Stage 2 練習：改一件事，再看分數¶
這個練習只做一件事：讓兩個 prompt 回答同一組六題，再比較分數。
你會看到這條小路：
同一組六題 → 跑原版 → 加三個例子 → 再跑一次 → 比分數
第一步：先跑不用模型的版本¶
在這個資料夾執行：
python starter.py
你會看到原版 3/6、加例子後 6/6。這些是程式內建的固定答案，用來教你看懂流程；它不是模型排行榜，也不能證明例子每次都會加分。
第二步：確認程式沒有算錯¶
python test.py
python test_anthropic.py
兩個測試都不需要 API key，也不會連上模型。看到 4/4 passed 和 2/2 passed 就完成了。
🎓 學習模式：先執行提供的
starter.py（python starter.py），再只改一個小地方，然後重新執行既有測試：python test.py和python test_anthropic.py。如果測試失敗，就撤銷或修正這一個改動，再試一次。不需要改名檔案，也不需要整份解答重寫。完整方法看docs/HOW_TO_USE.md。
選擇性：用本機 Ollama 跑真模型（Path A）
pip install -r requirements.txt
ollama pull gemma4:e4b
ollama serve
python starter.py --live
程式會呼叫本機模型 12 次：六題跑原版，再用同六題跑改良版。API 費用是 $0，但會使用你的電腦時間與電力。小模型的分數每次可能不同，這正是要用固定題目重測的原因。
選擇性：用 Anthropic 跑真模型（Path B）
pip install -r requirements.txt
export ANTHROPIC_API_KEY=sk-ant-...
python starter_anthropic.py --live
Windows PowerShell 可改用：
$env:ANTHROPIC_API_KEY = "sk-ant-..."
python starter_anthropic.py --live
預設模型是 claude-haiku-4-5。這個短 prompt 的單次呼叫預估低於 $0.001，12 次預估低於 $0.01；實際費用依 token 數與當下官方價格而變。第一次先設 $0.05 總上限，價格以 Anthropic 官方定價為準。
程式怎麼工作、常見卡點與延伸閱讀
| 部分 | 白話說明 |
|---|---|
CASES |
六張固定考卷，每張都有正確標籤 |
build_prompt() |
原版與改良版只差三個例子 |
evaluate() |
每答對一題得 1 分 |
--live |
把內建答案換成真正的模型回答 |
常見卡點：
- 回答是
billing，因為……：本練習會判錯，因為輸出規則要求只回一個標籤。 - Ollama 連不上：先確認
ollama serve還在執行。 - Anthropic 報認證錯誤：確認 key 放在環境變數，不要寫進程式或 commit。
- 改良版沒有加分：這是正常結果。記下分數，再一次只改一件事。
📚 想學更深？ 先看 Anthropic Prompt Engineering Overview理解「先定成功標準，再改 prompt」；再看 OpenAI Evals 指南學較完整的評估流程。需要批次測試時，可接著探索
promptfoo/promptfoo。完整資源仍放在 Stage 2 精選 Projects，不在這裡重複堆滿頁面。