2. 環(huán)境準(zhǔn)備：Python 3.8+、pip、一個(gè) API Key

3. 核心概念：Messages API、200 K 上下文、Token 計(jì)費(fèi)

• Messages API
  類似 OpenAI chat.completions，支持 system / user / assistant / tool 四角色。
• 200 K 上下文
  實(shí)測(cè) 170 K 前幾乎無衰減，適合整本小說、整倉庫代碼。
• 計(jì)費(fèi)公式

  費(fèi)用 = 輸入 tokens × 0.000015 USD + 輸出 tokens × 0.000075 USD

  例：一次 1K 輸入 500 輸出 ≈ 0.0525 USD。

4. 手把手：30 行代碼實(shí)現(xiàn)可記憶的智能客服

4.1 需求

• 支持多輪對(duì)話
• 記住用戶 VIP 等級(jí)
• 流式輸出，前端打字機(jī)效果

4.2 代碼

import anthropic, os, json, time
from dotenv import load_dotenv
load_dotenv()

client = anthropic.Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

def chat_stream(user_id, user_input, history: list):
    system = f"You are a helpful e-commerce assistant. VIP level: {get_vip(user_id)}."
    messages = [{"role":"system","content":system}] + history + [{"role":"user","content":user_input}]
    with client.messages.stream(model="claude-opus-4-1-20250805", max_tokens=1024, messages=messages) as stream:
        for text in stream.text_stream:
            yield text

def get_vip(uid):
    # 偽代碼：從 Redis 讀取
    return {"uid_42":"gold"}.get(uid,"normal")

# ========== Flask Demo ==========
from flask import Flask, request, Response
app = Flask(__name__)

@app.route("/chat/ < uid > ", methods=["POST"])
def api_chat(uid):
    user_input = request.json["msg"]
    history = json.loads(request.json.get("history","[]"))
    def generate():
        for chunk in chat_stream(uid, user_input, history):
            yield f"data: {chunk}\n\n"
    return Response(generate(), mimetype="text/event-stream")

if __name__ == "__main__":
    app.run(port=5000)

前端使用 EventSource 即可實(shí)現(xiàn)打字機(jī)效果。

5. 高級(jí)玩法：Function Calling + 插件生態(tài)

Claude 4.1 原生支持 Function Calling，可把外部 API 當(dāng)“插件”調(diào)用。

5.1 定義函數(shù)

{
  "name": "get_weather",
  "description": "獲取城市天氣",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {"type": "string"}
    },
    "required": ["city"]
  }
}

5.2 調(diào)用流程

1. 把函數(shù)聲明塞進(jìn) tools 字段
2. Claude 返回 tool_calls
3. 本地執(zhí)行函數(shù)，再把結(jié)果塞回 messages

6. 流式輸出：打字機(jī)效果與前端實(shí)時(shí)渲染

前端只需 10 行 JavaScript：

const es = new EventSource("/chat/uid_42");
es.onmessage = e = > document.getElementById("answer").innerHTML += e.data;

React 可直接套用 Vercel AI SDK：

import { useChat } from "ai/react";
const { messages, input, handleInputChange, handleSubmit } = useChat({api: "/chat/uid_42"});

7. 生產(chǎn)部署：Docker、日志、監(jiān)控、緩存一次到位

7.1 Dockerfile

FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY app.py .
CMD ["gunicorn", "-k", "uvicorn.workers.UvicornWorker", "app:app", "-b", "0.0.0.0:8000"]

7.2 日志 & 監(jiān)控

• 日志：structlog + JSON → Loki
• 指標(biāo)：Prometheus 導(dǎo)出 claude_total_tokens、claude_latency_seconds
• 緩存：Redis 緩存 FAQ，命中率 85 % → 成本再降 40 %

7.3 docker-compose.yml

version: "3.9"
services:
  api:
    build: .
    environment:
      ANTHROPIC_API_KEY: ${ANTHROPIC_API_KEY}
    ports:
      - "8000:8000"
  redis:
    image: redis:7-alpine

8. 價(jià)格與限速：怎樣把單次對(duì)話成本打到 0.0008 USD

示例：

• 原始：1K in / 500 out = 0.0525 USD
• 緩存 + Sonnet：200 in / 200 out = 0.007 USD
• 再批處理：0.007 / 2 = 0.0035 USD

9. 常見坑排查：429、401、長(zhǎng)文本截?cái)?/h2>

報(bào)錯(cuò)	原因	解決
401	API Key 錯(cuò)誤	檢查 ANTHROPIC_API_KEY 環(huán)境變量
429	限速	指數(shù)退避 + Batch 請(qǐng)求
400	超過 200 K	分段 + LangChain 摘要
輸出截?cái)?/td>	max_tokens 太小	動(dòng)態(tài)計(jì)算剩余 token

---

總結(jié)

從 3 行腳本到生產(chǎn)級(jí)微服務(wù)，這篇萬字長(zhǎng)文已覆蓋 90 % 落地場(chǎng)景。現(xiàn)在就把 GitHub 倉庫 克隆下來，用 5 分鐘跑通 Demo，再用 30 分鐘上線你的 AI 產(chǎn)品吧！