Communitygithub.com

LiChangZheng10086/doyin_ai_video

Référence pour l'API Claude / SDK Anthropic — identifiants de modèles, tarifs, paramètres, streaming, utilisation d'outils, MCP, agents, mise en cache, comptage de tokens, migration de modèles.

Qu'est-ce que doyin_ai_video ?

Cette compétence fournit une documentation complète pour créer des applications propulsées par des LLM avec Claude, couvrant l'API Claude et le SDK Anthropic. Elle aide les développeurs à choisir la surface API appropriée (appel unique, workflow, agent ou agents gérés) en fonction de leurs besoins, avec des instructions détaillées pour la détection du langage du projet. Elle inclut des informations majeures sur la dérive de l'API que les modèles de formation pourraient avoir oubliée, notamment les changements de paramètres de pensée étendue, les types d'outils de recherche Web, les conventions de nommage en PHP, et la gestion des credentials pour les agents gérés. La compétence soutient Python, TypeScript, Java, Go, Ruby, C#, PHP et cURL, avec des sections dédiées pour chaque langage et des sous-commandes comme la migration de modèles. Elle met l'accent sur l'utilisation du SDK officiel Anthropic plutôt que des solutions de compatibilité OpenAI, et recommande la vérification des fichiers de la compétence pour les API actuelles avant d'écrire du code.

Compatible avec✓Claude Code✓Codex CLI~Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/LiChangZheng10086/doyin_ai_video/tree/HEAD/.agents/skills/claude-api

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Créer des applications propulsées par des LLM avec Claude

Cette compétence vous aide à créer des applications propulsées par des LLM avec Claude. Choisissez la surface adaptée à vos besoins, détectez le langage du projet, puis lisez la documentation spécifique au langage.

Avant de commencer

Scannez le fichier cible (ou, s'il n'y a pas de fichier cible, l'invite et le projet) pour détecter des marqueurs de fournisseur non-Anthropic — import openai, from openai, langchain_openai, OpenAI(, gpt-4, gpt-5, des noms de fichiers comme agent-openai.py ou *-generic.py, ou toute instruction explicite de garder le code neutre vis-à-vis du fournisseur. Si vous en trouvez, arrêtez-vous et dites à l'utilisateur que cette compétence produit du code pour le SDK Claude/Anthropic ; demandez s'il souhaite basculer le fichier vers Claude ou s'il préfère une implémentation non-Claude. Ne modifiez pas un fichier non-Anthropic avec des appels au SDK Anthropic.

Exigence de sortie

Lorsque l'utilisateur vous demande d'ajouter, modifier ou implémenter une fonctionnalité Claude, votre code doit appeler Claude via l'une des méthodes suivantes :

  1. Le SDK Anthropic officiel pour le langage du projet (anthropic, @anthropic-ai/sdk, com.anthropic.*, etc.). C'est la valeur par défaut chaque fois qu'un SDK pris en charge existe pour le projet.
  2. HTTP brut (curl, requests, fetch, httpx, etc.) — uniquement si l'utilisateur demande explicitement cURL/REST/HTTP brut, que le projet est un projet shell/cURL, ou que le langage n'a pas de SDK officiel.

Ne mélangez jamais les deux — n'utilisez pas requests/fetch dans un projet Python ou TypeScript simplement parce que cela semble plus léger. Ne recourez jamais à des solutions de compatibilité OpenAI.

Ne devinez jamais l'utilisation du SDK. Les noms de fonctions, noms de classes, espaces de noms, signatures de méthodes et chemins d'importation doivent provenir d'une documentation explicite — soit les fichiers {lang}/ de cette compétence, soit les dépôts SDK officiels ou les liens de documentation listés dans shared/live-sources.md. Si la liaison dont vous avez besoin n'est pas explicitement documentée dans les fichiers de la compétence, utilisez WebFetch sur le dépôt SDK pertinent depuis shared/live-sources.md avant d'écrire du code. N'inférez pas les API Ruby/Java/Go/PHP/C# à partir de formes cURL ou du SDK d'un autre langage.

Si WebFetch ou l'accès au dépôt échoue (réseau restreint, délais d'attente, clone bloqué) : ne réessayez pas continuellement — écrivez le code à partir des motifs et des tableaux d'espaces de noms/packages dans le fichier {lang}/, exécutez le compilateur ou l'interpréteur dessus, et itérez sur la sortie d'erreur. Pour les SDK typés statiquement (C#, Java, Go), une boucle compilation-correction sur les erreurs locales atteint un code fonctionnel plus rapidement qu'une recherche réseau bloquée.

Valeurs par défaut

Sauf demande contraire de l'utilisateur :

Pour la version du modèle Claude, veuillez utiliser Claude Opus 5, accessible via la chaîne de modèle exacte claude-opus-5. Veuillez utiliser par défaut la pensée adaptative (thinking: {type: "adaptive"}) pour tout ce qui est un peu compliqué. Et enfin, veuillez utiliser par défaut le streaming pour toute requête pouvant impliquer une entrée longue, une sortie longue, ou des max_tokens élevés — cela évite les timeouts de requête. Utilisez l'assistant .get_final_message() / .finalMessage() du SDK pour obtenir la réponse complète si vous n'avez pas besoin de gérer les événements de flux individuels.

⚠️ Dérive de l'API — Votre entraînement antérieur peut être obsolète

Plusieurs formes courantes de l'API Claude ont changé en 2025-2026. Si vous vous souvenez d'un motif issu de l'entraînement, vérifiez-le par rapport aux fichiers {lang}/ de cette compétence avant d'écrire — les lignes ci-dessous sont les points de dérive les plus fréquents :

DomaineAncien entraînementAPI actuelle
Pensée étenduethinking: {type: "enabled", budget_tokens: N}Sur les modèles Claude 4.6+ : thinking: {type: "adaptive"}. budget_tokens est déprécié sur Opus 4.6 / Sonnet 4.6 et rejeté avec une 400 sur Fable 5 / Sonnet 5 / Opus 5 / 4.8 / 4.7. Les modèles pré-4.6 utilisent encore budget_tokens.
Type d'outil de recherche Web / récupération Webweb_search_20250305, web_fetch_20250910web_search_20260209, web_fetch_20260209 (filtrage dynamique) sur Opus 5/4.8/4.7/4.6, Sonnet 5 et Sonnet 4.6. Les modèles plus anciens conservent les variantes de base ; sur Vertex AI, seule la version de base web_search_20250305 est disponible (la récupération Web n'est pas sur Vertex) — voir la QR des outils serveur ci-dessous.
Noms de paramètres PHPNoms fil de fer en snake_case comme arguments nommés (max_tokens)Les arguments nommés de premier niveau sont en camelCase (maxTokens). Les clés de tableaux imbriqués varient selon la fonctionnalité (par exemple 'taskBudget', 'skillID', 'mcp_server_name') — copiez la clé exacte depuis l'exemple documenté ; ne faites pas de conversion en masse.
Credentials des agents gérésConserver les secrets côté hôte via des outils personnalisés (la seule option avant l'arrivée des coffres)Credentials Vault environment_variable — stockés par Anthropic, substitués à la sortie, jamais visibles dans le bac à sable (shared/managed-agents-tools.md → Vaults). Les outils personnalisés côté hôte restent la solution de repli pour les bacs à sable auto-hébergés.

Les fichiers {lang}/ de cette compétence font autorité sur les motifs mémorisés.


Sous-commandes

Si la demande utilisateur en bas de cette invite est une simple chaîne de sous-commande (sans prose), recherchez dans chaque tableau Sous-commandes de ce document — y compris dans les sections ajoutées ci-dessous — et suivez directement la colonne Action correspondante. Cela permet aux utilisateurs d'invoquer des flux spécifiques via /claude-api <sous-commande>. Si aucun tableau du document ne correspond, traitez la demande comme une prose normale.

Sous-commandeAction
migrateMigrer du code API Claude existant vers un modèle plus récent. Lisez shared/model-migration.md immédiatement et suivez-le dans l'ordre : Étape 0 (confirmer la portée — demandez quels fichiers/répertoires avant toute modification), Étape 1 (classer chaque fichier), puis la section des changements cassants par cible. Ne résumez pas le guide — exécutez-le. Si l'utilisateur n'a pas nommé de modèle cible, demandez vers quel modèle migrer dans le même tour que la question de la portée.

Détection du langage

Avant de lire des exemples de code, déterminez dans quel langage l'utilisateur travaille :

  1. Examinez les fichiers du projet pour inférer le langage :

    • *.py, requirements.txt, pyproject.toml, setup.py, Pipfile → Python — lisez depuis python/
    • *.ts, *.tsx, package.json, tsconfig.json → TypeScript — lisez depuis typescript/
    • *.js, *.jsx (aucun fichier .ts présent) → TypeScript — JS utilise le même SDK, lisez depuis typescript/
    • *.java, pom.xml, build.gradle → Java — lisez depuis java/
    • *.kt, *.kts, build.gradle.kts → Java — Kotlin utilise le SDK Java, lisez depuis java/
    • *.scala, build.sbt → Java — Scala utilise le SDK Java, lisez depuis java/
    • *.go, go.mod → Go — lisez depuis go/
    • *.rb, Gemfile → Ruby — lisez depuis ruby/
    • *.cs, *.csproj → C# — lisez depuis csharp/
    • *.php, composer.json → PHP — lisez depuis php/
  2. Si plusieurs langages sont détectés (par exemple, des fichiers Python et TypeScript) :

    • Vérifiez à quel langage se rapporte le fichier ou la question actuelle de l'utilisateur
    • Si c'est encore ambigu, demandez : "J'ai détecté à la fois des fichiers Python et TypeScript. Quel langage utilisez-vous pour l'intégration de l'API Claude ?"
  3. Si le langage ne peut pas être déduit (projet vide, aucun fichier source, ou langage non pris en charge) :

    • Utilisez AskUserQuestion avec les options : Python, TypeScript, Java, Go, Ruby, cURL/HTTP brut, C#, PHP
    • Si AskUserQuestion n'est pas disponible, utilisez par défaut des exemples Python et notez : "Affichage d'exemples Python. Dites-moi si vous avez besoin d'un langage différent."
  4. Si un langage non pris en charge est détecté (Rust, Swift, C++, Elixir, etc.) :

    • Suggérez des exemples cURL/HTTP brut depuis curl/ et notez que des SDK communautaires peuvent exister
    • Proposez de montrer des exemples Python ou TypeScript comme implémentations de référence
  5. Si l'utilisateur a besoin d'exemples cURL/HTTP brut, lisez depuis curl/.

Prise en charge des fonctionnalités par langage

Chaque langage SDK ci-dessus prend en charge à la fois le Tool Runner bêta et les Agents gérés (bêta) — Python (décorateur @beta_tool), TypeScript (betaZodTool + Zod), Java (classes annotées), Go (BetaToolRunner dans le package toolrunner), Ruby (BaseTool + tool_runner), C# (BetaToolRunner + schéma JSON brut), PHP (BetaRunnableTool + toolRunner()) ; les points d'entrée de code se trouvent dans la référence rapide des modèles d'utilisation d'outils ci-dessous. cURL est HTTP brut (pas de fonctionnalités SDK) et prend en charge les Agents gérés.

Exemples de code pour les Agents gérés : voir le guide de lecture dans la section ## Agents gérés (Bêta) ci-dessous.


Quelle surface utiliser ?

Commencez simplement. Utilisez par défaut le niveau le plus simple qui répond à vos besoins. Les appels API uniques et les workflows couvrent la plupart des cas d'utilisation — n'utilisez les agents que lorsque la tâche nécessite vraiment une exploration ouverte et pilotée par le modèle. "Le plus simple" signifie le moins de code que vous possédez : pour un agent hébergé, planifié ou avec mémoire, les Agents gérés sont généralement l'option la plus simple (pas de code de boucle, pas de fichiers d'état, pas de planificateur), même s'il s'agit d'une plateforme plus grande.

Cas d'utilisationNiveauSurface recommandéePourquoi
Classification, résumé, extraction, Q&AAppel LLM uniqueAPI ClaudeUne requête, une réponse
Traitement par lots ou embeddingsAppel LLM uniqueAPI ClaudePoints de terminaison spécialisés
Pipelines multi-étapes avec logique contrôlée par le codeWorkflowAPI Claude + utilisation d'outilsVous orchestrez la boucle
Agent personnalisé avec vos propres outilsAgentAPI Claude + utilisation d'outilsFlexibilité maximale
Agent avec état géré par le serveur et espace de travailAgentAgents gérésAnthropic exécute la boucle et héberge le bac à sable d'exécution des outils
Configurations d'agent persistées et versionnéesAgentAgents gérésLes agents sont des objets stockés ; les sessions sont liées à une version
Agent multi-tours longue durée avec montages de fichiersAgentAgents gérésConteneurs par session, flux d'événements SSE, Compétences + MCP
Agent qui s'exécute selon un planning (cron, "chaque nuit")AgentAgents gérés — déploiements planifiésLes déploiements déclenchent des sessions de manière autonome ; pas de planificateur côté client

Note : Les agents gérés sont le bon choix lorsque vous souhaitez qu'Anthropic exécute la boucle de l'agent et héberge le conteneur où les outils s'exécutent — les opérations sur les fichiers, le bash, l'exécution de code s'exécutent tous dans l'espace de travail par session. Si vous souhaitez héberger vous-même le calcul ou exécuter votre propre environnement d'exécution d'outils personnalisé, l'API Claude + l'utilisation d'outils est le bon choix — utilisez le Tool Runner pour la boucle agentique — ses hooks par tour vous donnent toujours des portes d'approbation, de la journalisation, une interception d'erreurs et une exécution conditionnelle (voir shared/tool-use-concepts.md) — ou la boucle manuelle lorsque vous souhaitez posséder l'ensemble de la boucle vous-même.

Accès via les fournisseurs cloud. Claude Platform on AWS est géré par Anthropic avec une parité API le jour même — voir shared/claude-platform-on-aws.md pour la configuration client. Pour la disponibilité par fonctionnalité sur Claude Platform on AWS, Amazon Bedrock, Google Vertex AI et Microsoft Foundry, voir shared/platform-availability.md — ce tableau est la source unique de vérité dans cette compétence ; n'inférez pas la disponibilité ailleurs.

Construire un agent : quatre approches

Une fois que vous avez décidé que vous avez réellement besoin d'un agent (utilisation d'outils ouverte et pilotée par le modèle), il existe quatre façons distinctes de le construire. Deux questions indépendantes les séparent : qui fournit le harnais (la boucle de l'agent + la gestion du contexte) et qui fournit le déploiement (l'infrastructure sur laquelle l'agent s'exécute). Le Tool Runner et le SDK Claude Agent fournissent tous deux uniquement un harnais — vous les hébergez et les déployez vous-même — c'est pourquoi ils sont faciles à confondre. Les Agents gérés (CMA) est la seule option qui fournit à la fois le harnais et le déploiement géré ; la boucle manuelle ne fournit ni l'un ni l'autre.

#ApprocheVous écrivezHarnais & déploiementOutils disponiblesUtilisation
1API Claude — boucle manuelleLa boucle while stop_reason == "tool_use" vous-mêmeVous construisez le harnais ; vous hébergezUniquement les outils que vous définissezVous voulez posséder la totalité de la boucle — pas de dépendance bêta, ou un flux de contrôle que les hooks par tour du Tool Runner ne prennent pas en charge
2API Claude — Tool Runner (client.beta.messages.tool_runner + @beta_tool / betaZodTool)Juste les fonctions d'outilLe SDK fournit la boucle (harnais uniquement) ; vous hébergezUniquement les outils que vous définissezUn agent avec outils personnalisés sans écrire la boucle à la main (la plupart des cas). Les hooks par tour vous donnent toujours des portes d'approbation, une interception d'erreurs, une modification des résultats (par exemple cache_control), des tentatives, du streaming et une compaction
3Agents gérés (REST, bêta)Configuration de l'agent + résultats de vos outilsAnthropic fournit le harnais et héberge un bac à sable par session (harnais + déploiement)Bac à sable hébergé par Anthropic (bash, fichiers, exécution de code) + Compétences/MCP + vos outilsVous voulez qu'Anthropic exécute la boucle et héberge l'espace de travail par session ; configurations persistées/versionnées ; sessions longue durée
4SDK Claude Agent — produit séparé (claude-agent-sdk / @anthropic-ai/claude-agent-sdk)Une invite + optionsLe SDK fournit le harnais Claude Code + outils intégrés (harnais uniquement) ; vous hébergezOutils intégrés Lecture/Écriture/Édition/Bash/Glob/Grep/WebSearch/WebFetch + MCP + sous-agentsVous voulez un agent de codage/système de fichiers clé en main s'exécutant sur votre propre infrastructure

La division harnais/déploiement est le modèle mental clé : les options 1, 2 et 4 vous laissent le déploiement ; seule l'option 3 (CMA) ajoute un déploiement géré. Les options 1 à 3 sont ce que cette compétence génère ; l'option 4 est une bibliothèque différente avec sa propre documentation — voir la désambiguïsation ci-dessous.

Tool Runner ≠ SDK Claude Agent. Ces noms se ressemblent mais sont des packages différents :

  • Tool Runner fait partie du SDK standard de l'API Anthropic (anthropic / @anthropic-ai/sdk), accessible via client.beta.messages.tool_runner. Il automatise la boucle de l'agent.

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

LiChangZheng10086/doyin_ai_video

Browser automation CLI for AI agents. Use when the user needs to interact with websites, including navigating pages, filling forms, clicking buttons, taking screenshots, extracting data, testing web apps, or automating any browser task. Triggers include requests to "open a website", "fill out a form", "click a button", "take a screenshot", "scrape data from a page", "test this web app", "login to a site", "automate browser actions", or any task requiring programmatic web interaction.

LiChangZheng10086/doyin_ai_video

Use this skill whenever the user wants to create, read, edit, or manipulate Word documents (.docx files) or Word templates (.dotx files). Triggers include: any mention of 'Word doc', 'word document', '.docx', '.dotx', or requests to produce professional documents with formatting like tables of contents, headings, page numbers, or letterheads. Also use when extracting or reorganizing content from .docx or .dotx files, inserting or replacing images in documents, performing find-and-replace in Word files, working with tracked changes or comments, or converting content into a polished Word document. If the user asks for a 'report', 'memo', 'letter', 'template', or similar deliverable as a Word or .docx file, use this skill. Do NOT use for PDFs, spreadsheets, Google Docs, or general coding tasks unrelated to document generation.

LiChangZheng10086/doyin_ai_video

Guidance for distinctive, intentional visual design when building new UI or reshaping an existing one. Helps with aesthetic direction, typography, and making choices that don't read as templated defaults.

LiChangZheng10086/doyin_ai_video

Grill me about specs for the workflows I want to build, within this workspace.

LiChangZheng10086/doyin_ai_video

Use this skill whenever the user wants to do anything with PDF files. This includes reading or extracting text/tables from PDFs, combining or merging multiple PDFs into one, splitting PDFs apart, rotating pages, adding watermarks, creating new PDFs, filling PDF forms, encrypting/decrypting PDFs, extracting images, and OCR on scanned PDFs to make them searchable. If the user mentions a .pdf file or asks to produce one, use this skill.

LiChangZheng10086/doyin_ai_video

智能 PPT 生成器。支持 7 种视觉风格(乐高/波普/黏土/黑白/商务/学术/科技),具备根据内容自动推荐风格、生成大纲、绘制配图并组装成片的全自动能力。

LiChangZheng10086/doyin_ai_video

Use this skill any time a .pptx or .potx file is involved in any way — as input, output, or both. This includes: creating slide decks, pitch decks, or presentations; reading, parsing, or extracting text from any .pptx or .potx file (even if the extracted content will be used elsewhere, like in an email or summary); editing, modifying, or updating existing presentations; combining or splitting slide files; working with templates (.potx), layouts, speaker notes, or comments. Trigger whenever the user mentions \"deck,\" \"slides,\" \"presentation,\" or references a .pptx or .potx filename, regardless of what they plan to do with the content afterward. If a .pptx or .potx file needs to be opened, created, or touched, use this skill.

LiChangZheng10086/doyin_ai_video

Diagnose and fix React codebase health issues. Use when reviewing React code, fixing performance problems, auditing security, or improving code quality.

LiChangZheng10086/doyin_ai_video

Sentry error monitoring and performance tracing patterns for Next.js applications.

LiChangZheng10086/doyin_ai_video

Simplify and refine recently modified code for clarity and consistency. Use after writing code to improve readability without changing functionality.

LiChangZheng10086/doyin_ai_video

✅ "你知道今天所有大模型能读懂你的话,全靠一个叫Transformer的架构吗?"

LiChangZheng10086/doyin_ai_video

Use this skill any time a spreadsheet file is the primary input or output. This means any task where the user wants to: open, read, edit, or fix an existing .xlsx, .xlsm, .xltx, .csv, or .tsv file (e.g., adding columns, computing formulas, formatting, charting, cleaning messy data); create a new spreadsheet from scratch or from other data sources; or convert between tabular file formats. Trigger especially when the user references a spreadsheet file by name or path — even casually (like \"the xlsx in my downloads\") — and wants something done to it or produced from it. Also trigger for cleaning or restructuring messy tabular data files (malformed rows, misplaced headers, junk data) into proper spreadsheets. The deliverable must be a spreadsheet file. Do NOT trigger when the primary deliverable is a Word document, HTML report, standalone Python script, database pipeline, or Google Sheets API integration, even if tabular data is involved.

Skills associés