Claude API 在 macOS 上的实战入门指南：从环境配置到首个 AI 应用开发

1次阅读

共计 2163 个字符，预计需要花费 6 分钟才能阅读完成。

Homebrew 是 macOS 上不可或缺的包管理工具，我们首先通过终端安装它：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

安装完成后，建议将 Homebrew 添加到环境变量：

echo 'eval"$(/opt/homebrew/bin/brew shellenv)"' >> ~/.zshrc
source ~/.zshrc

推荐使用 pyenv 管理多版本 Python 环境：

brew install pyenv
pyenv install 3.9.7  # 选择稳定版本
pyenv global 3.9.7

验证安装：

python --version
pip --version

pip install anthropic python-dotenv

登录 Anthropic 控制台创建 API Key
在项目根目录创建 .env 文件：

ANTHROPIC_API_KEY=your_actual_key_here

创建 claude_demo.py：

import os
from dotenv import load_dotenv
from anthropic import Anthropic, HUMAN_PROMPT, AI_PROMPT

# 加载环境变量
load_dotenv()

# 初始化客户端
client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

def basic_chat(prompt):
    """
    基础对话函数
    :param prompt: 用户输入内容
    :return: AI 生成的响应
    """
    try:
        response = client.completions.create(prompt=f"{HUMAN_PROMPT} {prompt}{AI_PROMPT}",
            model="claude-2",
            max_tokens_to_sample=1000,
        )
        return response.completion
    except Exception as e:
        print(f"API 调用出错: {str(e)}")
        return None

if __name__ == "__main__":
    user_input = input("请输入您的问题:")
    print("思考中...\n")
    print(basic_chat(user_input))

对于长文本场景，建议启用流式响应：

def stream_chat(prompt):
    with client.completions.create(prompt=f"{HUMAN_PROMPT} {prompt}{AI_PROMPT}",
        model="claude-2",
        max_tokens_to_sample=1000,
        stream=True,
    ) as stream:
        for completion in stream:
            print(completion.completion, end="", flush=True)

特性	Claude API	OpenAI API	Cohere API
认证方式	API Key + JWT	API Key	API Key
本地响应速度	中等	较快	较慢
文档完整性	★★★★☆	★★★★★	★★★☆☆
错误信息友好度	★★★★☆	★★★☆☆	★★★★☆
流式响应支持	完善	完善	部分支持

认证失败问题
现象：401 Unauthorized
检查 .env 文件是否在项目根目录
确保环境变量加载代码在 API 调用前执行
模型版本混淆
Claude-2 是当前稳定版本
旧版代码使用 claude-v1 会导致调用失败
Token 超限错误
计算 prompt + max_tokens 总和不超过模型限制
中文文本需注意 1 个汉字 ≈ 2 tokens
流式响应中断
确保使用 with 语句管理连接
网络不稳定时建议添加重试机制

本地缓存策略

from diskcache import Cache

cache = Cache("./claude_cache")

@cache.memoize(expire=3600)
def cached_chat(prompt):
    return basic_chat(prompt)

并发请求处理

from concurrent.futures import ThreadPoolExecutor

def batch_chat(prompts):
    with ThreadPoolExecutor(max_workers=5) as executor:
        return list(executor.map(basic_chat, prompts))