Contrôler la longueur des réponses avec des jetons
Pour mieux contrôler les réponses de QuickAid, les utilisateurs peuvent désormais cliquer sur « Quick Answer », pour un résumé de la taille d’un tweet, ou sur « Deep Dive », pour une explication plus détaillée.
Implémentez les deux appels et affichez les résultats côte à côte afin que le jury du hackathon puisse voir la différence d’un coup d’œil.
La bibliothèque anthropic a été préimportée et le client a été prédéfini.
Cet exercice fait partie du cours
<cours>Introduction aux modèles Claude</cours>Instructions de l’exercice
- Définissez
max_tokensà 25 pour la réponse courte afin d’obtenir une réponse très concise (environ 15 à 20 mots). - Définissez
max_tokensà 200 pour la réponse longue afin d’obtenir une explication détaillée (environ 150 mots).
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
prompt = "Explain what artificial intelligence is."
# Create short response (25 tokens)
short_response = client.messages.create(model="claude-sonnet-4-6", max_tokens=____, messages=[{"role": "user", "content": prompt}])
# Create long response (200 tokens)
long_response = client.messages.create(model="claude-sonnet-4-6", max_tokens=____, messages=[{"role": "user", "content": prompt}])
print("Short response:", short_response.content[0].text)
print("Long response:", long_response.content[0].text)