Claude API 基础用法 (Messages API)

Anthropic 的 Messages API 是与 Claude 进行交互的主要方式。它采用了类似对话的结构，清晰地分离了系统指令、用户输入和模型回复。

把 Messages API 想成“和 AI 的会议纪要系统”：
system 定规则，user 提需求，assistant 给产出。
谁说了什么都要留痕，后续才能复盘、调优、降本。

#1. 快速入门代码 (Python)

首先，安装官方 SDK：

bash复制
pip install anthropic

基础调用示例：

python复制
import anthropic

client = anthropic.Anthropic(
    api_key="your_api_key_here",
)

message = client.messages.create(
    model="claude-3-5-sonnet-20240620",
    max_tokens=1024,
    system="你是一位资深的软件架构师。", # 系统指令
    messages=[
        {"role": "user", "content": "如何设计一个支持千万级用户的消息系统？"}
    ]
)

print(message.content[0].text)

#2. API 核心参数说明

• model：指定使用的模型名称。
• system：系统提示词（System Prompt）。在这里定义 Claude 的角色、规则和约束。
• messages：对话历史。
  • role: 可以是 user 或 assistant。
  • content: 文本内容或多模态内容列表。
• max_tokens：限制生成的最大长度。
• temperature：控制随机性。0 为最稳定（适合代码/逻辑），1 为最随机（适合创意写作）。

#读者导向：建议阅读顺序

1. 先跑“快速入门代码”，确认连通性与模型响应。
2. 再看“核心参数”，建立稳定输出的基础控制面板。
3. 最后看“流式响应 + 多轮管理”，进入产品化场景。

#3. 流式响应 (Streaming)

对于交互式应用，流式输出能显著提升用户感知速度。

python复制
with client.messages.stream(
    model="claude-3-5-sonnet-20240620",
    max_tokens=1024,
    messages=[{"role": "user", "content": "写一篇关于未来 AI 发展的短文。"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

#4. 多轮对话管理

在进行多轮对话时，你需要手动维护 messages 数组，将之前的对话历史不断添加进去。

python复制
messages = [
    {"role": "user", "content": "你好，我是小明。"},
    {"role": "assistant", "content": "你好小明！很高兴见到你。"},
    {"role": "user", "content": "我刚才说我叫什么名字？"}
]

#常见坑

• 只追加用户消息，不追加 assistant 回复，导致上下文断裂
• system 指令写得太宽泛，输出风格飘忽不定
• 没有做 token 预算，长会话成本失控

一句轻松版：
对话上下文像接力棒，丢一棒就会“剧情穿帮”。

#5. 最佳实践：使用 XML 标签

Claude 经过专门训练，能够理解 XML 标签来组织输入。这在处理复杂指令时非常有效：

python复制
system_prompt = """
请提取下面 <document> 中的关键信息。
并将结果按照 <format> 要求的格式输出。

<format>
- 日期
- 地点
- 主要结论
</format>
"""

---

下一步：探索 Claude 的 视觉能力，了解如何让 AI 理解图片。