送出第一個請求

上一堂課你已經把金鑰安全地放進 .env，那是最需要小心的一步，現在可以輕鬆一點了。這堂課要做一件很單純的事：用程式問模型一個問題，把答案印出來。

聽起來和在聊天視窗打字差不多，但用程式呼叫有個很大的好處：你可以把它接到任何地方。讀一百封信件做摘要、幫表單自動分類、在你自己的網站加上問答功能，起點都是這一個請求。

先理解：請求與回應

API 呼叫就像寄一封信給模型，再收到一封回信。信裡要寫清楚三件事：

• model：要請哪個模型回答。
• max_tokens：回答最多能有多長。token 是模型計算文字的單位，大約可以想成「一小段字」。
• messages：對話內容，是一個清單，每一則訊息都標明是誰說的。

每次呼叫都是一來一回。回應裡除了答案，還有停止原因與用量。

安裝與第一支程式

如果還沒安裝，先在虛擬環境裡執行：

pip install anthropic python-dotenv

建立 first_call.py：

from dotenv import load_dotenv
import anthropic

load_dotenv()  # 從 .env 載入 ANTHROPIC_API_KEY

MODEL = "claude-sonnet-5-5"  # 可以換成其他模型 ID

client = anthropic.Anthropic()  # 自動讀取環境變數裡的金鑰

response = client.messages.create(
    model=MODEL,
    max_tokens=16000,
    messages=[
        {"role": "user", "content": "用三句話向國中生解釋什麼是 API。"}
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

執行：

python first_call.py

幾秒後，終端機就會出現模型的回答。恭喜，你完成了第一次 API 呼叫。

看懂回應物件

把回應印出來看看，會更清楚它的結構：

print(response.stop_reason)          # 例如 end_turn
print(response.usage.input_tokens)   # 你送進去的 token 數
print(response.usage.output_tokens)  # 模型產生的 token 數

幾個重點：

content 是清單，不是字串。 回應可能包含好幾種區塊，例如文字、模型的思考過程、或之後會學到的工具呼叫。所以範例程式用迴圈逐一檢查，只印出 type 為 text 的區塊。直接寫 response.content[0].text 有時會出錯，因為第一個區塊不一定是文字。

stop_reason 說明為什麼停下來。 最常見的值：

值	意思
end_turn	模型自然說完了
max_tokens	撞到長度上限被切斷，考慮調高 max_tokens
refusal	模型基於安全理由拒絕回答

usage 是你的帳單依據。 費用就是依照輸入與輸出的 token 數計算，第六堂課會詳細教你怎麼估算。

模型不會記得上一次

這是新手最容易誤會的地方：每次呼叫都是獨立的。你再執行一次程式，問「我剛剛問了什麼？」，模型不會知道。想要多輪對話，必須自己把歷史訊息一起送回去，這就是下一堂課的主題。

換成其他供應商

OpenAI、Google 的 API 長相很接近：同樣是建立用戶端、指定模型、送出一個訊息清單、從回應裡取出文字。參數名稱略有不同，但「請求帶什麼、回應有什麼」的觀念完全一樣。