Generowanie nowych treści

Wprowadzenie do modeli Claude

Nikhil Rangarajan

Data Scientist

Tworzenie treści kreatywnych

Od przekształcania tekstu do tworzenia oryginalnych treści
- Historie

Otwarta książka

Tworzenie treści kreatywnych

Od przekształcania tekstu do tworzenia oryginalnych treści
- Historie
- Teksty marketingowe

Otwarta książka i strona internetowa z tekstem marketingowym

Tworzenie treści kreatywnych

Od przekształcania tekstu do tworzenia oryginalnych treści
- Historie
- Teksty marketingowe
- Kod

Otwarta książka, strona internetowa z tekstem marketingowym i fragment kodu

Tworzenie treści kreatywnych

Od przekształcania tekstu do tworzenia oryginalnych treści
- Historie
- Teksty marketingowe
- Kod
- E-maile

Otwarta książka, strona z tekstem marketingowym, fragment kodu i e-mail

Tworzenie treści kreatywnych

Od przekształcania tekstu do tworzenia oryginalnych treści
- Historie
- Teksty marketingowe
- Kod
- E-maile
- Skrypty

Otwarta książka, strona z tekstem marketingowym, fragment kodu, e-mail i skrypt

Jak pisać skuteczne prompty do generowania treści

Precyzja
Ogólny prompt: szablonowe wyniki
Szczegółowy prompt: treść dopasowana do celu

# Vague prompt
prompt = "Write a product description"

# Specific prompt
prompt = """Write a 150-word product 
description for a wireless bluetooth 
speaker targeting college students. Use 
an energetic, casual tone and highlight 
portability, battery life, and sound 
quality."""

Jak pisać skuteczne prompty do generowania treści

Najczęstsze zastosowanie Claude'a: kod
Precyzyjne prompty = trafne wyniki kodu
- Język programowania
- Konkretna funkcjonalność
- Obsługa błędów
- Oczekiwane wyniki

# Vague prompt
prompt = "Write some code"

# Specific prompt  
prompt = """Write a Python function 
that validates email addresses 
using regex. 
Include error handling for invalid 
inputs and return both boolean result 
and descriptive error message."""

Czym jest temperatura?

Zakres temperatury: 0,0 (deterministyczna) do 1,0 (bardzo kreatywna)
- Niska temperatura (0,1–0,3): wyniki spójne i przewidywalne
- Średnia temperatura (0,4–0,7): równowaga kreatywności i spójności
- Wysoka temperatura (0,8–1,0): maksymalna kreatywność, mniejsza przewidywalność

Temperatura w zakresie od 0 do 1

Temperatura w wywołaniu modelu

# Conservative generation
response1 = client.messages.create(
    model="claude-sonnet-4-6",
    temperature=0.2,
    messages=[{"role": "user", "content": prompt}])

# Creative generation
response2 = client.messages.create(
    temperature=0.8,
    messages=[{"role": "user", "content": prompt}])

print("Temperature 0.2 Response (Conservative)")
print(response1.content[0].text)

print("Temperature 0.8 Response (Creative)")
print(response2.content[0].text)

Temperatura w wywołaniu modelu

Temperature 0.2 Response (Conservative)
A rainbow is an optical phenomenon that occurs when sunlight and rain are present 
simultaneously. It forms when white light from the sun passes through water 
droplets in the atmosphere, causing the light to refract, reflect, and disperse 
into its component colors...

Temperature 0.8 Response (Creative)
Ah, rainbows! Those magical bridges painted across stormy skies that never fail 
to make us pause and wonder. Picture this: millions of tiny water droplets hanging 
in the air after a rainfall, each one acting like a miniature crystal ball. When 
sunlight hits these droplets, something absolutely enchanting happens...

Parametr top_p

top_p (próbkowanie jądrowe): alternatywa dla temperatury przy kontroli kreatywności
Typowe wartości: 0,1 (skupione) do 0,9 (zróżnicowane)
Łączne użycie: temperature i top_p razem zapewniają precyzyjną kontrolę

client.messages.create(
model="claude-sonnet-4-6",
temperature=0.7,
top_p=0.3, #Likely words
messages=[{"role":"user", 
           "content":prompt}])

Funkcje bezpieczeństwa Claude'a

📝 Mocne strony: pisanie, analiza, kodowanie, zadania kreatywne
🚫 Wbudowane zabezpieczenia: odmawia generowania szkodliwych treści, przestrzega zasad etycznych
✅ Dobre praktyki: jasne prompty, eksperymentowanie z parametrami, weryfikacja wyników

Czas na praktykę!

Wprowadzenie do modeli Claude