Claude API 入門：為什麼學原生 Anthropic API

TL;DR

• 介面好用，但「把 LLM 包進產品」一定走 API——不可能叫客服一封一封貼到 ChatGPT
• 原生 API 比 SDK 包裝薄一層，學會了所有衍生工具（LangChain、LlamaIndex、Vercel AI SDK）的底層都看得懂
• API 多了三個聊天介面沒有的維度：批次處理、自動 eval、模型 A/B

一個情境：客服信件自動分類

老闆早上開會丟一句：「客服信件量爆了，你看看能不能用 LLM 自動分類成『退款 / 帳號 / 技術 / 其他』，先過濾再讓人看。」

如果你只用 ChatGPT，這個任務你做不出來：

• 客服信一天 500 封——總不能複製貼上 500 次
• 分類完要寫進 ticketing system——chat 沒有 API 可以串
• 想試試 Sonnet 跟 Haiku 哪個夠用——介面切不過去
• 想看 prompt 換一個寫法準確率有沒有變高——介面看不到分數

聊天介面是給「一個人問一個問題」用的。產品要的是「程式定時處理一批東西」。這就是為什麼要碰 API。

介面 vs API：差的不是工具，是維度

	聊天介面	原生 API
一次一個問題	✅	✅
程式自動跑	❌	✅
換模型 A/B	介面切換	改一個字串
跑 eval 拿分數	❌	✅
結果寫進 DB / 觸發其他流程	❌	✅
批次處理大量輸入	不可能	✅ batch API

API 不比較炫。它做的事就是把「人對 LLM 講話」變成「程式可以排程的函式呼叫」。

為什麼學「原生 API」而不是直接用包裝

LangChain、LlamaIndex、Vercel AI SDK 這些都建在 Anthropic API 之上。讀者常問：直接學上層不就好？

兩個原因：

1. 包裝會老。LangChain 經歷過多次 breaking change；Anthropic Messages API 自 2024 推出後一路保持向後相容，新功能（tool use、prompt caching、extended thinking、citations）多以新增欄位的形式進來。底層學一次能用很久。
2. 包裝出問題你看不懂。包裝幫你做的事如果你不知道底層怎麼動，debug 的時候會卡住——例如 prompt caching 沒命中、tool call 結構錯誤、streaming event 沒接好。

學會原生 API 後，包裝就是「省你重複打字的工具」。底層出狀況你看得懂裡面在做什麼。

API key 怎麼拿

去 console.anthropic.com 登入，在 API Keys 頁面建一把。重點：

• key 一旦顯示就抄起來，關掉就看不到第二次
• 放 .env，不要進 git（加進 .gitignore）
• 前端 / mobile app 絕對不能直連——key 一定走自家 server

# .env
ANTHROPIC_API_KEY=sk-ant-...

from anthropic import Anthropic
client = Anthropic()  # 自動讀環境變數

課程地圖

這一系列接下來會走：

1. 存取 API：第一個 request、multi-turn、streaming、temperature、結構化輸出
2. Prompt Eval：怎麼客觀衡量 prompt 改得好不好
3. Prompt Engineering：基於 eval 的迭代改進
4. Tool Use：讓 Claude 連你的 DB、API、外部世界
5. RAG：把長文件 / 公司知識庫接進來
6. Claude 進階能力：prompt caching、extended thinking、vision、citations、code execution
7. MCP：標準化的 tool 接法（深入請看 MCP 系列）
8. Agents 與 Workflows：把上面元件組合成會自己做事的系統

接下來

下一篇先看一個 request 的生命週期——從你按下 send 到 Claude 回字，中間到底發生了什麼，順便把 Opus / Sonnet / Haiku 三個模型的取捨講清楚。