While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.
Jendela konteks yang diperluas Claude (200K token untuk model Claude 3) memungkinkan penanganan tugas-tugas kompleks dan kaya data. Panduan ini akan membantu Anda memanfaatkan kekuatan ini secara efektif.

​
Tips penting untuk prompt konteks panjang

  • Letakkan data panjang di bagian atas: Tempatkan dokumen dan input panjang Anda (~20K+ token) di dekat bagian atas prompt Anda, di atas query, instruksi, dan contoh Anda. Ini dapat meningkatkan performa Claude secara signifikan di semua model.
    Query di bagian akhir dapat meningkatkan kualitas respons hingga 30% dalam pengujian, terutama dengan input multi-dokumen yang kompleks.
  • Strukturkan konten dokumen dan metadata dengan tag XML: Saat menggunakan beberapa dokumen, bungkus setiap dokumen dalam tag <document> dengan subtag <document_content> dan <source> (dan metadata lainnya) untuk kejelasan.
  • Dasarkan respons pada kutipan: Untuk tugas dokumen panjang, minta Claude untuk mengutip bagian-bagian relevan dari dokumen terlebih dahulu sebelum melaksanakan tugasnya. Ini membantu Claude memilah “noise” dari sisa konten dokumen.

Perpustakaan prompt

Dapatkan inspirasi dari pilihan prompt yang dikurasi untuk berbagai tugas dan kasus penggunaan.

Tutorial prompting GitHub

Tutorial yang penuh contoh yang mencakup konsep-konsep prompt engineering yang ada dalam dokumentasi kami.

Tutorial prompting Google Sheets

Versi yang lebih ringan dari tutorial prompt engineering kami melalui spreadsheet interaktif.