阶段一：构建提示工程

说实话，构建一个好的提示工程其实并不简单，哈哈，你得了解模型是怎么思考的。

咱就是说 你得明白，模型是没有记忆的，每次对话dou是新的开始。

那为什么百度不收录某些网站呢？

你可Neng猜到了是因为那些网站的内容质量不高，或者结构不友好，不对不对，应该是robots.txt文件限制了爬虫的访问。

System Message就像是给模型设定了一个角色或者背景，你懂的，这样它就Nenggeng好地理解你的问题。

比如说你Ke以设定模型为“软件工程师”，这样它就Nenggeng好地回答编程相关的问题。

# System promptSYSTEM_PROMPT = "You are a software engineer."

这个例子给我们带来的思考就是你Ke以使用角色扮演的方法来让模型模拟某种角色的语调、说话方式等等。

为什么要分离指令和数据？核心原因：指令是固定的但是数据是变化的。

两者混在一起，每次dou要重写整个提示词，低效而且容易出错。

比方说你的应用是Zuo提取合同关键条款和违约责任的，那Ru果不分离数据和指令，假设我们给这个提示词封装成了一个函数get_completion。

const prompt_template = 'xxxx'const data = 'yyyy'get_completion

这样子，每次调用dou要单独拼接这个模板，hen麻烦的。

所以我们Ke以使用XML标签将数据部分进行包裹，比方说<questions>${questions}</questions>

这样模型就Neng够hen容易区分哪部分是你的模板要执行的指令，哪个部分是这个模板的数据了。

交替询问 ≠ 必须一句用户信息 + 一句助手信息成对出现。

重点理解在于交替两个字，就比如只有一句用户信息，也是Ke以成立的。

const messages = //明天晴天28度，xxxx

为什么这种询问模式Ke以成立？因为模型对你的回复，本质上也是一条assistant的消息。

市面上存在hen多种提问的技巧，他们douNeng够获得相同/相似的答案，但是使用哪一些/哪一种技巧dou是取决于你自己。

所以鼓励你自己实践找出Zui适合自己的提问方式和技巧。

import anthropic from 'anthropic'const client = anthropic.messages.createconsole.log //"Hello From Claude"

把模型当作是另一个你新来的同事来对待。 这个新同事不知道关于新公司的任何事情和需要Zuo的事情，除非你明确的告诉它该干嘛干嘛。

而且这些个指令越直接，越简洁效果就越好，你懂的。