内容
# 使用Claude API构建 🚀
本仓库记录了我从学习Anthropic Claude API到构建**生产级AI系统**的旅程。
与其将本仓库视为教程的堆积，我更像是一名工程师那样来处理它：
* 每个概念都作为一个**可用的系统**来实现
* 项目的结构类似于**现实世界的应用**
* 强调**评估、可扩展性和设计模式**
---
## 🧠 本仓库展示的内容
本仓库不仅仅是关于Claude API的基本用法，而是专注于使用Claude构建**智能系统**：
* 提示工程和结构化输出
* 多轮对话系统
* 检索增强生成（RAG）管道
* 工具使用和函数调用
* 模型上下文协议（MCP）实现
* 基于代理的架构（规划、路由、执行）
* LLM输出的评估框架
* 多模态工作流程（文本、图像、PDF）
---
## 📂 主要项目
### 🗣️ 对话式AI系统
一个具有上下文处理、系统提示和响应控制的多轮聊天系统。
### 🧪 提示工程 + 评估
提示策略的实验，包括：
* 少量学习
* XML结构化
* 自动评估管道
### 📚 RAG管道
端到端的检索系统：
* 文档摄入和分块
* 混合搜索（BM25 + 嵌入）
* 上下文感知生成
### 🛠️ 使用工具的代理
使用外部工具和结构化工作流扩展Claude。
### 🔌 MCP服务器和客户端
用于标准化工具集成的模型上下文协议实现。
### 🤖 代理架构
模拟推理工作流的系统：
* 任务路由
* 并行执行
* 链式决策
### 🖼️ 多模态处理
使用Claude进行：
* 图像理解
* PDF解析
* 引用生成
---
## 🧪 评估优先的思维方式
本仓库的一个关键重点是**衡量LLM性能**，而不仅仅是构建演示。
包括：
* 测试数据集生成
* 自动评分管道
* 提示比较工作流
---
## 🏗️ 设计理念
本仓库是按照以下原则构建的：
* **系统优于脚本**
* **评估优于直觉**
* **模块化优于整体**
* **现实世界的相关性优于玩具示例**
---
## 🛠️ 技术栈
* Python
* Anthropic Claude API
* 向量搜索/检索技术
* 基于JSON的结构化输出
---
## 🚀 为什么这个仓库存在
作为一名软件工程师，我想从理论转向**实践系统设计**，更深入地进入AI/ML系统：
* 了解LLM在**类似生产环境**中的行为
* 建立一个反映**真实工程深度**的作品集
---
## 📌 下一步
* 使用更大的数据集扩展RAG系统
* 改进评估管道
* 探索延迟和成本优化
* 与现实世界的应用集成
---
## 🤝 联系
如果您正在处理类似的问题或探索LLM系统，我很乐意与您联系和交流想法。
## 📄 许可证
该项目根据MIT许可证授权。
## 🙏 致谢
本仓库基于Anthropic的Claude API课程。
一些代码模式和练习是从课程材料中改编的，并通过我自己的实现、实验和系统设计进行了扩展。
