Panduan model lama

Panduan ini dimaksudkan untuk memberikan tips penggunaan untuk model lama kami, serta memberikan tips tentang migrasi prompt Anda dari model lain seperti GPT OpenAI ke model lama kami (untuk migrasi ke model frontier kami, lihat panduan migrasi utama kami).

​

Model lama Anthropic

Model lama kami termasuk Claude Instant 1.2, Claude 2.0, dan Claude 2.1. Dari model lama ini, Claude 2.1 adalah satu-satunya model dengan dukungan prompt sistem (semua model Claude 3 memiliki dukungan prompt sistem penuh).

Model-model ini tidak memiliki kemampuan visi dari keluarga Claude 3 dan umumnya kurang berkinerja dan cerdas. Namun, mereka masih dapat berguna untuk aplikasi tertentu yang tidak memerlukan fitur canggih dari model Claude 3. Lihat halaman ikhtisar model untuk ringkasan lengkap.

Harap dicatat bahwa model lama dapat dihentikan dari waktu ke waktu dan memiliki dukungan yang lebih sedikit daripada model yang lebih baru, jadi kami merekomendasikan merencanakan migrasi ke keluarga Claude 3 jika memungkinkan.

​

Migrasi prompt dari OpenAI/ChatGPT ke model Claude lama

Jika Anda beralih dari model GPT OpenAI atau ChatGPT ke keluarga model Claude 2 atau yang lebih lama, Anda mungkin perlu membuat beberapa penyesuaian pada prompt Anda untuk memastikan kinerja yang optimal. Sementara keluarga Claude 3 jauh lebih mudah diarahkan dan umumnya dapat menangani migrasi prompt tanpa perlu modifikasi, model lama mungkin memerlukan penyesuaian prompt tambahan. (Meskipun demikian, meskipun tidak diperlukan, teknik yang sama ini dan strategi rekayasa prompt lainnya mungkin masih berguna untuk meningkatkan kinerja model Claude 3 di luar baseline-nya.)

Berikut adalah beberapa tips untuk membantu Anda mengonversi prompt GPT Anda untuk hasil yang lebih baik dengan model Claude lama:

​

1. Tambahkan tag XML

Tag XML (misalnya, <tag></tag>) dapat digunakan untuk menandai subbagian yang berbeda dari prompt, memungkinkan Claude untuk memisahkan prompt menjadi bagian-bagian yang berbeda. Misalnya, untuk menambahkan teks dari dokumen ke prompt Anda, bungkus dokumen dalam tag <doc></doc>:

<doc>
Beberapa bagian teks...
</doc>

Claude juga dapat mengenali format terstruktur lainnya seperti JSON dan Markdown, tetapi XML cenderung menghasilkan kinerja terbaik dalam kebanyakan kasus karena paparan selama pelatihan. Anda dapat menggunakan nama tag apa pun yang Anda inginkan, selama mengikuti format <> dan </> (meskipun kami merekomendasikan membuat nama tag yang masuk akal dan terhubung secara semantik dengan konten yang mereka tandai). Untuk informasi lebih lanjut, lihat panduan kami tentang menggunakan tag XML.

​

2. Berikan instruksi yang jelas dan tidak ambigu

Claude merespons dengan baik instruksi yang jelas dan langsung. Alih-alih memberi ruang untuk asumsi implisit, secara eksplisit instruksikan Claude dengan detail sebanyak mungkin dalam prompt Anda untuk memastikan Claude dapat sepenuhnya menjalankan tugas yang ada sesuai dengan spesifikasi Anda. Misalnya, alih-alih:

Coba:

Saat membuat prompt untuk Claude, adopsi pola pikir bahwa Claude baru dalam tugas tersebut dan tidak memiliki konteks sebelumnya selain yang dinyatakan dalam prompt. Memberikan penjelasan yang rinci dan tidak ambigu akan membantu Claude menghasilkan respons yang lebih baik. Untuk informasi lebih lanjut, lihat jelas dan langsung.

​

3. Pra-isi respons Claude

Anda dapat memperluas prompt Claude untuk pra-isi giliran Assistant. Claude akan melanjutkan percakapan dari token terakhir dalam pesan Assistant. Ini dapat membantu menghindari kecenderungan Claude yang suka mengobrol dan memastikan ia memberikan format keluaran yang diinginkan. Misalnya:

Jika Anda menggunakan pendekatan ini, pastikan untuk meneruskan </rewrite> sebagai urutan berhenti dalam panggilan API Anda. Untuk informasi lebih lanjut, lihat panduan kami tentang pra-isi respons Claude.

​

4. Jaga Claude tetap dalam karakter

Lihat jaga Claude tetap dalam karakter untuk strategi memastikan Claude mempertahankan karakter dalam skenario bermain peran. Perhatikan bahwa untuk Claude 2.1 (dan semua model Claude 3), Anda juga dapat menggunakan prompt sistem untuk membantu Claude lebih baik tetap dalam karakter.

​

5. Tempatkan dokumen sebelum instruksi

Jendela konteks panjang Claude (100K-200K tergantung pada model) membuatnya sangat baik dalam mengurai dan menganalisis dokumen panjang dan string teks. Sebaiknya berikan dokumen dan teks panjang sebelum instruksi atau masukan pengguna, karena Claude memberikan perhatian ekstra pada teks di dekat bagian bawah prompt. Pastikan untuk menekankan instruksi penting di dekat akhir prompt Anda.

Lihat tips jendela konteks panjang untuk informasi lebih lanjut.

​

6. Tambahkan banyak contoh (setidaknya 3)

Claude belajar dengan baik melalui contoh bagaimana ia harus merespons dan dalam format apa. Kami merekomendasikan menambahkan setidaknya tiga contoh ke prompt Anda, tetapi lebih banyak lebih baik! Contoh sangat bermanfaat untuk tugas yang memerlukan keluaran terstruktur yang konsisten dan andal. Contoh yang seragam akan mengajarkan Claude untuk selalu merespons dengan cara yang sama setiap saat. Pelajari lebih lanjut dengan mengunjungi panduan kami untuk memproses dengan contoh.

​

Fitur model lama

​

Claude mengeluarkan tindakan asterisk

Ketika diberi prompt bermain peran atau prompt sistem, model Claude lama terkadang suka menggambarkan responsnya secara kreatif dengan menulis arahan panggung seperti *tersenyum* atau *melambaikan tangan*. Jika ini tidak diinginkan, Anda dapat memproses pasca-keluaran untuk menghapus kata-kata di antara tanda bintang.

Contoh cara melakukannya di Python:

import re

text = "Halo. *Nama saya Claude. *Saya adalah asisten AI."
cleaned = re.sub(r'\*.*?\*', '', text)
print(cleaned)
> Halo. Saya adalah asisten AI.