加载中
加载中

系统提示是自定义Claude如何响应用户输入的强大方式。您可以塑造Claude的语气、风格和处理方式以匹配您的特定用例,而不是得到通用的答案。

下方列出的数学辅导专家要求,旁边是一个AI回复显示三个点的聊天窗口。

为什么系统提示很重要

设想构建一个数学辅导聊天机器人。当学生问"我该如何求解5x + 2 = 3中的x?"时,您希望Claude表现得像一个真正的辅导老师,而不是只给出答案。一个好的数学辅导老师应该:

  • 最初给出提示而不是完整的解决方案
  • 耐心地引导学生逐步解决问题
  • 展示类似问题的解决方案作为示例

您肯定不希望Claude:

  • 立即给出直接答案
  • 告诉学生直接使用计算器

系统提示的工作原理

系统提示的三个好处,它们可以自定义Claude的语气和回复风格,下方显示了数学辅导代码。

系统提示为Claude提供有关如何回应的指导。您将它们定义为纯字符串,并将其传入create函数调用。主要优点是:

  • 系统提示为Claude提供有关如何回应的指导
  • Claude会尝试以指定角色会回应的方式进行回应
  • 有助于让Claude保持在任务范围内

以下是基本结构:

python
system_prompt = """
You are a patient math tutor.
Do not directly answer a student's questions.
Guide them to a solution step by step.
"""

client.messages.create(
    model=model,
    messages=messages,
    max_tokens=1000,
    system=system_prompt
)

查看差异

如果没有系统提示,Claude会立即给出完整的分步解决方案。这可能有帮助,但它不会鼓励学生自己思考问题。

有了数学辅导系统提示,Claude的回应会发生显著变化。Claude不会提供完整的解决方案,而是会问一些引导性问题,比如"您认为孤立x的第一步应该是什么?想想我们可能需要对两边执行什么操作来开始移动项。"

构建灵活的聊天函数

您可以让聊天函数接受系统提示作为参数,从而使其更具可重用性,而不是硬编码系统提示:

python
def chat(messages, system=None):
    params = {
        "model": model,
        "max_tokens": 1000,
        "messages": messages,
    }
    
    if system:
        params["system"] = system
    
    message = client.messages.create(**params)
    return message.content[0].text

这种方法处理了一个重要细节:Claude的API不接受system=None,因此您需要仅在提供系统参数时才有条件地包含它。

现在您可以使用或不使用系统提示来调用您的聊天函数:

python
# 不使用系统提示
answer = chat(messages)

# 使用系统提示
system = """
You are a patient math tutor.
Do not directly answer a student's questions.
Guide them to a solution step by step.
"""
answer = chat(messages, system=system)

系统提示对于创建行为一致且适合其预期用途的AI应用程序至关重要。它们将通用的AI回应转变为专业化的、符合角色设定的互动。