Anthropic Claude API完整指南

文档信息

本文档详细介绍Anthropic Claude API的使用方法，包括API格式、模型选择、Haiku 4.x特性、工具使用和多模态能力。

核心关键词

关键词	说明
Claude 4.x	Anthropic最新一代AI助手模型
Haiku 4.x	轻量级高速模型，适合简单任务
Sonnet 4.x	中等规模模型，性价比之选
Opus 4.x	旗舰模型，最强推理能力
Tools	函数调用和工具使用能力
Vision	图像理解与分析
API格式	REST API和SDK调用方式
上下文窗口	最大200K tokens
系统提示词	System Prompt配置
安全过滤	Claude的安全机制

一、Anthropic Claude API概述

Anthropic公司由OpenAI前员工于2021年创立，专注于开发安全、可靠且有益的AI系统。Claude作为其核心产品，经过多次迭代升级，目前已更新至Claude 4.x系列。Claude API以其卓越的推理能力、长达200K tokens的超长上下文窗口以及创新的工具使用能力，成为企业和开发者构建AI应用的重要选择之一。

Claude 4.x系列包含三个主要型号：Haiku、Sonnet和Opus。Haiku作为轻量级模型，以极快的响应速度和低廉的使用成本著称，非常适合处理大量简单的分类、提取和生成任务。Sonnet定位中端，在性能和成本之间取得了良好的平衡，是大多数应用的默认选择。Opus作为旗舰模型，拥有最强的推理能力和最复杂的任务处理能力，适合需要深度分析和创造力的场景。

二、API接入基础

2.1 获取API密钥

使用Claude API的第一步是获取API密钥。用户需要访问Anthropic官方网站完成账号注册和认证流程。在控制台的安全设置中，可以生成和管理API密钥。建议将密钥存储在环境变量中，避免在代码中硬编码。

2.2 API端点与认证

Claude API采用RESTful架构，主要端点地址为https://api.anthropic.com/v1/messages。所有请求都需要在HTTP头部包含x-api-key认证信息和anthropic-version版本标识。

import anthropic
import os
 
# 初始化客户端
client = anthropic.Anthropic(
    api_key=os.environ.get("ANTHROPIC_API_KEY")
)
 
# 发送消息
message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "请解释什么是大语言模型"}
    ]
)
 
print(message.content)

2.3 请求参数详解

Claude API的消息创建接口支持丰富的参数配置。model参数指定使用的模型版本，建议使用带日期后缀的版本号以确保稳定性。max_tokens设置模型输出的最大token数，必须设置为正整数。temperature控制输出的随机性，取值范围为0到1，值越低输出越确定性。top_p控制 nucleus采样的阈值。system参数用于传入系统提示词，定义AI的行为角色和约束。

三、模型选择指南

3.1 Haiku 4.x系列

Claude Haiku是Anthropic推出的轻量级模型，专为高速、低延迟场景设计。在Claude 4.x更新中，Haiku的能力得到了显著提升：

特性	说明
速度	响应时间低于100ms
成本	$0.25/百万输入tokens
上下文	200K tokens
能力	日常对话、分类、提取

Haiku特别适合需要大量调用的应用场景，如客户服务自动化、内容审核、数据分类等。其低廉的价格使得高频调用成为可能。

// JavaScript调用示例
import Anthropic from '@anthropic-ai/sdk';
 
const client = new Anthropic();
 
async function quickClassify(text) {
  const response = await client.messages.create({
    model: 'claude-haiku-4-20250514',
    max_tokens: 50,
    messages: [{
      role: 'user',
      content: `请判断以下文本的情感是正面、负面还是中性：${text}`
    }]
  });
  return response.content[0].text;
}

3.2 Sonnet 4.x系列

Sonnet定位为全能型选手，在大多数任务上都表现出色。Claude Sonnet 4.x相较于前代有了明显进步：

编码能力提升40%
数学推理能力提升35%
指令遵循准确性提升25%
更长的多轮对话保持能力

# Python调用Sonnet进行代码审查
def review_code(code_snippet):
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2048,
        system="你是一位经验丰富的代码审查专家，负责检查代码的安全漏洞、性能问题和最佳实践。",
        messages=[{
            "role": "user",
            "content": f"请审查以下Python代码：\n```{code_snippet}```"
        }]
    )
    return response.content[0].text

3.3 Opus 4.x系列

Opus是Claude的旗舰模型，代表了Anthropic在AI领域的最高技术水平。它在复杂推理、长文档分析、创意写作等方面表现卓越：

指标	Sonnet 4.x	Opus 4.x
推理基准分	85	92
上下文窗口	200K	200K
价格(输入)	$3/百万tokens	$15/百万tokens
适用场景	通用任务	复杂分析

模型选择建议

简单分类/提取任务：选择Haiku

日常开发/写作：选择Sonnet

复杂推理/长文档分析：选择Opus

四、工具使用（Tools）详解

Claude 4.x引入了强大的工具使用能力，允许模型调用外部函数、访问实时数据和执行具体操作。这是实现Agent系统的核心技术基础。

4.1 工具定义格式

工具通过JSON Schema格式定义，包含名称、描述和参数规格：

# 定义一个天气查询工具
weather_tool = {
    "name": "get_weather",
    "description": "获取指定城市的当前天气信息",
    "input_schema": {
        "type": "object",
        "properties": {
            "city": {
                "type": "string",
                "description": "城市名称，支持中文或英文"
            },
            "unit": {
                "type": "string",
                "enum": ["celsius", "fahrenheit"],
                "description": "温度单位"
            }
        },
        "required": ["city"]
    }
}

4.2 工具调用流程

完整的工作流程包含以下步骤：

用户发起请求
模型判断是否需要调用工具
返回工具调用请求（带有工具名和参数）
系统执行工具获取结果
将结果反馈给模型
模型生成最终回复

# 完整的工具调用示例
response = client.messages.create(
    model="claude-opus-4-20250514",
    max_tokens=1024,
    tools=[weather_tool],
    messages=[{
        "role": "user",
        "content": "北京今天的天气怎么样？适合穿什么衣服？"
    }]
)
 
# 处理响应
for content in response.content:
    if content.type == "tool_use":
        tool_name = content.name
        tool_input = content.input
        print(f"调用工具: {tool_name}")
        print(f"参数: {tool_input}")
        # 执行实际工具调用
        # ...

最佳实践

工具定义要清晰准确，参数描述要具体明确，这有助于模型正确理解何时以及如何使用工具。

4.3 多工具协同

Claude支持同时定义多个工具，模型会根据任务需求自主选择调用顺序和组合：

tools = [
    {
        "name": "web_search",
        "description": "搜索互联网获取最新信息",
        "input_schema": {
            "type": "object",
            "properties": {
                "query": {"type": "string"}
            },
            "required": ["query"]
        }
    },
    {
        "name": "database_query",
        "description": "查询本地数据库",
        "input_schema": {
            "type": "object",
            "properties": {
                "sql": {"type": "string"}
            },
            "required": ["sql"]
        }
    },
    {
        "name": "send_email",
        "description": "发送电子邮件",
        "input_schema": {
            "type": "object",
            "properties": {
                "to": {"type": "string"},
                "subject": {"type": "string"},
                "body": {"type": "string"}
            },
            "required": ["to", "subject", "body"]
        }
    }
]

五、Vision多模态能力

Claude 4.x系列全面支持图像理解，用户可以上传图片并询问相关问题。这在文档分析、图表解读、视觉问答等场景中非常实用。

5.1 图片输入格式

支持多种图片格式：PNG、JPEG、GIF、WebP。图片可以通过URL或base64编码的方式传入：

# 通过URL传入图片
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {
                    "type": "url",
                    "url": "https://example.com/chart.png"
                }
            },
            {
                "type": "text",
                "text": "请描述这张图表的主要内容和趋势"
            }
        ]
    }]
)
 
# 通过base64传入本地图片
import base64
 
with open("screenshot.png", "rb") as f:
    image_data = base64.b64encode(f.read()).decode()
 
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {
                    "type": "base64",
                    "media_type": "image/png",
                    "data": image_data
                }
            },
            {
                "type": "text",
                "text": "这张截图显示了什么内容？"
            }
        ]
    }]
)

5.2 应用场景

Vision能力在以下场景中特别有价值：

文档数字化：识别并提取扫描文档、手写笔记中的文字
数据可视化：分析图表、图形，提取关键数据点
UI/UX审查：检查界面设计的可用性和美观性
产品识别：识别商品、品牌、物体信息
医学影像：辅助分析X光片、CT扫描等

六、提示词工程最佳实践

6.1 系统提示词设计

系统提示词是定义Claude行为的关键。以下是一些有效的模式：

# 角色定义模式
system_prompt = """你是一位资深的[领域]专家，具有[年数]年的行业经验。
你的职责是：
1. [具体职责1]
2. [具体职责2]
3. [具体职责3]
 
在回答问题时，请：
- 使用专业术语，但保持解释清晰
- 提供具体的例子和数据支撑
- 指出常见的误区和注意事项"""
 
# 少样本学习模式
system_prompt = """你是一个文本分类器。请根据以下示例进行分类：
 
示例1：
输入："这家餐厅的服务太差了，等了30分钟没人理"
分类：负面
 
示例2：
输入："性价比很高，会再次光顾"
分类：正面
 
现在请分类以下文本："""

6.2 结构化输出

当需要程序化处理输出时，建议明确要求模型返回结构化格式：

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="你是一个数据提取助手。请以JSON格式返回提取的信息，不要添加任何解释。",
    messages=[{
        "role": "user",
        "content": "从以下文本中提取人名、地点、日期：会议将于2026年5月15日在上海浦东召开，届时张三和李四将代表公司出席。"
    }]
)

注意事项

结构化输出只是请求，模型可能偶尔产生格式偏差，生产环境中应添加输出验证逻辑。

七、2026年4月定价参考

模型	输入价格	输出价格	上下文窗口
Opus 4.x	$15/百万tokens	$75/百万tokens	200K
Sonnet 4.x	$3/百万tokens	$15/百万tokens	200K
Haiku 4.x	$0.25/百万tokens	$1.25/百万tokens	200K

成本优化建议

简单任务优先使用Haiku

利用缓存机制减少重复输入

设置合理的max_tokens避免过度消耗

八、相关资源

GPT_API完整指南 - OpenAI GPT系列对比
Gemini_API完整指南 - Google Gemini API
Ollama进阶使用指南 - 本地模型部署
API成本优化策略 - 成本控制技巧
多模态大模型详解 - 多模态能力对比

完成状态

本文档已完成Claude API的全面介绍，涵盖API接入、模型选择、工具使用、Vision能力和最佳实践。

人工智能知识库

探索

Anthropic Claude API完整指南

核心关键词

一、Anthropic Claude API概述

二、API接入基础

2.1 获取API密钥

2.2 API端点与认证

2.3 请求参数详解

三、模型选择指南

3.1 Haiku 4.x系列

3.2 Sonnet 4.x系列

3.3 Opus 4.x系列

四、工具使用（Tools）详解

4.1 工具定义格式

4.2 工具调用流程

4.3 多工具协同

五、Vision多模态能力

5.1 图片输入格式

5.2 应用场景

六、提示词工程最佳实践

6.1 系统提示词设计

6.2 结构化输出

七、2026年4月定价参考

八、相关资源

关系图谱

目录

反向链接