> ## 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. # Claude Chat Completion API 申請及使用 > Claude AI 集成指南 - XHuoAPI Anthropic Claude 是一款非常強大的 AI 對話系統，只要輸入提示詞，就能在短短幾秒內生成流暢自然的回覆。Claude 以其出色的語言理解和生成能力在業界獨樹一幟，如今，Claude 早已在各個行業和領域廣泛應用，其影響力愈發顯著。無論是日常對話、創意寫作，還是專業諮詢、程式編寫，Claude 都能提供令人驚嘆的智能協助，極大地提高了人類的工作效率和創造力。 本文檔主要介紹 Claude Chat Completion API 操作的使用流程，利用它我們可以輕鬆使用官方 Claude 的對話功能。 ## 申請流程 要使用 Claude Chat Completion API，首先可以到 [Claude Chat Completion API](https://api.xhuoapi.ai/documents/280928a2-2dce-419c-adb5-1ea835e8183a) 頁面點擊「Acquire」按鈕，獲取請求所需要的憑證： ![](https://cdn.xhuoapi.ai/nyq0xz.png) 如果你尚未登入或註冊，會自動跳轉到登入頁面邀請您來註冊和登入，登入註冊之後會自動返回當前頁面。 在首次申請時會有免費額度贈送，可以免費使用該 API。 ## 基本使用 接下來就可以在介面上填寫對應的內容，如圖所示：

在第一次使用該介面時，我們至少需要填寫三個內容，一個是 `authorization`，直接在下拉列表裡面選擇即可。另一個參數是 `model`， `model` 就是我們選擇使用 Claude 官網模型類別，這裡我們主要有 20 種模型，詳情可以看我們提供的模型。最後一個參數是`messages`，`messages`是我們輸入的提問詞數組，它是一個數組，表示可以同時上傳多個提問詞，每個提問詞包含了 `role` 和 `content`，其中 `role` 表示提問者的角色，我們提供了三種身份，分別為 `user` 、`assistant`、`system` 。另一個 `content` 就是我們提問的具體內容。 同時您可以注意到右側有對應的調用代碼生成，您可以複製代碼直接運行，也可以直接點擊「Try」按鈕進行測試。 常用可選參數： * `max_tokens`：限制單次回覆的最大 token 數。 * `temperature`：生成隨機性，0-2 之間，值越大越發散。 * `n`：一次生成多少條候選回覆。 * `response_format`：返回格式設置。

調用之後，我們發現返回結果如下： ```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 } } ``` 返回結果一共有多個字段，介紹如下： * `id`，生成此次對話任務的 ID，用於唯一標識此次對話任務。 * `model `，選擇的 Claude 官網模型。 * `choices`，Claude 針對提問詞給予的回答信息。 * `usage `：針對本次問答對 token 的統計信息。 其中 `choices` 是包含了 Claude 的回答信息，它裡面的 `choices` 是 Claude回答的具體信息，可以發現如圖所示。

可以看到，`choices` 裡面的 `content` 字段包含了 Claude 回覆的具體內容。 ## 流式響應 該介面也支持流式響應，這對網頁對接十分有用，可以讓網頁實現逐字顯示效果。 如果想流式返回響應，可以更改請求頭裡面的 `stream ` 參數，修改為 `true`。 修改如圖所示，不過調用代碼需要有對應的更改才能支持流式響應。

將 `stream` 修改為 `true` 之後，API 將逐行返回對應的 JSON 數據，在代碼層面我們需要做相應的修改來獲得逐行的結果。 Python 樣例調用代碼： ```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) ``` 輸出效果如下： ```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": "你好！"}, "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": " 我可以怎麼幫助你"}, "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": " 今天？"}, "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] ``` 可以看到，響應裡面有許多 `data` ，`data` 裡面的 `choices` 即為最新的回答內容，與上文介紹的內容一致。`choices` 是新增的回答內容，您可以根據結果來對接到您的系統中。同時流式響應的結束是根據 `data` 的內容來判斷的，如果內容為 `[DONE]`，則表示流式響應回答已經全部結束。返回的 `data` 結果一共有多個字段，介紹如下： * `id`，生成此次對話任務的 ID，用於唯一標識此次對話任務。 * `model `，選擇的 Claude 官網模型。 * `choices`，Claude 針對提問詞給予的回答信息。 JavaScript 也是支持的，比如 Node.js 的流式調用代碼如下： ```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: "你好" }], 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)); ``` Java 樣例代碼： ```java theme={null} JSONObject jsonObject = new JSONObject(); jsonObject.put("model", "claude-opus-4-20250514"); jsonObject.put("messages", [{"role":"user","content":"你好"}]); 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()) ``` 其他語言可以另外自行改寫，原理都是一樣的。 ## 多輪對話 如果您想要對接多輪對話功能，需要對 `messages` 字段上傳多個提問詞，多個提問詞的具體示例如下圖所示：

Python 樣例調用代碼： ```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":"你好"},{"role":"assistant","content":"你好！我可以怎麼幫助你今天？"},{"role":"user","content":"我剛才說了什麼？"}] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` 透過上傳多個提問詞，就可以輕鬆實現多輪對話，可以得到如下回答： ```json theme={null} { "id": "msg_bdrk_01Y1wfQmd89g968TVbFu57Yc", "model": "claude-opus-4-20250514", "object": "chat.completion", "created": 1768619674, "choices": [ { "index": 0, "message": { "role": "assistant", "content": "你說了「你好」 - 那是你在我們對話中的第一條消息。" }, "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 } } ``` 可以看到，`choices` 包含的信息与基本使用的内容是一致的，这个包含了 Claude 针对多个对话进行回复的具体内容，这样就可以根据多个对话内容来回答对应的问题了。 ## 深度思考模型 claude-opus-4-20250514-thinking 和 claude-sonnet-4-20250514-thinking 模型与其它模型不同，它可以根据提问词来进行深度思考来回答，并且将思考过程的结果返回给你，本文将通过一个具体示例来演示深度思考功能，接下来就可以在 Claude Chat Completion API 界面上填写对应的内容，如图所示：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

调用之后，我们发现返回结果如下： ```json theme={null} { "id": "msg_018J4YaRoGHtbsTVb4Vvz7oH", "object": "chat.completion", "created": 1755444014, "model": "claude-sonnet-4-20250514-thinking", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "30度的正弦是 **1/2** 或 **0.5**。\n\n这是一个基本的三角函数值。在一个30-60-90的三角形中，边的比例为1:√3:2，其中与30°角相对的边长为1，斜边长为2，因此我们得到 sin(30°) = 1/2。", "reasoning_content": "用户在询问30度的正弦值。这是一个基本的三角函数问题。\n\n30度的正弦值是一个众所周知的值。在一个30-60-90的三角形中，边的比例为1:√3:2。\n\n对于30°角：\n- 对边是1\n- 斜边是2\n- 所以 sin(30°) = 对边/斜边 = 1/2 = 0.5\n\n这是一个常被记住的标准三角函数值。" }, "logprobs": null, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 60, "completion_tokens": 239, "total_tokens": 299, "prompt_tokens_details": { "cached_tokens_details": {} }, "completion_tokens_details": {} } } ``` 可以看到，`choices` 里面的回答信息是经过深度思考后得到的，并且也给出了相关的思考过程内容，其中在`content`中`reasoning_content`表示模型的思考过程。`choices` 里面的回答信息是要通过 `markdown` 语法进行渲染，这样才能获得最佳的体验，最后这也体现出我们模型的联网功能的强大优势。 ## 视觉模型 claude-sonnet-4-20250514 是 Claude 开发的多模态大型语言模型,它在 claude-4 的基础上增加了视觉理解能力。这个模型可以同时处理文本和图像输入,实现了跨模态的理解和生成。 使用 claude-sonnet-4-20250514 模型的文本处理是与上文的基本使用内容一致的，下面将简要介绍一下如果使用模型的图像处理能力。 使用 claude-sonnet-4-20250514 模型的图像处理能力主要是通过在原有的 `content` 内容基础上添加一个 `type` 字段，通过该字段可以知道上传的是文本还是图片，从而使用 claude-sonnet-4-20250514 模型的图像处理能力，下面主要讲述采用 Curl 和 Python 俩种方式来调用该功能。 * Curl 脚本方式 ``` 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": "这张图片里有什么？" }, { "type": "image_url", "image_url": { "url": "https://cdn.xhuoapi.ai/ueugot.png" } } ] } ] }' ``` * Python 脚本方式 ```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": "这张图片里有什么？" }, { "type": "image_url", "image_url": { "url": "https://cdn.xhuoapi.ai/ueugot.png" } }, ], } ] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` 然后可以得到下面的结果，结果里面的字段信息是与上文一致的，具体的如下： ```json theme={null} { "id": "msg_bdrk_01NCrxpZmV17bhQJJRQEFEb9", "model": "claude-sonnet-4-20250514", "object": "chat.completion", "created": 1768628904, "choices": [ { "index": 0, "message": { "role": "assistant", "content": "这张图片显示的是一个API请求配置界面，似乎是一个AI聊天完成服务。以下是关键元素：\n\n**请求体参数：**\n\n1. **model**（必需字符串） - 设置为 \"claude-opus-4-202505...\" - 指定使用哪个AI模型\n\n2. **messages**（必需数组） - 包含对话历史，包含：\n - **role**（必需字符串） - 设置为 \"user\" \n - **content**（必需字符串） - 包含 \"Hello\" 作为消息内容\n\n3. **stream**（布尔值） - 设置为 \"true\" - 启用部分消息增量，如同ChatGPT\n\n4. **max_tokens**（数字） - 设置响应中可以生成的最大令牌数的字段\n\n5. **n**（数字） - 指定为每个输入生成多少个聊天完成选项\n\n该界面具有深色主题，白色文本在黑色/深灰色背景上。右下角有一个 \"填充示例\" 按钮，以及各种下拉菜单和输入字段用于配置API请求参数。可以看到一个红色的垃圾桶/删除图标，可能用于删除消息条目。" }, "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 } } ``` 可以看到回答的内容是基于圖片進行回答的，因此通過上述兩種方式可以輕鬆使用 claude-3-7-sonnet-20250219 模型的文本和圖像處理能力。 ## 錯誤處理 在調用 API 時，如果遇到錯誤，API 會返回相應的錯誤代碼和信息。例如： * `400 token_mismatched`：錯誤的請求，可能是由於缺少或無效的參數。 * `400 api_not_implemented`：錯誤的請求，可能是由於缺少或無效的參數。 * `401 invalid_token`：未授權，無效或缺少授權令牌。 * `429 too_many_requests`：請求過多，您已超過速率限制。 * `500 api_error`：內部伺服器錯誤，伺服器出現問題。 ### 錯誤響應示例 ``` { "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## 結論 通過本文檔，您已經了解了如何使用 Claude Chat Completion API 輕鬆實現官方 Claude 的對話功能。希望本文檔能幫助您更好地對接和使用該 API。如有任何問題，請隨時聯繫我們的技術支持團隊。