# 标签

Agent

共 178 篇文章

Code

Anthropic SDK 模型选型与成本核算

前八篇把能力讲完了:调用、流式、结构化、工具、多轮、思考、缓存、批处理,主线始终是同一个 create。但有一件事被一路押后——钱。第 1 篇/post/1688只给了四档模型的输入价,还留了一句"计费按输入输出分别结算…

76
Code

Anthropic SDK Batch 批处理

第 7 篇/post/1693用提示缓存把重复前缀的输入打到一折,但每一分新内容仍按全价计费,而且每个请求都得当场等回复。工程里还有一类任务根本没人等:夜里跑几万条文档摘要、给全站历史评论打情感标签、把一批评测集整体重跑…

89
Code

Anthropic SDK 提示缓存

第 5 篇/post/1689算过一笔账:每轮新增 1000 token 的轻量对话,用 claudesonnet55 跑 100 轮,光输入就累计 10.10 美元——Messages API 无状态,历史每轮全量重发…

78
Code

Anthropic SDK 扩展思考

第 5 篇/post/1689结尾预告的主题到了:让模型先想再答。前五篇的所有调用都没有传过任何与思考有关的参数——这不是遗漏,而是从当前这代模型起,思考默认就是开着的;教学模型 claudesonnet55 上真正要回…

105
Code

Anthropic SDK 多轮对话与上下文管理

第 4 篇/post/1691把工具调用滚成了循环,而循环能一直转的前提,是每一轮请求都带着完整的对话历史——Messages API 无状态,服务端不保存任何一次调用的现场,模型“记得你说过什么”,完全是因为你的代码把…

75
Code

Anthropic SDK 工具调用

第 3 篇/post/1696把工具的"定义"讲完了:tools 参数声明工具名、描述与参数模式,tool_choice 控制模型用不用它。但那一步结束时,模型只是"开口要了工具"——真正把工具跑起来、把结果送回去、让对…

79
Code

Anthropic SDK 结构化输出

前两篇拿回的都是自然语言:第 1 篇/post/1688的第一次调用返回一段解释,第 2 篇/post/1695让这段话逐字上屏。可真实工程里,模型的输出多数时候不是给人读的,而是给程序用的——分类结果要落进布尔分支,抽…

70
Code

Anthropic SDK 流式输出

第 1 篇/post/1688的第一次调用已经跑通:create 发出请求,等模型把整段回复生成完,一次性拿回完整消息。这个过程里屏幕是静止的——回复越长,静止越久,几百 token 的答案要干等十几秒才整块出现。流式输…

77
Code

Anthropic SDK 入门:Messages API 第一步

把 Claude 接进自己的程序,最直接的入口是 Anthropic 官方 SDK 和它背后的 Messages API。它不依赖任何框架,十几行 Python 就能完成第一次模型调用;后面的工具调用、思考模式、提示缓存…

85
AI

多模态开发(12):成本、延迟与场景决策

《多模态开发实战》走到第 12 篇/post/1661,收官。前 11 篇把图、文、视频、音频的输入与输出逐个拆开讲透:看得见的视觉、画得出的生成、听与说的语音,最后总装成多模态 Agent。零件都造完了,这篇不做新零件…

70
AI

多模态开发(10):Qwen-VL/Llama 视觉系

前 9 篇里,我们的图像理解、语音转写、视频分析几乎全部跑在闭源 API 上——快是快,但票据里有客户名称、截图里有内网拓扑、病历里有身份证号,这些图每出一次域,安全评审材料就厚一页。这篇是《多模态开发实战》第 10 篇…

234
AI

多模态开发(09):全双工对话 Agent

第 7 篇/post/1656讲 TTS 解决了"说",第 8 篇/post/1657讲 ASR 解决了"听",把两者与 LLM 串成流水线,看起来就能对话了——识别成文字、交给模型、合成语音返回。真跑起来你会发现每轮问…

91
AI

多模态开发(07):API 与开源方案

把博客变成播客要几步?技术上三行代码就够:调一个 API,传一段文字,落一个 MP3。但真把它当产品做,"能响"和"能用"之间隔着一整个工程——多音字读对了吗,长文章怎么切,各段音量一致吗,克隆声音的法律风险谁来背。本篇…

130