Anthropic
Claude API 教學｜Anthropic 原生 API 入門
Claude API 教學系列：第一個 request、tool use 工具呼叫、prompt caching、RAG、到 agent loop 的完整實作脈絡。
存取 API
- Claude API 入門：為什麼學原生 Anthropic API已經有 ChatGPT、claude.ai、各種 SDK 包裝層，為什麼要花時間學底層 API。
- 一個 request 的生命週期 + Models從 client 按下 send 到拿到回應，5 步流程；順便把 Opus / Sonnet / Haiku 三個模型的取捨講清楚。
- 寫第一個 requestmessages、system、max_tokens、model 四件事；最常見的兩個新手錯誤怎麼避。
- Multi-turn 與 streamingAPI 是 stateless 的——每次都要把整段歷史傳回去。Streaming 為什麼不只是打字機效果。
- Temperature 與 Structured Outputs用 temperature 控制隨機性；用 prefill + stop_sequence 穩穩拿到 JSON / 結構化資料。
Prompt Evaluation
Prompt Engineering
Tool Use
- Claude tool use 教學：四步流程從 API 角度看 tool use 的四步流程——initial、tool_use、tool_result、final，中間是兩個 request、不是 callback。
- Tool schema 怎麼寫name、description、input_schema 三件事。schema 寫得好決定 Claude 選不選對 tool；description 其實就是 tool 的 system prompt。
- 處理 tool_use responseresponse 不是純文字——是 content blocks 陣列。怎麼走 blocks、怎麼包 tool_result、怎麼對 tool_use_id。
- Multi-turn 與多 tool一輪不夠用——寫一個會 loop 的 agent loop，加 max_iterations 防無窮自呼，多 tool 一輪可能多個 tool_use 要全部跑完再回。
- 內建 toolsAnthropic 直營的 web_search、text_editor、fine-grained tool calling——你不用接 Bing、不用寫 file API，schema 一行就跑。
RAG
- 為什麼需要 RAGcontext window 不是無限——也不是塞越多越好；RAG 是把「先找書再回答」這件事變成 pipeline。
- Embeddings 與 chunking把文字變成可比較的座標，把長文切成適合 retrieve 的單位——RAG 的兩塊基石。
- 完整 RAG flow從 chunk 到 generate 的 5 步驟 pipeline——一個極簡 in-memory 範例，順便講 vector DB 怎麼選。
- Multi-index pipelineSemantic search 不夠精準時——加 BM25 lexical search、再用 reranker 合併結果。production RAG 的標準長相。
Claude 進階能力
- Claude prompt caching 教學：長對話省錢的關鍵把長 system prompt、tool schema、文件部分快取起來——首次寫入貴 1.25 倍，命中讀取只要 0.1 倍。長對話省錢的關鍵手法。
- Extended thinking讓 Claude 在生 visible response 前先「想」一段——thinking block 是真的 token 要算錢，但難題、debug、長 reasoning 的準確率明顯升。
- Vision 與 PDF把圖片跟整份 PDF 直接餵給 Claude——image block、document block 結構，跟「截圖 debug、發票抽欄位、合約摘要」三大應用場景。
- Citations讓 Claude 把答案的「每句話來自原文哪段」結構化標註出來——比叫 model 「請引用」可靠，是 API 層級保證的格式。
- Code execution 與 Files API讓 Claude 在 Anthropic 自家 sandbox 跑 Python、產生圖表；Files API 讓你上傳一次檔案，後續 multi-turn 共用 file_id 不用重傳 bytes。
MCP
Agents 與 Workflows
- Workflow vs Agent兩個詞混用很久，到底差在哪——什麼時候寫死流程、什麼時候交給 Claude 自己決定。
- 三種 Workflow PatternsChaining、Routing、Parallelization——production LLM 系統反覆出現的三個基礎組件。
- Agent 跟 Tools / 環境感知Agent = LLM + tools + loop + stop——還有為什麼「先看再動手」是寫穩 agent 的關鍵。
- Anthropic 自己做的 AgentsClaude Code、Computer Use、Claude Agent SDK——Anthropic 把 agent 概念做成的三個產品，怎麼選。