本站为独立第三方技术服务商,Claude™ 与 Anthropic® 为 Anthropic, PBC 的商标,本站与 Anthropic 无任何关联、授权或合作关系。
← 返回博客列表

从 OpenAI API 迁移到 Claude API：参数、模型、代码差异完整指南（2026）

从 OpenAI API 迁移到 Claude API 只需改 3 行代码。本文详解 base_url、模型名称映射、不兼容参数列表、streaming/tool use 迁移方法，附 Python/Node.js/curl 完整对照示例。

开发指南Claude APIOpenAI 迁移兼容接口预计阅读12分钟
2026.06.26 发表
openai-to-claude-api-migration-2026--cover

已有 OpenAI API 代码的项目迁移到 Claude API，核心修改只有 3 处：base_url、api_key、model。claudeapi.com 提供完整的 OpenAI 兼容接口，无需更换 SDK，现有 OpenAI 代码可直接迁移，大多数场景改动不超过 5 分钟。

一、迁移的 3 行核心改动

字段 迁移前（OpenAI） 迁移后（Claude API）
base_url / apiBase https://api.openai.com/v1 https://gw.claudeapi.com/v1
api_key sk-openai-... sk-claudeapi-...
model gpt-4o、gpt-4-turbo 等 claude-sonnet-4-6、claude-opus-4-8 等

其余代码——消息格式、max_tokens、temperature、stream、system role——全部兼容，无需修改。

二、模型映射参考

OpenAI 模型 推荐对应 Claude 模型 说明
gpt-4o claude-sonnet-4-6 综合能力对标，成本相近
gpt-4-turbo claude-opus-4-8 复杂推理、长文本
gpt-3.5-turbo claude-haiku-4-5-20251001 轻量快速，成本最低

claudeapi.com 价格（输入/输出 per MTok）：Haiku $0.8/$4，Sonnet $2.4/$12，Opus $4/$20。模型名与价格以控制台实际显示为准。

三、运行环境与执行方式

你的电脑 / 服务器（运行 .py 或 .mjs 脚本）
        │  发出 HTTPS 请求
        ▼
gw.claudeapi.com（独立第三方中转接口）
        │  转发
        ▼
Claude 模型（返回结果）
        │
        ▼
打印在你的终端

你的电脑 / 服务器（运行 .py 或 .mjs 脚本）
        │  发出 HTTPS 请求
        ▼
gw.claudeapi.com（独立第三方中转接口）
        │  转发
        ▼
Claude 模型（返回结果）
        │
        ▼
打印在你的终端

3.1 打开终端

系统 方法
Windows 开始菜单搜 cmd 或 PowerShell；VS Code 里按 Ctrl+`
macOS Cmd+Space 搜索 Terminal
Linux Ctrl+Alt+T

3.2 安装依赖

Python 项目：

# 先确认 Python 版本（3.8 以上即可）
python --version

# 安装 openai 包（无需更换，Claude 兼容同一个包）
pip install openai

# 先确认 Python 版本（3.8 以上即可）
python --version

# 安装 openai 包（无需更换，Claude 兼容同一个包）
pip install openai

Node.js 项目：

# 确认 Node 版本（建议 18 以上）
node -v

# 安装
npm install openai

# 确认 Node 版本（建议 18 以上）
node -v

# 安装
npm install openai

1

3.3 配置 API Key

不要把 Key 写死在代码里——一旦提交到 Git 仓库就可能泄露。推荐两种方式：

方式 A：临时环境变量（调试用，关闭终端后失效）

# macOS / Linux
export CLAUDE_API_KEY="你的key"

# Windows PowerShell
$env:CLAUDE_API_KEY="你的key"

# Windows cmd
set CLAUDE_API_KEY=你的key

# macOS / Linux
export CLAUDE_API_KEY="你的key"

# Windows PowerShell
$env:CLAUDE_API_KEY="你的key"

# Windows cmd
set CLAUDE_API_KEY=你的key

⚠️ 必须在运行脚本的同一个终端窗口里执行，新开窗口需重新设置。

方式 B：.env 文件（推荐，长期有效）

在项目根目录新建 .env 文件：

CLAUDE_API_KEY=你的key

CLAUDE_API_KEY=你的key

Python 代码里用 python-dotenv 自动加载：

pip install python-dotenv

pip install python-dotenv

from dotenv import load_dotenv
import os

load_dotenv()   # 自动读取 .env 文件
key = os.environ["CLAUDE_API_KEY"]

from dotenv import load_dotenv
import os

load_dotenv()   # 自动读取 .env 文件
key = os.environ["CLAUDE_API_KEY"]

记得把 .env 加入 .gitignore，避免误提交。

四、完整代码迁移示例

4.1 Python（openai SDK）

迁移前：

from openai import OpenAI

client = OpenAI(api_key="sk-openai-xxx")

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是一个代码助手"},
        {"role": "user", "content": "写一个快速排序"}
    ],
    max_tokens=1024,
    temperature=0.7
)
print(response.choices[0].message.content)

from openai import OpenAI

client = OpenAI(api_key="sk-openai-xxx")

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是一个代码助手"},
        {"role": "user", "content": "写一个快速排序"}
    ],
    max_tokens=1024,
    temperature=0.7
)
print(response.choices[0].message.content)

迁移后（只改 3 处，其余不动）：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],     # ← 改 1：从环境变量读取 Key
    base_url="https://gw.claudeapi.com/v1"    # ← 改 2：指向 Claude 中转接口
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",                # ← 改 3：替换为 Claude 模型名
    messages=[
        {"role": "system", "content": "你是一个代码助手"},
        {"role": "user", "content": "写一个快速排序"}
    ],
    max_tokens=1024,      # ✅ 不用改
    temperature=0.7       # ✅ 不用改
)
print(response.choices[0].message.content)

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],     # ← 改 1：从环境变量读取 Key
    base_url="https://gw.claudeapi.com/v1"    # ← 改 2：指向 Claude 中转接口
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",                # ← 改 3：替换为 Claude 模型名
    messages=[
        {"role": "system", "content": "你是一个代码助手"},
        {"role": "user", "content": "写一个快速排序"}
    ],
    max_tokens=1024,      # ✅ 不用改
    temperature=0.7       # ✅ 不用改
)
print(response.choices[0].message.content)

保存为 demo.py，在文件所在目录执行：

python demo.py

python demo.py

跑通后，终端会直接打印出快速排序代码。若报错，见 §八 排错对照表。

4.2 Node.js（openai npm 包）

迁移前：

import OpenAI from 'openai';

const openai = new OpenAI({ apiKey: 'sk-openai-xxx' });

const response = await openai.chat.completions.create({
  model: 'gpt-4o',
  messages: [{ role: 'user', content: '写一个快速排序' }],
});
console.log(response.choices[0].message.content);

import OpenAI from 'openai';

const openai = new OpenAI({ apiKey: 'sk-openai-xxx' });

const response = await openai.chat.completions.create({
  model: 'gpt-4o',
  messages: [{ role: 'user', content: '写一个快速排序' }],
});
console.log(response.choices[0].message.content);

迁移后（同样只改 3 处）：

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.CLAUDE_API_KEY,          // ← 改 1：从环境变量读取
  baseURL: 'https://gw.claudeapi.com/v1',      // ← 改 2：指向中转接口
});

const response = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',                  // ← 改 3：替换模型名
  messages: [{ role: 'user', content: '写一个快速排序' }],
});
console.log(response.choices[0].message.content);

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.CLAUDE_API_KEY,          // ← 改 1：从环境变量读取
  baseURL: 'https://gw.claudeapi.com/v1',      // ← 改 2：指向中转接口
});

const response = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',                  // ← 改 3：替换模型名
  messages: [{ role: 'user', content: '写一个快速排序' }],
});
console.log(response.choices[0].message.content);

保存为 demo.mjs，执行：

node demo.mjs

node demo.mjs

4.3 curl（最快验证方式）

不想写代码？用 curl 一行命令直接验证接口是否通畅：

macOS / Linux：

curl -s https://gw.claudeapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CLAUDE_API_KEY" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [{"role": "user", "content": "你好，返回 OK 即可"}],
    "max_tokens": 16
  }'

curl -s https://gw.claudeapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CLAUDE_API_KEY" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [{"role": "user", "content": "你好，返回 OK 即可"}],
    "max_tokens": 16
  }'

Windows PowerShell：

$body = '{"model":"claude-sonnet-4-6","messages":[{"role":"user","content":"你好，返回 OK 即可"}],"max_tokens":16}'
Invoke-RestMethod -Uri "https://gw.claudeapi.com/v1/chat/completions" `
  -Method POST `
  -Headers @{"Authorization"="Bearer $env:CLAUDE_API_KEY"; "Content-Type"="application/json"} `
  -Body $body

$body = '{"model":"claude-sonnet-4-6","messages":[{"role":"user","content":"你好，返回 OK 即可"}],"max_tokens":16}'
Invoke-RestMethod -Uri "https://gw.claudeapi.com/v1/chat/completions" `
  -Method POST `
  -Headers @{"Authorization"="Bearer $env:CLAUDE_API_KEY"; "Content-Type"="application/json"} `
  -Body $body

返回 JSON 且 choices[0].message.content 有内容，说明接口、Key、模型均配置正确。

4.4 流式输出（Streaming）

流式输出的写法与 OpenAI 完全相同，只需加 stream=True：

Python：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],
    base_url="https://gw.claudeapi.com/v1"
)

stream = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "详细解释快速排序的原理"}],
    stream=True,
    max_tokens=1024
)

# 逐块打印，实现打字机效果
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

print()  # 最后换行

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],
    base_url="https://gw.claudeapi.com/v1"
)

stream = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "详细解释快速排序的原理"}],
    stream=True,
    max_tokens=1024
)

# 逐块打印，实现打字机效果
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

print()  # 最后换行

Node.js：

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.CLAUDE_API_KEY,
  baseURL: 'https://gw.claudeapi.com/v1',
});

const stream = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages: [{ role: 'user', content: '详细解释快速排序的原理' }],
  stream: true,
  max_tokens: 1024,
});

for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta?.content;
  if (delta) process.stdout.write(delta);
}
console.log();

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.CLAUDE_API_KEY,
  baseURL: 'https://gw.claudeapi.com/v1',
});

const stream = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages: [{ role: 'user', content: '详细解释快速排序的原理' }],
  stream: true,
  max_tokens: 1024,
});

for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta?.content;
  if (delta) process.stdout.write(delta);
}
console.log();

4.5 Tool Use（函数调用）

工具定义格式与 OpenAI 完全兼容。完整流程分三步：定义工具 → 模型决定调用 → 回传结果。

Python 完整示例：

import os, json
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],
    base_url="https://gw.claudeapi.com/v1"
)

# 第 1 步：定义工具（格式与 OpenAI 完全相同）
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的实时天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名称，如"北京""}
                },
                "required": ["city"]
            }
        }
    }
]

messages = [{"role": "user", "content": "北京今天天气怎么样？"}]

# 第 2 步：第一次请求，模型返回 tool_calls
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=messages,
    tools=tools,
    tool_choice="auto"
)

tool_call = response.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
print(f"模型要调用：{tool_call.function.name}，参数：{args}")
# 输出示例：模型要调用：get_weather，参数：{'city': '北京'}

# 第 3 步：执行本地函数，把结果回传给模型
def get_weather(city: str) -> str:
    # 这里替换为真实的天气 API 调用
    return f"{city}今天晴，气温 28°C，北风 3 级"

weather_result = get_weather(args["city"])

messages.append(response.choices[0].message)          # 把模型的 tool_calls 消息加入历史
messages.append({
    "role": "tool",
    "tool_call_id": tool_call.id,
    "content": weather_result
})

# 第 4 步：第二次请求，模型根据工具返回结果生成最终回答
final_response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=messages,
    tools=tools
)
print(final_response.choices[0].message.content)
# 输出示例：北京今天天气晴朗，气温 28°C，刮北风 3 级，适合出行。

import os, json
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],
    base_url="https://gw.claudeapi.com/v1"
)

# 第 1 步：定义工具（格式与 OpenAI 完全相同）
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的实时天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名称，如"北京""}
                },
                "required": ["city"]
            }
        }
    }
]

messages = [{"role": "user", "content": "北京今天天气怎么样？"}]

# 第 2 步：第一次请求，模型返回 tool_calls
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=messages,
    tools=tools,
    tool_choice="auto"
)

tool_call = response.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
print(f"模型要调用：{tool_call.function.name}，参数：{args}")
# 输出示例：模型要调用：get_weather，参数：{'city': '北京'}

# 第 3 步：执行本地函数，把结果回传给模型
def get_weather(city: str) -> str:
    # 这里替换为真实的天气 API 调用
    return f"{city}今天晴，气温 28°C，北风 3 级"

weather_result = get_weather(args["city"])

messages.append(response.choices[0].message)          # 把模型的 tool_calls 消息加入历史
messages.append({
    "role": "tool",
    "tool_call_id": tool_call.id,
    "content": weather_result
})

# 第 4 步：第二次请求，模型根据工具返回结果生成最终回答
final_response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=messages,
    tools=tools
)
print(final_response.choices[0].message.content)
# 输出示例：北京今天天气晴朗，气温 28°C，刮北风 3 级，适合出行。

Node.js 完整示例：

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.CLAUDE_API_KEY,
  baseURL: 'https://gw.claudeapi.com/v1',
});

const tools = [
  {
    type: 'function',
    function: {
      name: 'get_weather',
      description: '获取指定城市的实时天气',
      parameters: {
        type: 'object',
        properties: {
          city: { type: 'string', description: '城市名称' },
        },
        required: ['city'],
      },
    },
  },
];

const messages = [{ role: 'user', content: '北京今天天气怎么样？' }];

// 第一次请求
const response = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages,
  tools,
  tool_choice: 'auto',
});

const toolCall = response.choices[0].message.tool_calls[0];
const args = JSON.parse(toolCall.function.arguments);

// 模拟本地函数执行
const weatherResult = `${args.city}今天晴，气温 28°C，北风 3 级`;

messages.push(response.choices[0].message);
messages.push({
  role: 'tool',
  tool_call_id: toolCall.id,
  content: weatherResult,
});

// 第二次请求，获取最终回答
const finalResponse = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages,
  tools,
});
console.log(finalResponse.choices[0].message.content);

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.CLAUDE_API_KEY,
  baseURL: 'https://gw.claudeapi.com/v1',
});

const tools = [
  {
    type: 'function',
    function: {
      name: 'get_weather',
      description: '获取指定城市的实时天气',
      parameters: {
        type: 'object',
        properties: {
          city: { type: 'string', description: '城市名称' },
        },
        required: ['city'],
      },
    },
  },
];

const messages = [{ role: 'user', content: '北京今天天气怎么样？' }];

// 第一次请求
const response = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages,
  tools,
  tool_choice: 'auto',
});

const toolCall = response.choices[0].message.tool_calls[0];
const args = JSON.parse(toolCall.function.arguments);

// 模拟本地函数执行
const weatherResult = `${args.city}今天晴，气温 28°C，北风 3 级`;

messages.push(response.choices[0].message);
messages.push({
  role: 'tool',
  tool_call_id: toolCall.id,
  content: weatherResult,
});

// 第二次请求，获取最终回答
const finalResponse = await openai.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages,
  tools,
});
console.log(finalResponse.choices[0].message.content);

五、不兼容参数处理

迁移时需移除或替换以下参数（传入后会被忽略或返回 400）：

参数 原因 处理方式
n > 1 Claude 不支持单次多候选 改为多次独立调用
logprobs 不支持 logprob 输出 直接移除
presence_penalty 不支持 直接移除
frequency_penalty 不支持 直接移除
seed 不支持确定性输出 直接移除
function_call（旧格式） 已废弃 改用 tools + tool_choice，参照 §4.5
response_format: json_object 不支持此格式控制参数 在 system prompt 中指定，见下方示例

response_format 替代方案：

# 迁移前（OpenAI 写法）
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "返回用户信息"}],
    response_format={"type": "json_object"}   # ← Claude 不支持此参数
)

# 迁移后（用 system prompt 引导 JSON 输出）
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你必须以合法的 JSON 格式回复，不要包含任何额外文字。"
                       '示例格式：{"name": "张三", "age": 25}'
        },
        {"role": "user", "content": "返回用户信息"}
    ]
)

# 迁移前（OpenAI 写法）
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "返回用户信息"}],
    response_format={"type": "json_object"}   # ← Claude 不支持此参数
)

# 迁移后（用 system prompt 引导 JSON 输出）
response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {
            "role": "system",
            "content": "你必须以合法的 JSON 格式回复，不要包含任何额外文字。"
                       '示例格式：{"name": "张三", "age": 25}'
        },
        {"role": "user", "content": "返回用户信息"}
    ]
)

六、迁移检查清单

完成迁移后，逐项核对：

  • [ ] base_url 已改为 https://gw.claudeapi.com/v1
  • [ ] api_key 已换成 claudeapi.com 的 Key，通过环境变量读取（未硬编码进源码）
  • [ ] model 字段已换成 Claude 模型名称
  • [ ] 已移除 n > 1、logprobs、presence_penalty、frequency_penalty、seed
  • [ ] 如使用 function_call 旧格式，已更新为 tools + tool_choice
  • [ ] 如使用 response_format: json_object，已改为 system prompt 引导
  • [ ] streaming 响应正常（delta.content 有内容）
  • [ ] tool use 流程正常（finish_reason 为 "tool_calls"，回传结果后能得到最终回答）
  • [ ] 错误处理逻辑无需改动（HTTP 状态码体系与 OpenAI 相同）
  • [ ] openai SDK 无需升级或替换

七、验证迁移是否成功

迁移后先跑一条最小请求，确认链路通畅再部署：

macOS / Linux：

curl -s https://gw.claudeapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CLAUDE_API_KEY" \
  -d '{"model":"claude-sonnet-4-6","messages":[{"role":"user","content":"ping"}],"max_tokens":8}'

curl -s https://gw.claudeapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CLAUDE_API_KEY" \
  -d '{"model":"claude-sonnet-4-6","messages":[{"role":"user","content":"ping"}],"max_tokens":8}'

Windows PowerShell：

Invoke-RestMethod `
  -Uri "https://gw.claudeapi.com/v1/chat/completions" `
  -Method POST `
  -Headers @{"Authorization"="Bearer $env:CLAUDE_API_KEY";"Content-Type"="application/json"} `
  -Body '{"model":"claude-sonnet-4-6","messages":[{"role":"user","content":"ping"}],"max_tokens":8}'

Invoke-RestMethod `
  -Uri "https://gw.claudeapi.com/v1/chat/completions" `
  -Method POST `
  -Headers @{"Authorization"="Bearer $env:CLAUDE_API_KEY";"Content-Type"="application/json"} `
  -Body '{"model":"claude-sonnet-4-6","messages":[{"role":"user","content":"ping"}],"max_tokens":8}'

返回的 JSON 中，choices[0].message.content 有内容即代表接口、Key、模型三者均配置正确。

八、常见报错对照表

报错信息 常见原因 解决方法
ModuleNotFoundError: No module named 'openai' SDK 未安装 执行 pip install openai
KeyError: 'CLAUDE_API_KEY' 环境变量未设，或开了新终端窗口 重新执行 §3.3 的设置命令
401 Unauthorized Key 填错，或用了 OpenAI 的 Key 在 claudeapi.com 控制台重新复制 Key
404 Not Found base_url 末尾缺少 /v1 改为 https://gw.claudeapi.com/v1
400 Bad Request: model not found 模型名拼写错误或版本不存在 从控制台复制完整模型名
Connection refused / Timeout 网络问题或地址写错 核对 base_url，检查本地网络
参数被静默忽略，输出异常 传入了 Claude 不支持的参数 参照 §五 移除不兼容参数
AttributeError: 'NoneType' ... tool_calls 模型未触发工具调用 检查 prompt 是否清楚表达调用意图，或改 tool_choice="required"

九、常见问题（FAQ）

Q：从 OpenAI API 迁移到 Claude API 需要更换 SDK 吗？

不需要。openai 这个包（Python 或 Node.js）可以继续使用，只需在初始化时额外传入 base_url（Python）或 baseURL（Node.js）指向 claudeapi.com 的接口地址即可。SDK 本身不感知底层模型，迁移不涉及任何包升级或替换。

Q：OpenAI 的 system role 在 Claude 里还能用吗？

可以直接用，格式完全相同。{"role": "system", "content": "..."} 放在 messages 数组第一位，Claude 会正确识别为系统提示词，无需任何改动。

Q：迁移后流式输出（streaming）还兼容吗？

完全兼容。stream=True（Python）/ stream: true（Node.js）的写法、逐块读取 chunk.choices[0].delta.content 的方式与 OpenAI 完全一致，不需要修改任何 streaming 相关代码。

Q：function_call 格式能直接用吗，还是要改成 tools？

function_call 是 OpenAI 已废弃的旧格式，Claude API 不支持。需要改为 tools + tool_choice 的新格式。工具定义的 JSON Schema 结构、tool_calls 的响应结构、回传 role: tool 的方式与 OpenAI 新格式完全一致，参照 §4.5 的示例修改即可。

Q：response_format: json_object 在 Claude API 里怎么替代？

Claude API 不支持 response_format 参数。替代方案是在 system prompt 中明确要求 JSON 输出格式，例如："你必须以合法的 JSON 格式回复，不要包含任何额外文字"，并可附上示例结构。详见 §五 的代码示例。

Q：gpt-4o 对应哪个 Claude 模型？

综合能力对标推荐 claude-sonnet-4-6，适合日常问答、写作、代码生成等任务，价格也相近。需要更强推理能力或处理超长文档时，可以选 claude-opus-4-8。具体模型名称以 claudeapi.com 控制台显示为准。

Q：迁移后报 401 Unauthorized 怎么排查？

按以下顺序检查：① Key 是否完整复制（有时会漏掉末尾字符）；② 是否误用了 OpenAI 的 Key 而不是 claudeapi.com 的 Key；③ 环境变量是否在当前终端窗口中生效（新开窗口需重新设置）。Key 在控制台的「API 密钥」页面可随时重新复制或重新生成。

Q：可以在现有项目里同时保留 OpenAI 和 Claude 两套接入吗？

可以。只需初始化两个客户端实例，分别传入不同的 base_url 和 api_key，在代码里按需调用即可：

import os
from openai import OpenAI

# OpenAI 客户端
openai_client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

# Claude 客户端（通过 claudeapi.com 中转）
claude_client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],
    base_url="https://gw.claudeapi.com/v1"
)

import os
from openai import OpenAI

# OpenAI 客户端
openai_client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

# Claude 客户端（通过 claudeapi.com 中转）
claude_client = OpenAI(
    api_key=os.environ["CLAUDE_API_KEY"],
    base_url="https://gw.claudeapi.com/v1"
)

两套客户端互不影响，便于 A/B 测试或按任务类型分流。

十、更多资源

如已准备好迁移，前往 claudeapi.com 注册并获取 API Key，按以上步骤替换 3 个参数即可开始调用 Claude API。

相关文章

IntelliJ IDEA 接入 Claude API 保姆级教程：插件配置全指南
工具集成IntelliJ IDEAClaude API插件AI编程助手ClaudeAPI

IntelliJ IDEA 接入 Claude API 保姆级教程：插件配置全指南

零基础教程：在 IntelliJ IDEA 中安装插件，通过 ClaudeAPI.com 免费接入 Claude Sonnet、Opus 等模型，5分钟完成配置，附常见报错解决方案。

2026.05.1310分钟
飞书 OpenClaw 接入 ClaudeAPI.com 教程：5分钟完成自定义模型配置
工具集成飞书OpenClawClaude API教程智能体

飞书 OpenClaw 接入 ClaudeAPI.com 教程：5分钟完成自定义模型配置

手把手教你在飞书 OpenClaw 智能体中配置 ClaudeAPI.com 自定义接口，支持 Claude Opus 4.7、Sonnet 4.6 等全系模型，5分钟完成接入，无需代码改动。

2026.05.075分钟
OpenCode 接入 ClaudeAPI.com 完整配置指南（桌面版 + 配置文件）
工具集成OpenCodeClaude APIAI 编程工具开发者工具

OpenCode 接入 ClaudeAPI.com 完整配置指南（桌面版 + 配置文件）

详细介绍如何在 OpenCode 中配置 ClaudeAPI.com，覆盖桌面 GUI 图形界面和 JSON 配置文件两种方式，支持 Windows、macOS、Linux 全平台，含所有 Claude 模型 ID 和定价对比。

2026.05.078分钟