1.1 Claude 是什么：Anthropic 背景与模型家族概览
第一次认真接触 Claude 是在 2023 年。当时我在找一个能处理长文档的模型，朋友甩给我一个链接，说“你试试这个”。打开 Anthropic 官网，界面干净得有点不像 AI 公司，没有花哨的演示，只有一段关于“宪法 AI”的说明。Anthropic 由前 OpenAI 研究副总裁 Dario Amodei 和他妹妹 Daniela Amodei 在 2021 年创办，团队里不少人是 GPT-3 论文的作者。他们离开 OpenAI 的核心理由是想把“安全”放在模型开发的第一位，这个理念后来变成了 Claude 的底层气质。
Claude 的模型家族按能力从低到高大致分成 Haiku、Sonnet、Opus 三条线。Haiku 轻快便宜，适合分类、提取、简单问答；Sonnet 是中间档，日常写代码、改文案、做分析基本够用；Opus 最贵也最强，复杂推理、长链任务、深度研究场景才需要它。版本号从 Claude 1 一路走到 Claude 3、3.5、3.7，命名偶尔会让人困惑，Anthropic 有时把 3.5 Sonnet 更新成“3.5 Sonnet (new)”而不改大版本号。我自己的习惯是看 API 文档里的快照名，比如 claude-3-5-sonnet-20241022 这种带日期的字符串，比记营销名字靠谱。
1.2 Claude 的核心能力：长上下文、推理、写作、编程与多模态
长上下文是 Claude 最出圈的标签。200K token 的上下文窗口意味着一次能塞进大约 15 万个英文单词，或者三本《三体》的体量。我拿它读过一份 180 页的 PDF 研报，让它逐章总结再交叉比对数据，中间没出现“前面说了什么”的遗忘。后来 Anthropic 给部分模型开了 1M token 的 beta，处理整本代码库或者几十份合同变成可能。这个能力对国内做法律、金融、科研的用户吸引力很大，Claude国内如何使用的话题里，长文档处理往往是第一诉求。
推理方面，Claude 3.7 Sonnet 引入了“扩展思考”模式，模型在回答前会先输出一段内部推理过程，类似 OpenAI 的 o1。我试过让它解一道需要多步假设的数学题，它会在 thinking 块里列条件、排除矛盾、回头修正，收束到答案。这种模式对调试复杂代码、做商业决策推演有帮助，代价是响应变慢、token 消耗变高。写作和编程是另一组强项。Claude 的文风偏克制，不堆形容词，改出来的中文邮件比我自己写的更像人话。编程上它对 Python、TypeScript、Rust 的理解都不错，Cursor、Windsurf 这些 AI 编辑器早期都拿 Claude 做默认后端。
多模态这块 Claude 支持图片输入，能读图表、截图、手写笔记，输出还是文本。它不生成图片，也不做视频。我常用它分析 UI 截图再给出 CSS 修改建议，准确率比纯文本描述高很多。
1.3 Claude 的典型应用场景与使用限制
我身边用 Claude 的人大致分几类。做跨境电商的拿它写多语言 listing、回客户邮件；程序员用它读陌生代码库、生成单元测试；咨询和投研的人拿它消化长报告、做竞品对比；内容团队用它做初稿和翻译润色。这些场景的共同点是：输入材料长、输出要求结构化、对事实准确度有一定容忍度但需要可追溯。Claude 在“读得多、写得稳”这件事上确实顺手。
限制同样明显。知识截止日期让它对最新事件一无所知，问 2025 年之后的新闻它会坦白说不知道。幻觉问题没消失，尤其是让它引用具体数据、法条、论文时，编造的概率不低，我会让它标出处再去核对。Claude 对中文语境的理解偶尔偏英文思维，成语、网络梗、行业黑话容易理解歪。合规层面，Anthropic 的服务条款限制某些地区使用，国内直接访问需要额外方案，这部分我在第 2 章会展开讲 Claude国内如何使用。价格也是门槛，Opus 的 API 定价比 Sonnet 贵好几倍，个人用户得算清楚值不值。
1.4 Claude 与主流大模型的对比及选型建议
拿 Claude 和 GPT、Gemini、国产模型放一起比，各有各的地盘。GPT-4o 的多模态更全，能生图、能语音对话，生态工具多；Gemini 的 1M 上下文和 Google 全家桶整合是优势；DeepSeek、Qwen、Kimi 这些国产模型在中文理解、价格、访问便利性上更友好。Claude 的差异化在长文本质量、代码生成稳定性和“听话程度”——它比较愿意按你给的格式和约束输出，不太自作主张。
选型我会按任务拆。处理 50 页以上的英文文档、做深度代码重构、需要模型严格遵循复杂指令，Claude Sonnet 或 Opus 值得试。日常中文写作、快速问答、预算敏感的场景，国产模型性价比更高。需要图像生成、实时联网搜索、语音交互，Claude 不是首选。我自己的组合是：Claude 做长文档和代码主力，国产模型做中文草稿和日常查询，GPT 用来交叉验证。多模型并行不是浪费，是降低单点幻觉风险的手段。
如果你打算走 API 路线，Claude API申请教程 的第 3 章会讲 Console 注册、密钥获取和计费细节。选型之前先想清楚三件事：任务输入有多长、输出要多精确、每月愿意花多少钱。这三个问题的答案基本能锁定该用 Haiku、Sonnet 还是 Opus。
2.1 国内使用 Claude 的主要障碍：网络、账号、支付与合规
我在国内用 Claude 快两年了，踩过的坑比用过的功能还多。第一次打开 claude.ai 直接显示"Not available in your region"，页面都加载不出来，这就是第一道墙。Anthropic 目前没有对中国大陆开放服务，官网访问需要稳定的境外网络环境，而且它对 IP 的检测比较敏感，用共享节点经常触发人机验证或者直接封禁。我试过几个主流机场的节点，日本、新加坡的延迟低一些，美国节点偶尔会被标记成数据中心 IP 拒掉。
账号是第二道坎。注册需要境外手机号收验证码，早期可以用 Google Voice，后来风控收紧，很多虚拟号段被拉黑。我用的是一个美国实体号，朋友帮忙收的码。邮箱倒是宽松，Gmail、Outlook 都能过，QQ 邮箱我也试过，能注册但后续订阅时偶尔收不到账单邮件。
支付这一关卡住不少人。Anthropic 只收境外信用卡，国内的双币卡、银联卡基本不行，我试过招行的 Visa 全币种卡，直接被风控拒付。后来用虚拟信用卡解决，Nobepay、WildCard 这些平台能开美国卡段的卡，充值后绑定 Claude Pro 订阅。合规层面得说清楚，Anthropic 的服务条款不覆盖中国大陆，账号被封你申诉基本没戏，这点心理准备要有。
2.2 Claude国内如何使用：官方入口、第三方平台与替代方案对比
我梳理过三条路。第一条是官方 claude.ai，体验最完整，网页版、桌面客户端、iOS App 都有，模型更新最快。代价是网络要稳、账号要养、支付要折腾，适合重度用户和开发者。我现在的用法是主力账号走官方，Claude Pro 每月 20 美元，能用 Sonnet 和部分 Opus 额度。
第二条是第三方平台，国内有不少中转站把 Claude API 封装成网页或者 App，微信小程序里都能搜到。这类平台省去网络和支付麻烦，按次或者按 token 收费，便宜的三五块钱能问几十次。质量参差不齐，我试过一家，回答速度还行，但敏感问题会被二次过滤，而且你不知道它的背后模型是不是真的 Claude，有些拿 GPT 冒充。选这类平台看口碑，别充值太多，小额试水。
第三条是国产替代。Kimi、DeepSeek、通义千问在中文任务上已经很能打，长文档处理 Kimi 做得不错，代码 DeepSeek 性价比高。我现在的工作流是 Claude 负责英文长文和复杂代码重构，国产模型处理中文初稿和日常问答。这不是妥协，是分工。你如果只是写写邮件、做做总结，国产模型完全够用，没必要为 Claude 折腾一圈。
2.3 账号注册、订阅与支付：邮箱、手机号、虚拟信用卡要点
注册流程我走过多遍，帮朋友也弄过几个号。邮箱优先选 Gmail，稳定不掉验证邮件，Outlook 也行。手机号是难点，Google Voice 现在通过率很低，我用的是一个美国 T-Mobile 实体卡，月租几美元，专门用来收各种验证码。虚拟号平台像 SMS-Activate 能应急，但 Anthropic 对这类号段识别得越来越准，成功率看运气。
订阅这块，Claude Pro 是 20 美元一个月，年付有折扣。付款用虚拟信用卡最省事，WildCard 我用了大半年，开卡费大概 10 美元，充值走支付宝，绑定 Claude 一次就过。Nobepay 也可以，费率略高。实体双币卡不是完全没戏，我有个朋友用中行的 Visa 成功了，但需要提前打电话给银行报备境外交易，不然会被拦。
账单地址填美国地址，随便找个真实存在的酒店地址就行，别填假的邮编，AVS 校验会失败。订阅成功后记得关掉自动续费提醒，虚拟卡余额不足会导致订阅中断，模型权限会掉回免费档。我有次忘了充值，第二天发现 Opus 访问不了，折腾半天才想起来是卡里没钱了。
2.4 提示词与工作流：写作、翻译、编程、数据分析实战
写作场景我用得最多。Claude 的中文输出偏正式，直接让它写会有点翻译腔，我的做法是先给一段我自己的文字样本，让它模仿语气。写公众号初稿，我会把大纲、目标读者、想要的风格一次性丢进去，再补一句"不要用'首先其次最后'这种结构"，出来的东西改改就能用。改稿比写稿更顺手，把旧文丢进去说"润色但保留我的用词习惯"，它改出来的比我自己再读三遍还细。
翻译是我最依赖的功能。中译英让它做，比 DeepL 自然，尤其是带行业术语的技术文档。我的提示词模板是"你是资深技术译者，目标读者是硅谷工程师，术语保留英文原文，长句拆短"，Claude 会照做。反过来英译中，它偶尔会过度意译，加一些原文没有的修饰，我会在提示词里加"不要添加原文没有的信息"。
编程方面，我主要用它读陌生代码库和写测试。把整个 repo 的关键文件贴进去，问"这个函数的副作用是什么"，它能给出比文档更细的分析。写单元测试直接说"用 pytest 覆盖边界条件"，生成后我自己跑一遍，通过率大概七八成。数据分析我拿它做过 CSV 清洗，把表头和几行样本给它，让它写 pandas 脚本，比我自己查文档快。进阶的 RAG、Agent 工作流我在第 3 章展开。
2.5 常见问题与风险规避：稳定性、隐私、封号与内容安全
稳定性是个玄学。我用官方网页版偶尔会遇到"Claude is overloaded"，尤其是美国白天时段，国内晚上反而顺畅。API 调用相对稳定，但也会 429 限流。我的对策是错峰使用，重要任务提前跑，别等到 deadline 前一小时才动手。
隐私要拎清楚。免费版和 Pro 版的对话默认会被用于训练，Anthropic 官网设置里可以关掉，但默认是开的。我处理客户代码和合同的时候一定用 API 走企业版，或者本地脱敏再上传。虚拟卡信息、护照照片这类千万别往对话里贴，模型不会泄露但你不知道中间链路会不会。
封号风险真实存在。共享节点、频繁切换 IP、异常支付都可能触发风控。我的经验是一个账号绑定一个固定节点，别今天日本明天美国。被封了申诉邮件发 support@anthropic.com，成功率不高，做好备份账号的准备。内容安全方面，Claude 对某些话题会直接拒答，中文的敏感词识别不如国产模型精细，但英文语境下的政治、医疗、法律建议它都会加免责声明。把它当助手不当权威，重要结论自己复核一遍。
from anthropic import Anthropic
client = Anthropic(api_key="sk-ant-xxxxx") message = client.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=1024,
messages=[{"role": "user", "content": "用一句话解释量子纠缠"}]
) print(message.content[0].text)
评论
发表评论