Claude Chat Completion API 申請及使用

Anthropic Claude 是一款非常強大的 AI 對話系統，只要輸入提示詞，就能在短短幾秒內生成流暢自然的回覆。Claude 以其出色的語言理解和生成能力在業界獨樹一幟，如今，Claude 早已在各個產業和領域廣泛應用，其影響力愈發顯著。無論是日常對話、創意寫作，還是專業諮詢、程式編寫，Claude 都能提供令人驚嘆的智慧協助，極大地提高了人類的工作效率和創造力。本文檔主要介紹 Claude Chat Completion API 操作的使用流程，利用它我們可以輕鬆使用官方 Claude 的對話功能。

申請流程

要使用 Claude Chat Completion API，首先到 Ace Data Cloud 控制台取得您的 API Token，留作備用。

如果你尚未登入或註冊，會自動跳轉到登入頁面邀請你註冊和登入，完成後會自動返回目前頁面。 一個 API Token 即可呼叫平台所有服務，無需為每個服務單獨申請。 首次申請會贈送免費額度，可免費體驗；額度不足時可在控制台儲值通用餘額。

📘 完整文件：Claude Chat Completion API →

基本使用

接下來就可以在介面上填寫對應的內容，如圖所示：

在第一次使用該介面時，我們至少需要填寫三個內容，一個是 authorization，直接在下拉式清單裡面選擇即可。另一個參數是 model，可選 claude-opus-5-5、claude-fable-5-1 等公開型號；原 claude-fable-5 仍可繼續呼叫。最後一個參數是 messages，它是提問詞陣列，每個元素包含 role 和 content；role 支援 user、assistant、system，content 是具體內容。需要完整的 Claude 思考內容區塊、簽名與原生工具語意時，仍請使用 Messages API。同時您可以注意到右側有對應的呼叫程式碼生成，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。常用可選參數：

max_tokens：限制單次回覆的最大 token 數。
temperature：生成隨機性，0-2 之間，值越大越發散。
n：一次生成多少條候選回覆。
response_format：回傳格式設定。

claude-opus-5-5 支援一般與串流 Chat Completions；該型號只允許 n=1。不要為它設定低於 1 的 temperature 或非預設的 top_p，工具呼叫請使用 tool_choice: "auto"，不要強制指定工具。Chat 相容介面不會回傳原生思考內容區塊。

呼叫之後，我們發現回傳結果如下：

{
  "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
    }
  }
}

回傳結果一共有多個欄位，介紹如下：

id，生成此次對話任務的 ID，用於唯一識別此次對話任務。
model ，選擇的 Claude 官網模型。
choices，Claude 針對提問詞給予的回答資訊。
usage ：針對本次問答對 token 的統計資訊。

在 Chat Completions 格式中，usage.prompt_tokens 是輸入總量；prompt_tokens_details.cached_tokens 與 prompt_tokens_details.cache_write_tokens 分別記錄快取讀取和寫入明細。completion_tokens_details.reasoning_tokens 是 completion_tokens 的子集，計算總量或費用時不要再次相加。非串流回應還可能回傳 usage.cost 物件，其中 amount 是實際額度消耗、currency 是計量單位，list_amount 是折扣前金額（如有）。 Chat-compatible 的欄位名是 reasoning_tokens；原生 Messages API 使用 output_tokens_details.thinking_tokens。兩種協定的 wire schema 不同，用戶端不應混用欄位名。其中 choices 是包含了 Claude 的回答資訊，它裡面的 choices 是 Claude 回答的具體資訊，可以發現如圖所示。

可以看到，choices 裡面的 content 欄位包含了 Claude 回覆的具體內容。

串流回應

該介面也支援串流回應，這對網頁串接十分有用，可以讓網頁實現逐字顯示效果。如果想串流回傳回應，可以更改請求標頭裡面的 stream 參數，修改為 true。修改如圖所示，不過呼叫程式碼需要有對應的更改才能支援串流回應。

將 stream 修改為 true 之後，API 將逐行回傳對應的 JSON 資料，在程式碼層面我們需要做相應的修改來取得逐行的結果。 Python 範例呼叫程式碼：

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)

輸出效果如下：

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": "你好！"}, "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": " 今天有什麼我可以幫您的"}, "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": {}, "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]

可以看到，回應裡面有許多 data，data 裡面的 choices 即為最新的回答內容，與上文介紹的內容一致。choices 是新增的回答內容，您可以根據結果來對接到您的系統中。同時串流回應的結束是根據 data 的內容來判斷的，如果內容為 [DONE]，則表示串流回應回答已經全部結束。返回的 data 結果一共有多個欄位，介紹如下：

id，產生此次對話任務的 ID，用於唯一識別此次對話任務。
model ，選擇的 Claude 官網模型。
choices，Claude 針對提問詞給予的回答資訊。

JavaScript 也是支援的，例如 Node.js 的串流呼叫程式碼如下：

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 範例程式碼：

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())

其他語言可以另外自行改寫，原理都是一樣的。

多輪對話

如果您想要對接多輪對話功能，需要對 messages 欄位上傳多個提問詞，多個提問詞的具體範例如下圖所示：

Python 範例呼叫程式碼：

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)

透過上傳多個提問詞，就可以輕鬆實現多輪對話，可以得到如下回答：

{
  "id": "msg_bdrk_01Y1wfQmd89g968TVbFu57Yc",
  "model": "claude-opus-4-20250514",
  "object": "chat.completion",
  "created": 1768619674,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "您說了「你好」——那是您在我們對話中傳送給我的第一則訊息。"
      },
      "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
    }
  }
}

可以看到，choices 包含的資訊與基本使用的內容是一致的，這個包含了 Claude 針對多個對話進行回覆的具體內容，這樣就可以根據多個對話內容來回答對應的問題了。

深度思考

新一代 Claude 模型可能會依照模型預設策略進行推理，不需要透過 -thinking 模型後綴觸發。Chat-compatible 回應使用 OpenAI 相容的 usage 欄位 completion_tokens_details.reasoning_tokens。reasoning_tokens 已包含在 completion_tokens 中，請勿重複相加。推理與可見正文共用輸出 token 上限，因此 max_tokens 較小時可能出現正文為空或被截斷；遇到這種情況請提高輸出預算，或在所用模型支援時選擇較低推理投入。如果需要原生 thinking、output_config.effort、thinking 內容區塊及簽名回傳，請使用 /v1/messages。Messages 對應的 usage 欄位是 output_tokens_details.thinking_tokens，不要與 Chat-compatible 的 completion_tokens_details.reasoning_tokens 混用。

視覺模型

claude-sonnet-4-20250514 是 Claude 開發的多模態大型語言模型,它在 claude-4 的基礎上增加了視覺理解能力。這個模型可以同時處理文字和圖像輸入,實現了跨模態的理解和生成。使用 claude-sonnet-4-20250514 模型的文字處理與上文的基本使用內容一致，下面將簡要介紹一下如何使用模型的圖像處理能力。使用 claude-sonnet-4-20250514 模型的圖像處理能力主要是透過在原有的 content 內容基礎上新增一個 type 欄位，透過該欄位可以知道上傳的是文字還是圖片，從而使用 claude-sonnet-4-20250514 模型的圖像處理能力，下面主要講述採用 Curl 和 Python 兩種方式來呼叫該功能。

Curl 指令碼方式

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 指令碼方式

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)

然後可以得到下面的結果，結果裡面的欄位資訊與上文一致，具體如下：

{
  "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
    }
  }
}

可以看到回答的內容是基於圖片進行回答的，因此透過上述兩種方式可以輕鬆使用 claude-3-7-sonnet-20250219 模型的文字和圖像處理能力。

錯誤處理

在呼叫 API 時，如果遇到錯誤，API 會回傳相應的錯誤代碼和資訊。例如：

400 token_mismatched：錯誤的請求，可能是由於缺少或無效的參數。
400 api_not_implemented：錯誤的請求，可能是由於缺少或無效的參數。
401 invalid_token：未授權，無效或缺少授權 token。
429 too_many_requests：請求過多，您已超過速率限制。
500 api_error：內部伺服器錯誤，伺服器發生異常。

錯誤回應範例

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

結論

透過本文檔，您已經了解如何使用 Claude Chat Completion API 輕鬆實現官方 Claude 的對話功能。希望本文檔能幫助您更好地串接和使用該 API。如有任何問題，請隨時聯絡我們的技術支援團隊。

入門

AI 聊天

AI 圖像

AI 視頻

AI 音頻

網絡與數據

驗證碼

身份

Coding

更多指南

Claude Chat Completion API 申請及使用

申請流程

基本使用

串流回應

多輪對話

深度思考

視覺模型

錯誤處理

錯誤回應範例

結論

​申請流程

​基本使用

​串流回應

​多輪對話

​深度思考

​視覺模型

​錯誤處理

​錯誤回應範例

​結論

申請流程

基本使用

串流回應

多輪對話

深度思考

視覺模型

錯誤處理

錯誤回應範例

結論