claude-sonnet-5-5
PulseAugur coverage of claude-sonnet-5-5 — every cluster mentioning claude-sonnet-5-5 across labs, papers, and developer communities, ranked by signal.
16 天有情绪数据
-
Anthropic 模型更新破坏代码,尽管看似正确的修复仅一行
一位开发者在更新 Anthropic Claude 模型时遇到了一个问题,将 `claude-sonnet-4-5-20250929` 替换为 `claude-sonnet-5-5` 的看似正确的单行代码更改无意中破坏了功能。问题出现的原因是新模型 `claude-sonnet-5-5` 不再接受从共享选项对象传递的 `temperature` 等采样参数。这凸显了一个常见的陷阱:代码更改在孤立来看似乎是正确的,但由于与新模型版本或 …
-
AI代理:优化提示缓存的工具和技术
两篇文章讨论了优化AI代理中提示缓存的方法,特别是针对Claude和Codex CLI等模型。第一篇文章介绍了三个开源工具(@framy2/ctxwise、@framy2/mcp-diet、@framy2/agent-wire-tap),旨在防止因模型上下文协议(MCP)引起的启动模式膨胀、响应过大失败和提示缓存无效等问题。第二篇文章详细介绍了如何在代理循环中使用Anthropic的SDK有效实现提示缓存,解释了“前缀匹配”心智模型、…
-
研究发现:LLM品牌提及量追踪面临衡量陷阱
一项最新分析探讨了在大型语言模型(LLM)的回答中准确衡量品牌提及量所面临的挑战,尤其是在LLM推荐产品时。该研究聚焦于四款支持网络搜索的LLM:OpenAI的GPT、Anthropic的Claude、Google的Gemini和Perplexity。研究人员发现,像原始引用计数这样的简单指标可能具有误导性,因为有些模型(如Gemini)倾向于产生比其他模型多得多的引用。研究还强调了提示措辞(例如,询问“X的替代品”)如何可能无意中导…
-
Anthropic 将于 11 月 30 日退役 Claude Sonnet 4.5 和 Opus 4.8 快速模式
Anthropic 将于 2026 年 11 月 30 日从其 Claude API 中退役 claude-sonnet-4-5-20250929 模型。此退役意味着在该日期之后对此模型发出的任何请求都将导致错误,而不是回退或减速。此外,Claude Opus 4.8 的快速模式也将在同一日期被移除,导致使用它的请求出现类似错误。建议开发者更新他们的集成,方法是查找旧模型标识符的所有实例,调整请求以使用新模型(claude-sonne…
-
LLMs:用于数据提取的少样本提示与结构化输出
文章解释了从大型语言模型中获取结构化数据的两种方法:少样本提示和结构化输出。少样本提示使用示例来指导模型,但可能不一致。另一方面,结构化输出使用预定义的模式来保证输出格式。Anthropic 和 OpenAI 都支持结构化输出,它们的 TypeScript SDK 允许使用 Zod 模式进行精确的数据格式化和解析。
-
LLM API速率限制需要比简单重试更智能的处理方式
集成LLM API(特别是Claude API)的开发者需要实现比简单重试循环更复杂的速率限制处理机制。Anthropic的TypeScript SDK内置了针对瞬时错误的重试机制,但堆叠自定义重试逻辑可能会加剧问题。Claude API 429错误的一个关键区别在于临时速率限制(带有retry-after头)和达到月度支出上限(没有此头,需要手动干预)。开发者在重试之前应先对错误进行分类,以避免在无法成功的请求上浪费资源。
-
Sonnet 5.5 vs. Opus 5.5 API 测试:方法论与发现
一位开发者使用与 OpenAI 兼容的 API 对 Anthropic 的 Sonnet 5.5 和 Opus 5.5 模型进行了比较测试。测试涵盖了 22 个任务的 132 次 API 调用,包括常见的开发挑战以及更复杂的问题,如后缀数组和令牌桶限制器。虽然两个模型在可验证的任务上表现相同,但 Opus 5.5 速度较慢且生成的文本更多。开发者强调了严谨的测试方法的重要性,包括预定义的规则以及对运行后进行的任何调整进行透明记录。
-
CC Switch 教程简化了 Claude Code 与 AIHubMix 的集成
本教程详细介绍了如何使用开源桌面应用程序 CC Switch 将 Claude Code 与 AIHubMix 集成。CC Switch 通过简化在不同 AI 模型和提供商之间切换的过程,允许用户管理各种编码工具(包括 Claude Code、Codex 和 Gemini CLI)的提供商配置。教程强调了正确配置 API 密钥、模型 ID 和环境变量的重要性,以确保无缝运行并避免常见的陷阱,例如错误的基 URL 路径或 API 密钥覆盖。
-
Anthropic 将于 2026 年 11 月 30 日停用 Claude Sonnet 4.5 模型
Anthropic 将于 2026 年 11 月 30 日从其 Claude API 中停用 claude-sonnet-4-5-20250929 模型。建议使用此模型的开发者迁移到推荐的替代模型 claude-sonnet-5-5。弃用和停用日期可能因 Amazon Bedrock 和 Google Vertex AI 等不同平台而异,用户需要查看每个平台的具体生命周期信息。文章为开发者提供了在停用截止日期前识别使用情况、测试新模型…
-
Anthropic 为将 AI 代理集成到产品中提供了三种途径
Anthropic 提供了三种不同的方法来将 AI 代理集成到产品中,每种方法在复杂性和控制性上都有所不同。开发者可以选择使用 Messages API 构建自己的自定义工具调用循环,这提供了最大的灵活性,但需要更多的代码。或者,Anthropic 的 SDK 包含一个 Beta 版的 Tool Runner,可以自动执行用户定义的工具。对于更全面的解决方案,Claude Agent SDK 将 Claude Code 打包成一个库,…
-
开发者构建工具以验证 Claude AI 的引用
一位开发者创建了一个 Python 脚本,用于检查 Anthropic 的 Claude AI 是否引用了特定的网站。该脚本利用了 Claude 内置的网页搜索工具,该工具提供了有关使用的搜索查询、返回的所有结果以及引用的具体段落的详细信息。这使用户能够区分 Claude 未找到页面和找到页面但未引用它。该工具旨在比手动检查更有效、信息更丰富。
-
如何验证 Claude Code 中继服务是否在使用 Anthropic 模型
本文解释了如何验证中继服务是否确实在使用 Anthropic 的 Claude 模型,而不是替换为其他语言模型。文章详细介绍了 Claude Code 用于连接 API 端点的环境变量,如 ANTHROPIC_BASE_URL 和 ANTHROPIC_AUTH_TOKEN。该帖子还提供了检查中继行为的方法,包括使用 `/status` 端点和运行 `check-relay.py` 等 Python 脚本来测试响应格式和模型签名。此外,…
-
Anthropic API 用量按客户设置上限,并支持提示缓存
本文详细介绍了如何为 Anthropic Messages API 实现每个客户的预算上限,以解决单个重度用户超出组织预算的问题。它提出了一种使用 TypeScript 和 Redis 的系统,可以准确地为 API 调用(包括提示缓存)定价,并在执行前原子地预留估计成本。该系统旨在通过并发检查预算并在接近限额时切换到更便宜的模型来防止超支。
-
LLM提示词缓存可节省成本,但需要仔细的提示词排序
提示词缓存是一种通过重用提示词的初始部分来节省大型语言模型处理时间和成本的技术。Anthropic的Messages API和OpenAI的模型都支持此功能,其中后续请求中相同的提示词前缀允许模型跳过重新处理。然而,提示词缓存依赖于精确的token匹配,这意味着提示词开头的任何更改都可能使缓存失效。开发人员必须仔细排序他们的提示词,将系统指令和工具定义等稳定内容放在动态用户查询之前,以最大化缓存命中率并实现成本和速度优势。
-
开发者分享使用提示词缓存来降低LLM成本和延迟的策略
一位开发者分享了降低大型语言模型(LLM)推理成本和延迟的策略,特别是在使用Anthropic的模型时。核心建议是,要详细记录每次请求花费的成本和时间,并按功能或任务进行细分,而不仅仅是按模型。这种详细的记录有助于进行有针对性的优化。提出的一个关键技术是提示词缓存(prompt caching),它涉及结构化提示词,使得稳定不变的部分(如指令和工具定义)出现在动态元素之前,从而使模型能够重用先前处理过的信息,显著降低成本和延迟。
-
Claude 的上下文窗口:通过缓存和分块实现高效的 LLM 交互
本文探讨了与 Anthropic 的 Claude 等人工智能模型交互时管理大量文本的实用方法。文章详细介绍了两种主要策略:缓存,即将稳定的文档随请求发送,以有效利用模型的上下文窗口;以及分块,即将大型文本分解成小块以用于检索式方法。该博文提供了用于计算 token 数、使用特定系统提示实现缓存以及基本的分块和检索机制的 Python 代码示例,并强调需要查阅最新文档以获取准确的参数名称和定价。
-
OpenAI Evals 服务将关闭;敦促用户迁移
OpenAI 将停用其 Evals 服务,只读访问将于 10 月 31 日结束,完全无法访问将于 11 月 30 日结束。Agent Builder 和 v1/prompts API 也将于后者日期停用。建议用户将他们的 evals 迁移到 Promptfoo,导出结果,或通过 Evals API 检索数据以重建测试。作者介绍了 LLMShift,这是一个旨在帮助用户导出其 OpenAI Evals 并针对任何 LLM(包括来自 An…
-
HefuAI 通过单一 OpenAI 兼容 API 统一 130 多个 LLM
HefuAI 提供了一个 API 网关,通过单一 OpenAI 兼容的端点统一访问 130 多个大型语言模型,包括 Kimi、DeepSeek 和 Claude。这通过消除对多个账户、API 密钥和 SDK 的需求,简化了开发者的流程。用户只需少量代码更改即可将 HefuAI 集成到他们的 Python 项目中,主要是通过更新 API 密钥和基础 URL 指向 HefuAI 的服务,从而能够无缝地在各种模型之间切换。
-
统一网关通过单一 API 密钥简化对多个 LLM 的访问
一位开发者创建了一个统一的网关解决方案,允许用户使用单一 API 密钥和端点访问多个大型语言模型,包括 Claude Code、Cursor、Cline、GPT、Gemini 和 DeepSeek。此设置通过仅需更改 Cursor、Cline 和 Python/Node SDK 等工具中的模型名称,而不是为每个服务重新配置 API 密钥或基础 URL,从而简化了模型切换。该网关旨在为经常在不同任务之间切换模型的用户简化工作流程,例如使…
-
Harness engineering 成为 AI 代理开发的下一个前沿领域
“Harness engineering” 的概念正作为 AI 开发中的下一个关键技能出现,它建立在提示工程和上下文工程的基础上。这一新层级专注于大型语言模型周围的系统,管理工具访问、内存、权限和监督等方面。Harness engineering 涉及创建一个循环,其中外部代码解释模型输出,决定工具执行,并将结果反馈给模型,从而实现更强大和可控的代理行为。这种方法旨在通过在周围代码中实现检查、预算和错误处理,而不是仅仅依赖模型的内部能…