把 max_tokens 调大以后，直接用 client.messages.create() 发非流式请求，Python SDK 可能会直接拒绝。官方文档的说法是：SDK 会校验非流式 Messages 请求，预计会超过 10 分钟超时的不让发；对 max_tokens 很大的请求，SDK 要求走流式，避免 HTTP 超时。
很多场景其实并不需要逐字显示，只想要一个完整结果。SDK 为这种情况留了一个现成的办法。
最小写法
import anthropic
client = anthropic.Anthropic()
with client.messages.stream(
model="claude-opus-5-5",
max_tokens=128000,
messages=[{"role": "user", "content": "Write a detailed analysis..."}],
) as stream:
message = stream.get_final_message()
for block in message.content:
if block.type == "text":
print(block.text)
.stream() 用 SSE 保持连接，get_final_message() 把所有事件汇总成一个完整的 Message 对象，结构和 messages.create() 返回的一样。业务代码不用自己拼 delta。
返回后别只取第一个文本块
message.content 是一个数组，可能同时有 thinking、text、tool_use 等块。上面示例按 block.type == "text" 过滤，比直接取 content[0].text 稳。用了工具的话，stop_reason 是 tool_use，这时要去执行工具，不能把文本当最终答案。
自己处理事件时要注意的三点
如果不用 SDK 的汇总，而是自己解析 SSE：
- 错误可能出现在 200 之后。 流式响应先返回 HTTP 200，中途仍可能收到
event: error，例如高峰期的overloaded_error（非流式时对应 529）。只看状态码判断成功是不够的。 - 工具参数是分片的 JSON 字符串。
input_json_delta里的partial_json要累积起来，等到content_block_stop再解析；最终的tool_use.input才是对象。 - 未知事件类型要能跳过。 流里会穿插
ping，官方也说明以后可能新增事件类型，解析器不要遇到不认识的类型就抛异常。另外message_delta里usage的 Token 数是累计值，不要再自己相加。
中途断了怎么办
SDK 默认对连接错误、限流和 5xx 自动重试 2 次（指数退避，有 retry-after 时按它来），可以用 max_retries 调整或关闭。如果你的任务队列也会重试，最好只留一层，避免同一请求被重复提交。
想接着断点继续生成，官方给的做法分模型：
- Claude 4.5 及更早：把已收到的部分放进 assistant 消息，作为新请求的开头继续生成。
- Claude 4.6 及之后：这些模型不支持 assistant 预填，改成加一条 user 消息，把已收到的内容带上，让模型从断开处继续。
tool_use 和 thinking 块不能部分恢复，只能从最近的文本块接着来。
不需要实时结果时
官方建议超过 10 分钟的长请求考虑流式或 Message Batches。如果调用方可以稍后再取结果，Batches 不需要一直保持连接，按轮询拿结果即可。
参考资料
- Streaming messages - Claude Platform Docs
- Claude API errors（Long requests 与 SDK 重试）
- Claude API 流式请求结束后，如何取得完整最终 Message（中文整理）
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/lkd0001/article/details/170334288
