用Claude API打造多轮对话机器人：从基础到工程化实战指南

一、引言：Claude API实战场景

在体验完Claude的Web端交互（Artifacts）后，开发者和企业更希望将Claude能力嵌入到自身系统中，实现自动化对话与AI集成应用。而实现这一目标的关键就是：掌握Claude的API调用方式。

二、快速熟悉Claude的API可视化控制台

Claude控制台提供了一种直观的API调试体验，开发者可在其中：

• 设计提示（Prompt）
• 调整参数（如 temperature、max_tokens）
• 选择模型版本（如 Claude 3.5 Sonnet、Haiku、Opus）
• 一键生成 Python 示例代码

这个阶段无需编码，有助于快速理解 Claude 的对话逻辑和模型响应行为。

---

三、核心函数：一行代码启动智能对话

Claude Python SDK 中的 client.messages.create() 是多轮对话的关键函数。它封装了大部分功能，只需传入三个必选参数：

• model：选择使用的 Claude 模型（如 "claude-3-sonnet-20240229"）
• messages：历史对话消息列表，包含角色与内容
• max_tokens：限制模型回复的最大长度，控制成本与响应时间（3.5sonnet的范围为1~8192）

同时，也支持 temperature、system、stop_sequences 等高级参数。

---

四、对话数据结构详解

Claude 多轮对话依赖消息历史列表（messages）实现上下文记忆：

[    {"role": "user", "content": "我是super man"},    {"role": "assistant", "content": "你好，super man"},    {"role": "user", "content": "太阳为什么不会被高温蒸发？"}]

第一条必须是 "user"，后续交替出现 "assistant" 与 "user"，Claude会根据历史上下文生成更合理的回复。

---

五、实战实现：命令行交互式多轮机器人

通过简单的命令行程序，即可实现持续记忆的对话：

conversation = []

while True:
    question = input("你：")
    if question.lower() == "exit":
        break
    conversation.append({"role": "user", "content": question})
    response = client.messages.create(
        model="claude-3-sonnet-20240229",
        messages=conversation,
        max_tokens=1024
    )
    answer = response.content[0].text
    print("Claude：", answer)
    conversation.append({"role": "assistant", "content": answer}) //把模型的回答append到conversation，并且在下次对话的时候，一并给到模型，从而实现多轮对话的功能

此脚本可实现持久记忆的多轮对话，Claude能准确理解并延续用户前几轮提问内容。

---

六、工程化优化：面向对象封装对话系统

为了增强维护性与可扩展性，可将对话逻辑封装为类结构：

当然可以，以下是一个完整的 ClaudeConversation 类的使用示例，展示如何在命令行中与 Claude 实现多轮对话，整个过程包含类的定义、初始化、用户交互、调用 Claude API，并持续追加对话历史。

---

🔧 1. 安装 SDK

确保你已安装官方 SDK：

pip install anthropic

---

🧠 2. 类定义：ClaudeConversation

from anthropic import Anthropic

class ClaudeConversation:
    def __init__(self, api_key: str, model_name: str = "claude-3-sonnet-20240229"):
        self.client = Anthropic(api_key=api_key)
        self.model = model_name
        self.history = []

    def add_user_message(self, text: str):
        self.history.append({"role": "user", "content": text})

    def add_assistant_message(self, text: str):
        self.history.append({"role": "assistant", "content": text})

    def get_response(self, max_tokens: int = 1024) -> str:
        response = self.client.messages.create(
            model=self.model,
            max_tokens=max_tokens,
            messages=self.history,
        )
        answer = response.content[0].text
        self.add_assistant_message(answer)
        return answer

    def get_history(self):
        return self.history

---

💬 3. 命令行交互：使用 ClaudeConversation 进行多轮对话

if __name__ == "__main__":
    import os

    # 替换为你的 API 密钥
    API_KEY = os.getenv("CLAUDE_API_KEY", "sk-你的API密钥")

    bot = ClaudeConversation(api_key=API_KEY)

    print("欢迎使用 Claude 多轮对话机器人，输入 exit 退出对话。")

    while True:
        user_input = input("你：")
        if user_input.strip().lower() in ["exit", "退出", "quit"]:
            print("会话已结束。")
            break
        bot.add_user_message(user_input)
        reply = bot.get_response()
        print(f"Claude：{reply}")

---

📦 示例输出：

你：我叫小明
Claude：你好，小明！很高兴认识你😊

你：你还记得我叫什么吗？
Claude：当然记得，你刚才说你叫小明。

---

七、进阶技巧：缓存策略与模型选择

Claude API 支持设置 system 提示、缓存控制等高级能力：

• 使用 system 指定AI角色设定（如"你是一位助人为乐的助手"）
• 设置 cache: control = "prior" 可命中缓存，提高效率、降低成本
• 灵活切换模型（如 Haiku、Sonnet、Opus）以平衡性能与价格