Day 29 · LLM API 调用

Week 5 · Day 29 / 56 · 返回大纲

一、Anthropic SDK

uv add anthropic

from anthropic import Anthropic

client = Anthropic()  # 自动读 ANTHROPIC_API_KEY

# 基本调用
resp = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{"role": "user", "content": "用一句话解释 Python"}]
)
print(resp.content[0].text)

二、流式输出

# 流式输出(SSE)
with client.messages.stream(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{"role": "user", "content": "写一首关于编程的诗"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

FastAPI 流式返回

from fastapi.responses import StreamingResponse

@app.post("/chat")
async def chat(message: str):
    async def generate():
        with client.messages.stream(
            model="claude-sonnet-4-20250514",
            max_tokens=1024,
            messages=[{"role": "user", "content": message}]
        ) as stream:
            for text in stream.text_stream:
                yield f"data: {text}\n\n"
    
    return StreamingResponse(generate(), media_type="text/event-stream")

动手练习

练习 1:第一个调用
调用 LLM 回答问题
resp = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{"role": "user", "content": "你好"}]
)
print(resp.content[0].text)
查看答案
参考答案
# 先设置 ANTHROPIC_API_KEY
练习 2:流式 API
FastAPI 流式返回
@app.post("/chat")
async def chat(msg: str):
    return StreamingResponse(generate(), media_type="text/event-stream")
查看答案
参考答案
# 前端用 EventSource 接收

打卡验收

安装并配置 Anthropic SDK
会调用 LLM 基本接口
理解流式输出的概念
会在 FastAPI 中返回 SSE
完成 2 个动手练习
能向别人演示流式输出
理解 max_tokens 的作用
AI 阶段开始!
打卡方式: 全部勾选后,告诉我 "Day 29 打卡",并贴出你的代码。