Claude & AI Agent 开发实战指南

0.1 什么是大语言模型（LLM）

从"查字典"到"理解语言" — AI 的进化史

在大模型出现之前，计算机处理语言的方式非常机械：程序员要手工编写规则（"如果用户说'你好'，就回答'您好'"），或者用统计方法统计词语出现频率。这些方法在面对真实世界的复杂语言时，很快就捉襟见肘。

大语言模型的本质：一个极其复杂的"下一个词预测器"

听起来很简单，但正是这个简单任务，催生了令人惊叹的智能。LLM 的训练目标就是：给定前面所有的词，预测下一个词的概率分布。

为了能准确预测下一个词，模型必须理解语法、语义、常识、逻辑、甚至情感。这就是为什么一个单纯预测词语的模型，最终展现出了"智能"的能力。

Transformer 架构：LLM 的心脏

2017 年 Google 发表了论文《Attention Is All You Need》，提出了 Transformer 架构，成为了几乎所有现代 LLM 的基础。它最核心的创新是自注意力机制（Self-Attention）。

预训练与微调：LLM 学习的两个阶段

0.2 Token — AI 的基本计量单位

什么是 Token？

LLM 不是逐字处理文字，而是将文本拆分为 Token（词元）再处理。Token 是模型能识别的最小语言单元，既不完全等于"词"，也不等于"字符"。

Token 的重要性

如何估算 Token 数

大部分 AI 提供商提供 Tokenizer 工具，开发时可用于精确计算。下面是快速估算规则：

上下文窗口（Context Window）

上下文窗口是模型在一次请求中能"看到"的最大 token 数，包括输入 + 输出。超过这个限制，模型会"忘记"更早的内容。

0.3 模型参数量 — 理解模型规模

参数是什么？

神经网络本质上是一个巨大的数学函数，由数十亿个可调节的数值（参数/权重）构成。训练过程就是不断调整这些参数，让模型的预测越来越准确。

主流模型参数规模参考

量化（Quantization）：缩小模型大小的技巧

原始模型的每个参数使用 32 位浮点数（FP32）存储。量化将参数压缩到 8 位（INT8）甚至 4 位（INT4），使模型体积缩小 4-8 倍，只有轻微的性能损失。

0.4 核心概念速查

Temperature — 控制输出的"创意度"

Temperature 是控制模型输出随机性的参数，范围通常为 0.0 到 1.0（部分模型到 2.0）。

Embedding（向量嵌入） — 把文字变成数字

Embedding 是将文字转换为数字向量的技术，使计算机能够计算文本之间的"语义距离"。这是 RAG（检索增强生成）系统的核心基础。

RLHF — 让 AI 变得"有用且安全"

Reinforcement Learning from Human Feedback（人类反馈强化学习）是将"好"与"坏"的人类判断注入模型训练的方法，是 ChatGPT、Claude 遵守指令、拒绝有害内容的关键技术。

RAG（检索增强生成）— 给 AI 接上"外部记忆"

LLM 的训练数据有截止日期，且无法记住公司内部文档。RAG 通过在回答前先从外部数据库检索相关内容，再让 LLM 基于检索结果生成回答，解决了这两个问题。

Hallucination（幻觉）— LLM 最大的缺陷

LLM 有时会自信地生成看起来合理但实际错误的内容，称为"幻觉"。因为模型只是在做概率预测，不具备真正的知识检索能力。

0.5 主流 AI 提供商全景 & 价格对比 必看

主要 AI 提供商与旗舰模型（2025-2026）

2025-2026 主流模型 API 定价对比

成本计算实例

假设你要构建一个每日处理 10,000 次用户请求 的客服机器人，每次平均 输入 500 tokens + 输出 200 tokens：

0.6 如何选择适合的模型

决策树：选模型不再迷茫

按使用场景推荐

1.1 API 快速入门 API

Claude 模型家族概览（2025-2026）

Python
# === 安装 Anthropic Python SDK ===
# pip install anthropic

import anthropic

# 初始化客户端（API Key 从环境变量 ANTHROPIC_API_KEY 自动读取）
client = anthropic.Anthropic()

# === 最简单的 API 调用 ===
message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "用一句话解释什么是Transformer架构？"}
    ]
)
print(message.content[0].text)
# 输出: "Transformer是一种基于自注意力机制的神经网络架构..."

# === 请求结构详解 ===
message = client.messages.create(
    model="claude-sonnet-4-6",  # 模型选择
    max_tokens=2048,             # 最大生成token数
    temperature=0.7,             # 0=确定性, 1=更随机创意
    top_p=0.9,                   # 核采样（与temperature配合）
    system="你是一位资深Python架构师，回答简洁专业。",  # 系统提示
    messages=[                   # 对话消息列表
        {"role": "user", "content": "FastAPI和Flask的区别？"}
    ],
    stop_sequences=["\n\n---"],  # 遇到这个序列就停止生成
)

# === 响应结构 ===
print(f"模型: {message.model}")
print(f"停止原因: {message.stop_reason}")  # end_turn / max_tokens / stop_sequence
print(f"输入Token: {message.usage.input_tokens}")
print(f"输出Token: {message.usage.output_tokens}")
print(f"内容: {message.content[0].text}")

TypeScript
// === Node.js / TypeScript SDK ===
// npm install @anthropic-ai/sdk

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

const client = new Anthropic();

async function main() {
  const message = await client.messages.create({
    model: "claude-sonnet-4-6",
    max_tokens: 1024,
    system: "你是一位全栈工程师。",
    messages: [
      { role: "user", content: "如何设计一个高可用的微服务架构？" }
    ],
  });

  console.log(message.content[0].type === "text"
    ? message.content[0].text
    : "非文本响应");
}

main();

cURL
# === REST API 直接调用 ===
curl https://api.anthropic.com/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello, Claude!"}
    ]
  }'

1.2 多轮对话 API

对话状态管理

Claude API 是无状态的——每次请求都需要带上完整的对话历史。这和有状态的 WebSocket 聊天不同，你需要自己管理 messages 列表。

Python
import anthropic

client = anthropic.Anthropic()

class ChatSession:
    """管理多轮对话的会话类"""

    def __init__(self, model="claude-sonnet-4-6", system_prompt=""):
        self.model = model
        self.system = system_prompt
        self.messages = []       # 对话历史
        self.total_tokens = 0    # token 用量追踪

    def send(self, user_message: str) -> str:
        """发送消息并获取回复"""
        self.messages.append({"role": "user", "content": user_message})

        response = client.messages.create(
            model=self.model,
            max_tokens=2048,
            system=self.system,
            messages=self.messages,
        )

        assistant_text = response.content[0].text
        self.messages.append({"role": "assistant", "content": assistant_text})
        self.total_tokens += response.usage.input_tokens + response.usage.output_tokens

        return assistant_text

    def clear(self):
        """清空对话历史（开始新话题时使用）"""
        self.messages = []

    def get_context_length(self):
        """估算当前上下文长度"""
        return sum(len(m["content"]) for m in self.messages) // 4  # 粗略估算

# === 使用示例 ===
chat = ChatSession(
    system_prompt="你是一位数据库专家，擅长SQL优化和架构设计。请用中文回答。"
)

# 第一轮
reply1 = chat.send("如何优化一个慢查询？")
print(f"[Claude]: {reply1}")

# 第二轮（Claude记得之前的对话）
reply2 = chat.send("能给一个具体的索引优化例子吗？")
print(f"[Claude]: {reply2}")

# 第三轮（继续深入）
reply3 = chat.send("如果是联合索引呢？最左前缀原则是什么？")
print(f"[Claude]: {reply3}")

print(f"\n总Token消耗: {chat.total_tokens}")

1.3 Tool Use / Function Calling 核心

让 Claude 调用你的代码

Tool Use 是构建 AI Agent 的基础能力。你定义工具的名称、描述和参数，Claude 判断何时需要使用工具，并生成调用参数。你的代码执行工具后，将结果返回给 Claude 继续处理。