claude-cookbooks: Công thức dùng Claude — hướng dẫn cài đặt và dùng
Bài này là một góc nhìn khác về anthropics/claude-cookbooks — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: Claude Cookbooks: công thức xây dựng ứng dụng Claude — hướng dẫn cài đặt và dùng →

Tóm tắt nhanh
Claude Cookbooks là bộ notebook và hướng dẫn có mã nguồn mẫu để xây dựng ứng dụng với Claude API. Repo phù hợp để học nhanh các khả năng như tóm tắt, phân loại, RAG, tool use, xử lý ảnh và đánh giá prompt. Cài đặt không được README mô tả thành một quy trình hoàn chỉnh, nhưng cấu hình chính nằm trong `.env.example` và yêu cầu Python từ 3.11 đến dưới 3.13.
Claude Cookbooks là một bộ notebook và công thức mã nguồn mở giúp bạn xây dựng ứng dụng với Claude API. Repo tập trung vào các đoạn mã có thể sao chép, chỉnh sửa và đưa vào dự án thật, thay vì chỉ giải thích lý thuyết.
Đây là lựa chọn phù hợp cho lập trình viên mới làm quen với Claude, nhóm sản phẩm muốn thử nhanh một ý tưởng AI, hoặc người làm kinh doanh muốn hiểu một quy trình tự động hóa có thể triển khai như thế nào. Điểm đáng giá nhất là repo gom nhiều bài mẫu theo từng khả năng cụ thể: từ tóm tắt văn bản, phân loại dữ liệu đến đọc ảnh, gọi công cụ, truy vấn SQL và tối ưu chi phí.
Repo hiện có khoảng 54.601 sao và 6.625 fork, dùng giấy phép MIT. Nội dung chính là Jupyter Notebook, nhưng các khái niệm có thể chuyển sang bất kỳ ngôn ngữ nào có thể gọi Claude API.
anthropics/claude-cookbooks
Bộ notebook và công thức Python giúp bạn học, thử nghiệm và tích hợp Claude API vào ứng dụng.
I.Claude Cookbooks làm được gì
A.Học Claude API bằng ví dụ có thể chạy và chỉnh sửa
Thay vì bắt đầu từ một dự án trống, bạn có thể chọn đúng notebook cho vấn đề đang gặp. Mỗi công thức minh họa một cách dùng cụ thể, giúp bạn nhìn thấy đầu vào, cách gọi mô hình và dạng kết quả cần xử lý.
Điều này hữu ích khi bạn là dev mới. Bạn có thể đọc một ví dụ nhỏ, thay dữ liệu mẫu bằng dữ liệu của mình, rồi dần tách phần mã cần thiết để đưa vào ứng dụng.
B.Tóm tắt, phân loại và truy xuất kiến thức
Nhóm Capabilities có các ví dụ về phân loại văn bản hoặc dữ liệu, tóm tắt và Retrieval Augmented Generation. Bạn có thể dùng các hướng này để phân loại yêu cầu khách hàng, rút gọn tài liệu dài hoặc giúp Claude trả lời dựa trên nguồn kiến thức bên ngoài.
Trong công việc văn phòng, đây là nền tảng cho các quy trình như gom ý chính từ tài liệu, chia nhóm phản hồi khách hàng hoặc chuẩn bị bản tóm tắt cho quản lý. Repo chỉ cung cấp công thức và mã mẫu; bạn vẫn cần tự quyết định dữ liệu nào được phép gửi lên API.
C.Gọi công cụ và kết nối hệ thống bên ngoài
Nhóm Tool Use and Integration minh họa cách cho Claude dùng công cụ hoặc hàm bên ngoài. Có ví dụ về nhân viên chăm sóc khách hàng, máy tính và truy vấn SQL.
Lợi ích thực tế là Claude không chỉ trả lời bằng chữ. Nó có thể được thiết kế để đề xuất hoặc gọi một thao tác đã được ứng dụng cung cấp, chẳng hạn tính toán một giá trị hoặc lấy dữ liệu từ hệ thống. Với SQL, bạn có thể học cách xây dựng một luồng để biến câu hỏi tự nhiên thành truy vấn dữ liệu, nhưng cần kiểm soát quyền truy cập và câu lệnh trước khi dùng trong hệ thống thật.
D.Kết nối dữ liệu bên thứ ba
Repo có ví dụ Retrieval Augmented Generation với cơ sở dữ liệu vector Pinecone, đọc nội dung trang web và tạo embeddings với Voyage AI.
Các công thức này giúp bạn hình dung cách đưa tài liệu riêng vào quy trình hỏi đáp. Ví dụ, một doanh nghiệp có thể chuẩn bị kho tài liệu sản phẩm để Claude trả lời dựa trên thông tin nội bộ. Phần kết nối dịch vụ bên thứ ba có thể cần tài khoản và cấu hình riêng, nhưng README không liệt kê đầy đủ yêu cầu cho từng notebook.
E.Hiểu hình ảnh, biểu đồ, slide và biểu mẫu
Nhóm Multimodal có các bài về đọc ảnh, thực hành tốt khi dùng khả năng thị giác, diễn giải biểu đồ hoặc slide, và trích xuất nội dung từ biểu mẫu.
Đây là phần hữu ích cho những việc trước đây phải nhập tay: đọc thông tin trên biểu mẫu, lấy dữ liệu từ biểu đồ hoặc phân tích nội dung trong tài liệu có hình ảnh. Bạn nên kiểm tra lại kết quả trước khi dùng cho kế toán, pháp lý, y tế hoặc các quyết định quan trọng.
F.Thử các kỹ thuật nâng cao
Bộ công thức còn có sub-agent, tải PDF để tóm tắt, đánh giá tự động, JSON mode, bộ lọc kiểm duyệt, prompt caching, tối ưu chi phí và tối ưu độ trễ.
Các bài này phù hợp khi bạn đã làm được một luồng cơ bản và muốn cải thiện chất lượng hoặc hiệu năng. Chẳng hạn, JSON mode giúp hướng đầu ra về cấu trúc ổn định hơn; prompt caching giúp nghiên cứu cách tiết kiệm chi phí; còn các bài tối ưu độ trễ đo thời gian nhận token đầu tiên, thời gian hoàn thành tác vụ và độ chính xác.
G.Làm nền để xây dựng dự án riêng
Repo có các thư mục như coding/, evals/, observability/, patterns/, skills/, managed_agents/ và claude_agent_sdk/. Cấu trúc này cho thấy tài liệu không chỉ dành cho một lời gọi API đơn giản mà còn bao phủ các mẫu xây dựng ứng dụng và agent.
Bạn có thể dùng repo như thư viện tham khảo: tìm một bài gần với bài toán, chạy thử, ghi lại cách hoạt động rồi lấy phần cần thiết sang codebase của mình. Đây là cách nhanh để tránh tự thiết kế mọi thứ từ đầu.
II.Cần chuẩn bị gì
- Máy có Python từ phiên bản 3.11 đến dưới 3.13. Đây là yêu cầu được khai báo trong
pyproject.toml. - Một Claude API key. README yêu cầu API key để dùng các ví dụ trong cookbook và cho biết có thể đăng ký tài khoản miễn phí.
- Kiến thức cơ bản về Python sẽ giúp bạn đọc và chỉnh sửa notebook dễ hơn. README nói mã ví dụ chủ yếu viết bằng Python, nhưng ý tưởng có thể chuyển sang ngôn ngữ khác có khả năng tương tác với Claude API.
- Một môi trường để mở và chạy Jupyter Notebook. README xác định nội dung chính là notebook, nhưng không ghi rõ một lệnh cài Jupyter cụ thể.
- Một số công thức có thể cần dịch vụ bên thứ ba như Pinecone, Voyage AI hoặc Stable Diffusion. README chỉ nêu các ví dụ này, chưa ghi đầy đủ tài khoản, key và cách cài cho từng dịch vụ.
Repo có file .env.example với các tên biến cấu hình sau:
{
"ANTHROPIC_API_KEY": "",
"CLAUDE_MODEL": "",
"TEST_MODE": "",
"MAX_TOKENS": "",
"DEBUG": ""
}Khối trên chỉ mô tả tên biến có trong tư liệu. README không cung cấp giá trị mẫu cụ thể. Bạn cần xem cách từng notebook đọc các biến này trước khi điền cấu hình.
README không nêu hệ điều hành được hỗ trợ, yêu cầu GPU hay dung lượng máy. Vì vậy, chưa thể khẳng định repo chạy được trên Windows, macOS hoặc Linux theo một quy trình chính thức chỉ dựa trên phần tư liệu đã cung cấp.
III.Cài đặt từng bước
- Chuẩn bị Python và API keyĐảm bảo Python đúng phiên bản và có Claude API key
- Tải mã nguồnSao chép repo về máy
- Vào thư mục dự ánMở terminal đúng thư mục cookbook
- Xem cấu hình và cách chạyĐọc `.env.example`, `pyproject.toml`, `Makefile` và README
- Chọn notebookMở công thức phù hợp với bài toán rồi chạy từng ô
A.Chuẩn bị Python và API key
Cài hoặc chọn môi trường Python phiên bản 3.11, 3.12 và thấp hơn 3.13. Đây là khoảng phiên bản mà pyproject.toml yêu cầu. Nếu máy có nhiều bản Python, hãy kiểm tra bạn đang dùng đúng bản trước khi tiếp tục.
Bạn cũng cần Claude API key. README nói API key là điều kiện để tận dụng các ví dụ trong cookbook. Không đặt key trực tiếp vào notebook hoặc đưa key lên Git; hãy xem .env.example và cách mã trong notebook đọc biến môi trường.
B.Tải mã nguồn
README không ghi một quy trình cài đặt đầy đủ bằng lệnh. Lệnh phổ thông để tải đúng repo là:
git clone https://github.com/anthropics/anthropic-cookbook.gitLệnh này sao chép mã nguồn về thư mục hiện tại của terminal. Nếu gặp lỗi không tìm thấy git, bạn cần cài Git hoặc mở một terminal đã có Git trong PATH. Việc đó là yêu cầu của công cụ Git, không phải một bước được README của repo mô tả.
C.Vào thư mục dự án
Sau khi clone, chuyển terminal vào thư mục repo:
cd anthropic-cookbookCác đường dẫn tương đối như .env.example, pyproject.toml, Makefile và các thư mục notebook đều được tính từ đây. Người mới thường mở notebook từ một thư mục khác, khiến đường dẫn dữ liệu hoặc file cấu hình không được tìm thấy. Hãy kiểm tra dấu nhắc terminal đang ở thư mục anthropic-cookbook trước khi làm tiếp.
D.Đọc file cấu hình trước khi chạy notebook
Repo có .env.example, pyproject.toml và Makefile là các file khai báo cách chạy hoặc cấu hình. README được cung cấp không ghi lệnh cài đặt cụ thể, nên không nên tự đoán tên gói, cờ lệnh hay lệnh Make.
Mở .env.example để xem tên các biến gồm ANTHROPIC_API_KEY, CLAUDE_MODEL, TEST_MODE, MAX_TOKENS và DEBUG. Sau đó đọc notebook bạn muốn chạy để biết biến nào thực sự được dùng và điền key ở đâu. Nếu cần quy trình cài đặt chi tiết hơn, xem trực tiếp pyproject.toml và Makefile trong repo; đó là nơi tư liệu chỉ ra có khai báo cách chạy.
E.Chọn và mở notebook
README tổ chức nội dung theo các nhóm như capabilities/, tool_use/, multimodal/, misc/, third_party/, cost_optimization/ và latency_optimization/. Chọn notebook theo mục tiêu thay vì chạy toàn bộ repo cùng lúc.
Ví dụ, bài toán đọc biểu đồ thì xem nhóm Multimodal; bài toán gọi hàm hoặc truy vấn dữ liệu thì xem Tool Use; bài toán đo chi phí thì xem Cost Optimization. Mở notebook trong môi trường Jupyter phù hợp, đọc từ ô đầu tiên và chạy tuần tự. Nếu notebook yêu cầu thêm dịch vụ bên ngoài, dừng lại kiểm tra hướng dẫn trong chính notebook đó trước khi nhập key hoặc chạy mã.
IV.Kiểm tra đã chạy được chưa
Cách kiểm tra thực tế là mở một notebook đơn giản trong nhóm phù hợp, điền API key theo hướng dẫn của notebook rồi chạy các ô theo thứ tự. Kết quả mong đợi là các ô mã thực thi được và trả về phản hồi từ Claude hoặc kết quả của công thức đang thử.
Với notebook phân loại hoặc tóm tắt, bạn sẽ thấy đầu ra tương ứng với văn bản đầu vào. Với notebook tool use, kết quả cần thể hiện luồng Claude làm việc với công cụ được khai báo. Với notebook thị giác, đầu ra phải liên quan đến ảnh, biểu đồ, slide hoặc biểu mẫu được đưa vào.
README không nêu một lệnh kiểm tra duy nhất, thông báo thành công cố định hay màn hình đầu ra chuẩn. Vì vậy, nếu notebook lỗi, hãy đọc ô lỗi và phần hướng dẫn của notebook đó thay vì đoán rằng toàn bộ repo bị hỏng. Bạn cũng có thể kiểm tra lại phiên bản Python theo yêu cầu trong pyproject.toml và kiểm tra tên biến trong .env.example.
V.Dùng vào việc thật
A.Chủ shop muốn phân loại tin nhắn khách hàng
Một chủ shop có thể dùng công thức Classification để chia tin nhắn thành nhóm như hỏi giá, hỏi vận chuyển, đổi trả hoặc khiếu nại. Bắt đầu từ notebook phân loại, thay dữ liệu mẫu bằng một số tin nhắn đã ẩn thông tin nhạy cảm, rồi thiết kế nhãn phù hợp với quy trình chăm sóc khách hàng.
Prompt mẫu có thể là: Phân loại tin nhắn sau vào một trong các nhóm: hỏi giá, vận chuyển, đổi trả, khiếu nại. Chỉ trả về tên nhóm và lý do ngắn. Sau khi thử nghiệm, kết quả có thể được dùng để chuyển tin nhắn đến đúng người xử lý. Bạn vẫn cần kiểm tra các trường hợp mơ hồ trước khi tự động gửi trả lời cho khách.
B.Nhân viên văn phòng cần tóm tắt tài liệu dài
Nhân viên có thể chọn công thức Summarization để rút gọn biên bản, tài liệu sản phẩm hoặc nội dung cuộc họp. Hãy đưa vào dữ liệu mà bạn có quyền xử lý và yêu cầu đầu ra theo cấu trúc rõ ràng.
Prompt mẫu là: Tóm tắt nội dung sau thành các mục: quyết định chính, việc cần làm, người phụ trách và hạn xử lý. Nếu tài liệu không nêu thông tin thì ghi chưa có. Kết quả giúp người đọc nắm nhanh phần quan trọng, nhưng cần đối chiếu lại với tài liệu gốc trước khi dùng làm căn cứ chính thức.
C.Dev xây trợ lý hỏi đáp dựa trên tài liệu riêng
Dev có thể xem các ví dụ Retrieval Augmented Generation trong capabilities/retrieval_augmented_generation/ hoặc phần tích hợp bên thứ ba. Mục tiêu là bổ sung dữ liệu bên ngoài vào quá trình trả lời, thay vì chỉ hỏi Claude bằng kiến thức chung.
Bạn có thể bắt đầu bằng bộ tài liệu sản phẩm, hướng dẫn sử dụng hoặc quy định nội bộ. Prompt mẫu là: Chỉ trả lời dựa trên các đoạn tài liệu được cung cấp. Nếu không tìm thấy thông tin, hãy nói rõ là chưa có dữ liệu. Kết quả là một nguyên mẫu hỏi đáp có căn cứ hơn. Nếu dùng Pinecone hoặc Voyage AI, hãy đọc yêu cầu riêng của notebook vì README không ghi đầy đủ các bước thiết lập dịch vụ đó.
D.Nhóm sản phẩm muốn kiểm tra chất lượng và chi phí
Nhóm đã có agent có thể xem các notebook Automated Evaluations, Cost Optimization và Latency Optimization. Bạn có thể chuẩn bị một tập tình huống giống nhau, đo chất lượng, chi phí mỗi tác vụ, thời gian nhận token đầu tiên và tổng thời gian xử lý theo hướng dẫn của các notebook.
Cách này giúp nhóm biết cấu hình nào đạt chất lượng chấp nhận được với chi phí và độ trễ phù hợp. Nó đặc biệt hữu ích trước khi đưa một tính năng AI vào sử dụng rộng rãi, vì cảm nhận chủ quan về “trả lời nhanh” hoặc “trả lời tốt” thường không đủ để so sánh.
Một notebook tốt không chỉ cho bạn câu trả lời mẫu; nó cho bạn cách biến ý tưởng AI thành một quy trình có thể kiểm tra.
Ông T
API key có thể cho phép truy cập dịch vụ tính phí và dữ liệu gửi lên API có thể chứa thông tin nhạy cảm. Chỉ dùng dữ liệu bạn được phép xử lý, không đưa key vào mã nguồn công khai, và kiểm tra chi phí trước khi chạy thử trên dữ liệu lớn.
VI.Lỗi hay gặp và cách xử lý
A.Python không đúng phiên bản
Nếu môi trường đang dùng Python thấp hơn 3.11 hoặc từ 3.13 trở lên, có thể không phù hợp với yêu cầu trong pyproject.toml. Hãy chuyển sang Python trong khoảng được khai báo rồi thử lại. Không tự sửa yêu cầu phiên bản nếu chưa hiểu tác động đến các gói và notebook.
B.API key không được nhận
Lỗi xác thực thường xảy ra khi key chưa được điền, điền sai tên biến hoặc notebook chưa đọc môi trường hiện tại. Kiểm tra lại tên ANTHROPIC_API_KEY trong .env.example và xem chính notebook thiết lập biến như thế nào. Không in key ra màn hình để kiểm tra và không gửi key trong nội dung hỗ trợ công khai.
C.Chạy notebook sai thư mục
Nếu notebook không tìm thấy file hoặc dữ liệu, terminal hoặc kernel có thể đang dùng thư mục làm việc khác. Hãy bắt đầu từ thư mục anthropic-cookbook, kiểm tra các đường dẫn tương đối trong notebook và chạy lại từng ô từ đầu.
D.Notebook cần dịch vụ bên thứ ba
Các ví dụ liên quan Pinecone, Voyage AI, Stable Diffusion hoặc đọc trang web có thể có yêu cầu riêng. README chỉ giới thiệu các công thức này, chưa ghi trọn bộ tài khoản, key và bước cài cho từng dịch vụ. Hãy đọc phần đầu và các ô thiết lập của notebook trước khi chạy, đồng thời chỉ nhập key vào đúng nơi được hướng dẫn.
E.Kết quả không ổn định hoặc không đúng định dạng
Mô hình có thể trả lời khác nhau khi prompt, dữ liệu hoặc cấu hình thay đổi. Với bài toán cần đầu ra có cấu trúc, xem công thức Enable JSON mode; với bài toán cần kiểm tra chất lượng, xem Automated Evaluations. Dù có cấu trúc JSON, vẫn nên kiểm tra dữ liệu trước khi ghi vào hệ thống thật.
VII.Có nên dùng không
Nên dùng nếu bạn muốn học Claude API bằng mã mẫu thực tế, cần một điểm bắt đầu cho ứng dụng AI hoặc muốn tham khảo các kỹ thuật như tool use, RAG, multimodal, đánh giá, caching và tối ưu chi phí. Nội dung được chia theo bài toán nên dễ chọn một notebook nhỏ để thử trước.
Điểm mạnh là phạm vi ví dụ rộng, mã có thể sao chép và repo dùng giấy phép MIT. Repo cũng còn được cập nhật, nên phù hợp để theo dõi các hướng triển khai mới trong hệ sinh thái Claude.
Giới hạn là đây không phải một ứng dụng hoàn chỉnh để cài xong rồi dùng ngay cho người không lập trình. README không cung cấp một quy trình cài đặt đầy đủ, không nêu hệ điều hành được hỗ trợ, không ghi lệnh kiểm tra duy nhất và không mô tả hết yêu cầu của từng tích hợp bên thứ ba. Bạn cũng cần tự lo việc bảo vệ key, kiểm soát dữ liệu, kiểm thử đầu ra và theo dõi chi phí API.
Nếu bạn cần một sản phẩm đóng gói có giao diện sẵn, Claude Cookbooks có thể không phải lựa chọn phù hợp. Nếu mục tiêu là học, thử nghiệm và lấy mẫu code để xây hệ thống riêng, đây là một thư viện tham khảo đáng bắt đầu.
Câu hỏi thường gặp
Claude Cookbooks có miễn phí không?
Repo dùng giấy phép MIT. README cho biết bạn cần Claude API key và có thể đăng ký tài khoản miễn phí, nhưng tư liệu không nói các lượt gọi API đều miễn phí hoặc chi phí sử dụng cụ thể.
Có cần GPU để chạy repo không?
README không nêu yêu cầu GPU. Vì vậy chưa có thông tin chính thức để khẳng định có cần GPU cho toàn bộ repo; một số công thức bên thứ ba có thể có yêu cầu riêng.
Repo yêu cầu Python phiên bản nào?
`pyproject.toml` yêu cầu Python từ 3.11 đến dưới 3.13. Bạn nên dùng một phiên bản nằm trong khoảng này để tương thích với khai báo của repo.
Có chạy được trên Windows không?
README được cung cấp không nêu hệ điều hành được hỗ trợ. Vì vậy chưa thể khẳng định quy trình chạy chính thức trên Windows chỉ dựa vào tư liệu này.
Có cần Claude API key không?
Có. README nói cần Claude API key để tận dụng các ví dụ trong cookbook. Tên biến cấu hình được nêu trong `.env.example` là `ANTHROPIC_API_KEY`.
Repo có hỗ trợ ngôn ngữ khác ngoài Python không?
Mã ví dụ chủ yếu viết bằng Python. README nói các khái niệm có thể chuyển sang bất kỳ ngôn ngữ nào hỗ trợ tương tác với Claude API, nhưng repo không cung cấp quy trình chi tiết cho từng ngôn ngữ.
Repo khác gì một ứng dụng Claude hoàn chỉnh?
Claude Cookbooks là bộ notebook, hướng dẫn và đoạn mã mẫu để dev xây ứng dụng với Claude. Đây không phải một ứng dụng đóng gói có giao diện hoàn chỉnh; bạn cần chọn công thức, cấu hình API key và tự tích hợp vào dự án của mình.


