从零开始：使用Claude API快速构建自定义Skill的完整指南

1次阅读

共计 2140 个字符，预计需要花费 6 分钟才能阅读完成。

Claude 作为新一代 AI 助手，其 API 可以让我们快速构建各种智能对话技能。无论是客服机器人、个性化推荐系统，还是专业领域的知识问答工具，Claude Skill 都能很好地胜任。相比自己从头训练模型，使用 Claude API 有三大优势：

无需担心模型训练和调优，直接获得高质量的对话能力
支持超长上下文（最高 100K tokens），适合复杂场景
提供简单易用的 API 接口，开发门槛低

在开始之前，我们需要做好以下准备工作：

注册 Anthropic 账号并获取 API 密钥
安装 Python 3.7+ 环境
安装必要的 Python 包

具体步骤如下：

访问 Anthropic 官网注册账号
在开发者控制台创建 API 密钥
在本地终端运行：pip install anthropic python-dotenv

建议将 API 密钥保存在.env 文件中：

ANTHROPIC_API_KEY=your_api_key_here

下面我们来实现一个基础的天气查询 Skill。完整代码如下：

import os
from dotenv import load_dotenv
import anthropic

# 加载环境变量
load_dotenv()

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

# 定义系统提示词
system_prompt = """ 你是一个专业的天气助手，能够根据用户提供的位置信息，返回当地的天气情况。如果用户没有提供具体位置，请礼貌地询问。回答要简洁专业。"""

# 处理用户查询
def get_weather_response(user_query, conversation_history=[]):
    messages = [{"role": "system", "content": system_prompt}
    ] + conversation_history + [{"role": "user", "content": user_query}
    ]

    response = client.messages.create(
        model="claude-3-opus-20240229",
        max_tokens=1024,
        messages=messages
    )

    return response.content[0].text

# 示例使用
if __name__ == "__main__":
    history = []
    while True:
        user_input = input("你:")
        if user_input.lower() == "exit":
            break

        response = get_weather_response(user_input, history)
        print(f"天气助手: {response}")
        history.append({"role": "user", "content": user_input})
        history.append({"role": "assistant", "content": response})

代码中的 conversation_history 参数是关键，它保存了完整的对话记录。每次交互时，我们会：

将系统提示、历史对话和新用户输入组合成完整消息
发送给 Claude API
将新对话加入历史记录

这种设计支持多轮对话，上下文长度受 context window 限制（默认 200K tokens）。

将 Skill 部署到生产环境的步骤：

选择合适的部署平台（如 AWS Lambda、Vercel 等）
将代码封装为 API 接口（推荐使用 FastAPI）
设置环境变量
配置监控和日志

以下是 FastAPI 的简单实现：

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Query(BaseModel):
    text: str
    history: list = []

@app.post("/weather")
async def weather(query: Query):
    response = get_weather_response(query.text, query.history)
    return {"response": response}