Claude API 上线消息线程：长对话不用每轮重传历史，首字等待中位数缩短约 35%

先说效果。官方的数字是：Claude Code 现在对大多数用户默认开启这个功能，在 50 万到 100 万 token 的请求里，从发出请求到 Claude 吐出第一个字的等待时间（TTFT，首字时间），中位数缩短约 35%。这个数字是 Anthropic 自己给的，针对的是超长对话，几千 token 的普通聊天不会有这么大差别。

01改动其实只有一处：历史放在服务器上

以前的 Messages API 是“无状态”的，服务器不留任何记录。一个编程 Agent 一次会话可能发几百个请求，每个请求都带着此前所有消息和工具结果。对话越长，每次要传的东西越多，服务器也要把整段内容重新检查、重新切成 token。

消息线程让服务器把对话暂存在内存里。你只要在请求里加一个 thread 参数：

1. 第一轮照常发完整对话、系统提示词和工具定义，同时标记“新建线程”（thread 的 type 为 create）。
2. 之后每轮只发新消息，并带上上一条回复的 ID（type 为 continue，填 previous_message_id）。这时不要再传 system 和 tools，线程会沿用第一轮的。
3. 每次用最新那条回复的 ID 接着往下发。同一个回复 ID 只能接一次，不能从中间分叉。

测试期需要在请求头里加 beta 标记 message-threads-2026-08-12。官方 SDK 里有一个现成的 thread 辅助对象，会替你处理这些参数，也会在线程失效时自动重发完整对话。

02省的是上传，不是钱

官方写得很直白：每个请求变小了，但 Claude 每一轮仍然要读完整段对话，所以 token 用量和以前一样，按标准价格计费，速率限制也不变。想省钱要靠提示词缓存（prompt caching），那是另一个功能，线程不会替你自动打缓存。官方示例里两者是一起用的，在请求顶层加 cache_control 即可。

03线程只活 5 分钟，本地那份记录不能丢

这是用起来最容易踩的一点。线程在最后一次请求后 5 分钟过期，服务器最迟在最后一次使用后 1 小时删除。过期后再发 continue 请求会收到 404，你得拿自己保存的完整对话重新建一个线程。所以官方明确说：你的应用仍然是对话的唯一可靠来源，本地要留一份完整记录。

另外几条限制，写代码前最好先看一遍：

• 线程中途不能改系统提示词和工具；模型、思考设置等也得和第一轮一致，否则返回 400 错误，想改就开新线程。
• 遇到模型拒答（stop_reason 为 refusal）后不要接着用这个线程，要新建一个，并去掉引发拒答的那一轮。
• 不支持批处理（Message Batches）、token 计数接口和按需压缩（compaction），上下文编辑也只支持个别设置。
• 不符合零数据保留（ZDR）和 HIPAA 要求；开了 HIPAA 就绪或推理钩子（Inference hooks）的组织无法使用。
• 没有列出、读取或删除线程的接口。

04谁最该先试

官方点名三类场景：长时间运行的编程 Agent（每次改文件、跑工具都让对话变长）、电脑操作 Agent（截图留在线程里，不用每轮重新上传）、以及文档和图片很多的流程。如果你的应用每次对话只有几轮、历史很短，收益有限，还要多处理线程过期的逻辑，我会先不动它。

这项功能在 Claude API 之外，也已经在 Claude Platform on AWS、Microsoft Foundry 和 Google Cloud 上由 Anthropic 托管的 Claude 模型里开放，目前都是公测状态。