上周我接了个私活甲方要求做一个代码审查工具——用户贴代码进去AI 给出优化建议和重构方案。说实话这种需求用 Claude 来做简直是杀鸡用牛刀但 Claude Opus 4.6 写代码的能力确实是目前第一梯队的尤其是长上下文理解和代码生成质量比我自己手写靠谱多了。用 Claude API 写代码核心就三步拿到 API Key、选对调用方式、把 System Prompt 调好。下面我把自己踩过的坑和最终跑通的 3 种方案全部摊开讲代码直接复制就能跑。先说结论方案适用场景上手难度推荐度OpenAI SDK 兼容调用已有 OpenAI 代码想切模型⭐⭐⭐⭐⭐⭐Anthropic 官方 SDK需要用 Claude 独有特性⭐⭐⭐⭐⭐⭐HTTP 直接请求轻量级脚本/非 Python 项目⭐⭐⭐⭐⭐⭐我最终选了方案一改一行base_url就能在 GPT-5 和 Claude Opus 4.6 之间来回切省心。环境准备Python 3.9装两个包就够了pipinstallopenai anthropic方案一OpenAI SDK 兼容调用最推荐这是我日常用得最多的方式。为什么因为我项目里本来就有一堆 OpenAI 的调用代码不想为了换个模型把半个项目重写一遍。fromopenaiimportOpenAI clientOpenAI(api_keyyour-key,base_urlhttps://api.ofox.ai/v1# 聚合接口一个 Key 调 Claude/GPT/Gemini)defcode_review(code_snippet:str)-str:让 Claude 做代码审查responseclient.chat.completions.create(modelclaude-sonnet-4-20250514,messages[{role:system,content:(你是一个资深代码审查员。针对用户提交的代码你需要\n1. 指出潜在 bug 和安全隐患\n2. 给出性能优化建议\n3. 提供重构后的完整代码\n回复用中文代码块标注语言类型。)},{role:user,content:f请审查以下代码\npython\n{code_snippet}\n}],temperature0.3,max_tokens4096,streamTrue# 流式输出体验好很多)resultforchunkinresponse:ifchunk.choices[0].delta.content:contentchunk.choices[0].delta.contentprint(content,end,flushTrue)resultcontentprint()returnresult# 测试一段有问题的代码test_code import sqlite3 def get_user(username): conn sqlite3.connect(users.db) cursor conn.cursor() query fSELECT * FROM users WHERE name {username} cursor.execute(query) result cursor.fetchone() return result reviewcode_review(test_code)跑完实测Claude 精准揪出了 SQL 注入漏洞、连接没关闭、没有错误处理这三个问题还给了参数化查询 context manager 的重构版本。响应时间大概 1.2 秒首 token流式输出体验很顺滑。方案二Anthropic 官方 SDK需要用到 Claude 的独有能力比如超长上下文、extended thinking时官方 SDK 更合适。importanthropic clientanthropic.Anthropic(api_keyyour-anthropic-key)defgenerate_code(task_description:str)-str:让 Claude 根据需求描述生成代码messageclient.messages.create(modelclaude-sonnet-4-20250514,max_tokens4096,messages[{role:user,content:(f请根据以下需求生成 Python 代码要求\nf1. 代码可直接运行\nf2. 包含类型注解\nf3. 包含 docstring\nf4. 包含简单的单元测试\n\nf需求{task_description})}])returnmessage.content[0].text# 让 Claude 写一个 LRU 缓存resultgenerate_code(实现一个线程安全的 LRU 缓存支持 TTL 过期)print(result)好处是 API 参数和官方文档完全一致没有兼容性问题。缺点是只能调 Claude想换 GPT-5 或 Gemini 3 就得改代码。方案三HTTP 直接请求写轻量脚本不想装 SDK直接requests怼importrequestsimportjsondefclaude_code_gen(prompt:str)-str:纯 HTTP 调用 Claude 生成代码headers{Authorization:Bearer your-key,Content-Type:application/json}payload{model:claude-sonnet-4-20250514,messages:[{role:system,content:你是一个 Python 专家生成的代码要求生产级质量。},{role:user,content:prompt}],temperature:0.2,max_tokens:4096}responserequests.post(https://api.ofox.ai/v1/chat/completions,headersheaders,jsonpayload,timeout60)ifresponse.status_code200:returnresponse.json()[choices][0][message][content]else:raiseException(fAPI 错误:{response.status_code}-{response.text})# 测试codeclaude_code_gen(写一个 FastAPI 的文件上传接口支持多文件、大小限制、类型校验)print(code)非 Python 项目里这个方案特别有用Node.js / Go / Rust 直接发 HTTP 就行不用找第三方 SDK。调用链路长这样OpenAI SDK / HTTP路由路由路由路由流式响应流式响应你的代码API 聚合网关Claude Opus 4.6Claude Sonnet 4.6GPT-5Gemini 3用聚合接口的好处就是这个——同一套代码换个model参数就能切模型。我做那个代码审查工具时就用这个方式做了个 A/B 测试发现 Claude Opus 4.6 在代码理解上确实比其他模型强一截。踩坑记录坑 1System Prompt 太长导致代码质量下降一开始我把所有要求塞进 system prompt 里足足 2000 字。结果 Claude 生成的代码又臭又长像在凑字数。后来把 system prompt 精简到 200 字以内代码质量立刻上来了。教训system prompt 要简洁具体需求放 user message 里。坑 2temperature 设太高代码跑不通默认 temperature1.0 写代码简直是灾难生成的变量名天马行空逻辑也经常跑偏。最后我固定用 0.2-0.3稳定多了。创意性需求比如取名、写注释可以开到 0.5。坑 3流式输出没处理好丢了最后几个 token用 stream 的时候一定要处理最后一个chunk.choices[0].finish_reason stop的情况。我之前有个 bug循环里只判断了delta.content是否存在最后一个 chunk 的 content 是 None直接被跳过导致代码块的 结尾偶尔丢失。坑 4Claude 的 Anthropic SDK 不支持 system 字段放 messages 里用方案二的官方 SDKsystem prompt 要用system参数单独传不能像 OpenAI 那样放在 messages 数组里。这个坑我排了半小时报错信息还特别不明显。# ❌ 错的messages[{role:system,content:...}]# ✅ 对的messageclient.messages.create(modelclaude-sonnet-4-20250514,system你是一个代码专家,# system 单独传messages[{role:user,content:...}],max_tokens4096)用方案一的 OpenAI 兼容接口就没这个问题system 放 messages 里没事聚合网关会自动帮你转换格式。进阶技巧让 Claude 写更好代码的 Prompt 模板跟 Claude 交流写代码我摸索出一套好用的 prompt 结构CODING_SYSTEM_PROMPT你是一个资深全栈工程师。 生成代码遵循以下原则 - 类型安全使用类型注解 - 错误处理完善不要用裸 except - 函数职责单一不超过 30 行 - 变量命名语义化 直接输出代码不需要解释。# 用户消息模板USER_TEMPLATE ## 任务 {task} ## 技术栈 {tech_stack} ## 约束 {constraints} ## 输入输出示例 {examples} 把需求结构化之后Claude 生成的代码质量和一致性都会提升很多亲测有效。小结三种方案各有适用场景想省事切模型用方案一OpenAI 兼容想用 Claude 全部特性用方案二官方 SDK轻量级场景用方案三HTTP。我个人 90% 的场景都在用方案一ofox.ai 是一个 AI 模型聚合平台一个 API Key 可以调用 Claude Opus 4.6、GPT-5、Gemini 3 等 50 模型改一行base_url就能切换省去了管理多个 API Key 的麻烦。最近 Claude Code 那边还出了 51 万行代码泄露的事搞得挺热闹。不过单纯用 API 调 Claude 写代码这件事本身很稳关键在于 prompt 写得好不好。多花时间调 prompt比纠结用哪个模型有用多了。