本文是一份面向实际生产环境的 Claude 模型接入教程，覆盖从模型选型、环境配置、基础调用，到流式输出、多轮对话、错误处理和成本优化的完整链路。

第一步：模型选型决策

在写第一行代码之前，先根据业务场景确定要用哪个模型：

第二步：环境配置

安装依赖

pip install openai python-dotenv

配置 API Key

JIEKOU_API_KEY=your_api_key_here
JIEKOU_BASE_URL=https://api.highwayapi.ai/anthropic

API Key 从所用接口平台（如 jiekou.vip）的控制台获取，是调用模型的凭证。

第三步：基础调用实现

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

# 初始化客户端，base_url 指向中转接口
client = OpenAI(
    api_key=os.getenv("JIEKOU_API_KEY"),
    base_url=os.getenv("JIEKOU_BASE_URL")
)

def chat(user_message: str, model: str = "claude-3.5-sonnet-20241022") -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": "你是一个专业的AI助手。"},
            {"role": "user", "content": user_message}
        ],
        max_tokens=2048,
        temperature=0.7
    )
    return response.choices[0].message.content

# 测试调用
result = chat("用Python实现快速排序")
print(result)

这段代码以完全兼容 OpenAI 格式的方式调用了 Claude，迁移成本很低。

第四步：流式输出实现

def stream_chat(user_message: str, model: str = "claude-3.5-sonnet-20241022"):
    stream = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": user_message}],
        max_tokens=2048,
        stream=True  # 开启流式
    )

    full_response = ""
    for chunk in stream:
        if chunk.choices[0].delta.content is not None:
            content = chunk.choices[0].delta.content
            print(content, end="", flush=True)
            full_response += content

    print()
    return full_response

第五步：多轮对话管理

class ClaudeChat:
    def __init__(self, model: str = "claude-3.5-sonnet-20241022", system_prompt: str = ""):
        self.model = model
        self.history = []
        self.system_prompt = system_prompt or "你是一个有帮助的AI助手。"

    def send(self, user_message: str) -> str:
        self.history.append({"role": "user", "content": user_message})

        response = client.chat.completions.create(
            model=self.model,
            messages=[{"role": "system", "content": self.system_prompt}] + self.history,
            max_tokens=2048
        )

        assistant_message = response.choices[0].message.content
        self.history.append({"role": "assistant", "content": assistant_message})
        return assistant_message

第六步：生产环境错误处理

import time
from openai import RateLimitError, APIStatusError

def robust_chat(user_message: str, max_retries: int = 3) -> str:
    for attempt in range(max_retries):
        try:
            return chat(user_message)
        except RateLimitError:
            wait_time = 2 ** attempt
            print(f"触发限速，{wait_time}秒后重试...")
            time.sleep(wait_time)
        except APIStatusError as e:
            print(f"API错误：{e.status_code} - {e.message}")
            if attempt == max_retries - 1:
                raise
    raise Exception("最大重试次数已达到")

成本优化技巧

通过模型分层策略可以有效降低成本：

1. 简单任务用 haiku：客服问答、内容分类用 claude-3.5-haiku，单价更低
2. 精简 system prompt：冗余提示词会持续消耗 token
3. 合理设置 max_tokens：够用即可，不要设过大
4. 利用缓存：相同请求复用缓存，避免重复调用

总结

按业务场景在不同 Claude 模型间分层选型，配合流式输出、错误重试和成本优化等生产实践，可以在保证输出质量的同时控制调用成本。国内开发者如需稳定接入，可通过 jiekou.vip 等接口平台的中转接口调用。