Claude 模型

# 创意写作任务
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个才华横溢的作家，擅长创作引人入胜的故事"
        },
        {
            "role": "user",
            "content": """
            请写一个关于"时间旅行者的困境"的短故事，要求：
            1. 故事长度约800字
            2. 包含意想不到的转折
            3. 探讨时间旅行的哲学问题
            4. 结尾要有深刻的启示
            """
        }
    ],
    max_tokens=1500,
    temperature=0.8  # 较高温度增加创造性
)

print(response.choices[0].message.content)

# 复杂数据分析任务
data_analysis_prompt = """
以下是某电商网站的用户行为数据摘要：
- 日均访问量：50,000
- 页面跳出率：35%
- 平均停留时间：3.2分钟
- 转化率：2.8%
- 移动端占比：65%
- 主要流量来源：搜索引擎(45%)、社交媒体(25%)、直接访问(20%)、其他(10%)

请进行深入分析，提供：
1. 现状评估
2. 主要问题识别
3. 优化建议
4. 预期改善效果
"""

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个资深的数据分析师和增长专家，擅长电商数据分析"
        },
        {
            "role": "user",
            "content": data_analysis_prompt
        }
    ],
    max_tokens=2000,
    temperature=0.3  # 低温度保证分析的准确性
)

# 复杂科学问题分析
scientific_query = """
请分析CRISPR-Cas9基因编辑技术的最新发展，包括：

1. 技术原理和机制
2. 最新的改进和变种（如Prime Editing、Base Editing）
3. 在医学治疗中的应用现状
4. 伦理和安全性问题
5. 未来发展趋势和挑战

请提供详细的科学分析，包括具体的研究案例和数据。
"""

response = client.chat.completions.create(
    model="claude-opus-4-7",
    messages=[
        {
            "role": "system",
            "content": "你是一个顶尖的生物技术专家，具有深厚的分子生物学和基因工程背景"
        },
        {
            "role": "user",
            "content": scientific_query
        }
    ],
    max_tokens=3000,
    temperature=0.2
)

# 长文档总结和分析
long_document = """
[这里是一份很长的技术文档或学术论文...]
"""

response = client.chat.completions.create(
    model="claude-opus-4-7",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的文档分析师，擅长提取关键信息和深入分析"
        },
        {
            "role": "user",
            "content": f"""
            请对以下文档进行深入分析：

            {long_document}

            请提供：
            1. 执行摘要（300字以内）
            2. 关键发现和结论
            3. 方法论评估
            4. 潜在应用价值
            5. 未来研究方向建议
            """
        }
    ],
    max_tokens=2500,
    temperature=0.3
)

# 商业分析任务
business_analysis = """
某科技公司计划进入AI聊天机器人市场，面临的情况：
- 市场现状：已有OpenAI、Google、Microsoft等巨头
- 公司优势：在垂直领域有深厚技术积累
- 资源限制：研发预算有限，团队规模中等
- 目标市场：企业级客户

请提供详细的市场进入策略分析。
"""

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个经验丰富的商业策略顾问，擅长科技行业分析"
        },
        {
            "role": "user",
            "content": business_analysis
        }
    ],
    max_tokens=2000,
    temperature=0.4
)

# 教育内容创作
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个优秀的教育内容创作者，擅长设计引人入胜的学习材料"
        },
        {
            "role": "user",
            "content": """
            请为高中生设计一个关于"量子计算基础"的教学模块，包括：
            1. 学习目标
            2. 核心概念解释（用通俗易懂的语言）
            3. 实际应用例子
            4. 互动练习题
            5. 拓展阅读建议
            """
        }
    ],
    max_tokens=2000,
    temperature=0.6
)

# 快速文本处理任务
tasks = [
    "将以下文本翻译成英文：人工智能正在改变世界",
    "总结这段话的要点：[一段文本]",
    "生成5个关于环保的标语",
    "检查这句话的语法：Me and my friend goes to school"
]

for task in tasks:
    response = client.chat.completions.create(
        model="claude-haiku-4-5",
        messages=[
            {
                "role": "user",
                "content": task
            }
        ],
        max_tokens=200,
        temperature=0.5
    )
    print(f"任务: {task}")
    print(f"结果: {response.choices[0].message.content}\n")

# 适合移动应用的轻量级对话
def mobile_chat_handler(user_message):
    """移动应用中的快速对话处理"""
    response = client.chat.completions.create(
        model="claude-haiku-4-5",
        messages=[
            {
                "role": "system",
                "content": "你是一个友好的移动助手，回答要简洁明了"
            },
            {
                "role": "user",
                "content": user_message
            }
        ],
        max_tokens=150,  # 限制输出长度
        temperature=0.7
    )

    return response.choices[0].message.content

# 示例使用
user_inputs = [
    "今天天气怎么样？",
    "推荐一个好的餐厅",
    "帮我设个5分钟的提醒"
]

for input_text in user_inputs:
    response = mobile_chat_handler(input_text)
    print(f"用户: {input_text}")
    print(f"助手: {response}\n")

# Claude会自动拒绝有害内容
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "user",
            "content": "请教我如何制作危险物品"
        }
    ],
    max_tokens=500
)

# Claude会礼貌地拒绝并提供替代建议
print(response.choices[0].message.content)

# 复杂的格式化要求
structured_task = """
请分析以下产品数据，并严格按照以下格式输出：

格式要求：
1. 使用JSON格式
2. 包含产品名称、价格、评分、推荐理由
3. 推荐理由不超过50字
4. 按评分从高到低排序

产品数据：
- iPhone 15: $999, 评分4.5
- Samsung Galaxy S24: $899, 评分4.3
- Google Pixel 8: $699, 评分4.4

请严格按照要求输出，不要添加任何其他内容。
"""

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "user",
            "content": structured_task
        }
    ],
    max_tokens=500,
    temperature=0.1  # 低温度确保精确遵循格式
)

# 复杂逻辑推理
logical_puzzle = """
有一个逻辑谜题：

小镇上有三个人：A、B、C
- A总是说真话
- B总是说假话
- C有时说真话，有时说假话

现在你遇到了其中一个人，他说："我不是B"

请问：
1. 这个人可能是谁？
2. 请详细说明你的推理过程
3. 这个信息是否足够确定这个人的身份？
"""

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个逻辑推理专家，请仔细分析问题并提供详细的推理过程"
        },
        {
            "role": "user",
            "content": logical_puzzle
        }
    ],
    max_tokens=1000,
    temperature=0.2
)

# 中文古诗创作
chinese_poetry = """
请创作一首七言绝句，要求：
1. 主题：春天的江南水乡
2. 情感：表达对故乡的思念
3. 风格：清新淡雅，意境深远
4. 格律：严格遵循平仄规律
5. 语言：文字优美，富有诗意

请同时提供创作说明，解释诗句的意境和用词选择。
"""

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个精通中国古典诗词的文学家，对格律和意境都有深刻理解"
        },
        {
            "role": "user",
            "content": chinese_poetry
        }
    ],
    max_tokens=800,
    temperature=0.8
)

import time
import random
from typing import Dict, Any, Optional

class ClaudeAPIHandler:
    """Claude API调用处理器，包含重试和错误处理"""

    def __init__(self, client, max_retries=3):
        self.client = client
        self.max_retries = max_retries

    def safe_completion(self, **kwargs) -> Optional[str]:
        """安全的API调用，包含重试机制"""

        for attempt in range(self.max_retries):
            try:
                response = self.client.chat.completions.create(**kwargs)
                return response.choices[0].message.content

            except Exception as e:
                error_type = type(e).__name__

                if attempt == self.max_retries - 1:
                    print(f"API调用最终失败: {error_type}: {e}")
                    return None

                # 根据错误类型调整重试策略
                if "rate_limit" in str(e).lower():
                    delay = 2 ** attempt + random.uniform(0, 1)
                    print(f"遇到速率限制，等待 {delay:.2f} 秒后重试...")
                    time.sleep(delay)
                elif "timeout" in str(e).lower():
                    delay = 1 + attempt * 0.5
                    print(f"请求超时，等待 {delay:.2f} 秒后重试...")
                    time.sleep(delay)
                else:
                    print(f"遇到错误 {error_type}，立即重试...")
                    time.sleep(0.1)

        return None

    def batch_completion(self, prompts: list, **kwargs) -> list:
        """批量处理多个提示"""
        results = []

        for i, prompt in enumerate(prompts):
            print(f"处理第 {i+1}/{len(prompts)} 个请求...")

            kwargs_copy = kwargs.copy()
            kwargs_copy['messages'] = [{"role": "user", "content": prompt}]

            result = self.safe_completion(**kwargs_copy)
            results.append(result)

            # 避免过快请求
            if i < len(prompts) - 1:
                time.sleep(1)

        return results

# 使用示例
handler = ClaudeAPIHandler(client)

# 单个请求
result = handler.safe_completion(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "Hello!"}],
    max_tokens=500
)

# 批量请求
prompts = [
    "翻译：Hello world",
    "总结：人工智能的发展历程",
    "分析：电商发展趋势"
]

results = handler.batch_completion(
    prompts,
    model="claude-haiku-4-5",
    max_tokens=300
)