Claude API 可以做什麼，是很多人第一次研究 Anthropic API 時最先搜尋的問題。因為大多數人真正想知道的，不是怎麼申請 API key，而是更前面的事：我手上的工作，到底有沒有必要用 Claude API 來做？ 如果只是把 Claude API 理解成一個聊天模型，很容易低估它真正能落地的範圍。Anthropic 官方目前公開的能力，已經不只是文字問答，還包含 文件處理、PDF 分析、圖片理解、工具串接、Web 搜尋、結構化輸出、批次處理與 Token Counting 等能力。這代表 Claude API 不只是拿來聊天，而是可以被接進網站、客服流程、內容工作流、內部知識系統與各種自動化場景裡。 先講最實用的結論：Claude API 最有價值的地方，不是單純聊天，而是把 Claude 變成你工作流程裡可調用、可控、可擴充的 AI 能力層。 這也是為什麼真正常見的落地方向，不是「聊天」本身，而是三大類：文件處理、客服應用、內容流程。 先搞懂：Claude API 不是只有聊天，它比較像工作流程裡的 AI 引擎 Anthr

用 Claude API 前，最容易做錯的不是程式不會寫，而是太快開始接。帳號開了、API key 建了、文件打開了，就直接開始測；結果用了幾天後才發現模型選錯、ai token 成本抓錯、權限不夠、速率限制卡住，甚至連哪些功能會另外計費都沒先搞清楚。 Anthropic 官方文件其實把很多關鍵資訊寫得很清楚，包含模型差異、定價、rate limits、prompt caching、batch processing、web search 等，只是新手最常見的問題是：資訊都在，卻不知道開始前到底要先看哪幾項。 這篇文章不走「Claude API 是什麼」那條線，也不重複「哪些人適合用 Claude API」那篇的內容，而是直接整理成正式開始前的檢查清單。重點放在三件事：成本怎麼抓、模型怎麼選、權限和限制怎麼確認。這樣的角度和你站上既有的「Claude API 是什麼？和 Claude 聊天版差在哪」以及「Claude 聊天版不夠用怎麼判斷」可以分開，不會直接互打。 先講結論：開始用 Claude API 前，至少先確認 3 件事 開始前最少要先確認

ChatGPT API 怎麼用，是很多人第一次想把 AI 接進網站、App、客服流程或自動化工具時最先搜尋的問題。只是要先講清楚一件事：口語上大家會說 ChatGPT API，但官方現在的新手主線其實是 OpenAI API，而主要建議的文字生成介面是 Responses API；同時，Chat Completions API 仍然存在，適合較熟悉 messages 結構的對話型請求。 OpenAI 官方 Developer quickstart 目前就是從建立 API Key、安裝 SDK、跑第一支 API 呼叫開始教，而官方 API Reference 也明確把 Responses 定位成最先進的回應介面。 如果你現在只想先抓住最重要的差別，可以先記這句：ChatGPT 是給人直接用的聊天工具，OpenAI API 是給你的網站、App、後台、客服流程或自動化系統接入模型用的。 而且這兩者是分開計費的。OpenAI Help Center 明確寫到，ChatGPT 平台和 API 平台是兩個分開的平台；ChatGPT Plus 也明寫「API

AI Token 看起來便宜，最後總費用卻不一定低，最常見的原因不是價格表有問題，而是你看到的是單價，真正付的是整個工作流的總成本。OpenAI、Anthropic、Google 的官方定價與文件都把成本拆成不只一層：除了 input、output，還有 cache、batch、長上下文、grounding 或其他工具費用；而 OpenAI 的模型選型原則也明確建議先以正確率達標為優先，再用更便宜、更快的模型維持相近效果。這代表真正該比的，不是「最便宜那一列」，而是「完成同一件事到底花多少」。 這篇文章不走「哪家最便宜」那條線，也不重複「AI Token 比價怎麼做」或「便宜方案怎麼找」的內容，而是專門回答一個更容易被忽略的問題：為什麼 ai token 表面單價很低，最後月帳單還是不好看。 文章重點放在總成本思維，而不是單純費率表判讀。這個角度和你站上既有的價格、比價、便宜方案文章可以分開，不會直接互打。 先講結論：AI 成本要看完成同一件事的總成本，不是只看最低單價 OpenAI 的模型選型原則寫得很清楚：先以準確率達標為優先，再去優化成本與

AI Token 新手最容易卡住的，不是完全沒聽過這個詞，而是明明已經知道它跟 API、模型成本、價格表有關，卻還是不確定：到底要先搞懂定義，還是先學計算？先看價格表，還是先理解 Input、Output、Cache？這篇文章的目的，就是幫你把閱讀順序排清楚，讓你不要一開始就被一堆名詞和費率表卡住。 這篇不是拿來取代「AI Token 是什麼」、「AI Token 怎麼算」、「AI Token 價格怎麼看」這幾篇主戰頁，而是拿來當第一站導覽頁。看完之後，你就會知道下一步先讀哪一篇，才不會還沒開始學，就先把入門、計算、價格、比較全部混在一起。 先講結論：AI Token 新手先分 3 段學最快 最實用的入門順序，其實很簡單： 第一步，先搞懂 AI Token 是什麼。第二步，再搞懂 AI Token 怎麼算。第三步，最後才去看 AI Token 價格怎麼看。 很多新手會一開始就直接跳去看模型價格、API 比價、哪一家比較便宜，但只要前面的骨架沒建立起來，後面通常只會越看越亂。因為價格表裡的 Input、Output、Cache、Batch、Quot

台灣公司使用 AI API，答案不是「完全沒責任」，也不是「用了就一定違法」，而是一旦 AI 被接進企業流程，法律責任通常不會消失，只會從人工作業改成資料、流程、輸出與決策責任的重新分配。 尤其在台灣現行法制下，企業真正要先看的，往往不是「AI 能不能用」，而是用了之後會同時碰到哪些法律邊界：個資、營業秘密、著作權、廣告與消保、契約責任、內控制度，以及 2026 年已公布的《人工智慧基本法》所帶出的治理方向。 從主流供應商的官方文件來看，OpenAI 明確表示 API 平台與企業產品的資料預設不會拿來訓練模型；Anthropic 也表示商業產品資料不會用於訓練生成式模型；Google 則區分方案，Gemini Developer API 免費層資料可用於改善產品，但付費層不會，而 Vertex AI 也寫明未經許可或指示，不會用客戶資料訓練或微調模型。這些條款能降低部分風險，但不能直接把法律責任整包轉給供應商，因為企業自己怎麼蒐集、處理、輸入、授權、審核與使用輸出，仍然是責任核心。 為什麼台灣公司用了 AI API，法律責任不會自動消失 企業導入