Prompt Engineering

// System Prompt 設計 — 程式碼 Review Bot
var systemPrompt = @"
你是一位資深 C# 程式碼審查員。
你的任務是審查使用者提交的程式碼，提供具體的改善建議。
 
規則：
1. 每個問題用 [嚴重/中等/輕微] 標記嚴重度
2. 每個問題必須附上修改後的程式碼範例
3. 最後給出整體評分 (1-10)
4. 用繁體中文回答
 
輸出格式：
## 問題清單
1. [嚴重度] 問題描述
   修改建議：...
 
## 整體評分：N/10
## 總結：一段話總結
";
 
// Few-shot 範例
var fewShotExample = new UserChatMessage(@"
請審查這段程式碼：
```csharp
public string GetName(int id) {
    var user = db.Users.Where(u => u.Id == id).ToList().FirstOrDefault();
    return user.Name;
}
```");
 
var fewShotResponse = new AssistantChatMessage(@"
## 問題清單
1. [中等] 不必要的 ToList() — 會載入所有符合條件的記錄到記憶體
   修改建議：`db.Users.FirstOrDefault(u => u.Id == id)`
2. [嚴重] 可能的 NullReferenceException — user 可能為 null
   修改建議：`return user?.Name ?? throw new NotFoundException(id);`
 
## 整體評分：4/10
## 總結：有效能和安全性問題，建議修復後再合併。");

// Structured Output — 讓 LLM 回傳 JSON
const classifyEmail = async (email: string) => {
  const response = await client.messages.create({
    model: "claude-sonnet-4-20250514",
    max_tokens: 500,
    system: `你是一個郵件分類系統。將郵件分類為以下類別之一：
- spam: 垃圾郵件
- support: 客服請求
- billing: 帳務問題
- feature: 功能建議
- bug: 錯誤回報
 
以 JSON 格式回傳：
{"category": "...", "confidence": 0.0-1.0, "summary": "一句話摘要"}`,
    messages: [{ role: "user", content: email }],
  });
 
  return JSON.parse(response.content[0].text);
};
 
// Chain of Thought — 複雜推理
const analyzeArchitecture = async (description: string) => {
  const response = await client.messages.create({
    model: "claude-sonnet-4-20250514",
    max_tokens: 2000,
    system: `你是一位系統架構師。分析使用者描述的系統架構。
 
請按照以下步驟思考：
1. 先列出系統的主要元件
2. 分析元件之間的依賴關係
3. 識別潛在的瓶頸和單點故障
4. 提出具體的改善建議
 
每一步都要明確寫出你的推理過程。`,
    messages: [{ role: "user", content: description }],
  });
 
  return response.content[0].text;
};

import anthropic
 
client = anthropic.Anthropic()
 
# Few-shot Prompt — 程式碼翻譯
def translate_code(code: str, from_lang: str, to_lang: str) -> str:
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2000,
        system=f"""你是一個程式碼翻譯專家。
將 {from_lang} 程式碼翻譯為等價的 {to_lang} 程式碼。
 
規則：
1. 保持相同的邏輯和功能
2. 使用目標語言的慣用寫法（idiomatic）
3. 保留註解並翻譯為繁體中文
4. 只回傳程式碼，不要額外解釋""",
        messages=[
            # Few-shot example 1
            {"role": "user", "content": "```python\ndef greet(name: str) -> str:\n    return f'Hello, {name}!'\n```"},
            {"role": "assistant", "content": "```csharp\npublic string Greet(string name)\n{\n    return $\"Hello, {name}!\";\n}\n```"},
            # 實際任務
            {"role": "user", "content": f"```{from_lang}\n{code}\n```"},
        ],
    )
    return response.content[0].text
 
# Prompt 版本控制
PROMPT_VERSIONS = {
    "v1": "請摘要這段文字。",
    "v2": "請用 3 個重點摘要這段文字，每個重點不超過 20 字。",
    "v3": "請用 3 個重點摘要這段文字。格式：\n1. [重點]\n2. [重點]\n3. [重點]\n每個重點不超過 20 字，聚焦於可操作的資訊。",
}
# v3 的準確率從 v1 的 60% 提升到 90%