Pelajari AI dengan Python · Pelajaran

API Anthropic Claude dalam Python

anthropic.Anthropic(), messages.create(), blok kandungan, pemikiran lanjutan, penstriman.

Pelajaran 2 daripada 413 langkah

API Anthropic Claude dalam Python ialah pelajaran Pelajari AI dengan Python percuma di CoddyKit. Ini ialah pelajaran 2 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Pelajari AI dengan Python, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Pelajari AI dengan Python merangkumi sejumlah 4 pelajaran.

SDK Anthropic

Model Claude Anthropic diakses melalui pakej Python anthropic. Pasang dengan pip install anthropic. Claude cemerlang dalam penaakulan konteks panjang, pematuhan arahan yang teliti dan penggunaan alat.

pip install anthropic

import anthropic

Mencipta Klien

Bina klien dengan anthropic.Anthropic(). Secara lalai, klien membaca kunci anda daripada pemboleh ubah persekitaran ANTHROPIC_API_KEY, sekali gus memastikan kelayakan tidak berada dalam kod.

import anthropic

client = anthropic.Anthropic()

# Or explicitly
client = anthropic.Anthropic(api_key="sk-ant-...")

API Mesej

Claude menggunakan client.messages.create(). Tidak seperti OpenAI, gesaan sistem ialah parameter berasingan, bukannya mesej dalam senarai. Senarai messages hanya menyimpan giliran pengguna dan pembantu.

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system="You are a concise expert.",
    messages=[{"role": "user", "content": "Explain RAG in one sentence."}]
)

max_tokens Diperlukan

Perbezaan penting ialah max_tokens wajib dalam API Anthropic. Ia mengehadkan jumlah token yang boleh dijana oleh Claude dalam balasannya. Tetapkannya cukup tinggi untuk keluaran yang dijangka, tetapi parameter ini juga melindungi anda daripada kos yang tidak terkawal.

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=2048,
    messages=[{"role": "user", "content": "Write a haiku about Python."}]
)

Membaca Respons

Claude mengembalikan senarai content yang terdiri daripada blok. Untuk teks biasa, balasan terletak di message.content[0].text. Ia merupakan senarai kerana respons boleh mengandungi beberapa blok, seperti teks bersama permintaan penggunaan alat.

print(message.content[0].text)

# Inspect block type
print(message.content[0].type)  # "text"

Sejarah Perbualan

Seperti API sembang lain, Claude tidak menyimpan keadaan. Untuk meneruskan perbualan, append sendiri balasan pembantu dan giliran pengguna seterusnya ke dalam messages.

messages = [{"role": "user", "content": "Hello"}]
resp = client.messages.create(model="claude-opus-4-8", max_tokens=512, messages=messages)

messages.append({"role": "assistant", "content": resp.content[0].text})
messages.append({"role": "user", "content": "Tell me more"})

Penstriman dengan Pengurus Konteks

Untuk keluaran masa nyata, Claude menyediakan client.messages.stream() yang digunakan sebagai pengurus konteks dengan pernyataan with. Kaedah ini membuka dan menutup sambungan dengan selamat.

with client.messages.stream(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Count to five."}]
) as stream:
    pass  # iterate inside

Melakukan Lelaran pada Strim Teks

Di dalam blok with, ulangi melalui stream.text_stream untuk menerima bahagian teks baharu apabila Claude menjana teks tersebut. Setiap item ialah rentetan yang sedia untuk dicetak.

with client.messages.stream(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Count to five."}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

Mendapatkan Mesej Akhir

Selepas penstriman selesai, panggil stream.get_final_message() untuk mendapatkan objek mesej lengkap yang telah dihimpunkan, termasuk data penggunaan dan semua blok kandungan.

with client.messages.stream(model="claude-opus-4-8", max_tokens=1024,
        messages=[{"role": "user", "content": "Hi"}]) as stream:
    for text in stream.text_stream:
        print(text, end="")
    final = stream.get_final_message()

Penggunaan Token

Respons membawa objek usage dengan input_tokens dan output_tokens. Perhatikan bahawa penamaannya berbeza daripada OpenAI, yang menggunakan istilah gesaan/pelengkapan, tetapi maksudnya sama: menjejak kos bagi setiap panggilan.

print(message.usage.input_tokens)
print(message.usage.output_tokens)

Perbezaan OpenAI dengan Anthropic

Perbezaan utama yang perlu diingati ialah Anthropic meletakkan gesaan sistem dalam parameternya sendiri, memerlukan max_tokens, membaca teks daripada content[0].text dan melakukan penstriman melalui pengurus konteks with. Dengan mengetahui perkara ini, anda boleh bertukar antara penyedia dengan yakin.

Semakan Pantas

Uji pengetahuan anda tentang Anthropic.

Jawab dalam pelajaran interaktif

Imbas Kembali: Claude dalam Python

Anda telah mencipta klien anthropic.Anthropic() dan memanggil messages.create() dengan max_tokens yang diperlukan serta gesaan system yang berasingan. Anda membaca balasan daripada content[0].text dan menjejak kos melalui usage.input_tokens / output_tokens.

Untuk penstriman, anda menggunakan client.messages.stream() sebagai pengurus konteks with, melakukan lelaran pada text_stream dan mendapatkan hasil yang dihimpunkan dengan get_final_message().

Percuma untuk bermula

Pelajari Python dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus: 53
Pelajaran: 225

Mula belajar secara percuma Lihat kursus penuh

Soalan Lazim

Adakah pelajaran “API Anthropic Claude dalam Python” percuma?

Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Pelajari AI dengan Python, termasuk “API Anthropic Claude dalam Python”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Pelajari AI dengan Python merangkumi sejumlah 4 pelajaran.

Apakah yang akan saya pelajari dalam “API Anthropic Claude dalam Python”?

anthropic.Anthropic(), messages.create(), blok kandungan, pemikiran lanjutan, penstriman. Anda berlatih Pelajari AI dengan Python menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan Pelajari AI dengan Python?

Tiada pengalaman terdahulu diperlukan. Pembelajaran Pelajari AI dengan Python di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 4.

Berapa lamakah pelajaran “API Anthropic Claude dalam Python” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran Pelajari AI dengan Python ini?

Ya. Setiap pelajaran Pelajari AI dengan Python menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

API OpenAI: chat.completions dan Penstriman
API Anthropic Claude dalam Python
Pemanggilan Fungsi dan Penggunaan Alat dengan LLM
Kejuruteraan Gesaan untuk Aplikasi LLM Pengeluaran

← Kembali ke Pelajari AI dengan Python