Claude API 使用教程：从申请到调用

这篇教程适合谁

你已经用过 OpenAI API（或类似的 LLM API），现在想试试 Claude。本文不会解释"什么是大模型"，直接上代码，重点讲 Claude API 和 OpenAI API 的差异。

不适合：没写过 API 调用代码的读者。建议先看 OpenAI API 教程。 最终产物：能用 Python 调 Claude API 做基础对话、流式输出、多轮对话和工具调用。

环境假设

• Python 3.8+
• anthropic Python SDK（pip install anthropic）
• Anthropic 账号 + API Key
• 以当前常见版本为准，具体模型名和 API 参数请以 Anthropic 官方文档为准

申请 API Key

• 访问 Anthropic Console
• 注册或登录账号
• 进入 API Keys 页面 → Create Key
• 保存好 Key（只显示一次）

注意：Anthropic 的 API 服务在中国大陆直接访问可能不稳定，确保你的网络环境能稳定连接 Anthropic 服务。可参考 海外 AI 工具使用指南。

基础对话

import anthropic
client = anthropic.Anthropic(api_key="your-api-key")
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "你好，介绍一下自己"}
    ]
)
print(message.content[0].text)

和 OpenAI 的区别：Claude 的 messages.create 返回的 content 是一个列表，每个元素有 type 和 text 属性。不是直接 choices[0].message.content 那种结构。

流式输出

with client.messages.stream(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "用 Python 写一个快速排序算法"}
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)
print()

为什么用流式：Claude 的响应时间通常比 OpenAI 稍长，流式输出能让用户更早看到部分内容，体感快很多。

多轮对话

messages = [
    {"role": "user", "content": "什么是 RAG？"}
]
# 第一轮
response1 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=messages
)
print(response1.content[0].text)
# 手动拼接历史——Claude 没有 OpenAI 那种 session 机制
messages.append({"role": "assistant", "content": response1.content[0].text})
messages.append({"role": "user", "content": "RAG 和微调有什么区别？"})
response2 = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=messages
)
print(response2.content[0].text)

踩坑点：Claude API 没有内置的对话历史管理，你需要自己维护 messages 列表。历史越长，token 消耗越大——实际项目里要做历史截断或摘要。

工具调用（Function Calling）

import json
tools = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "城市名称，如北京、上海"
                }
            },
            "required": ["city"]
        }
    }
]
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "北京今天天气怎么样？"}
    ]
)
# 处理工具调用
for block in response.content:
    if block.type == "tool_use":
        print(f"调用工具：{block.name}")
        print(f"参数：{block.input}")
        # 这里执行实际的工具逻辑，然后把结果返回给 Claude

和 OpenAI 的区别：Claude 的工具定义用 input_schema 而不是 parameters，返回的工具调用信息在 content 列表里而不是 tool_calls 字段。结构不同，迁移时注意。

错误处理

try:
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=1024,
        messages=[{"role": "user", "content": "你好"}]
    )
except anthropic.APIError as e:
    print(f"API 错误：{e}")
except anthropic.RateLimitError:
    print("请求过于频繁，请稍后重试")

Token 计数

token_count = client.count_tokens(
    model="claude-sonnet-4-20250514",
    messages=[{"role": "user", "content": "你好"}]
)
print(f"Token 数量：{token_count}")

为什么要手动算：Claude 的上下文窗口很大（200K token），但大上下文意味着高费用和慢响应。实际项目里，先用 count_tokens 估算成本，再决定要不要把那么多内容塞进去。

常见问题

API Key 无效

• 检查是否正确复制（没有多余空格）
• 确认 Key 没过期
• 确认账户没被限制

响应速度慢

• 用 Claude Sonnet（比 Opus 快得多）
• 减少 max_tokens
• 检查网络连接质量

Token 超限

• 减少输入的上下文长度
• 分段处理长文档
• 用 count_tokens 提前检查

下一步学习

• 对比 Claude 和 ChatGPT：ChatGPT vs Claude
• 深入了解 Claude：Claude 使用指南
• 对比 OpenAI API：OpenAI API 调用教程

---

本文最后更新于 2026-07-08。代码示例基于 anthropic Python SDK，请根据最新版本调整。