Claude 到 OpenAI SDK 字段映射指南

你的应用基于 Claude 构建。现在你也需要它能在 OpenAI 上运行——也许是为了成本，也许是为了稳定性，也许是因为客户要求。好消息是：如果你的提示词构建得足够好，迁移主要就是机械的字段重命名，而不是重写。下面是逐字段的完整对照表，以及两个真正需要改变的地方。

Ref : https://ai.studybydoing.in/oap9-prompting-migration

单次调用翻译

一切从单次 API 调用开始。下面是同一个请求在两个 SDK 上的实现：

from anthropic import Anthropic
client = Anthropic()

resp = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=512,
    system="You are terse.",
    messages=[{"role": "user", "content": "Define idempotency."}],
)
text = next(b.text for b in resp.content if b.type == "text")

OpenAI（Responses API）：

from openai import OpenAI
client = OpenAI()

resp = client.responses.create(
    model="gpt-5.5",
    max_output_tokens=512,
    instructions="You are terse.",
    input="Define idempotency.",
)
text = resp.output_text

两个实现完成相同的功能。所有变更都是字段重命名——读取回复时从 content-block 循环简化为单一的 resp.output_text。

完整迁移对照表

 - **Client:** `Anthropic()` → `OpenAI()`

调用方式：client.messages.create(...) → client.responses.create(...)

系统提示词：system= → instructions=

用户内容：messages=[{role, content}] → input=（字符串或列表）

输出上限：max_tokens → max_output_tokens

读取文本：循环遍历 resp.content 文本块 → resp.output_text

结构化输出：messages.parse(output_format=…) → responses.parse(text_format=…)

工具定义：{name, input_schema} → {"type": "function", name, parameters}

工具请求：tool_use 块 + tool_use_id → function_call 项 + call_id

工具结果返回：用户消息中的 tool_result → function_call_output 项

循环控制：stop_reason == "tool_use" → resp.output 中存在任何 function_call

推理：thinking + output_config.effort → reasoning={"effort": …}

异常：anthropic.APIError → openai.APIError

文本调用 5 分钟就能改完。真正有结构性差异的地方是工具调用：Claude 通过 stop_reason 分支并用 tool_use_id 匹配 tool_use 块；OpenAI 没有 stop_reason，所以要循环检查 resp.output 中是否还有 function_call 项并用 call_id 匹配。

让人踩坑的那个提示词变更

在旧模型上，"let's think step by step" 对困难问题确实有帮助。但在现代推理模型上，这通常是多余的——模型已经在内部进行推理，你通过一个旋钮而不是魔法短语来控制推理量：

# OpenAI
resp = client.responses.create(
    model="gpt-5.5",
    reasoning={"effort": "high"},
    input=prompt
)

所以迁移完成后，不要只是简单移植你的思维链咒语——为困难任务提高 effort，保持提示词简洁。

迁移在编译通过时不算完成——在评估通过时才算完成

这是人们常跳过的一步。不同的模型行为不同，所以在 Claude 上调优的提示词在 GPT 上可能需要调整。正确的流程：

使用上面的表格交换客户端 + 调用层。

将 system 迁移到 instructions，重构工具循环。

把模型 ID 放入一个配置值中。

用 OpenAI 版本重新运行评估套件——最好加个标志位，这样可以在切过去之前同时运行两者并比较。

把模型选择放在配置中并通过接口隔离，"Claude vs OpenAI vs 两者"就变成了一个配置决策，而不是代码重写。

这是来自一门免费的、无需注册的 AI 工程课程的一个经验教训，每个代码示例都同时展示 Claude 和 OpenAI 两个版本，带切换开关——这样你可以在任一 SDK 中学习，或在两者之间迁移。本章的完整版本（包含可在浏览器中运行的示例）在这里：

👉 Prompting GPT & Migrating from Claude — ai.studybydoing.in

该课程涵盖从 Python 基础到生产级 LLM 系统的完整路径——RAG、agent、评估，以及现在与 Claude 版本并行的完整 OpenAI 版本。