Ansökan och användning av Claude Chat Completion API

Anthropic Claude är ett mycket kraftfullt AI-konversationssystem som kan generera flytande och naturliga svar på bara några sekunder genom att mata in promptord. Claude utmärker sig i branschen med sin enastående språkförståelse och genereringsförmåga. I dag används Claude redan brett inom olika branscher och områden, och dess inflytande blir allt mer betydande. Oavsett om det gäller vardagliga samtal, kreativt skrivande eller professionell rådgivning och kodprogrammering kan Claude erbjuda häpnadsväckande intelligent hjälp, vilket avsevärt förbättrar människors arbetseffektivitet och kreativitet. Detta dokument introducerar främst användningsflödet för Claude Chat Completion API-operationer. Med hjälp av det kan vi enkelt använda den officiella Claude:s konversationsfunktion.

Ansökningsprocess

För att använda Claude Chat Completion API, gå först till Ace Data Cloud-konsolen för att hämta din API Token och spara den för senare användning.

Om du ännu inte har loggat in eller registrerat dig kommer du automatiskt att omdirigeras till inloggningssidan för att registrera och logga in dig. När det är klart återvänder du automatiskt till den aktuella sidan. En API Token kan anropa alla plattformstjänster, utan att behöva ansöka separat för varje tjänst. Vid första ansökan får du gratis kredit och kan prova kostnadsfritt; när krediten inte räcker till kan du ladda på det gemensamma saldot i konsolen.

📘 Fullständig dokumentation: Claude Chat Completion API →

Grundläggande användning

Därefter kan du fylla i motsvarande innehåll i gränssnittet, som visas i figuren:

Vid första användningen av detta gränssnitt behöver vi åtminstone fylla i tre saker. Den ena är authorization, som du direkt kan välja i rullgardinslistan. Den andra parametern är model, och det rekommenderas att använda den senaste flaggskeppsmodellen claude-fable-5-1; den tidigare claude-fable-5 kan fortfarande anropas. Den sista parametern är messages, som är en frågeordsarray där varje element innehåller role och content; role stöder user, assistant, system, och content är det konkreta innehållet. Claude Fable 5.1 stöder 1 miljon Token kontext och högst 128K Token utdata. Samtidigt kan du observera att det finns motsvarande genererad anropskod till höger. Du kan kopiera koden och köra den direkt, eller direkt klicka på knappen ”Try” för att testa. Vanliga valfria parametrar:

max_tokens: Begränsar det maximala antalet token i ett enskilt svar.
temperature: Slumpmässighet vid generering, mellan 0 och 2, ju större värde desto mer spridd.
n: Hur många kandidatsvar som genereras åt gången.
response_format: Inställningar för returformat.

Efter anropet ser vi att returresultatet är följande:

{
  "id": "msg_bdrk_01Q6WN27v95ypCa1kbanAQ6K",
  "model": "claude-opus-4-8",
  "object": "chat.completion",
  "created": 1768619365,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 8,
    "completion_tokens": 12,
    "total_tokens": 20,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

Returresultatet har flera fält, som introduceras nedan:

id, ID:t för den genererade konversationsuppgiften, används för att unikt identifiera denna konversationsuppgift.
model , den valda modellen från Claudes officiella webbplats.
choices, svarsinformation som Claude ger för promptorden.
usage : Statistik över token för denna frågestund.

I Chat Completions-formatet är usage.prompt_tokens den totala inmatningsmängden; prompt_tokens_details.cached_tokens och prompt_tokens_details.cache_write_tokens registrerar respektive detaljer för läsning och skrivning av cache. completion_tokens_details.reasoning_tokens är en delmängd av completion_tokens, och ska inte adderas igen vid beräkning av total mängd eller kostnad. Icke-strömmande svar kan också returnera objektet usage.cost, där amount är den faktiska kreditförbrukningen, currency är mätenheten och list_amount är beloppet före rabatt (om tillämpligt). Det Chat-kompatibla fältnamnet är reasoning_tokens; det ursprungliga Messages API använder output_tokens_details.thinking_tokens. De två protokollen har olika wire schema, och klienten bör inte blanda fältnamnen. Bland dessa innehåller choices Claudes svarsinformation, och choices i den är den konkreta informationen i Claudes svar, vilket kan ses som i figuren.

Det går att se att fältet content i choices innehåller det konkreta innehållet i Claudes svar.

Strömmande svar

Detta gränssnitt stöder också strömmande svar, vilket är mycket användbart för webbanslutning och gör att webbsidan kan uppnå en effekt där text visas tecken för tecken. Om du vill returnera svaret strömmande kan du ändra parametern stream i begärandehuvudet till true. Ändringen visas i figuren, men anropskoden behöver ändras på motsvarande sätt för att stödja strömmande svar.

Efter att stream har ändrats till true returnerar API:et motsvarande JSON-data rad för rad, och på kodnivå behöver vi göra motsvarande ändringar för att få resultatet rad för rad. Exempel på Python-anropskod:

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-opus-4-20250514",
    "messages": [{"role":"user","content":"Hello"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Uteffekten är följande:

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": ""}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "Hello!"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " How can I help you"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " today?"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [], "usage": {"prompt_tokens": 8, "completion_tokens": 12, "total_tokens": 20, "prompt_tokens_details": {"cached_tokens": 0, "cache_write_tokens": 0}, "completion_tokens_details": {"reasoning_tokens": 0}}}

data: [DONE]

Det går att se att det finns många data i svaret, och choices i data är det senaste svars-innehållet, vilket överensstämmer med innehållet som introducerades ovan. choices är det nytillagda svars-innehållet, och du kan integrera det i ditt system utifrån resultatet. Samtidigt avgörs slutet på det strömmande svaret utifrån innehållet i data; om innehållet är [DONE] betyder det att det strömmande svaret har avslutats helt. Det returnerade data-resultatet har flera fält, som introduceras nedan:

id, ID:t som genererar denna konversationsuppgift, används för att unikt identifiera denna konversationsuppgift.
model , den valda modellen från Claudes officiella webbplats.
choices, svarsinformationen som Claude ger för frågeordet.

JavaScript stöds också, till exempel är den strömmande anropskoden för Node.js följande:

const options = {
  method: "post",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json",
  },
  body: JSON.stringify({
    model: "claude-opus-4-20250514",
    messages: [{ role: "user", content: "Hello" }],
    stream: true,
  }),
};

fetch("https://api.acedata.cloud/v1/chat/completions", options)
  .then((response) => response.json())
  .then((response) => console.log(response))
  .catch((err) => console.error(err));

Java-exempelkod:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "claude-opus-4-20250514");
jsonObject.put("messages", [{"role":"user","content":"Hello"}]);
jsonObject.put("stream", true);
MediaType mediaType = "application/json; charset=utf-8".toMediaType();
RequestBody body = jsonObject.toString().toRequestBody(mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/v1/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.print(response.body!!.string())

Andra språk kan också skrivas om separat, principen är densamma.

Fleromgångskonversation

Om du vill integrera funktionen för flersvängskonversationer behöver du skicka flera frågeord i fältet messages; ett specifikt exempel på flera frågeord visas i bilden nedan:

Python-exempelkod för anrop:

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-opus-4-20250514",
    "messages": [{"role":"user","content":"Hello"},{"role":"assistant","content":"Hello! How can I help you today?"},{"role":"user","content":"What I say just now?"}]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Genom att skicka flera frågeord kan flersvängskonversationer enkelt implementeras, och följande svar kan erhållas:

{
  "id": "msg_bdrk_01Y1wfQmd89g968TVbFu57Yc",
  "model": "claude-opus-4-20250514",
  "object": "chat.completion",
  "created": 1768619674,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "You said \"Hello\" - that was your first message to me in our conversation."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 29,
    "completion_tokens": 20,
    "total_tokens": 49,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

Det går att se att informationen som choices innehåller överensstämmer med innehållet för grundläggande användning. Detta innehåller det specifika innehållet i Claudes svar för flera konversationer, så att motsvarande frågor kan besvaras baserat på innehållet i flera konversationer.

Djupgående tänkande

Den nya generationen av Claude-modeller kan möjligen resonera enligt modellens standardstrategi, utan att behöva aktiveras genom modelländelsen -thinking. Chat-compatible-svar använder det OpenAI-kompatibla usage-fältet completion_tokens_details.reasoning_tokens. reasoning_tokens ingår redan i completion_tokens, lägg inte ihop dem två gånger. Resonemang och synlig brödtext delar gränsen för output-token, därför kan brödtexten vara tom eller avkortad när max_tokens är lågt; om detta inträffar, öka output-budgeten eller välj en lägre resonemangsinsats när modellen som används stöder det. Om du behöver inbyggt thinking, output_config.effort, thinking-innehållsblock och återföring av signaturer, använd /v1/messages. Usage-fältet som motsvarar Messages är output_tokens_details.thinking_tokens, blanda inte ihop det med Chat-compatible:s completion_tokens_details.reasoning_tokens.

Visuell modell

claude-sonnet-4-20250514 är en multimodal stor språkmodell utvecklad av Claude, den har lagt till visuell förståelseförmåga på basis av claude-4. Denna modell kan samtidigt behandla text- och bildindata och har uppnått förståelse och generering över olika modaliteter. Textbehandling med modellen claude-sonnet-4-20250514 är förenlig med det grundläggande användningsinnehållet ovan, nedan följer en kort introduktion till hur man använder modellens bildbehandlingsförmåga. Bildbehandlingsförmågan hos modellen claude-sonnet-4-20250514 används huvudsakligen genom att lägga till ett type-fält på basis av det ursprungliga content-innehållet. Genom detta fält kan man veta om det som laddas upp är text eller bild och därmed använda bildbehandlingsförmågan hos modellen claude-sonnet-4-20250514. Nedan beskrivs huvudsakligen hur denna funktion anropas med två metoder: Curl och Python.

Curl-skriptmetod

curl -X POST 'https://api.acedata.cloud/v1/chat/completions' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
    "model": "claude-sonnet-4-20250514",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What'\''s in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://cdn.acedata.cloud/ueugot.png"
            }
          }
        ]
      }
    ]
  }'

Python-skriptmetod

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-sonnet-4-20250514",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text", "text": "What's in this image?"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://cdn.acedata.cloud/ueugot.png"
                    }
                },
            ],
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Därefter kan följande resultat erhållas, fältinformationen i resultatet överensstämmer med ovanstående, specifikt enligt följande:

{
  "id": "msg_bdrk_01NCrxpZmV17bhQJJRQEFEb9",
  "model": "claude-sonnet-4-20250514",
  "object": "chat.completion",
  "created": 1768628904,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "This image shows an API request configuration interface for what appears to be an AI chat completion service. Here are the key elements:\n\n**Request Body Parameters:**\n\n1. **model** (required string) - Set to \"claude-opus-4-202505...\" - specifies which AI model to use\n\n2. **messages** (required array) - Contains the conversation history with:\n   - **role** (required string) - Set to \"user\" \n   - **content** (required string) - Contains \"Hello\" as the message content\n\n3. **stream** (boolean) - Set to \"true\" - enables partial message deltas like in ChatGPT\n\n4. **max_tokens** (number) - Field for setting maximum tokens that can be generated in the response\n\n5. **n** (number) - Specifies how many chat completion choices to generate for each input\n\nThe interface has a dark theme with white text on black/dark gray backgrounds. There's a \"Fill Example\" button at the bottom right and various dropdown menus and input fields for configuring the API request parameters. A red trash/delete icon is visible, likely for removing message entries."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 1570,
    "completion_tokens": 252,
    "total_tokens": 1822,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

Man kan se att innehållet i svaret är baserat på bilden, därför kan man enkelt använda text- och bildbehandlingsförmågan hos modellen claude-3-7-sonnet-20250219 genom ovanstående två metoder.

Felhantering

Vid anrop av API:t kommer API:t, om ett fel uppstår, att returnera motsvarande felkod och information. Till exempel:

400 token_mismatched: Felaktig begäran, möjligen på grund av saknade eller ogiltiga parametrar.
400 api_not_implemented: Felaktig begäran, möjligen på grund av saknade eller ogiltiga parametrar.
401 invalid_token: Obehörig, ogiltig eller saknad auktoriseringstoken.
429 too_many_requests: För många begäranden, du har överskridit hastighetsgränsen.
500 api_error: Internt serverfel, något gick fel på servern.

Exempel på felsvar

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Slutsats

Genom detta dokument har du redan förstått hur du använder Claude Chat Completion API för att enkelt implementera den officiella Claudes dialogfunktion. Vi hoppas att detta dokument kan hjälpa dig att bättre integrera och använda detta API. Om du har några frågor, kontakta gärna vårt tekniska supportteam när som helst.

Getting Started

AI Samtal

AI Bild

AI Video

AI Ljud

Web & Data

CAPTCHA

Identitet

Coding

Fler guider

Ansökan och användning av Claude Chat Completion API

Ansökningsprocess

Grundläggande användning

Strömmande svar

Fleromgångskonversation

Djupgående tänkande

Visuell modell

Felhantering

Exempel på felsvar

Slutsats

​Ansökningsprocess

​Grundläggande användning

​Strömmande svar

​Fleromgångskonversation

​Djupgående tänkande

​Visuell modell

​Felhantering

​Exempel på felsvar

​Slutsats

Ansökningsprocess

Grundläggande användning

Strömmande svar

Fleromgångskonversation

Djupgående tänkande

Visuell modell

Felhantering

Exempel på felsvar

Slutsats