Claude 消息接口

curl https://api.apimart.ai/v1/messages \
  -H "x-api-key: $API_KEY" \
  -H "anthropic-version: 2025-10-01" \
  -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
    }
  }
}

POST

messages

curl https://api.apimart.ai/v1/messages \
  -H "x-api-key: $API_KEY" \
  -H "anthropic-version: 2025-10-01" \
  -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
    }
  }
}

curl https://api.apimart.ai/v1/messages \
  -H "x-api-key: $API_KEY" \
  -H "anthropic-version: 2025-10-01" \
  -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

必填

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

必填

API版本号指定要使用的Claude API版本示例：2025-10-01

Body

model

string

默认值:"claude-haiku-4-5-20251001"

必填

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

必填

消息列表消息数组，模型会基于这些消息生成下一条回复。每条消息包含 role 和 content 两个字段。💡 快速填写（Try it 区域）：

点击 ”+ Add an item” 添加一条消息
role 输入：user（用户消息）或 assistant（AI回复，用于多轮对话）
content 输入：你想说的话

显示详细字段说明

role

string

默认值:"user"

必填

角色类型可选值：user（用户消息）、assistant（AI回复，用于多轮对话和预填充）注：Claude API 的 system 提示词使用单独的 system 参数，不在 messages 中

content

string

必填

消息内容填写消息的文本内容

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

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

通用对话接口(默认非流式)Gemini 原生格式

Documentation Index

​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