使用评估工具
Anthropic 控制台提供了一个评估工具，允许您在各种场景下测试您的提示。
访问评估功能
要开始使用评估工具：
- 打开 Anthropic 控制台并导航到提示编辑器。
- 编写完提示后，在屏幕顶部寻找”Evaluate”（评估）选项卡。
确保您的提示中至少包含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
控制台提供了由 Claude Opus 4 驱动的内置提示生成器：
点击'Generate Prompt'（生成提示）
点击”Generate Prompt”辅助工具将打开一个模态窗口，允许您输入任务信息。
描述您的任务
描述您想要的任务（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 就能越好地将生成的提示定制为满足您的特定需求。
生成您的提示
点击底部的橙色”Generate Prompt”按钮，Claude 将为您生成高质量的提示。然后，您可以使用控制台中的评估屏幕进一步改进这些提示。
此功能使创建带有适当变量语法的提示变得更加容易，便于评估。
创建测试用例
当您访问评估屏幕时，您有几种创建测试用例的选项：
- 点击左下角的”+ Add Row”（添加行）按钮手动添加用例。
- 使用”Generate Test Case”（生成测试用例）功能让 Claude 自动为您生成测试用例。
- 从 CSV 文件导入测试用例。
要使用”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，然后点击弹出的变量窗口顶部的”Show generation logic”（显示生成逻辑）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。
编辑此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。
以下是一个填充了多个测试用例的评估屏幕示例：
如果您更新了原始提示文本，可以针对新提示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
使用控制台中的”Generate a prompt”（生成提示）辅助工具，快速创建带有适当变量语法的提示以进行评估。
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：
- 并排比较：比较两个或多个提示的输出，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，以跟踪每个提示的响应质量改进情况。
- 提示版本控制：创建提示的新版本并重新运行测试套件，以快速迭代和改进结果。
通过查看各测试用例的结果并比较不同的提示版本，您可以发现模式并更有效地对提示进行明智的调整。
立即开始评估您的提示，以使用 Claude 构建更强大的 AI 应用程序！