使用评估工具
Anthropic Console提供了一个评估工具,让您可以在各种场景下测试您的提示词。
访问评估功能
开始使用评估工具的步骤:
- 打开 Anthropic Console 并导航到提示词编辑器。
- 编写完提示词后,在屏幕顶部寻找”Evaluate”(评估)标签。
确保您的提示词至少包含1-2个使用双大括号语法的动态变量:{{variable}}。这是创建评估测试集所必需的。
生成提示词
Console提供了一个由Claude 3.7 Sonnet驱动的内置提示词生成器:
点击'Generate Prompt'
点击”Generate Prompt”(生成提示词)辅助工具将打开一个模态框,让您输入任务信息。
描述您的任务
描述您想要完成的任务(例如,“分类入站客户支持请求”),您可以根据需要提供或多或少的细节。您提供的上下文越多,Claude就能越好地根据您的具体需求定制生成的提示词。
生成您的提示词
点击底部的橙色”Generate Prompt”按钮,Claude将为您生成一个高质量的提示词。然后您可以使用Console中的评估界面进一步改进这些提示词。
此功能使创建具有适当变量语法的提示词变得更容易,便于评估。
创建测试用例
当您访问评估界面时,您有几种创建测试用例的选项:
- 点击左下角的”+ Add Row”按钮手动添加用例。
- 使用”Generate Test Case”功能让Claude自动为您生成测试用例。
- 从CSV文件导入测试用例。
使用”Generate Test Case”功能:
点击'Generate Test Case'
每次点击按钮,Claude都会为您生成一行测试用例。
编辑生成逻辑(可选)
您还可以通过点击”Generate Test Case”按钮右侧的箭头下拉菜单,然后点击弹出的Variables窗口顶部的”Show generation logic”来编辑测试用例生成逻辑。您可能需要点击此窗口右上角的”Generate”来填充初始生成逻辑。
编辑这些内容可以让您自定义和微调Claude生成的测试用例,使其更加精确和具体。
以下是一个包含多个测试用例的评估界面示例:
如果您更新了原始提示词文本,您可以针对新提示词重新运行整个评估套件,以查看更改如何影响所有测试用例的性能。
有效评估的技巧
使用Console中的”Generate a prompt”辅助工具快速创建具有适当变量语法的提示词以进行评估。
理解和比较结果
评估工具提供了几个功能来帮助您改进提示词:
- 并排比较:比较两个或更多提示词的输出,快速查看更改的影响。
- 质量评分:使用5分制对响应质量进行评分,以跟踪每个提示词的响应质量改进情况。
- 提示词版本控制:创建提示词的新版本并重新运行测试套件,以快速迭代和改进结果。
通过查看测试用例的结果并比较不同的提示词版本,您可以更有效地发现模式并对提示词进行明智的调整。
立即开始评估您的提示词,以使用Claude构建更强大的AI应用程序!