> ## Documentation Index > Fetch the complete documentation index at: https://docs.xhuoapi.ai/llms.txt > Use this file to discover all available pages before exploring further. # Запрос и использование API завершения чата Claude > Claude AI 集成指南 - XHuoAPI Anthropic Claude — это очень мощная система AI-диалогов, которая может генерировать плавные и естественные ответы всего за несколько секунд, просто вводя подсказки. Claude выделяется в отрасли благодаря своим выдающимся способностям к пониманию и генерации языка, и в настоящее время он широко используется в различных отраслях и сферах, его влияние становится все более значительным. Независимо от того, идет ли речь о повседневных беседах, креативном письме или профессиональных консультациях и программировании, Claude может предоставить удивительную интеллектуальную помощь, значительно повышая эффективность и креативность человеческой работы. Этот документ в основном описывает процесс использования API завершения чата Claude, с помощью которого мы можем легко использовать официальные функции диалога Claude. ## Процесс запроса Чтобы использовать API завершения чата Claude, сначала можно перейти на страницу [API завершения чата Claude](https://api.xhuoapi.ai/documents/280928a2-2dce-419c-adb5-1ea835e8183a) и нажать кнопку «Acquire», чтобы получить необходимые для запроса учетные данные: ![](https://cdn.xhuoapi.ai/nyq0xz.png) Если вы еще не вошли в систему или не зарегистрированы, вас автоматически перенаправят на страницу входа, пригласив зарегистрироваться и войти в систему, после чего вы автоматически вернетесь на текущую страницу. При первом запросе будет предоставлен бесплатный лимит, который можно использовать для бесплатного доступа к этому API. ## Основное использование Далее вы можете заполнить соответствующие поля на интерфейсе, как показано на изображении:

При первом использовании этого интерфейса нам необходимо заполнить как минимум три поля: одно из них — это `authorization`, которое можно выбрать прямо из выпадающего списка. Другой параметр — это `model`, `model` — это категория модели, которую мы выбираем для использования с сайта Claude, здесь у нас в основном есть 20 моделей, подробности можно посмотреть в предоставленных моделях. Последний параметр — это `messages`, `messages` — это массив наших вопросов, который представляет собой массив, позволяющий одновременно загружать несколько вопросов, каждый из которых содержит `role` и `content`, где `role` обозначает роль задающего вопрос, мы предоставили три роли: `user`, `assistant`, `system`. Другой `content` — это конкретное содержание нашего вопроса. Также вы можете заметить, что справа есть соответствующий сгенерированный код вызова, вы можете скопировать код и запустить его, или просто нажать кнопку «Try» для тестирования. Распространенные необязательные параметры: * `max_tokens`: ограничивает максимальное количество токенов в одном ответе. * `temperature`: генерирует случайность, от 0 до 2, чем больше значение, тем более разнообразным будет ответ. * `n`: сколько вариантов ответов генерировать за раз. * `response_format`: настройки формата ответа.

После вызова мы обнаруживаем, что возвращаемый результат выглядит следующим образом: ```json theme={null} { "id": "msg_bdrk_01Q6WN27v95ypCa1kbanAQ6K", "model": "claude-opus-4-20250514", "object": "chat.completion", "created": 1768619365, "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Hello! How can I help you today?" }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 8, "completion_tokens": 12, "total_tokens": 20, "prompt_tokens_details": { "cached_tokens": 0, "text_tokens": 0, "audio_tokens": 0, "image_tokens": 0 }, "completion_tokens_details": { "text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 0 }, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null, "claude_cache_creation_5_m_tokens": 0, "claude_cache_creation_1_h_tokens": 0 } } ``` Возвращаемый результат содержит несколько полей, описание которых приведено ниже: * `id` — ID задачи диалога, созданной для уникальной идентификации этой задачи. * `model` — выбранная модель с сайта Claude. * `choices` — информация о ответах Claude на вопросы. * `usage`: статистическая информация о токенах для данного вопроса и ответа. Где `choices` содержит информацию о ответах Claude, внутри которой `choices` — это конкретная информация о ответах Claude, как показано на изображении.

Можно увидеть, что поле `content` внутри `choices` содержит конкретное содержание ответа Claude. ## Потоковый ответ Этот интерфейс также поддерживает потоковые ответы, что очень полезно для веб-интеграции, позволяя веб-странице реализовать эффект отображения по буквам. Если вы хотите получить потоковый ответ, вы можете изменить параметр `stream` в заголовке запроса на `true`. Изменение показано на изображении, однако код вызова должен быть соответствующим образом изменен, чтобы поддерживать потоковые ответы.

После изменения `stream` на `true`, API будет возвращать соответствующие JSON-данные построчно, и на уровне кода нам нужно внести соответствующие изменения, чтобы получить построчные результаты. Пример кода вызова на Python: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/v1/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "claude-opus-4-20250514", "messages": [{"role":"user","content":"Hello"}], "stream": True } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Вывод будет следующим: ```json theme={null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": ""}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "Привет!"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " Как я могу помочь вам"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " сегодня?"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": null} data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [], "usage": {"prompt_tokens": 8, "completion_tokens": 12, "total_tokens": 20, "prompt_tokens_details": {"cached_tokens": 0, "text_tokens": 0, "audio_tokens": 0, "image_tokens": 0}, "completion_tokens_details": {"text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 0}, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null, "claude_cache_creation_5_m_tokens": 0, "claude_cache_creation_1_h_tokens": 0}} data: [DONE] ``` Можно увидеть, что в ответе много `data`, `data` внутри `choices` является последним ответом, что соответствует описанному выше содержимому. `choices` - это новая информация о ответе, которую вы можете интегрировать в вашу систему. Также окончание потокового ответа определяется по содержимому `data`, если содержимое равно `[DONE]`, это означает, что потоковый ответ завершен. Возвращаемый результат `data` содержит несколько полей, описание которых приведено ниже: * `id` - уникальный идентификатор для этой задачи диалога. * `model` - выбранная модель с сайта Claude. * `choices` - информация о ответах, предоставленных Claude на заданные вопросы. JavaScript также поддерживается, например, код для потокового вызова Node.js выглядит следующим образом: ```javascript theme={null} const options = { method: "post", headers: { accept: "application/json", authorization: "Bearer {token}", "content-type": "application/json", }, body: JSON.stringify({ model: "claude-opus-4-20250514", messages: [{ role: "user", content: "Привет" }], stream: true, }), }; fetch("https://api.xhuoapi.ai/v1/v1/chat/completions", options) .then((response) => response.json()) .then((response) => console.log(response)) .catch((err) => console.error(err)); ``` Пример кода на Java: ```java theme={null} JSONObject jsonObject = new JSONObject(); jsonObject.put("model", "claude-opus-4-20250514"); jsonObject.put("messages", [{"role":"user","content":"Привет"}]); jsonObject.put("stream", true); MediaType mediaType = "application/json; charset=utf-8".toMediaType(); RequestBody body = jsonObject.toString().toRequestBody(mediaType); Request request = new Request.Builder() .url("https://api.xhuoapi.ai/v1/v1/chat/completions") .post(body) .addHeader("accept", "application/json") .addHeader("authorization", "Bearer {token}") .addHeader("content-type", "application/json") .build(); OkHttpClient client = new OkHttpClient(); Response response = client.newCall(request).execute(); System.out.print(response.body!!.string()) ``` Другие языки можно переписать самостоятельно, принцип остается тем же. ## Многоуровневый диалог Если вы хотите интегрировать функцию многоуровневого диалога, вам нужно загрузить несколько вопросов в поле `messages`, конкретные примеры нескольких вопросов приведены на изображении ниже:

Пример кода на Python: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/v1/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "claude-opus-4-20250514", "messages": [{"role":"user","content":"Привет"},{"role":"assistant","content":"Привет! Как я могу помочь вам сегодня?"},{"role":"user","content":"Что я только что сказал?"}] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Загрузив несколько вопросов, вы можете легко реализовать многоуровневый диалог и получить следующий ответ: ```json theme={null} { "id": "msg_bdrk_01Y1wfQmd89g968TVbFu57Yc", "model": "claude-opus-4-20250514", "object": "chat.completion", "created": 1768619674, "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Вы сказали \"Привет\" - это было ваше первое сообщение мне в нашем разговоре." }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 29, "completion_tokens": 20, "total_tokens": 49, "prompt_tokens_details": { "cached_tokens": 0, "text_tokens": 0, "audio_tokens": 0, "image_tokens": 0 }, "completion_tokens_details": { "text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 0 }, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null, "claude_cache_creation_5_m_tokens": 0, "claude_cache_creation_1_h_tokens": 0 } } ``` Можно увидеть, что `choices` содержит информацию, которая соответствует основному использованию, это включает в себя конкретное содержание ответов Claude на несколько диалогов, что позволяет отвечать на соответствующие вопросы на основе нескольких диалогов. ## Глубокое мышление модели Модели claude-opus-4-20250514-thinking и claude-sonnet-4-20250514-thinking отличаются от других моделей тем, что они могут глубоко размышлять в ответ на вопросы и возвращать результаты процесса размышления, в этой статье будет представлен конкретный пример, чтобы продемонстрировать функцию глубокого мышления, далее можно будет заполнить соответствующее содержание в интерфейсе Claude Chat Completion API, как показано на изображении:

Также вы можете заметить, что справа есть соответствующий код вызова, вы можете скопировать код и запустить его, или просто нажать кнопку «Попробовать» для тестирования.

После вызова мы обнаружили, что возвращаемый результат выглядит следующим образом: ```json theme={null} { "id": "msg_018J4YaRoGHtbsTVb4Vvz7oH", "object": "chat.completion", "created": 1755444014, "model": "claude-sonnet-4-20250514-thinking", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Синус 30 градусов равен **1/2** или **0.5**.\n\nЭто одно из основных тригонометрических значений. В треугольнике 30-60-90 стороны находятся в соотношении 1:√3:2, где сторона, противоположная углу 30°, имеет длину 1, а гипотенуза имеет длину 2, что дает нам sin(30°) = 1/2.", "reasoning_content": "Пользователь спрашивает о синусе 30 градусов. Это базовый вопрос по тригонометрии.\n\nСинус 30 градусов - это известное значение. В треугольнике 30-60-90 стороны находятся в соотношении 1:√3:2.\n\nДля угла 30°:\n- Противоположная сторона равна 1\n- Гипотенуза равна 2\n- Таким образом, sin(30°) = противоположная/гипотенуза = 1/2 = 0.5\n\nЭто одно из стандартных тригонометрических значений, которые обычно запоминаются." }, "logprobs": null, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 60, "completion_tokens": 239, "total_tokens": 299, "prompt_tokens_details": { "cached_tokens_details": {} }, "completion_tokens_details": {} } } ``` Можно увидеть, что информация об ответах в `choices` получена в результате глубокого размышления, и также предоставлен соответствующий процесс размышления, где в `content` `reasoning_content` обозначает процесс размышления модели. Информация об ответах в `choices` должна быть отформатирована с использованием синтаксиса `markdown`, чтобы получить наилучший опыт, в конечном итоге это также подчеркивает мощные преимущества сетевых функций нашей модели. ## Визуальная модель claude-sonnet-4-20250514 - это многомодальная большая языковая модель, разработанная Claude, которая на основе claude-4 добавила возможности визуального понимания. Эта модель может одновременно обрабатывать текстовые и графические входные данные, реализуя кросс-модальное понимание и генерацию. Обработка текста с использованием модели claude-sonnet-4-20250514 соответствует основному использованию, описанному выше, ниже будет кратко представлено, как использовать возможности обработки изображений модели. Использование возможностей обработки изображений модели claude-sonnet-4-20250514 осуществляется путем добавления поля `type` к исходному содержимому `content`, с помощью которого можно определить, загружен текст или изображение, чтобы использовать возможности обработки изображений модели claude-sonnet-4-20250514, ниже будет описано, как вызвать эту функцию с помощью Curl и Python. * Способ с использованием Curl ``` curl -X POST 'https://api.xhuoapi.ai/v1/v1/chat/completions' \ -H 'accept: application/json' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "model": "claude-sonnet-4-20250514", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Что на этом изображении?" }, { "type": "image_url", "image_url": { "url": "https://cdn.xhuoapi.ai/ueugot.png" } } ] } ] }' ``` * Способ с использованием Python ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/v1/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "claude-sonnet-4-20250514", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Что на этом изображении?" }, { "type": "image_url", "image_url": { "url": "https://cdn.xhuoapi.ai/ueugot.png" } }, ], } ] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Затем можно получить следующий результат, информация о полях в результате соответствует вышеупомянутой, конкретно она выглядит следующим образом: ```json theme={null} { "id": "msg_bdrk_01NCrxpZmV17bhQJJRQEFEb9", "model": "claude-sonnet-4-20250514", "object": "chat.completion", "created": 1768628904, "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Это изображение показывает интерфейс конфигурации API-запроса для того, что, похоже, является службой завершения чата AI. Вот ключевые элементы:\n\n**Параметры тела запроса:**\n\n1. **model** (обязательная строка) - Установлено на \"claude-opus-4-202505...\" - указывает, какую модель AI использовать\n\n2. **messages** (обязательный массив) - Содержит историю разговора с:\n - **role** (обязательная строка) - Установлено на \"user\" \n - **content** (обязательная строка) - Содержит \"Hello\" как содержание сообщения\n\n3. **stream** (логическое) - Установлено на \"true\" - включает частичные изменения сообщений, как в ChatGPT\n\n4. **max_tokens** (число) - Поле для установки максимального количества токенов, которые могут быть сгенерированы в ответе\n\n5. **n** (число) - Указывает, сколько вариантов завершения чата нужно сгенерировать для каждого ввода\n\nИнтерфейс имеет темную тему с белым текстом на черном/темно-сером фоне. В правом нижнем углу есть кнопка \"Заполнить пример\" и различные выпадающие меню и поля ввода для настройки параметров запроса API. Видна красная иконка мусорной корзины/удаления, вероятно, для удаления записей сообщений." }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 1570, "completion_tokens": 252, "total_tokens": 1822, "prompt_tokens_details": { "cached_tokens": 0, "text_tokens": 0, "audio_tokens": 0, "image_tokens": 0 }, "completion_tokens_details": { "text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 0 }, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null, "claude_cache_creation_5_m_tokens": 0, "claude_cache_creation_1_h_tokens": 0 } } ``` Можно увидеть, что содержание ответов основано на изображениях, поэтому с помощью вышеуказанных двух способов можно легко использовать текстовые и графические возможности модели claude-3-7-sonnet-20250219. ## Обработка ошибок При вызове API, если возникает ошибка, API возвращает соответствующий код ошибки и информацию. Например: * `400 token_mismatched`：Неверный запрос, возможно, из-за отсутствующих или недействительных параметров. * `400 api_not_implemented`：Неверный запрос, возможно, из-за отсутствующих или недействительных параметров. * `401 invalid_token`：Неавторизован, недействительный или отсутствующий токен авторизации. * `429 too_many_requests`：Слишком много запросов, вы превысили лимит частоты. * `500 api_error`：Внутренняя ошибка сервера, что-то пошло не так на сервере. ### Пример ответа об ошибке ``` { "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Заключение С помощью этого документа вы узнали, как легко реализовать функции диалога официального Claude с использованием API Claude Chat Completion. Надеемся, что этот документ поможет вам лучше интегрировать и использовать данный API. Если у вас есть какие-либо вопросы, пожалуйста, не стесняйтесь обращаться в нашу техническую поддержку.