Claude 模型实战：Anthropic 的安全对话助手

FreeGuideOnline 最新 2026-06-22

bash pip install anthropic


### 设置鉴权与客户端

```python
import anthropic

client = anthropic.Anthropic(api_key="your-api-key-here")

实际部署时，请将密钥放入环境变量：

import os
client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

发送第一条消息

以下调用使用 claude-3-haiku-20240307 模型，成本低、响应快：

message = client.messages.create(
    model="claude-3-haiku-20240307",
    max_tokens=500,
    temperature=0.7,
    system="你是一位友好的编程助手，请使用中文回答。",
    messages=[
        {"role": "user", "content": "用 Python 写一个斐波那契数列生成器"}
    ]
)

print(message.content[0].text)

参数说明：

model：指定模型 ID，可替换为 claude-3-sonnet-20240229 或 claude-3-opus-20240229。
max_tokens：模型最多输出的 token 数量，防止过长响应。
temperature：控制随机性，0.0 为确定性输出，1.0 为最大创意。
system：系统提示词，设定整体角色和行为。
messages：对话消息列表，必须包含 role（user 或 assistant）和 content。

多轮对话管理

Claude API 支持多轮对话上下文，只需按顺序保留之前的用户与助手消息即可：

history = [
    {"role": "user", "content": "你好，请问你可以做什么？"},
    {"role": "assistant", "content": "你好！我可以回答各类问题、创作文案、写代码、解释概念……"}
]

new_question = {"role": "user", "content": "帮我写一首关于春天的五言绝句"}
history.append(new_question)

response = client.messages.create(
    model="claude-3-sonnet-20240229",
    max_tokens=300,
    messages=history
)

# 将助手回复也加入历史
assistant_reply = response.content[0].text
history.append({"role": "assistant", "content": assistant_reply})

注意：当前会话的上下文窗口很大（200K tokens），但过长的历史会增加费用和延迟。实际应用中可只保留最近几轮对话，或通过摘要压缩历史。

系统提示词设计技巧

系统提示词（system prompt）是控制 Claude 行为的关键。一份好的提示词应包含：

角色定义：明确 Claude 的身份，如“你是一个专业的法律顾问”。
语气风格：指定友好、正式、简洁等语调。
行为边界：说明哪些话题应拒绝或谨慎回应。
输出格式：要求以 JSON、Markdown 或列表形式输出。

示例：

你是一个美食推荐助手，名字叫“饭团团”。你的回答应该：
- 亲切幽默，像朋友一样聊天
- 每次推荐不超过三个选项，并附上简单理由
- 如果用户没有指定菜系或地点，主动追问以缩小范围
- 遇到健康饮食建议时，先声明“我不是医生，以下仅供参考”

将此段文字赋值给 system 参数，Claude 就会严格按照设定互动。

安全与合规实践

内容过滤与拒绝机制

Claude 默认拒绝有害、非法、成人内容等请求。开发者无需额外过滤，但仍建议：

前后置检查：在用户输入前后增加自定义关键词过滤，防止提示注入。
监控异常：记录 API 调用日志，及时审查被拒绝的请求，评估是否误判。
用户通知：当模型因安全原因拒绝回答时，向用户展示温和的提示信息。

数据处理与隐私

默认情况下，Anthropic 不会使用客户 API 数据训练模型（具体参见最新隐私政策）。
对于敏感应用，可申请专用实例或私有云部署方案。
切勿在提示词或历史中发送个人身份信息（PII），除非必要，并确保符合 GDPR 等法规。

应对提示注入

攻击者可能尝试通过伪造消息绕过限制。防御措施：

使用清晰的 system prompt 强调最高优先级规则。
将用户输入与系统指令隔离，例如用 XML 标签包裹用户内容：
```
<user_input>用户实际输入</user_input>
```
部署时加入简单的输入验证（长度、特殊字符比率等）。

高级功能

流式输出

对于生成长文本或需实时展示的场景，启用流式模式：

with client.messages.stream(
    model="claude-3-sonnet-20240229",
    max_tokens=1000,
    messages=[{"role": "user", "content": "讲述一个关于勇气的小故事"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

工具调用与结构化输出

Claude 3 支持工具调用（Function Calling），可让模型决定调用外部 API 并返回有序数据结构。用法类似其他模型的函数调用机制，需要在 tools 参数中定义函数描述，模型会返回 tool_use 内容块。

简单示例（查询天气）：

tools = [
    {
        "name": "get_weather",
        "description": "获取指定城市的当前天气",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名称，如 Beijing"}
            },
            "required": ["city"]
        }
    }
]

response = client.messages.create(
    model="claude-3-opus-20240229",
    max_tokens=200,
    tools=tools,
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}]
)

随后可解析响应中的工具调用请求，执行实际函数并将结果返回给模型继续对话。

视觉能力

传入图片时，将 content 改为列表形式，包含文本和图像块：

import base64

with open("photo.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode("utf-8")

message = client.messages.create(
    model="claude-3-opus-20240229",
    max_tokens=300,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "描述这张图片的内容"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": image_data
                    }
                }
            ]
        }
    ]
)