Claude API 中转站

主题

Claude API 接入文档 ​

本文档提供 Claude API 的完整接入指南，包括接口地址、请求格式、参数说明和代码示例。

🚀 Claude API 平台地址：https://jeniya.cn

快速开始 ​

第一步：获取 API Key ​

  1. 访问平台地址注册账号
  2. 在控制台获取 API Key
  3. 妥善保管您的 API Key

第二步：了解接口地址 ​

Base URL: https://jeniya.cn/v1
Chat 接口: https://jeniya.cn/v1/chat/completions

第三步：发送第一个请求 ​

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://jeniya.cn/v1"
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {"role": "user", "content": "你好，请介绍一下你自己。"}
    ]
)

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

接口兼容性 ​

兼容 OpenAI 格式

本平台完全兼容 OpenAI API 格式，您可以：

  • 直接使用 OpenAI SDK
  • 无需学习新接口
  • 只需修改 base_url 即可迁移

使用 OpenAI SDK ​

python
from openai import OpenAI

# 只需修改 base_url
client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://jeniya.cn/v1"  # 指向中转站
)

# 其余代码无需修改
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {"role": "user", "content": "你好"}
    ]
)

请求示例 ​

Python 示例 ​

python
import requests
import json

url = "https://jeniya.cn/v1/chat/completions"
api_key = "YOUR_API_KEY"

payload = {
    "model": "claude-sonnet-4-6",
    "messages": [
        {
            "role": "system",
            "content": "你是一个专业的 AI 助手。"
        },
        {
            "role": "user",
            "content": "请解释一下什么是机器学习？"
        }
    ],
    "temperature": 0.7,
    "max_tokens": 500
}

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {api_key}"
}

response = requests.post(url, json=payload, headers=headers, timeout=60)
result = response.json()

print(result["choices"][0]["message"]["content"])

cURL 示例 ​

bash
curl -X POST https://jeniya.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [
      {"role": "user", "content": "你好"}
    ],
    "max_tokens": 100
  }'

Node.js 示例 ​

javascript
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://jeniya.cn/v1'
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'claude-sonnet-4-6',
    messages: [
      { role: 'user', content: '你好，请介绍一下你自己。' }
    ]
  });

  console.log(response.choices[0].message.content);
}

main();

参数说明 ​

必填参数 ​

参数类型说明示例
modelstring模型名称"claude-sonnet-4-6"
messagesarray消息数组[{"role": "user", "content": "..."}]

可选参数 ​

参数类型默认值说明
temperaturefloat0.7输出随机性，范围 0-2
max_tokensint自动最大输出 Token 数
top_pfloat1核采样参数
streamboolfalse是否流式输出
stoparray-停止词列表
presence_penaltyfloat0存在惩罚，范围 -2 到 2
frequency_penaltyfloat0频率惩罚，范围 -2 到 2

参数详解 ​

temperature（温度） ​

控制输出的随机性和创造性：

值效果适用场景
0.0 - 0.3保守、稳定代码生成、数据分析
0.4 - 0.7平衡常规对话、内容创作
0.8 - 1.0创造、多样创意写作、头脑风暴
python
# 稳定输出（适合代码、分析）
temperature=0.2

# 平衡输出（适合常规对话）
temperature=0.7

# 创造性输出（适合创意写作）
temperature=0.9

max_tokens（最大输出长度） ​

控制模型输出的最大长度：

python
# 简短回答
max_tokens=100

# 中等长度
max_tokens=500

# 长输出
max_tokens=2000

stream（流式输出） ​

启用流式输出以获得更好的用户体验：

python
stream = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "写一首诗"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

支持的模型 ​

模型说明推荐场景
claude-opus-4-7Opus 系列最新模型复杂推理任务
claude-opus-4-6Opus 系列主力模型高质量内容
claude-sonnet-4-6Sonnet 系列主力模型大多数业务场景
claude-sonnet-4-5-20250929Sonnet 系列模型平衡选择
claude-haiku-4-5-20251001Haiku 系列轻量模型快速响应

完整模型列表请查看 支持模型列表。

响应格式 ​

成功响应 ​

json
{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "created": 1234567890,
  "model": "claude-sonnet-4-6",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "回答内容..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 20,
    "completion_tokens": 50,
    "total_tokens": 70
  }
}

错误响应 ​

json
{
  "error": {
    "message": "错误信息描述",
    "type": "invalid_request_error",
    "code": "invalid_api_key"
  }
}

流式输出 ​

基础流式输出 ​

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://jeniya.cn/v1"
)

stream = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {"role": "user", "content": "写一首关于春天的诗"}
    ],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

异步流式输出 ​

python
import asyncio
from openai import AsyncOpenAI

async def stream_chat():
    client = AsyncOpenAI(
        api_key="YOUR_API_KEY",
        base_url="https://jeniya.cn/v1"
    )

    stream = await client.chat.completions.create(
        model="claude-sonnet-4-6",
        messages=[{"role": "user", "content": "你好"}],
        stream=True
    )

    async for chunk in stream:
        if chunk.choices[0].delta.content:
            print(chunk.choices[0].delta.content, end="", flush=True)

asyncio.run(stream_chat())

错误处理 ​

常见错误码 ​

错误码说明处理方法
400请求参数错误检查请求格式和参数
401鉴权失败检查 API Key 是否正确
403权限不足检查账号权限
404模型不存在检查模型名称
429请求频率过高降低请求频率或重试
500服务器错误稍后重试

错误处理示例 ​

python
import time
from openai import OpenAI, APIError, RateLimitError, APIConnectionError

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://jeniya.cn/v1"
)

def call_with_retry(messages, max_retries=3):
    """带重试机制的调用"""
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="claude-sonnet-4-6",
                messages=messages,
                timeout=60
            )
            return response
        
        except RateLimitError:
            if attempt < max_retries - 1:
                wait_time = 2 ** attempt  # 指数退避
                print(f"触发限流，{wait_time}秒后重试...")
                time.sleep(wait_time)
            else:
                raise Exception("请求频率过高，请稍后重试")
        
        except APIConnectionError:
            if attempt < max_retries - 1:
                print(f"网络错误，重试中... ({attempt + 1}/{max_retries})")
                time.sleep(1)
            else:
                raise Exception("网络连接失败，请检查网络")
        
        except APIError as e:
            raise Exception(f"API 错误: {e.message}")

# 使用示例
try:
    response = call_with_retry([
        {"role": "user", "content": "你好"}
    ])
    print(response.choices[0].message.content)
except Exception as e:
    print(f"调用失败: {e}")

详细错误处理请查看 Claude API 错误处理完整指南。

最佳实践 ​

1. 设置合理的超时 ​

python
# 根据任务复杂度设置超时
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=messages,
    timeout=60  # 简单任务
    # timeout=120  # 中等复杂度
    # timeout=300  # 复杂任务
)

2. 使用 System Prompt ​

python
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的 Python 开发专家，擅长代码分析和优化建议。"
        },
        {
            "role": "user",
            "content": "请分析这段代码..."
        }
    ]
)

3. 控制输出格式 ​

python
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "user",
            "content": """
请以 JSON 格式返回分析结果，包含以下字段：
- summary: 摘要
- points: 要点列表
- conclusion: 结论
"""
        }
    ],
    temperature=0.3  # 降低随机性以获得结构化输出
)

4. 处理长对话 ​

python
def chat_with_history(client, messages, new_message, max_history=10):
    """维护对话历史的聊天"""
    # 添加新消息
    messages.append({"role": "user", "content": new_message})
    
    # 限制历史长度
    if len(messages) > max_history:
        messages = messages[-max_history:]
    
    # 调用 API
    response = client.chat.completions.create(
        model="claude-sonnet-4-6",
        messages=messages
    )
    
    # 添加助手回复到历史
    messages.append({
        "role": "assistant",
        "content": response.choices[0].message.content
    })
    
    return messages, response

相关页面 ​

联系支持 ​

如有问题，请访问平台获取帮助：

前往 Claude API 平台

查看常见问题