Claude 消息接口

curl https://api.apimart.ai/v1/messages \
  -H "x-api-key: $API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-5-20250929",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "你好，世界"}
    ]
  }'

{
  "code": 200,
  "data": {
    "id": "msg_013Zva2CMHLNnXjNJJKqJ2EF",
    "type": "message",
    "role": "assistant",
    "content": [
      {
        "type": "text",
        "text": "你好！我是Claude。很高兴见到你。"
      }
    ],
    "model": "claude-sonnet-4-5-20250929",
    "stop_reason": "end_turn",
    "stop_sequence": null,
    "usage": {
      "input_tokens": 12,
      "output_tokens": 18
    }
  }
}

Authorizations

x-api-key

string

required

API密钥用于身份验证访问 API Key 管理页面获取您的 API Key在请求头中添加：

x-api-key: YOUR_API_KEY

anthropic-version

string

required

API版本号指定要使用的Claude API版本示例：2023-06-01

Body

model

string

required

模型名称

claude-haiku-4-5-20251001 - Claude 4.5 快速响应版本
claude-sonnet-4-5-20250929 - Claude 4.5 平衡版本
claude-opus-4-1-20250805 - 最强大的 Claude 4.1 旗舰模型
claude-opus-4-1-20250805-thinking - Claude 4.1 Opus 深度思考版
claude-sonnet-4-5-20250929-thinking - Claude 4.5 Sonnet 深度思考版

messages

array

required

消息列表消息数组，模型会基于这些消息生成下一条回复。支持交替的 user 和 assistant 角色。每条消息包含：

role: 角色（user 或 assistant）
content: 内容（字符串或内容块数组）

单条用户消息示例：

[{"role": "user", "content": "你好，Claude"}]

多轮对话示例：

[
  {"role": "user", "content": "你好"},
  {"role": "assistant", "content": "你好！我是Claude。"},
  {"role": "user", "content": "能解释一下AI吗？"}
]

预填充助手回复：

[
  {"role": "user", "content": "太阳的希腊名称是？(A) Sol (B) Helios (C) Sun"},
  {"role": "assistant", "content": "答案是 ("}
]

max_tokens

integer

required

最大生成token数生成停止前的最大token数量。模型可能会在达到此限制前停止。不同模型有不同的最大值，请参考模型文档。最小值：1

system

string | array

系统提示词系统提示词用于设置Claude的角色、个性、目标和指令。字符串格式：

{
  "system": "你是一位专业的Python编程导师"
}

结构化格式：

{
  "system": [
    {
      "type": "text",
      "text": "你是一位专业的Python编程导师"
    }
  ]
}

temperature

number

温度参数，范围 0-1控制输出的随机性：

低值（如0.2）：更确定、更保守
高值（如0.8）：更随机、更有创意

默认值：1.0

top_p

number

核采样参数，范围 0-1使用nucleus sampling。建议使用 temperature 或 top_p 其中之一，不要同时使用。默认值：1.0

top_k

integer

Top-K采样只从概率最高的K个选项中采样，用于移除”长尾”低概率响应。建议仅在高级用例中使用。

stream

boolean

是否启用流式输出设置为 true 时，使用服务器发送事件（SSE）流式返回响应。默认值：false

stop_sequences

array

停止序列自定义文本序列，遇到这些序列时模型将停止生成。最多4个序列。示例：["\n\nHuman:", "\n\nAssistant:"]

metadata

object

元数据用于请求的元数据对象。包含：

user_id: 用户标识符

tools

array

工具定义工具列表，模型可以调用这些工具来完成任务。函数工具示例：

{
  "tools": [
    {
      "name": "get_weather",
      "description": "获取指定位置的当前天气",
      "input_schema": {
        "type": "object",
        "properties": {
          "location": {
            "type": "string",
            "description": "城市和省份，例如：北京"
          },
          "unit": {
            "type": "string",
            "enum": ["celsius", "fahrenheit"],
            "description": "温度单位"
          }
        },
        "required": ["location"]
      }
    }
  ]
}

支持的工具类型：

自定义函数工具
计算机使用工具（computer_20241022）
文本编辑器工具（text_editor_20241022）
Bash工具（bash_20241022）

tool_choice

object

工具选择策略控制模型如何使用工具：

{"type": "auto"}: 自动决定（默认）
{"type": "any"}: 必须使用工具
{"type": "tool", "name": "tool_name"}: 使用指定工具

Response

string

唯一消息标识符示例："msg_013Zva2CMHLNnXjNJJKqJ2EF"

type

string

对象类型固定为 "message"

role

string

角色固定为 "assistant"

content

array

内容块数组模型生成的内容，是一个内容块数组。文本内容：

[{"type": "text", "text": "你好！我是Claude。"}]

工具使用：

[
  {
    "type": "tool_use",
    "id": "toolu_01A09q90qw90lq917835lq9",
    "name": "get_weather",
    "input": {"location": "北京", "unit": "celsius"}
  }
]

内容类型：

text: 文本内容
tool_use: 工具调用

model

string

处理请求的模型示例："claude-sonnet-4-5-20250929"

stop_reason

string

停止原因可能的值：

end_turn: 自然结束
max_tokens: 达到最大token数
stop_sequence: 遇到停止序列
tool_use: 调用了工具

stop_sequence

string | null

触发的停止序列如果因停止序列而停止，则为该序列内容；否则为 null

usage

object

Token使用统计

显示属性

input_tokens

integer

输入token数

output_tokens

integer

输出token数

使用示例

基础对话

import anthropic

client = anthropic.Anthropic(
    api_key="YOUR_API_KEY",
    base_url="https://api.apimart.ai"
)

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "解释量子计算的基本原理"}
    ]
)

print(message.content[0].text)

多轮对话

messages = [
    {"role": "user", "content": "什么是机器学习？"},
    {"role": "assistant", "content": "机器学习是人工智能的一个分支..."},
    {"role": "user", "content": "能举个实际应用的例子吗？"}
]

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=messages
)

使用系统提示词

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    system="你是一位资深的Python开发专家，擅长代码审查和优化建议。",
    messages=[
        {"role": "user", "content": "如何优化这段代码？\n\n[代码]"}
    ]
)

流式响应

with client.messages.stream(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "写一篇关于AI的短文"}
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

工具使用

tools = [
    {
        "name": "get_stock_price",
        "description": "获取股票的实时价格",
        "input_schema": {
            "type": "object",
            "properties": {
                "ticker": {
                    "type": "string",
                    "description": "股票代码，例如：AAPL"
                }
            },
            "required": ["ticker"]
        }
    }
]

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "特斯拉的股价是多少？"}
    ]
)

# 处理工具调用
if message.stop_reason == "tool_use":
    tool_use = next(block for block in message.content if block.type == "tool_use")
    print(f"调用工具: {tool_use.name}")
    print(f"参数: {tool_use.input}")

视觉理解

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://example.com/image.jpg"
                    }
                },
                {
                    "type": "text",
                    "text": "描述这张图片"
                }
            ]
        }
    ]
)

Base64图像

import base64

with open("image.jpg", "rb") as image_file:
    image_data = base64.b64encode(image_file.read()).decode("utf-8")

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": image_data
                    }
                },
                {
                    "type": "text",
                    "text": "分析这张图片"
                }
            ]
        }
    ]
)

最佳实践

1. 提示词工程

清晰的角色定义：

system = """你是一位经验丰富的数据科学家，专长包括：
- 统计分析和数据可视化
- 机器学习模型开发
- Python和R编程
请提供专业、准确的建议。"""

结构化输出：

message = "请以JSON格式返回分析结果，包含summary、key_findings和recommendations字段。"

2. 错误处理

from anthropic import APIError, RateLimitError

try:
    message = client.messages.create(
        model="claude-sonnet-4-5-20250929",
        max_tokens=1024,
        messages=[{"role": "user", "content": "你好"}]
    )
except RateLimitError:
    print("速率限制，请稍后重试")
except APIError as e:
    print(f"API错误: {e}")

3. Token优化

# 使用更短的提示词
messages = [
    {"role": "user", "content": "总结要点：\n\n[长文本]"}
]

# 限制输出长度
message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=500,  # 限制输出
    messages=messages
)

4. 预填充响应

# 引导模型以特定格式回复
messages = [
    {"role": "user", "content": "列出5个Python最佳实践"},
    {"role": "assistant", "content": "以下是5个Python最佳实践：\n\n1."}
]

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=messages
)

流式响应处理

Python流式示例

import anthropic

client = anthropic.Anthropic(
    api_key="YOUR_API_KEY",
    base_url="https://api.apimart.ai"
)

with client.messages.stream(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "写一个Python装饰器示例"}
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

JavaScript流式示例

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.API_KEY,
  baseURL: 'https://api.apimart.ai'
});

const stream = await client.messages.stream({
  model: 'claude-sonnet-4-5-20250929',
  max_tokens: 1024,
  messages: [
    { role: 'user', content: '写一个React组件示例' }
  ]
});

for await (const chunk of stream) {
  if (chunk.type === 'content_block_delta' && 
      chunk.delta.type === 'text_delta') {
    process.stdout.write(chunk.delta.text);
  }
}

注意事项

API密钥安全：
- 使用环境变量存储API密钥
- 不要在代码中硬编码密钥
- 定期轮换密钥
速率限制：
- 注意API的速率限制
- 实现重试机制
- 使用指数退避策略
Token管理：
- 监控token使用量
- 优化提示词长度
- 使用适当的max_tokens值
模型选择：
- Opus: 复杂任务、需要深度思考
- Sonnet: 平衡性能和成本
- Haiku: 快速响应、简单任务
内容过滤：
- 验证用户输入
- 过滤敏感信息
- 实现内容审核机制

概览

文字系列

图像系列

视频系列

音频系列

任务管理

Claude 消息接口

Authorizations

Body

Response

使用示例

基础对话

多轮对话

使用系统提示词

流式响应

工具使用

视觉理解

Base64图像

最佳实践

1. 提示词工程

2. 错误处理

3. Token优化

4. 预填充响应

流式响应处理

Python流式示例

JavaScript流式示例

注意事项

概览

文字系列

图像系列

视频系列

音频系列

任务管理

​Authorizations

​Body

​Response

​使用示例

​基础对话

​多轮对话

​使用系统提示词

​流式响应

​工具使用

​视觉理解

​Base64图像

​最佳实践

​1. 提示词工程

​2. 错误处理

​3. Token优化

​4. 预填充响应

​流式响应处理

​Python流式示例

​JavaScript流式示例

​注意事项

Authorizations

Body

Response

使用示例

基础对话

多轮对话

使用系统提示词

流式响应

工具使用

视觉理解

Base64图像

最佳实践

1. 提示词工程

2. 错误处理

3. Token优化

4. 预填充响应

流式响应处理

Python流式示例

JavaScript流式示例

注意事项