標籤: 程式碼助手

📌 本文重點

• Claude Cookbooks 是一套可直接照抄的實戰 Notebook
• 非工程師可當高級提示模板庫直接用
• 工程師可快速接 API 做聊天機器人與 RAG 助手
• 最快五步就能跑出自己的 AI 小工具

用一句話說清楚：Claude Cookbooks 是一套「Claude 實戰菜單」，照著 Notebook 抄一遍，你今天就能做出自己的聊天機器人、文件助手或程式碼助手。

原始專案連結：👉 anthropics/claude-cookbooks

核心功能：這套「菜單」可以幫你做什麼？

1. 清楚的 Repo 結構：先選你要的「菜」

進到 GitHub 專案後，你大致會看到這幾類資料夾（名稱可能會略有調整，但概念相近）：

• notebooks/：主要範例，都用 Jupyter Notebook 寫好
• basic_examples/：最簡單的對話、提示工程示範
• tools_and_workflows/：工具呼叫、工作流程自動化
• rag/：RAG（檢索增強生成），用你自己的文件做問答
• agents/ 或類似資料夾：多步驟任務、小型 Agent 範例

可以做的事，對應你能採取的行動：

• 如果你完全沒寫過程式 → 先看標題含有 conversation、prompting 的 Notebook，當成「高級版提示語模板」，直接複製到 Claude 網頁版使用。
• 如果你會一點 Python → 跑 basic_examples 裡的 Notebook，先確認你能成功打出第一個 API 回應。
• 如果你想做內部工具或 Agent → 從 tools_and_workflows、rag 開始，把範例裡的「假資料」換成你公司的文件或 API。

2. Notebook 類型：從聊天到自動化，一路拆給你

Cookbooks 裡的 Notebook 大致可以分成四類，每一類都可以直接改成你的專案：

1. 對話 / 提示工程 Notebook
2. 示範怎麼寫系統提示（system prompt）、角色設定、回覆風格控制。

3. 行動：把裡面的 system prompt 複製出來，替換成你的場景，例如：

   • 把「你是一位友善的 AI 助手」改成「你是一位專門回答退貨政策的客服人員」。

4. 工具調用（Tool Use）Notebook

5. 示範怎麼讓 Claude 主動呼叫你定義好的函式，例如查訂單、算報表。

6. 行動：照著 Notebook 裡的結構定義一個簡單工具：

   python
def get_order_status(order_id: str) -> dict:
# TODO: 這裡先寫死假資料，之後再接真的 DB
return {"order_id": order_id, "status": "shipped"}

   然後讓 Claude 根據使用者輸入決定要不要呼叫這個工具。

7. RAG（文件問答）Notebook

8. 示範怎麼把 PDF、Markdown、內網文件先「切片 + 向量化」，再讓 Claude 根據搜尋結果回答。

9. 行動：先不管效果好不好，拿一份你真的會用到的文件（公司 FAQ、課程教材）丟進範例 Notebook，看能不能成功問出答案。

10. 工作流程自動化 / Agent Notebook

11. 示範多步驟流程，例如：解析需求 → 查資料 → 產出報告 → 修稿。
12. 行動：把裡面的流程步驟改成你的工作，例如「整理每日客服問題 → 匯總成報表」。

💡 關鍵： 這些 Notebook 的真正價值在於「可直接照抄運行」，先跑出結果再改一兩行，就能快速變成你的專案雛形。

這些 Notebook 的重點不是「看懂內部原理」，而是先照抄跑出結果，再從中挑一兩行改成自己的業務語句。

3. 拿 Cookbooks 當提示工程與 API 練習教材

你可以把整個 repo 當成一套免費教材：

• 練提示工程：
• 每次只做一件事：挑一個 Notebook，只改 system prompt，觀察回覆差異。

• 練習把「模糊指令」改成「具體條件」，例如：

  • 從「請你幫我改寫」改成「請幫我改寫成 300 字以內、用條列式、適合放在 EDM 裡」。

• 練 API 使用：

• 大多數 Notebook 只需要你把 api_key 換成自己的，就能跑起來。
• 把官方文件 + Cookbooks Notebook 打開對照看，很快就能理解 messages、tools 等欄位用法。

適合誰用：非工程師、工程師都能上手

1. 非工程師：直接拿 Prompt 模板做你的專屬助手

你不用會 Python，也能從 Cookbooks 撈出超實用的提示模板：

適合的場景與行動：

• 客服：
• 找對話範例 Notebook，看 system prompt 區塊，改成：
  • 「你是某某品牌的客服，回答只能根據以下政策文件，不要自己杜撰。」

• 把這串 prompt 複製到 Claude 官網或任何支援 Claude 的聊天界面使用。

• 教學 / 內訓：

• 找「教學型」prompt（通常會強調分步驟解釋），改成你的主題：

  • 例如從「解釋 Python 基礎」改成「解釋公司新制度給新進同仁」。

• 內容產生：

• 使用「內容規劃」「格式控制」相關的 prompt，限制輸出格式，例如：
  • 「每篇貼文必須含有標題、三個重點、CTA 一句。」

你可以完全忽略程式碼，只把 Notebook 當作「可複製的提示語範本庫」。

2. 工程師：照範例接後端、做簡單 Agent 或內部工具

如果你會基本的 JavaScript / Python，Cookbooks 就是現成腳手架：

• 接後端 API：

• 參考工具調用 Notebook，把你現有的 REST API 包成一個 tool，讓 Claude 負責決定何時呼叫。

• 做簡單 Agent：

• 用工作流程 Notebook，把「找資料 → 分析 → 生報告」這種流程拆成數個函式，交給模型逐步完成。

• 配合其他工具：

• 例如搭配 gsd-build/get-shit-done 這類 meta-prompting 框架，把你在 Cookbooks 練出來的 prompt 模板，包成可重用的規格驅動開發模組。

怎麼開始：5 步跑出你的第一個 AI 小工具

以下示範用「本機 + 最實用 Notebook」的最短上手路徑。

步驟 0：準備一支 Claude API Key

1. 前往 Anthropic 官方平台（依區域而定，通常是 Anthropic Console）。
2. 建立帳號，進入 API 區域，建立一支 API Key。
3. 暫存好這串金鑰，等等要寫進環境變數或 Notebook。

步驟 1：Fork 專案 + 下載到本機

1. 打開 repo：https://github.com/anthropics/claude-cookbooks
2. 右上角點選 Fork，建立自己的副本，方便之後修改。
3. 在終端機輸入：

bash
git clone https://github.com/<你的帳號>/claude-cookbooks.git
cd claude-cookbooks

如果你不想在本機操作，也可以直接用雲端 Notebook（例如 GitHub Codespaces、Colab）打開 repo，步驟類似，只是不用 git clone。

步驟 2：安裝環境 + 設定 API Key

1. 建議建立虛擬環境：

bash
python -m venv venv
source venv/bin/activate # Windows 用 venv\Scripts\activate

1. 安裝依賴（專案內通常有 requirements.txt 或 pyproject.toml）：

bash
pip install -r requirements.txt

1. 設定環境變數（以 macOS / Linux 為例）：

bash
export ANTHROPIC_API_KEY="你的_API_Key"

Windows PowerShell 則是：

powershell
setx ANTHROPIC_API_KEY "你的_API_Key"

💡 關鍵： 只要正確設定 ANTHROPIC_API_KEY 環境變數，大部分 Notebook 幾乎「零修改」就能直接跑起來。

步驟 3：啟動 Jupyter Notebook

在專案根目錄啟動：

jupyter notebook

瀏覽器會打開一個頁面，看到專案檔案結構，接下來只要點進想學的 Notebook 即可。

實戰示範 1：照抄一個「聊天機器人」 Notebook

以一個最簡單的對話 Notebook 為例（名稱可能類似 basic_chat.ipynb）：

1. 打開 Notebook，找到這幾段：
2. 匯入套件（通常是 from anthropic import Anthropic）
3. 建立 client：client = Anthropic()

4. 呼叫模型的程式碼：

   python
response = client.messages.create(
model="claude-3-5-sonnet-latest",
max_tokens=256,
messages=[
{"role": "user", "content": "你好，幫我想三個 IG 貼文主題"}
],
)
print(response.content[0].text)

5. 直接執行所有 Cell，確認能拿到一段回覆。

6. 第一個客製化改動：

7. 把 messages 改成你要的 system + user：

   python
messages=[
{
"role": "system",
"content": "你是一位專門幫新創品牌寫社群貼文的內容策劃，回覆一律用繁體中文，語氣自然口語。"
},
{
"role": "user",
"content": "我們是做手沖咖啡器材的，幫我想三個 IG 貼文主題。"
}
]

8. 再跑一次，這就是你的第一個「內容策劃小幫手」。

延伸修改方向：

• 把 user input 改成 input()，讓程式變成簡單的 CLI 聊天機器人。
• 限制輸出格式：要求 Claude 回傳 JSON，方便之後接到前端或自動排程工具。

實戰示範 2：照抄一個「文件助手」 RAG Notebook

找一個 RAG 相關 Notebook（例如 basic_rag.ipynb），你可以這樣照做：

1. 找到「載入文件」的 Cell，把原來的 sample text 改成你自己的 FAQ 或產品說明。
2. 跟著 Notebook 步驟做：
3. 切分文件 → 建立向量索引 → 根據提問檢索相關片段。
4. 在最後呼叫 Claude 的地方，確認有把「檢索結果」放進 prompt 裡，例如：

“`python
prompt = f”””
根據以下文件內容回答使用者問題，如果文件裡沒有答案，就老實說不知道：

{retrieved_chunks}

問題：{user_question}
“””
“`

1. 執行後，你就得到一個最簡單版的「文件問答助手」。

延伸修改方向：

• 把檔案來源改成公司內部 SOP 或 Notion 匯出的 Markdown。
• 在回覆前加上一段「引用來源」，列出這次回答用到哪些文件標題。

小結：先抄，再改，最後變成你的專屬 Cookbooks

使用 Claude Cookbooks 有一個簡單心法：

1. 先選一個最貼近你需求的 Notebook（聊天 / 文件 / 工具調用）。
2. 照著跑一次，不改任何東西，只確認能成功呼叫 API。
3. 從 system prompt 開始改成你的場景，再逐步替換資料來源、工具函式。

💡 關鍵： 當你能順手改兩三個 Notebook，你實際上已經掌握提示設計、API 呼叫與簡單 Agent 的完整流程。

當你能順手改兩三個 Notebook，你實際上已經會：

• 寫出能穩定工作的提示語
• 呼叫 Claude API，做出自己的 AI 小工具
• 把文件、後端 API、工作流程接進來，做出簡單 Agent

接下來，你就可以把自己的版本再 push 回 GitHub，變成「你公司的 Claude Cookbooks」。

🚀 你現在可以做的事

• 打開 anthropics/claude-cookbooks，先挑一個最貼近你需求的 Notebook
• 依照文中步驟設定 ANTHROPIC_API_KEY，完整跑通一個聊天或 RAG 範例
• 把其中一個 Notebook 的 system prompt 改成你的實際場景，存成你自己的第一個 Cookbooks 版本