notion 筆記本里面 Notion 這裏面 那這樣呢 這個整個工作流它的好處呢 就是在你不需要進行任何干預的情況下 它就把一系列的任務給你完成 而這個呢 就是我們要做自動化工作流的目的所在 好 前面提到呀 我對無代碼的自動化平臺有了新的想法 那咱們就簡單聊一聊 很多自動化平臺呢 它都把無代碼 no code 作爲賣點之一 包括 MAKE 但是呢 我做一套這樣的一套的自動化工作流花費的時間呢 要比我自己照着 Claude 的例子 寫一套代碼再做個簡單的界面 要會花費更長的時間 原因是因爲我會寫代碼 所以啊 自動化平臺在以前把 no code 作爲賣點呢 沒有問題 因爲這會讓很多不會寫代碼的人 也能做出自動化工作流 但是現在 AI 已經可以幫大家寫代碼了 尤其是這種簡單的代碼 因此當自然語言成爲編程語言的現在 自動化平臺的 no code 無代碼還重要嗎 那我的觀點就是在現階段 自動化工作流平臺不但不應該再把 no code 無代碼作爲重點 因爲這會降低效率 反而呢 應該提供簡單快捷的代碼的執行環境 使用代碼來進行流程控制類的一些編排 而自動化工作流平臺的重點 更應該是集成更多的 API 以及掩蓋 API 的複雜性 集成更多的 API 以及掩蓋 API 的複雜性 我每天會花費大量的時間來研究 AI 並且進行分享 那你可以通過以下方式來獲得我的研究結果 輸入 axtonliu.ai 進入 AI 精英學院 註冊我的免費課程 或者看看我精心製作的兩門關於 AI 核心能力的課程 AI 實戰派呢 它是以 Prompt Engineering 提示工程爲主線的課程 它帶你學習從 GPT 和 Prompt Engineering 的 基礎知識 以及高級應用 爲你的 AI 之旅打下一個堅實的基礎 而 AI 自動化課程呢 它是聚焦於 AI 跟無代碼自動化技術的配合 它用來打造一個高效的自動化工作流 並且呢 應用於實踐 讓 AI 能夠真正的提升你的效率和競爭力 成爲你手中一個真實的力量 好 今天的分享就到這裏 我是 Axton 如果你喜歡我的視頻呢 請幫我點贊評論 訂閱我的頻道 並且打開小鈴鐺 這樣你就不會錯過今後更多更精彩的內容了 咱們下期再見