---
title: "Claude Cookbooks：快速上手 Claude API 實務範例的官方 GitHub 資源"
locale: zh-hant
category: tutorial
category_name: "教學課程"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/claude-cookbooks-api-examples-guide
published_at: 2026-07-19T22:54:40+09:00
---

# Claude Cookbooks：快速上手 Claude API 實務範例的官方 GitHub 資源

> Claude Cookbooks 是由 Anthropic 營運的 GitHub 範例儲存庫，讓使用者能透過程式碼學習使用 Claude API 進行分類、摘要、RAG、聊天機器人、文件與影像處理等實務型模式。如果只靠官方文件難以開始，它很適合作為複製筆記本範例並依小型專案調整的起點。

## Key Points

- Claude Cookbooks 是協助 Claude API 使用者快速理解實際開發模式的官方範例集。
- 主要範例涵蓋文字分類、摘要、RAG、客服聊天機器人、基於自然語言的資料查詢、影像、圖表與 PDF 處理等實務中常用的工作。
- 大部分資料採用 Jupyter Notebook 格式，包含說明與可執行程式碼，適合逐步實驗。
- 先準備好 API 金鑰、Python 執行環境、成本管理與資料安全原則，再從小範例開始執行會較安全。
- Cookbooks 範例的價值不在於原封不動複製，而在於依專案目的調整輸入資料、提示詞、錯誤處理與評估標準時會更高。

## Claude Cookbooks 是什麼

Claude Cookbooks 是 Anthropic 在 GitHub 上營運的 Claude API 範例儲存庫。顧名思義，它更像是一本「食譜」，收集了在實作特定功能時可參考的程式碼片段與逐步指南。

官方 API 文件的強項在於確認概念與規格，但對剛開始開發的人來說，仍可能留下「所以在我的程式碼裡要怎麼用？」這樣的落差。Claude Cookbooks 能縮小這個落差。它以可執行的範例展示文字分類、摘要、RAG、聊天機器人、文件處理等實際服務中常見的任務。

依營運者提供的資料來看，這個儲存庫是在 GitHub 上獲得數萬個星標的人氣專案，對想實驗 Claude API 的開發者與企劃人員而言，可以成為實用的起點。

## 核心定義

| 術語 | 意義 | 在 Claude Cookbooks 中的角色 |
|---|---|---|
| Claude API | 用於在應用程式中呼叫 Anthropic 的 Claude 模型的 API | 範例程式碼所呼叫的核心介面 |
| Cookbook | 以範例為中心、用於解決特定問題的文件與程式碼集合 | 複製、修改各功能範例來學習的方式 |
| Jupyter Notebook | 可在一個檔案中處理說明、程式碼、執行結果的互動式文件格式 | 適合逐行執行範例並確認結果 |
| RAG | Retrieval-Augmented Generation，搜尋外部資料並用於模型回答的方式 | 用於以內部文件、知識庫、FAQ 為基礎的回答系統 |
| 向量資料庫 | 將文件以語意向量為基礎儲存，並依相似度搜尋的儲存庫 | 與 Pinecone 等外部服務連接以實作 RAG 時使用 |

## 可以解決哪些問題

Claude Cookbooks 的價值在於，它不只展示「如何呼叫模型」，也展示「如何把模型放進實際工作流程」。範例主題可連結到如下應用情境。

### 1. 文字分類與路由

可用於將客戶諮詢、評論、文件、電子郵件分類到指定類別的工作。例如在客服中心系統中，可以把諮詢內容分為「退款」、「配送」、「技術支援」、「帳號問題」，並自動轉交給負責團隊。

實務應用時需確認以下事項。

- 是否明確定義了分類標準
- 對於模稜兩可的輸入，是否允許「其他」或「需要確認」等安全輸出
- 模型輸出是否始終為 JSON、標籤、分數等後續系統容易讀取的格式
- 是否以實際資料測量了誤分類率

### 2. 摘要與資訊擷取

也適合從長文件、會議紀錄、文章、客戶對話紀錄中擷取核心內容。不只單純摘要，也可擴展為如下結構化工作。

- 擷取核心主張
- 產生待辦事項清單
- 分離風險與決策事項
- 從文件中擷取日期、金額、負責人等欄位
- 整理多份文件的共同點與差異

使用摘要範例時，比起「幫我簡短摘要」，明確寫出「目標讀者、長度、必須包含的項目、排除的項目」會更穩定。

### 3. 基於 RAG 的問答

RAG 是一種模式，讓模型不只依靠自身知識回答，而是在使用者提供的文件或外部資料中搜尋相關內容後再回答。對於必須以公司內部手冊、產品文件、政策文件、知識庫為依據回答的服務尤其重要。

一般的 RAG 流程如下。

1. 將文件切分為小單位。
2. 將每個片段嵌入或儲存為可搜尋的形式。
3. 搜尋與使用者問題相關的文件片段。
4. 將搜尋結果作為依據資料放入 Claude 提示中。
5. Claude 依據證據回答。
6. 一併顯示回答所使用的依據、限制與不確定性。

RAG 無法完全消除幻覺。因此建議在提示與應用程式邏輯兩側都加入限制，例如「提供的依據中沒有的內容要回答不知道」、「每個回答都要標示依據文件名稱」。

### 4. 客戶應對聊天機器人

Claude Cookbooks 的範例在製作回覆客戶諮詢的聊天機器人時也可作為參考。基本聊天機器人需要維持對話脈絡、參照政策文件或 FAQ，並掌握使用者意圖。

實務型聊天機器人需要以下要素。

- 分類使用者問題意圖
- 限制禁止回答或法律、醫療、金融等高風險回答
- 必要時轉接客服人員
- 儲存對話紀錄並最小化個人資料
- 評估模型回答與監控日誌

範例程式碼只是起點，若要投入實際客服，必須另外設計安全、個人資料、故障應對與責任範圍。

### 5. 基於自然語言的資料庫查詢

也有一種模式是，當使用者以自然語言提問「顯示上個月銷售額前 10 名商品」時，產生 SQL 或資料查詢語句並執行。這種方式能讓非開發者也探索資料，但安全風險很高。

若要安全使用，需要以下事項。

- 使用唯讀帳號
- 只存取允許的資料表與欄位
- 執行前驗證產生的查詢
- 限制大量查詢
- 遮罩敏感資訊
- 阻擋使用者無權查看的資料

直接在營運資料庫執行模型產生的 SQL 是危險的。在範例階段，建議使用範例資料庫或隔離的開發環境。

### 6. 圖片、圖表、PDF 處理

運用 Claude 的多模態功能，也可以說明圖片或圖表，並從 PDF 讀取資訊後結構化。例如可從報告 PDF 中擷取主要數值，或讓模型說明圖表呈現了什麼趨勢。

不過視覺資料處理有其限制。小字、複雜表格、低解析度、被裁切的圖片都可能產生錯誤。若是數值重要的工作，必須與原始資料交叉驗證。

## 開始使用 Claude Cookbooks 前要準備的事項

### 必備項目

| 準備項目 | 說明 |
|---|---|
| Anthropic 帳號 | 需要使用 Claude API 的帳號。 |
| API 金鑰 | 範例程式碼呼叫 Claude API 時使用。最好不要將金鑰直接暴露在程式碼中。 |
| Python 環境 | 許多範例以 Python 為基礎執行。 |
| Jupyter Notebook 或類似環境 | 必須能開啟筆記本檔案並以儲存格為單位執行。 |
| 測試用資料 | 比起直接放入實際個人資料或敏感文件，先用範例資料實驗更安全。 |

### 建議準備項目

- Git 與 GitHub 的基本使用方式
- 環境變數管理方法
- 監控 API 費用與使用量的習慣
- 提示版本管理方式
- 測試輸入與預期輸出清單
- 敏感資訊處理標準

## 跟著做的基本順序

如果第一次接觸 Claude Cookbooks，比起試圖一次理解整個儲存庫，最好選一個範例從頭執行到尾。

### 第 1 步：瀏覽儲存庫結構

先在 GitHub 儲存庫中確認範例標題、資料夾名稱、README。尋找與自己想做的功能接近的範例。例如想製作公司內部文件搜尋聊天機器人，RAG 或文件搜尋相關範例就會是優先項目。

### 第 2 步：從最小的範例開始執行

如果一開始就選擇同時包含向量資料庫、PDF 處理、外部 API 整合的範例，會很難找出錯誤原因。先用單純的訊息呼叫、摘要、分類等範例，確認 API 金鑰與執行環境是否正常。

### 第 3 步：將輸入資料替換成自己的問題

先照原樣執行範例的範例輸入，再改成與自己業務資料相似的小型測試輸入。此時最好不要放入實際客戶資訊、身分證字號、付款資訊、商業機密等敏感資料。

### 第 4 步：固定輸出格式

若要連接實務系統，模型回答每次都只以自由文字出現會很難處理。應要求 JSON、標準標籤、分數、摘要項目等後續程式碼可處理的形式。

例如在分類工作中，以下輸出規則很有用。

```text
輸出只能以 JSON 撰寫。
欄位只能使用 category、confidence、reason 三個。
category 必須是 refund、delivery、technical_support、account、other 其中之一。
```

### 第 5 步：收集失敗案例

只看範例運作良好的輸入並不足夠。在實際服務中，會出現簡短問題、模糊問題、惡意提示、錯字、多語輸入、缺漏文件等各種問題。

準備下列類型的測試，有助於品質評估。

- 答案明確的輸入
- 意圖模糊的輸入
- 依據文件中沒有答案的輸入
- 模型容易猜測的輸入
- 非常長的輸入
- 包含敏感資訊的輸入
- 指示模型忽略規則的輸入

## 各範例類型的應用重點

| 範例類型 | 適合的使用案例 | 注意事項 |
|---|---|---|
| 分類 | 諮詢路由、評論標記、文件分類 | 標籤定義不明確時，結果可能不穩定 |
| 摘要 | 會議紀錄、文章、報告、客戶對話摘要 | 重要數值與人名需要與原文對照 |
| RAG | 公司內部文件搜尋、產品 FAQ、政策回答 | 搜尋品質低時，模型回答也會不穩定 |
| 聊天機器人 | 客戶應對、工作助理、教育用導師 | 需要安全機制與轉接客服人員的標準 |
| 自然語言資料查詢 | 非開發者資料探索、產生報表 | 權限管理與查詢驗證是必要的 |
| 圖片・圖表分析 | 報告解讀、視覺資料說明 | 小字或複雜表格可能出錯 |
| PDF 處理 | 合約、論文、手冊、報告分析 | 結果會因頁面結構與 OCR 品質而異 |
| 外部服務整合 | 連接向量 DB、知識庫、搜尋 API | 必須設計 API 金鑰管理與故障應對 |

## 選擇良好實驗主題的標準

學習 Claude Cookbooks 時，比起「很酷的 Demo」，選擇「小而可驗證的業務問題」更好。

好的第一個專案條件如下。

- 輸入與輸出明確。
- 人可以容易判斷是否成功。
- 不需要敏感資訊。
- API 費用低。
- 即使失敗也不會影響實際客戶或營運系統。
- 只要稍微修改範例程式碼就能實作。

例如以下主題適合作為起始專案。

- 將 20 則客戶諮詢分類為 5 個類別
- 從長會議紀錄中只擷取決策事項與待辦事項
- 放入 5 份公開文件並製作基於依據的 Q&A
- 以產品 FAQ 為基礎製作簡單的客戶應對聊天機器人
- 將針對範例 CSV 資料的自然語言問題轉成 SQL

## 實務應用前檢查清單

若要將 Claude Cookbooks 範例轉換為實際產品或內部工具，需要檢查以下項目。

### 技術檢查清單

- 是否以環境變數或祕密管理工具管理 API 金鑰
- 是否已因應模型呼叫失敗、逾時、速率限制
- 是否處理輸入長度與檔案大小限制
- 是否有驗證輸出格式的程式碼
- 日誌中是否不會儲存敏感資訊
- 是否有測試資料集與評估標準
- 模型版本或提示變更時是否進行回歸測試

### 品質檢查清單

- 是否由人抽樣確認回答準確度
- 是否有減少無依據回答的指引
- 是否設計為不確定時說不知道
- 是否向使用者說明 AI 回答的限制
- 是否區分需要領域專家審查的情況

### 安全・營運檢查清單

- 是否有個人資料與商業機密輸入政策
- 是否阻止未授權的資料存取
- 是否分開管理外部 API 整合金鑰
- 是否有防止費用暴增的使用量限制
- 是否考慮使用者提示注入攻擊
- 營運故障時是否有替代流程

## Claude Cookbooks 與官方文件的差異

| 區分 | Claude Cookbooks | Anthropic 官方文件 |
|---|---|---|
| 目的 | 透過範例快速掌握實作模式 | 確認 API 規格、概念、功能說明 |
| 形式 | 以程式碼、筆記本、範例工作流程為中心 | 以文件、指南、參考資料為中心 |
| 優點 | 容易複製、執行、修改 | 有利於確認最新功能與準確參數 |
| 限制 | 範例不會涵蓋所有營運需求 | 對初學者來說，實際實作流程可能感覺抽象 |
| 建議用法 | 製作小型原型時使用 | 最終實作前驗證 API 動作與限制時使用 |

最好的方式是同時使用兩種資料。用 Cookbooks 掌握流程，再用官方文件確認正在使用的 API 的準確輸入值、模型選項、限制事項。

## 給初學者的建議學習路線

1. 執行 Claude API 基本呼叫範例。
2. 透過短文字摘要範例熟悉提示與回應結構。
3. 透過分類範例練習固定輸出格式。
4. 透過 RAG 範例讓模型以外部文件為依據回答。
5. 透過聊天機器人範例加入對話脈絡與安全機制。
6. 擴展到圖片、PDF、資料庫查詢等必要的進階範例。
7. 建立測試集並測量準確度、費用、回應時間。

## 常見錯誤與解決方法

| 錯誤 | 為什麼會成為問題 | 解決方法 |
|---|---|---|
| 將 API 金鑰直接寫在程式碼中 | 可能暴露在儲存庫或外洩 | 使用環境變數或祕密管理工具 |
| 只看範例結果就直接接上營運系統 | 可能遺漏錯誤處理、安全、費用管理 | 在開發與預備環境中充分測試 |
| 提示寫得太抽象 | 輸出不一致 | 明確寫出角色、輸入、輸出格式、禁止事項 |
| 在 RAG 中不評估搜尋品質 | 會放入不相關文件，降低回答品質 | 另外檢查搜尋結果的精確率與召回率 |
| 總是將模型回答視為事實 | 可能混入幻覺或誤解 | 加入依據標示、驗證邏輯、人工審查 |
| 不設定費用限制 | 反覆執行或大量輸入可能導致費用增加 | 套用呼叫量限制、快取、抽樣 |

## 結論

Claude Cookbooks 是實用的資料，能讓人從「透過文件理解 Claude API 的階段」進入「親手製作的階段」。其優點在於可透過範例確認分類、摘要、RAG、聊天機器人、資料查詢、圖片・PDF 處理等 AI 應用程式的核心模式。

不過 Cookbooks 不是完成的營運系統，而是起點。若要應用於實際服務，必須加入資料安全、輸出驗證、費用管理、評估體系、使用者權限等營運要素。最安全且有效的做法，是一開始先執行一個小筆記本，然後依自己的業務資料與需求逐步修改該範例。

## FAQ

### 什麼是 Claude Cookbooks？
Claude Cookbooks 是 Anthropic 在 GitHub 上營運的 Claude API 範例集合。可以透過程式碼與說明，學習文字分類、摘要、RAG、聊天機器人、資料查詢、圖片與 PDF 處理等實際應用程式中常用的模式。

### 使用 Claude Cookbooks 需要什麼？
基本上需要 Anthropic 帳號、Claude API 金鑰、Python 執行環境，以及可開啟 Jupyter Notebook 的工具。若要安全地實驗範例，建議先使用範例資料，而不是實際個人資料或機密資料。

### 初學者也可以使用 Claude Cookbooks 嗎？
如果了解 Python 與 API 呼叫的基本概念，初學者也可以跟著嘗試。大多數範例都是同時提供說明與程式碼的 Notebook 形式，因此適合從小範例開始執行，並嘗試修改輸入值與提示詞。

### RAG 範例在什麼情況下有用？
RAG 範例適用於需要以特定資料為依據來回答的系統，例如公司內部文件、產品手冊、FAQ、政策文件。雖然可以讓模型參考搜尋到的文件作答，但必須同時管理搜尋品質與依據標示，才能獲得穩定的結果。

### 可以直接把 Claude Cookbooks 範例接到營運服務上嗎？
不建議直接接到營運服務上。範例是用於學習與原型開發的起點，因此在實際套用前，必須增加 API 金鑰安全、錯誤處理、輸出驗證、個人資料保護、成本限制、權限管理、品質評估。

### Claude Cookbooks 與 Anthropic 官方文件應該如何搭配使用？
Claude Cookbooks 適合用來熟悉實作流程與實戰模式，Anthropic 官方文件則適合用來確認 API 參數、請求格式、模型行為與限制事項。先執行 Cookbooks 範例，再用官方文件驗證細部設定，這樣的方式很有效率。

### 使用 Claude Cookbooks 製作聊天機器人時，最重要的是什麼？
製作聊天機器人時，不只對話品質重要，安全機制也很重要。對無法回答的問題要讓它表示不知道，限制敏感請求，並在必要時設計轉交給人工客服或其他程序的流程。

### 用自然語言查詢資料庫的範例安全嗎？
自然語言資料庫查詢很方便，但有安全風險。不要將模型產生的查詢直接在營運資料庫上執行，應套用唯讀權限、限制允許的資料表、查詢驗證、大量查詢限制、敏感資訊遮罩。

### 使用圖片或 PDF 處理範例時需要注意什麼？
在圖片與 PDF 處理中，結果可能會因解析度、表格結構、字體大小、掃描品質而有所不同。尤其是數值或合約條件等準確性很重要的資訊，建議用原始文件或其他擷取工具進行交叉驗證。

## Sources

- [Anthropic Claude Cookbooks GitHub 儲存庫](https://github.com/anthropics/claude-cookbooks)
- [Anthropic API 入門](https://docs.anthropic.com/en/api/getting-started)
- [Anthropic Messages API 參考](https://docs.anthropic.com/en/api/messages)
- [Jupyter 文件](https://docs.jupyter.org/en/latest/)
- [Pinecone 文件](https://docs.pinecone.io/)

## Images

![筆電程式碼編輯器、打開的食譜、AI 大腦，以及文件、聊天與資料庫圖示](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjIyNywicHVyIjoiYmxvYl9pZCJ9fQ==--3ca306095526f2389751e0dcf66e7ee3d2ac373e/ai-6427b734.webp)
![程式碼介面與資料卡透過中央雲端 API 連接到多種工具](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjIzMywicHVyIjoiYmxvYl9pZCJ9fQ==--9b39561d755d91d179630b86135f6cb98802fb15/ai-4269afa5.webp)