Exportar a código: Get Code

Objetivo

Al terminar sabrás cómo el botón Get Code del Workbench genera un snippet listo para copiar, qué lenguajes soporta (Python, TypeScript, curl), qué partes del snippet son boilerplate y cuáles son tu prompt real, y qué tenés que cambiar obligatoriamente antes de usar el snippet en producción.

Concepto

El botón Get Code

En la barra superior del Workbench, a la derecha, hay un botón Get Code. Al hacer click, abre un modal "Code for Claude API" con:

• Selector de lenguaje (dropdown): Python, TypeScript, curl, y posiblemente otros.
• El snippet generado: código completo que reproduce exactamente la configuración actual del Workbench (modelo, parámetros, system prompt, messages, tools).
• Botón Copy Code: copia el snippet al clipboard.
• Botón View Docs: enlace a la documentación de la API.

El snippet incluye todo lo que configuraste en el Workbench: el modelo con su snapshot, la temperature, max_tokens, thinking, el system prompt, y los mensajes. Es una "foto" exacta de tu configuración actual convertida a código ejecutable.

Anatomía del snippet generado (Python)

Así se ve el snippet generado para un Workbench vacío con parámetros default:

import anthropic

client = anthropic.Anthropic(
    api_key=os.environ.get("ANTHROPIC_API_KEY"),
    api_key="my_api_key",
)

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=20000,
    temperature=1,
    messages=[],
    thinking={
        "type": "disabled"
    }
)
print(message.content)

Las 5 cosas que tenés que cambiar para producción

El snippet exportado es un punto de partida, no un producto terminado. Estos son los cambios obligatorios:

El snippet como "contrato" entre UI y código

El valor real de Get Code no es ahorrarte tipeo (es código trivial). Es que te da un contrato verificable: si el prompt funcionaba en el Workbench con esos parámetros exactos, el snippet exportado debería dar el mismo resultado. Cualquier diferencia entre "funciona en el Workbench" y "no funciona en mi código" se reduce a una de las 5 cosas de arriba (key, modelo, max_tokens, retries, logging).

Si después de cambiar esas 5 cosas el resultado difiere, el problema es probablemente la temperature: el Workbench y tu código pueden estar usando temperature distintas.

Workflow recomendado: Workbench → Get Code → Git

El workflow completo de un prompt desde idea hasta producción:

1. Idea → Workbench (iterar rápido con edit-run-compare)
2. Estable → Get Code (exportar snippet)
3. Adaptar → cambiar las 5 cosas para producción
4. Validar → correr localmente y verificar output equivalente
5. Commit → commitear el código adaptado a git
6. Repetir → si necesitás iterar de nuevo, volvé al Workbench

No saltees el paso 4: corré el código adaptado y compará con lo que veías en el Workbench. Cualquier diferencia es un bug que hay que resolver ahora, no en producción.

Config Workbench vs config producción (lado a lado)

Esta tabla resume lo que suele diferir entre el snippet exportado y el código que termina commiteado:

Campo	Workbench (snippet crudo)	Producción (adaptado)
API key	Hardcodeada como "my_api_key"	Omitida; el SDK lee ANTHROPIC_API_KEY del env
model	Snapshot fechado (claude-sonnet-4-5-20250929)	Alias estable (claude-sonnet-4-6)
max_tokens	20000 (default amplio)	Ajustado al rango real (50-2000)
temperature	1 (o lo que tocaste)	Valor decidido (0 para extracción, 0.3 para clasificación, 0.7 para redacción)
Retries	Ninguno	Exponential backoff con límite de reintentos
Logging	print(message.content)	usage.input_tokens, output_tokens, stop_reason, cost
Manejo de errores	Ninguno	try/catch con handling distinto para 429, 500, 529
Validación de output	Ninguna	Parser/schema check del output (si el prompt genera JSON)

Si tu PR tiene el snippet pegado tal cual, el reviewer debería rechazarlo por todas estas razones.

Debugging: "funciona en el Workbench, falla en código"

El 90% de estos casos se reduce a una de estas cinco causas. Revisalas en este orden antes de buscar cosas más raras:

1. Modelo distinto: el Workbench usa snapshot; tu código usa alias. Si el alias apuntó a una versión nueva, el comportamiento puede diferir. Probá pineando el mismo snapshot del Workbench en tu código como prueba.
2. Temperature distinta: el default del Workbench es 1; en tu código el default del SDK también es 1, pero si usaste el slider del Workbench a otro valor y no lo reflejaste en el código, hay discrepancia.
3. System prompt distinto: revisá que copiaste exactamente el system del Workbench, sin espacios de más o saltos de línea cortados.
4. Orden de messages: el Workbench preserva el orden visual; en tu código revisá que el array de messages esté en la misma secuencia (primer user, asistente si hay, user final).
5. Max tokens recortando la respuesta: si bajaste max_tokens para producción y tu output real es más largo, el stop_reason va a ser "max_tokens". Mirá ese campo antes de asumir que el modelo falló.

Conceptos de arquitecto

• Get Code documenta tu prompt mejor que cualquier comentario: el snippet muestra exactamente la configuración que funcionó. Pegalo como comentario de referencia en el código productivo (o en un fixture de test), y cuando alguien pregunte "¿qué prompt usamos?" la respuesta es literal.
• El snippet exportado es un test de regresión gratis: si lo volvés a pegar dentro de 6 meses y el output difiere, algo cambió (modelo, prompt, datos de ejemplo, sampling). Ese test con 3 líneas vale más que cero tests.
• Nunca inviertas el flujo: editar el prompt en código y después "traerlo" al Workbench para iterar es penoso (tenés que reconstruir el estado). Siempre iterá en Workbench → exportá cuando esté estable.

Ejecución real

Paso 1 — Configurar un prompt en el Workbench

1. Abrí el Workbench.
2. Escribí en System Prompt: "Eres un clasificador de tickets. Respondés solo con la categoría: billing, technical, account, other.".
3. Escribí en User: "Ticket: No me llegó la factura de marzo.".
4. Bajá temperature a 0 y max_tokens a 50 en el panel Model.
5. Hacé click en ▶ Run y verificá que la respuesta es billing.

Paso 2 — Exportar con Get Code

1. Hacé click en Get Code (arriba a la derecha).
2. Seleccioná Python en el dropdown.
3. Observá el snippet generado: debería incluir tu system prompt, tu message, temperature 0, max_tokens 50.
4. Hacé click en Copy Code.

Paso 3 — Adaptar para producción

Pegá el snippet en un archivo local y hacé los 5 cambios:

import anthropic

# 1. NO hardcodear key — el SDK lee ANTHROPIC_API_KEY del env
client = anthropic.Anthropic()

message = client.messages.create(
    # 2. Alias estable en vez de snapshot
    model="claude-haiku-4-5",
    # 3. max_tokens ajustado (50 está bien para clasificación)
    max_tokens=50,
    # 4. temperature explícita
    temperature=0,
    system="Eres un clasificador de tickets. Respondés solo con la categoría: billing, technical, account, other.",
    messages=[
        {"role": "user", "content": "Ticket: No me llegó la factura de marzo."}
    ],
)

# 5. Logging mínimo
print(f"Respuesta: {message.content[0].text}")
print(f"Tokens: in={message.usage.input_tokens}, out={message.usage.output_tokens}")
print(f"Stop: {message.stop_reason}")

Paso 4 — Correr y comparar

Corré el script. Si la respuesta es billing con stop_reason: "end_turn", tu pipeline Workbench → código funciona.

Anti-patterns

• ❌ Copiar el snippet de Get Code sin modificar. Tiene key hardcodeada, snapshot de modelo, max_tokens excesivo, sin retries, sin logging. Los 5 cambios son obligatorios.
• ❌ Cambiar el prompt en el código sin volver al Workbench. Si necesitás iterar el prompt, volvé al Workbench donde iterás 3x más rápido. No optimices prompts en un archivo .ts/.py.
• ❌ Asumir que Get Code genera "best practices". Es un export literal de tu config, no un ejemplo de producción. Vos agregás retries, logging, error handling.
• ❌ Usar el snippet generado como template para todo tu proyecto. Cada prompt es distinto. No reutilices el boilerplate del snippet — creá abstracciones propias (wrappers, configs) cuando tengas 3+ prompts en producción.
• ❌ No verificar que el output en código coincide con el del Workbench. Siempre corré y compará antes de commitear.

Recap

• Get Code exporta tu configuración actual del Workbench como snippet Python/TS/curl — es una "foto" exacta.
• 5 cambios obligatorios: eliminar key hardcodeada, snapshot → alias estable, ajustar max_tokens, agregar retries, agregar logging.
• El workflow completo: Workbench (iterar) → Get Code (exportar) → adaptar → validar → commit.
• El snippet no es production-ready — es un punto de partida que vos adaptás.
• Si difiere del Workbench, revisá temperature y los 5 cambios antes de buscar bugs más exóticos.

Ejercicio interactivo

Quiz interactivo

Identificar qué cambiar en un snippet exportado del Workbench

1. 1.Este snippet fue exportado del Workbench con Get Code. ¿Qué hay que cambiar para producción? ```python client = anthropic.Anthropic(api_key="my_api_key") message = client.messages.create( model="claude-sonnet-4-5-20250929", max_tokens=20000, temperature=1, messages=[{"role": "user", "content": "Clasificá: billing, technical, account, other.\n\nTicket: ..."}], ) print(message.content) ```
   Seleccioná todas las que apliquen.
   • a.La API key está hardcodeada — usar variable de entorno
   • b.El modelo usa snapshot con fecha — usar alias estable
   • c.max_tokens=20000 es excesivo para clasificación — bajar a ~50
   • d.Falta manejo de errores y retries
   • e.temperature=1 es inadecuada para clasificación determinística
2. 2.¿Cuál es la razón principal para usar aliases estables (claude-sonnet-4-6) en vez de snapshots (claude-sonnet-4-5-20250929) en código de producción?
   • a.Los aliases son más baratos
   • b.Los aliases apuntan al snapshot más reciente, recibiendo mejoras automáticas
   • c.Los snapshots no funcionan en la API
   • d.Los aliases tienen más contexto disponible
3. 3.Exportás un prompt del Workbench, lo corrés en tu código y el output es distinto. ¿Cuál es la causa más probable?
   • a.Bug en el SDK
   • b.Temperature distinta entre Workbench y código
   • c.El Workbench usa un modelo secreto diferente
   • d.La API key es distinta
4. 4.El snippet de Get Code incluye retries con exponential backoff por defecto.

---

Fuente oficial: platform.claude.com/docs/en/build-with-claude/prompt-engineering/overviewEjercicio: