Zacznij terazZacznij za darmo

Few-shot prompting w recenzjach produktów

Pracujesz dla BrightCart — platformy e-commerce. Na stronach produktów pojawia się teraz odznaka AI „Quick-Read", która kondensuje tysiące recenzji klientów w zwięzłe podsumowania. Żeby jeszcze bardziej uprościć te podsumowania, podzielisz je na dwa zdania: pierwsze zawiera najważniejszą zaletę, a drugie — jedno rzetelne zastrzeżenie.

Naucz Claude'a tego formatu za pomocą few-shot prompting, tak aby każdy przyszły produkt otrzymywał równie wyważone podsumowanie.

Biblioteka anthropic, obiekt client oraz przykładowa recenzja raw_review są już załadowane.

To ćwiczenie jest częścią kursu

Wprowadzenie do modeli Claude

Zobacz kurs

Instrukcje do ćwiczenia

  • Ustaw właściwą rolę dla pierwszej przykładowej odpowiedzi Claude'a.
  • Poproś o napisanie 2-zdaniowego podsumowania produktu.
  • Przekaż kompletną tablicę messages do wywołania API.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

messages = [
    {"role": "user", "content": "Summarize: Nice phone, fast performance, great camera. Screen scratches easily though."},
    # Set the role for Claude's first example response
    {"role": ____, "content": "Fast performance and excellent camera make this phone stand out. However, the screen may be prone to scratching."},
    {"role": "user", "content": "Summarize: Comfortable shoes, good for walking. Run small, order size up."},
    # Write a 2-sentence summary following the established pattern
    {"role": "assistant", "content": ____},
    {"role": "user", "content": f"Summarize: {raw_review}"}]

# Pass the complete messages array to the API call
response = client.messages.create(
    model="claude-sonnet-4-6", max_tokens=75,
    messages=____)

print(response.content[0].text)
Edytuj i uruchom kod