Claude Cookbooks
Kumpulan notebook Jupyter berisi implementasi lengkap pola-pola aplikasi LLM yang bisa langsung dijalankan.
Intisari
- Kode yang bisa dijalankan, bukan potongan. Jalankan, ubah, lihat apa yang berubah.
- Yang paling relevan untuk roadmap ini: tool use, RAG, evaluasi, dan sub-agent.
- Beberapa notebook memakai API versi lama — periksa ID model dan parameter sebelum menyalin.
- Buka di Colab supaya bisa langsung dijalankan tanpa setup lokal.
- Notebook RAG dan evaluasi adalah rujukan terdekat untuk capstone Fase 7.
Kenapa notebook lebih efektif daripada dokumentasi
Dokumentasi menunjukkan potongan kode. Cookbook menunjukkan program utuh — termasuk bagian membosankan yang biasanya dilewati: penanganan error, pemuatan data, evaluasi hasil. Bagian membosankan itulah yang biasanya membuat orang tersendat saat membangun sendiri.
Cara memakainya yang paling efektif: jangan dibaca — jalankan. Ubah satu hal (prompt, model, ambang batas), jalankan ulang, amati perubahannya. Umpan balik langsung seperti ini jauh lebih cepat membangun intuisi daripada membaca penjelasan.
Notebook yang relevan dengan roadmap
| Topik | Isinya | Untuk fase |
|---|---|---|
| Tool use | Loop agentic lengkap, tool paralel, penanganan error | 4 |
| RAG | Ingest, embedding, retrieval, generation, sitasi | 7 |
| Contextual retrieval | Chunking yang memperbaiki kegagalan retrieval | 7 |
| Evaluation | Dataset eval, LLM-as-judge, metrik | 7 |
| Sub-agent | Orkestrator + pekerja | 4 (lanjutan) |
| Prompt caching | Pengukuran penghematan nyata | 4 |
| Vision | Analisis gambar, ekstraksi dari grafik | — |
| Memproses dokumen PDF | 7 | |
| Batch processing | Batches API untuk volume besar | 6 |
| Classification | Klasifikasi terstruktur dengan eval | 4 |
Urutan yang disarankan
- Tool use — saat mengerjakan Fase 4. Jalankan loop agentic penuh dan amati tiap langkahnya.
- Prompt caching — segera setelahnya. Ukur penghematannya sendiri; angkanya lebih meyakinkan daripada penjelasan.
- RAG — sebelum mulai Fase 7. Ini kerangka capstone-mu.
- Contextual retrieval — setelah RAG dasar jalan.
- Evaluation — setelah capstone berjalan. Tanpa eval, kamu tidak tahu perbaikanmu benar-benar memperbaiki.
Menjalankan secara lokal
git clone https://github.com/anthropics/claude-cookbooks
cd claude-cookbooks
uv init
uv add anthropic jupyter python-dotenv
uv run jupyter labexport ANTHROPIC_API_KEY=sk-ant-...Atau langsung di Colab — tiap notebook punya tombol "Open in Colab" di README-nya.
Yang perlu diperiksa sebelum menyalin
Repo ini berkembang cepat dan tidak semua notebook di-update bersamaan. Sebelum menyalin kode ke proyekmu, periksa:
| Periksa | Yang benar sekarang |
|---|---|
| ID model | Gunakan model terkini, bukan yang tertulis di notebook lama |
thinking | {"type": "adaptive"}, bukan budget_tokens |
| Structured output | output_config.format atau messages.parse() |
| Assistant prefill | Tidak lagi didukung — pakai structured output |
temperature, top_p | Ditolak pada model terkini — hapus saja |
Cara membaca notebook secara efektif
- Jalankan apa adanya dulu. Pastikan berhasil sebelum mengubah apa pun.
- Baca sel penyiapan. Struktur data dan pemuatannya sering menjelaskan asumsi penting.
- Ubah satu variabel. Naikkan
top_k, ganti prompt, turunkan ambang batas. Amati efeknya. - Rusakkan sengaja. Hapus penanganan error, kirim input aneh. Melihat bagaimana ia gagal mengajarkan batasnya.
- Tulis ulang sebagai modul. Pindahkan ke file
.pydengan type hint dan test — itu langkah dari notebook ke kode production.
Dari notebook ke production
Notebook dioptimalkan untuk eksplorasi, bukan untuk dijalankan terus-menerus. Yang perlu kamu tambahkan:
| Notebook | Production |
|---|---|
| Variabel global | Fungsi dan class dengan type hint |
print() | logging terstruktur |
| API key hardcoded | pydantic-settings |
| Tanpa penanganan error | Exception spesifik + retry |
| Panggilan sinkron | async dengan batas concurrency |
| Tanpa test | pytest dengan LLM di-mock |
| Verifikasi manual | Eval otomatis |
Daftar di kolom kanan itu adalah isi Fase 6. Cookbook mengajarkan pola AI-nya; Fase 6 mengajarkan cara mengubahnya jadi perangkat lunak yang bisa dipercaya orang lain. Keduanya diperlukan.
Rangkuman ini sengaja dipangkas ke bagian yang dipakai di roadmap. Buka sumber aslinya saat kamu butuh detail lengkap atau referensi parameter.