from anthropic import Anthropic

client = Anthropic()

# 模糊：任务、背景、格式全都不明
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{"role": "user", "content": "帮我看看这段代码"}]
)

# 清晰：任务动词、代码、输出要求一次说清
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": """审查下面这段 Python 代码的安全性：

    def get_user(user_id):
        query = f"SELECT * FROM users WHERE id = {user_id}"
        return db.execute(query)

请用表格列出：
1. 所有安全漏洞
2. 每个漏洞的风险等级（高/中/低）
3. 修复建议"""
    }]
)

prompt = """你是一位数据分析师。请分析以下销售数据。

## 数据
[销售数据JSON]

## 分析维度
1. 整体趋势：月度销售额变化
2. 地域分布：各地区占比
3. 产品表现：TOP 5 产品
4. 异常检测：识别异常值

## 输出要求
- 每个维度用小标题
- 包含数据可视化建议（ASCII 图表）
- 最后给出 3 个可执行的建议
"""

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=2000,
    messages=[{"role": "user", "content": prompt}]
)

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="""你是一位专业代码审查员。

审查标准：
- 安全性（OWASP Top 10）
- 性能（时间/空间复杂度）
- 可读性（命名、注释、格式）
- 推荐做法（设计模式、语言特性）

回复格式：
## 总体评价
[简短总结]

## 问题列表
| 等级 | 位置 | 问题描述 | 修复建议 |

## 改进建议
[可选的额外优化建议]""",
    messages=[{"role": "user", "content": "审查以下代码..."}]
)

# 安全：系统提示词与用户输入分通道，用户输入不参与系统提示词拼装
def create_messages(user_input: str):
    system = (
        "你是一个客服助手。只回答与产品相关的问题。"
        "当用户询问无关话题时，回复：抱歉，我只能帮助解决产品问题。"
    )
    return system, [{"role": "user", "content": user_input}]

# 调用时把 system 放在顶层参数
system, messages = create_messages(user_input)
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system=system,
    messages=messages,
)

class PromptManager:
    SYSTEM_PROMPTS = {
        "code_review": """你是一位资深代码审查员。

职责：
1. 发现代码中的 bug 和安全漏洞
2. 评估代码性能和可读性
3. 提供具体的修复建议

回复格式：
- 每个问题一行："[等级] [位置] 问题描述" """,

        "data_analysis": """你是一位数据分析师。

职责：
1. 从数据中发现洞察
2. 用清晰的图表展示趋势
3. 提供基于数据的建议

回复格式：
- 先给结论，再给详细分析，最后给建议""",

        "writing": """你是一位专业文案编辑。

职责：
1. 改进文本的清晰度和可读性
2. 修正语法和拼写错误
3. 保持原作者的风格

回复格式：
- 改进后的文本
- 改进说明（可选）"""
    }

    @classmethod
    def get_prompt(cls, task_type: str) -> str:
        return cls.SYSTEM_PROMPTS.get(task_type, cls.SYSTEM_PROMPTS["writing"])

# Zero-shot：只给任务
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": "把以下中文翻译成英文：今天天气真好"
    }]
)

# Few-shot：给示例，输出更可预期
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": """翻译以下中文成英文：

示例：
- "你好吗？" → "How are you?"
- "今天很开心" → "I'm very happy today"
- "明天见" → "See you tomorrow"

翻译：
- "今天天气真好" """
    }]
)

prompt = """判断评论的情感是正面、负面还是中性。

示例：
- "这个产品太棒了，我非常满意！" → 正面
- "一般般，没有想象中好" → 中性
- "太差了，等了两周才到" → 负面
- "惊喜！比图片上还好看" → 正面
- "退货了，质量不行" → 负面

判断：
- "刚收到，还没用" → """

# 错误示例：第 3 条标注错了，模型会被带偏
prompt = """判断数字奇偶性：
示例：
- "5" → 奇数
- "8" → 偶数
- "3" → 偶数  ← 错误！

判断：
- "7" → """

# 标准提示词 - 直接给答案
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": "小明有 5 个苹果，小红给了他 3 个，小明吃掉了 2 个。小明现在有多少个苹果？"
    }]
)

# 链式思考 - 要求展示推理
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": """小明有 5 个苹果，小红给了他 3 个，小明吃掉了 2 个。小明现在有多少个苹果？

请逐步思考，展示计算过程。"""
    }]
)

prompt = """分析以下代码的性能问题。

代码：
    def find_duplicates(arr):
        result = []
        for i in range(len(arr)):
            for j in range(len(arr)):
                if arr[i] == arr[j] and i != j:
                    result.append(arr[i])
        return list(set(result))

分析步骤：
1. 识别代码的时间复杂度
2. 找出具体的性能瓶颈
3. 提出优化方案
4. 给出优化后的代码"""

prompt = """某物流规则规定：重量超过 20 公斤的包裹需要额外缴费。请核对下面这条陈述是否正确。

陈述："15 公斤的包裹不需要额外缴费。"

思考步骤：
1. 写出规则的触发条件（重量 > 20 公斤）
2. 对比给定包裹的重量
3. 检查是否满足触发条件
4. 给出结论并说明依据"""

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=8192,
    thinking={
        "type": "enabled",
        "budget_tokens": 4096,
    },
    messages=[{
        "role": "user",
        "content": "设计一个在 O(n) 时间内找出数组中出现次数最多的元素的算法，并说明为什么你的方案正确。"
    }]
)

# 响应里会先出现 thinking 块，再出现 text 块
for block in response.content:
    if block.type == "thinking":
        print("推理过程:", block.thinking)
    elif block.type == "text":
        print("最终答案:", block.text)

# 确定性输出 - 每次结果基本一致
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=100,
    temperature=0.0,
    messages=[{"role": "user", "content": "1+1等于几？"}]
)

# 创意输出 - 每次结果可能不同
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=200,
    temperature=0.9,
    messages=[{"role": "user", "content": "写一个关于AI的科幻短故事开头"}]
)

# 保守输出
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    temperature=0.3,
    top_p=0.5,
    messages=[{"role": "user", "content": "解释什么是HTTP"}]
)

# 创意输出
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    temperature=0.8,
    top_p=0.95,
    messages=[{"role": "user", "content": "用比喻解释什么是HTTP"}]
)

def get_response(task_type: str, prompt: str, **kwargs):
    configs = {
        "code": {"temperature": 0.1, "top_p": None},
        "math": {"temperature": 0.0, "top_p": None},
        "qa": {"temperature": 0.2, "top_p": None},
        "writing": {"temperature": 0.7, "top_p": 0.95},
        "brainstorm": {"temperature": 0.9, "top_p": 0.99},
    }

    config = configs.get(task_type, {"temperature": 0.5, "top_p": None})

    return client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=kwargs.get("max_tokens", 1024),
        **config,
        messages=[{"role": "user", "content": prompt}]
    )

response = get_response("code", "写一个快排函数")
response = get_response("writing", "写一首关于月亮的诗")

import hashlib
from collections import Counter


def calculate_consistency(responses: list[str]) -> float:
    hashes = [hashlib.md5(r.encode()).hexdigest() for r in responses]
    counter = Counter(hashes)
    most_common = counter.most_common(1)[0][1]
    return most_common / len(responses)

def evaluate_prompt(prompt_v1: str, prompt_v2: str, test_cases: list[dict], n: int = 5):
    results = {"v1": [], "v2": []}

    for test in test_cases:
        for _ in range(n):
            r1 = client.messages.create(
                model="claude-sonnet-4-20250514",
                max_tokens=500,
                temperature=0.0,
                messages=[{"role": "user", "content": prompt_v1.format(**test)}]
            )
            results["v1"].append(r1.content[0].text)

        for _ in range(n):
            r2 = client.messages.create(
                model="claude-sonnet-4-20250514",
                max_tokens=500,
                temperature=0.0,
                messages=[{"role": "user", "content": prompt_v2.format(**test)}]
            )
            results["v2"].append(r2.content[0].text)

    return results

def iterative_prompt_optimize(initial_prompt: str, test_cases: list[dict], iterations: int = 5):
    current_prompt = initial_prompt

    for i in range(iterations):
        print(f"=== 迭代 {i + 1} ===")
        outputs = []
        for test in test_cases:
            response = client.messages.create(
                model="claude-sonnet-4-20250514",
                max_tokens=500,
                temperature=0.0,
                messages=[{"role": "user", "content": current_prompt.format(**test)}]
            )
            outputs.append(response.content[0].text)

        print("样本输出：")
        for j, (test, out) in enumerate(zip(test_cases[:2], outputs[:2])):
            print(f"输入: {test['input']}")
            print(f"输出: {out[:200]}...")
            print()

        feedback = input("改进建议（直接回车跳过）：")
        if feedback:
            current_prompt = modify_prompt(current_prompt, feedback)
        else:
            print("跳过优化")

    return current_prompt


def modify_prompt(prompt: str, feedback: str) -> str:
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=1000,
        messages=[{
            "role": "user",
            "content": f"""优化以下提示词：

原始提示词：
{prompt}

改进建议：
{feedback}

请给出优化后的提示词，直接输出新的提示词内容："""
        }]
    )
    return response.content[0].text

# 过度工程化
prompt = """你是一位在 Google 工作 10 年的资深软件工程师，拥有计算机博士学位，
专精于分布式系统和大数据处理。请按以下 12 条原则审查代码：
1. 性能优先 2. 可读性第二 3. 维护性第三 4. 安全第一 5. 兼容性
6. 扩展性 7. 测试覆盖 8. 文档完整 9. 命名规范 10. 错误处理
11. 日志规范 12. 代码风格（每条再展开 50 字说明，并给出反例）"""

# 简洁明确
prompt = """你是一位代码审查员。审查以下代码，关注性能和可读性。
用表格列出问题，每个问题包含：位置、问题、修复建议。"""

# 冲突：既要 1 行又要详细注释，Claude 只能选一个满足
prompt = """写一个 Python 函数：
- 必须简洁（1 行）
- 必须包含详细注释
- 必须处理所有错误情况"""

# 合理：明确优先级
prompt = """写一个 Python 函数，平衡简洁性和健壮性。
包含必要的注释（每个逻辑块一行），处理好主要错误。"""

# 示例风格和任务风格不一致
prompt = """翻译成中文：
示例："Hello world" → "你好世界"
任务："Good morning" →"""

# 示例匹配任务风格（正式商务语气）
prompt = """翻译成中文（正式商务语气）：
示例："Thank you for your inquiry" → "感谢您的询盘"
示例："Please find attached" → "请见附件"
任务："We look forward to hearing from you" →"""

# 不推荐：角色设定混在用户消息里，且每次都要重复
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": """你是一个翻译助手。翻译时注意：
1. 保持原文语气
2. 使用自然的中文表达
3. 人名音译
翻译：The quick brown fox..."""
    }]
)

# 推荐：角色设定放系统提示词，用户消息只做任务
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="""你是一位翻译助手。
规则：
1. 保持原文语气
2. 使用自然的中文表达
3. 人名音译""",
    messages=[{"role": "user", "content": "翻译：The quick brown fox..."}]
)