来源： Anthropic 文档
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），旨在以会话方式提供帮助。
与 Claude 交互的方式有多种：
- Web – 通过 Anthropic 的控制台，您可以与 Claude 进行聊天。
- API – 允许将 Claude 集成到您的产品中，为客户提供服务。无论使用哪种接口，与 Claude 的交互方式基本相同，这使得您可以轻松地在控制台中尝试提示，并将其迁移到基于 API 的系统中。
获取 Claude 访问权限
Anthropic 正在谨慎推出 Claude，以确保其安全性和可扩展性，符合公司的价值观。我们与选定的合作伙伴合作推出 Claude。如果您有兴趣成为合作伙伴之一，请申请。由于收到的极大兴趣，回复可能需要一些时间。
如果您已通过某种接口（例如 Claude in Slack）与 Claude 交互，并希望切换到另一种接口（例如 API 访问），您需要分别申请每个产品的访问权限。
与 Claude 的第一次聊天
Claude 拥有多种功能，响应效果可能取决于您提问的方式。无论通过 Slack 还是网页界面，以下建议可以帮助您在初次交谈中获得更好的体验。
把 Claude 当作外包员工一样交谈
与 Claude 交谈时，像对待外包员工一样，而不是简单的文本补全 API。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，它可以看到您在该线程中写的任何内容，但无法记住其他线程中的内容。
需要记住的限制
- 🎭 Claude 扮演一个有帮助的助手角色，可能会错误地报告自己的能力。
- ➗ 在复杂的算术和推理方面，Claude 有时会出错。
- 👻 Claude 可能会产生幻觉或编造信息。
- 🌐 Claude 了解现实世界的知识，但无法访问互联网。
- ⏳ Claude 的训练数据可能早于两年前。
- 📅 Claude 不知道当前日期或事件。
- 🔨 Claude 无法在现实世界中采取行动，但可以建议行动。
- 📇 Claude 无法查阅信息，但可以建议查阅内容。
术语词典
以下是一些重要概念的简要总结：
- 上下文窗口：指语言模型在生成文本时可以回顾和参考的文本量。
- 微调：使用额外数据进一步训练预训练语言模型的过程。
- HHH：代表 Anthropic 确保 Claude 有益于社会的目标。
- LLM：大型语言模型，能够执行多种有用任务。
- 预训练：在大型无标签文本语料上训练语言模型的过程。
- RLHF：人工反馈强化学习，鼓励模型表现出与人类偏好一致的方式。
- 温度：控制模型预测随机性的参数。
- Token：语言模型的最小个别“原子”。
2. 提示词（Prompt）设计
2.1 设计提示词
Claude 被训练为一名有帮助的助手，您可以用标准英语指示它。将 Claude 想象成一名新雇佣的承包商，给它具体的说明。
提示词
您给 Claude 的文本旨在引发相关响应。提示通常采取问题或指示的形式。例如：
人类：为什么天空是蓝色的？
助手：
通过 API 发送的提示必须包含 人类： 和 助手： 作为说话人的信号。
Claude 通过使用这样的数据进行 RLHF 方法训练和微调，因此您需要在 API 中使用这些提示以获得预期的结果。
响应
Claude 响应的文本称为“响应”。
“把内容喂到 Claude 的嘴里”
提示样式允许通过向 Claude 发送它以前说过的话进行持续的对话。
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：
2.2 避免歧义
与 Claude 交谈时，确保提示词的精确性，避免歧义。
明确描述需求
保持提示词的精确性，具备完整的主谓宾定状补。例如：
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
在提示中包含示例可以提高准确性。
人类：我想让你建议有趣的集体名词。例如：
舞者的一个有趣的集体名词可以是”一群 pirouette 的舞者”
嬉皮士的一个有趣的集体名词可以是”一群 fedora 的嬉皮士”
工程师的一个有趣的集体名词可以是”一群 nerd herd 的工程师”
想一个护士的有趣集体名词。
助手：
2.3 复杂任务
当您提供的说明很复杂时，可以考虑一些额外的技术。
编写子任务
将提示分解为步骤可以帮助 Claude 更好地理解任务。
人类：请按以下步骤操作：
1. 编写一段关于工蜂如何维护巢穴的段落。
2. 告诉我“蜜蜂”的德语单词。
2.4 迭代式地补充提示词
迭代扩展提示是指使用 Claude 的响应来提高后续提示的可靠性。
人类：我将给您一个句子，您需要告诉我它包含单词”苹果”的次数。
助手：是的，我理解。
人类：这里有一个句子：
助手：输入句子”我吃了一个苹果,然后我吃了另一个苹果。”包含单词”苹果”两次。因此，我的答案是[2]。
