用消息线程让长时间运行的代理更快响应
消息线程功能现已在 Claude 平台开放公开测试。借助消息线程，代理不必每一轮都重新发送完整的对话历史，从而降低长时间会话的延迟。
消息线程的工作原理
一个编程代理在一次会话中可能要发出数百次请求，而每次请求都会把之前的每一条消息和工具返回结果重新发一遍。当对话增长到数十万 token 时，这种全量重发会拖慢 Claude 开始响应的速度。有了消息线程，代理只需发送上一轮之后新增的内容，从而缩短首 token 时间（TTFT）。
目前大多数 Claude Code 用户已默认开启消息线程。对于 500k 到 1M token 的请求，首 token 时间的中位数下降了约 35%。
要使用消息线程，只需在 Messages API 请求中加上 thread 参数。第一次请求携带完整对话并开启一个线程，之后的每次请求只包含新消息和上一条响应的 ID。两轮对话之间，每个线程都保存在内存中，加密存储，不写入磁盘。线程在最后一次请求结束 5 分钟后过期，此时客户端需要重新发送完整对话来开启新线程。虽然有了消息线程后每次请求的体积变小了，但 Claude 每一轮仍然会读取完整对话，因此 token 用量保持不变。
消息线程最适合对延迟敏感的活跃会话，包括：
- 长时间运行的编程代理：每次工具返回结果或文件编辑都会增加对话内容。
- 计算机使用代理：截图留在各自线程里，而不是每一轮重新上传。
- 文档和图片密集型工作流：请求体积明显变小。
代理携带的上下文越多，消息线程对首 token 时间的优化效果就越明显。
快速上手
消息线程现已在原生 Claude 平台开放公开测试，同时也支持 AWS 上的 Claude 平台、Microsoft Foundry 中的 Claude，以及 Google Cloud 上的 Claude 模型（由 Anthropic 托管）。适用标准 Claude token 费率和现有速率限制。详情请查阅文档。