用途：提供在 TypeScript 项目中集成大语言模型的常见模式参考，基于 Anthropic SDK 演示 API 调用、流式输出、工具调用、RAG 与成本控制。
主要能力：
- API 客户端模式：封装 generateResponse，调用 client.messages.create，指定 model、max_tokens、temperature、system 与 messages，并从响应中提取文本块。
- 流式响应：使用 client.messages.stream 与 for await 遍历事件，处理 content_block_delta 与 text_delta，通过回调逐块输出。
- 函数调用（工具使用）：定义 tools 数组及 input_schema，在循环中检查 stop_reason，提取 tool_use 块，执行工具后以 tool_result 回传，直至 end_turn。
- RAG 流水线：对查询做 embed，向量库 search 取 topK 并过滤，拼接上下文后交给模型，要求引用来源并在无答案时说明。
- 文档分块：按句子切分，控制 chunkSize 与 overlap，生成带重叠的文本块。
- 成本优化：按任务类型选择模型（分类/抽取用较小模型，分析/编码用中等模型，复杂推理用较大模型），缓存嵌入与响应，非延迟敏感时批量请求。
使用方式：示例为 TypeScript 代码，依赖 @anthropic-ai/sdk，需自行实现 embed、vectorDb、executeToolCall 等外部函数。
限制与注意：资料未提供安装命令、具体价格、性能数据或完整可运行项目；反模式包括发送整篇文档、缺少指数退避重试、忽略 token 用量、简单任务用最贵模型、未校验 LLM 输出、未评估检索质量就构建 RAG。检查清单强调重试与错误处理、面向用户响应使用流式、工具 schema 描述清晰、分块 500-1000 token 并重叠、按复杂度选模型、跟踪 token 用量、下游使用前校验输出、缓存嵌入。