你帮我看一下下面这段代码，它做了什么，
然后告诉我有没有性能问题，
还有就是上面那个函数我之前问过你怎么改，
你说改成 async 就行……

<context>
我们在做一个高并发抓取服务，每秒约 500 请求。
</context>

<code>
def fetch_all(urls):
    results = []
    for url in urls:
        results.append(requests.get(url).text)
    return results
</code>

<task>
1. 用一句话说明这段代码做什么
2. 指出最严重的性能问题
3. 给出符合 context 中并发量的改写方案
</task>

<output_format>
按 task 的 1/2/3 编号回答，每点不超过 5 行。
</output_format>

import anthropic

client = anthropic.Anthropic(
    api_key="sk-你的ClaudeAPI密钥",
    base_url="https://gw.claudeapi.com"
)

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[{"role": "user", "content": prompt_with_xml}]
)

<task>
从用户输入的一段产品评论中，抽取以下字段，返回 JSON：
- sentiment: positive / negative / neutral
- mentioned_features: 数组
- has_complaint: bool
</task>

<examples>
<example>
<input>电池续航不错，但是充电太慢了，要 3 小时</input>
<output>{"sentiment": "neutral", "mentioned_features": ["电池续航", "充电速度"], "has_complaint": true}</output>
</example>

<example>
<input>屏幕显示效果非常好，色彩鲜艳</input>
<output>{"sentiment": "positive", "mentioned_features": ["屏幕"], "has_complaint": false}</output>
</example>

<example>
<input>客服根本不回我消息，差评</input>
<output>{"sentiment": "negative", "mentioned_features": ["客服"], "has_complaint": true}</output>
</example>
</examples>

<user_input>
拍照效果惊艳，但开机慢了点，整体满意
</user_input>

<question>
一辆车从 A 到 B 走了 4 小时，平均速度 60 km/h。返程走相同路线，因下雨平均速度降为 40 km/h。求往返平均速度。
</question>

<instructions>
请按以下步骤回答：

<thinking>
- 第 1 步：列出已知条件
- 第 2 步：计算单程距离
- 第 3 步：计算返程时间
- 第 4 步：用总距离 / 总时间求平均速度
</thinking>

<answer>
最终答案，单位 km/h，保留 1 位小数
</answer>
</instructions>

response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 8000},
    messages=[{"role": "user", "content": question}]
)

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "用 JSON 输出 3 个有趣的 Python 库，每个含 name 和 desc"},
        {"role": "assistant", "content": "{\n  \"libraries\": ["}  # 让模型从这里续写
    ]
)
print("{\n  \"libraries\": [" + response.content[0].text)

{"role": "assistant", "content": "<法律顾问回答>\n"}

SYSTEM = """你是一位资深 Python 后端工程师，专攻 FastAPI 与高并发优化。

回答规则：
1. 只给可直接运行的代码，不给伪代码
2. 不要写多行 docstring 和废话注释
3. 涉及版本时只考虑 FastAPI 0.115+ 和 Python 3.12+
4. 如果用户的需求有明显错误，直接指出并给正确做法，不要顺着写
5. 不确定的事情明确说"我不确定"，不要编造
"""

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=2048,
    system=SYSTEM,
    messages=[{"role": "user", "content": user_query}]
)

用不超过 100 字回答。

按以下结构回答，每项 1 句话：
- 结论：
- 主要原因：
- 推荐做法：

messages=[
    {"role": "user", "content": "用一句话总结上面文章"},
    {"role": "assistant", "content": "一句话总结："}
],
max_tokens=80

回答以下问题时，如果出现以下任何情况，请直接说"我无法准确回答这个问题"并停止：

- 缺少计算所需的具体数据
- 涉及具体法律条款而你不确定最新版本
- 涉及具体医疗诊断
- 答案依赖你无法验证的事实

prompt = f"""<document>
{long_document}
</document>

请基于上面的文档回答：{question}

如果文档中没有相关信息，明确说"文档中未提到"，不要猜测。
"""

response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=2048,
    messages=[{"role": "user", "content": prompt}]
)

messages=[
    {"role": "user", "content": [
        {"type": "text", "text": f"<document>\n{long_document}\n</document>",
         "cache_control": {"type": "ephemeral"}},
        {"type": "text", "text": f"问题：{question}"}
    ]}
]

<task>
根据下面的 git diff 写一条符合团队风格的 PR description。
</task>

<style_examples>
<example>
## What
Add retry logic to the payment webhook handler.

## Why
~3% of webhook calls were failing silently due to upstream timeouts.

## How
Exponential backoff, max 5 retries, with DLQ for permanent failures.

## Test
- Unit: tests/payments/test_webhook_retry.py
- Manual: triggered 50 mock failures locally
</example>

<example>
## What
Switch user search from LIKE to Postgres tsvector.

## Why
P99 latency on /api/users/search was 1.8s; reduces to <100ms.

## How
Added GIN index on `users.search_vector`; migration in 0042.

## Test
- Unit: existing search tests
- Benchmark: scripts/bench/users_search.py before/after
</example>
</style_examples>

<diff>
{git_diff_content}
</diff>

SYSTEM = """你是<角色>，<约束>。

回答规则：
1. <规则 1>
2. <规则 2>
3. <规则 3>
"""

USER_PROMPT = f"""
<context>
{背景信息}
</context>

<examples>
<example>
<input>...</input>
<output>...</output>
</example>
</examples>

<task>
{具体任务}
</task>

<output_format>
{格式要求}
</output_format>
"""

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=2048,
    system=SYSTEM,
    messages=[
        {"role": "user", "content": USER_PROMPT},
        {"role": "assistant", "content": "<开头 prefill 锁住格式>"}
    ]
)