模块 2 动手实验 — Claude 模型与消息

Lab 2.1–2.4 无需 API key；Lab 2.5 可选需 key。预计 60–90 分钟。

Lab 2.1 — 选型矩阵实战（必做，无 key）

任务：改造 examples/model_matrix.py：

把负载画像换成你（假想中的）项目：客服聊天（QPS 20、输入 3K、输出 400、缓存 60%）与法律合同分析（QPS 0.2、输入 80K、输出 4K、缓存 30%）。
分别找出满足 Start 档限流的最低成本模型。
回答：合同分析在哪个模型上会先撞 ITPM？为什么 Fable 5 的 ITPM 桶只有别家 1/4？

验收：能说出"限流桶比单价更早决定选型"的例子（提示：Fable 5 Start 档 500K ITPM / 100K OTPM，来源: https://platform.claude.com/docs/en/api/rate-limits（访问于 2026-08-30））。

Lab 2.2 — 消息结构改错（必做，纸面）

任务：下面请求有 5 处结构错误，逐一指出并改正（对照 https://platform.claude.com/docs/en/api/messages（访问于 2026-08-30））：

{
  "model": "claude-opus-5",
  "max_tokens": 1024,
  "messages": [
    {"role": "system", "content": "你是客服助手"},
    {"role": "user", "content": "查一下我的订单"},
    {"role": "assistant", "content": [{"type": "tool_use", "id": "toolu_1", "name": "get_order", "input": {"order_id": "A123"}}]},
    {"role": "user", "content": [
      {"type": "text", "text": "这是结果："},
      {"type": "tool_result", "tool_use_id": "toolu_1", "content": "已发货"}
    ]}
  ]
}

提示（错误清单方向）：system 的位置与角色、tool_result 排序、连续角色合并、图片简写、消息上限。验收：能解释每处错误对应的官方行为（报错 / 被合并 / 引发空响应模式）。

Lab 2.3 — 图片与 PDF 的账（必做，纸面）

任务：给"发票审核系统"估算单次请求多模态成本：

3 张 1200×1600 的发票照片（PNG），1 份 45 页 PDF。
模型：Sonnet 5（高分辨率档，4.7+）。
步骤：手算每张图 ⌈w/28⌉×⌈h/28⌉；PDF 按"每页文本+图像"粗估（先查官方页给的比例线索，来源: https://platform.claude.com/docs/en/build-with-claude/pdf-support（访问于 2026-08-30））；乘单价。
追问：为什么给该系统上 Files API + prompt caching 比每轮重发 base64 便宜得多？

验收：图 token 算得出（1200/28=42.86→43、1600/28=57.14→58，每张 ≈43×58=2,494），并知道超档位上限会自动缩放。

Lab 2.4 — stop_reason 决策树（必做，纸面）

任务：为下列每种 stop_reason 写一行应用层伪代码处理（if-elif 链）：

end_turn / max_tokens / stop_sequence / tool_use / pause_turn / refusal / model_context_window_exceeded

要求：max_tokens 分支必须考虑"输出是 JSON 时不能拼接下游解析"；refusal 分支必须考虑 fallback 模型（来源: https://platform.claude.com/docs/en/build-with-claude/handling-stop-reasons（访问于 2026-08-30））。

Lab 2.5 — 用 usage 字段校准预算（可选，需 key）

任务：同一 prompt 发两次（第二次相同前缀命中缓存），观察 usage 四个字段的变化：input_tokens 下降、cache_read_input_tokens 上升。记录：总输入是否恒定？output_tokens 含 thinking 吗？（对照模块 2 §4）

验收：亲手看到"input_tokens ≠ 总输入"。

完成检查表

☐能不看资料说出四款现役模型的价格/延迟/窗口三轴差异（截至 2026-08-30）
☐Lab 2.2 的 5 处错误全找对
☐能解释 cache-aware ITPM 为什么是"有效吞吐倍增器"
☐进入模块 03

📚 目录