Claude与DeepSeek代码解析：大模型新手入门实战指南

1次阅读

共计 2368 个字符，预计需要花费 6 分钟才能阅读完成。

对于刚接触大模型开发的 AI 新手来说，通常会面临几个主要的技术挑战：

Token 限制 ：大多数模型都有单次请求的 token 上限（如 Claude 的 100k tokens），需要合理切割长文本
Prompt 工程 ：如何设计有效的提示词直接影响模型输出质量，需要反复调试
API 响应延迟 ：大模型推理需要时间，需处理好异步或流式响应
费用控制 ：API 调用按 token 计费，不当使用可能导致意外成本

Claude：
使用 Bearer Token 认证
需在 Anthropic 控制台生成 API 密钥
DeepSeek：
支持 API Key 和 OAuth2.0
密钥可在官方平台申请

特性	Claude	DeepSeek
必填参数	model, messages	model, prompt
温度参数	temperature	top_p
流式响应	stream=True	streaming=True
最大 tokens	max_tokens	max_new_tokens

pip install anthropic deepseek-openai python-dotenv

import anthropic
from deepseek_openai import DeepSeek
import os
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()

# Claude 初始化
claude_client = anthropic.Anthropic(api_key=os.getenv("CLAUDE_API_KEY")
)

# DeepSeek 初始化
deepseek_client = DeepSeek(api_key=os.getenv("DEEPSEEK_API_KEY")
)

def generate_text(prompt: str, model: str = "claude"):
    try:
        if model == "claude":
            response = claude_client.messages.create(
                model="claude-3-opus-20240229",
                max_tokens=1000,
                temperature=0.7,
                messages=[{"role": "user", "content": prompt}]
            )
            return response.content[0].text
        else:
            response = deepseek_client.Completion.create(
                model="deepseek-chat",
                prompt=prompt,
                max_new_tokens=1000,
                top_p=0.9
            )
            return response.choices[0].text
    except Exception as e:
        print(f"生成失败: {str(e)}")
        return None

# 使用示例
print(generate_text("请用中文解释神经网络的工作原理"))

def stream_response(prompt: str, model: str = "claude"):
    try:
        if model == "claude":
            with claude_client.messages.stream(
                model="claude-3-sonnet-20240229",
                max_tokens=2000,
                messages=[{"role": "user", "content": prompt}]
            ) as stream:
                for chunk in stream:
                    print(chunk.content[0].text, end="", flush=True)
        else:
            response = deepseek_client.Completion.create(
                model="deepseek-chat",
                prompt=prompt,
                max_new_tokens=2000,
                stream=True
            )
            for chunk in response:
                print(chunk.choices[0].text, end="", flush=True)
    except KeyboardInterrupt:
        print("\n 用户中断")
    except Exception as e:
        print(f"\n 流式请求失败: {str(e)}")

# 使用示例
stream_response("编写一个 Python 实现的快速排序算法")

实现请求队列管理，避免突发大量请求
使用指数退避重试机制（示例）：

import time
from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def safe_api_call(prompt):
    return generate_text(prompt)