用Python将OpenAI的聊天循环移植到Claude：仅一页修改内容

任何曾经为 OpenAI 编写过对话循环的人，只需大约一页的修改就能将其迁移到 Anthropic 的 Claude 上。两家服务的基本结构相同：每次调用都会完整发送带有角色标签的 messages 列表，回复则附加在其后。只需修改一个元素，且明确知道该修改哪个元素会很有帮助。

相同的列表，不同的系统结构

Claude 的 Messages API 接受你已熟悉的对话格式：包含 role 和 content 字段的字典列表，服务器端无状态，每次都会完整重新发送。角色名称及其含义完全一致，均为 user 和 assistant。

唯一的结构差异在于system并非一条消息。OpenAI将指令放在列表的第一行，而Anthropic则将其提升为顶层system=参数，与列表一同存在。列表中仅包含实际的对话内容，即严格交替出现的用户和助手的发言。

import anthropic

client = anthropic.Anthropic()  # key from env

resp = client.messages.create(
    model="claude-sonnet-4-5",
    max_tokens=300,
    system="You are a concise Python assistant.",
    messages=[
        {
            "role": "user",
            "content": "Why is system a parameter "
                       "here, not a message?",
        },
    ],
)
print(resp.content[0].text)

在开始上述操作之前，还有两个较小的差异需要注意：

• max_tokens 必须被设置。 OpenAI 允许在没有输出上限的情况下发送请求，而 Claude 要求每次调用都必须指定该值。这虽然有点烦人，但有助于控制成本，因为只有在确定回复长度后才能发起请求。
• 回复以内容块的形式呈现。 你得到的不是单个字符串，而是一个列表，纯文本位于 resp.content[0].text 中。虽然现在看来有些多余，但由于后续的工具调用也采用相同结构，这一设计还是有其必要的。

设置与单次交互

使用 pip install anthropic 安装 SDK，然后从 Anthropic 控制台导出密钥（以 sk-ant- 开头）并将其设置为 ANTHROPIC_API_KEY。客户端会自动读取该密钥。

将其放在 OpenAI 调用旁边，两者之间的差异仅在于有四处修改：方法从 client.chat.completions.create 变为 client.messages.create，系统行被移至 system= 位置，必须设置输出上限，且文本读取路径从 choices[0].message.content 改为 content[0].text。关于 SDK 的说明：当前的 anthropic 包不支持在 messages.create 中使用 temperature= 参数，因此包含该参数的旧代码示例会报错。这些示例中使用的是默认采样方式，完全没问题。

令牌计数分别存储在 resp.usage.input_tokens 和 resp.usage.output_tokens 中。实际上它们是同一个计数器，只是字段名称略有不同，因此每次操作后都值得记录下来。

Claude 的历史记录循环

这是从 OpenAI 版本移植过来的 ask() 函数。追加后重新发送的逻辑没有变化，只有中间的调用方式有所调整。

msgs = []

def ask(text: str) -> str:
    msgs.append(
        {"role": "user", "content": text}
    )
    resp = client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=300,
        system="You are a concise assistant.",
        messages=msgs,  # full history
    )
    reply = resp.content[0].text
    msgs.append(
        {"role": "assistant", "content": reply}
    )
    return reply

print(ask("Define a context window."))
print(ask("Now for a five-year-old."))
print(ask("Which answer was shorter?"))

对话中的第三个问题依然会引发循环问题，因为只有当之前的回答都存储在msgs中并被重新发送时，该问题才会出现。同样的经济性原则也适用：每轮对话的输入令牌数量都会增加，因此较长的对话每次调用所需的成本也会更高。

Claude对消息顺序的要求更为严格，消息必须在用户和助手之间交替发送。如果连续出现两条用户消息——这种情况在重试失败请求时很容易发生——Claude会拒绝该调用，而OpenAI则可以容忍。这可以视为管理对话历史记录的系统的默认规则。

运行方式

该脚本会先运行一轮对话，然后再运行三轮对话，每次调用后都会记录输入和输出令牌的数量。如果缺少ANTHROPIC_API_KEY，它会立即停止并给出明确提示。此外，该脚本会发起实时计费请求，因此请勿在任何CI流程中运行它。

pip install -r requirements.txt
export ANTHROPIC_API_KEY="sk-ant..."
python examples/part03_claude.py

为何端口迁移如此简单，以及你能获得什么

由于两家提供商都提供相同的接口契约——即一个无状态端点，每次调用都会接收完整的对话内容并仅回复一次——因此改动其实很小。不同之处在于具体实现细节，比如系统提示语的位置、回复对象的结构以及所需参数等。LangChain 对这些复杂细节进行了抽象处理，其 ChatOpenAI 和 ChatAnthropic 类就是为了替代你之前需要手动处理的四行差异代码而存在的。了解这些抽象层所隐藏的内容，才是正确使用它与被其束缚之间的区别。

这还有实际的好处。通过一个ask()接口调用两个提供者，你可以对模型进行A/B测试，在API出现故障时实现自动切换，或将简单问题发送给一个提供者、复杂问题发送给另一个提供者，而无需修改应用程序代码。Google的Gemini API也采用相同的对话结构，只是角色名称有所变化：助手被称作model。