企业官网建设流程全解析

下面从核心概念→认证→接口→参数→流式→函数调用→计费→国内兼容→最佳实践，把 OpenAI API 讲透。

一、OpenAI API 是什么

OpenAI API = 一套标准化的 RESTful 大模型调用协议，基于 HTTP/JSON，提供：

• 文本对话（GPT-4o/3.5）
• 文生图 / 图编辑（DALL・E 3）
• 语音转文字 / 文字转语音（Whisper/TTS）
• 向量嵌入（Embeddings）
• 工具调用 / 函数调用（Function Calling）
• 微调、文件、向量库、批量任务等

核心价值：不仅是 OpenAI 自己用，国内 99% 大模型（千问、DeepSeek、星火、Kimi）都兼容此协议，你写一套代码，换个base_url+api_key就能切换模型。

二、基础架构与认证

1. 基础地址（Base URL）

• OpenAI 官方：https://api.openai.com/v1
• 通义千问：https://dashscope.aliyuncs.com/compatible-mode/v1
• DeepSeek：https://api.deepseek.com
• 讯飞星火：https://spark-api-open.xf-yun.com/v1
• Kimi：https://api.moonshot.cn/v1

2. 认证方式（必懂）

所有请求必须带Bearer Token（API Key）：

http

Authorization: Bearer sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx Content-Type: application/json

• Key 以sk-开头，仅生成时可见一次，必须保存。
• 绝对不能硬编码在前端 / Git / 客户端，只能存在环境变量或密钥管理服务OpenAI。

3. Python 官方 SDK（最常用）

bash

运行

pip install openai

python

运行

from openai import OpenAI import os # 初始化客户端（切换模型只改这两行） client=OpenAI( api_key=os.getenv("OPENAI_API_KEY"), # 或 QWEN_API_KEY/DEEPSEEK_API_KEY base_url=os.getenv("OPENAI_BASE_URL") # 国内模型替换成对应地址 )

三、核心接口：Chat Completions（对话）

最常用接口，对应/v1/chat/completions，支持多轮对话、流式输出、函数调用。

1. 极简调用（非流式）

python

运行

response=client.chat.completions.create( model="gpt-4o", # 国内模型如 qwen-turbo、deepseek-chat messages=[ {"role": "system", "content": "你是 helpful 助手"}, {"role": "user", "content": "什么是 OpenAI API？"} ], temperature=0.7, max_tokens=1024 ) print(response.choices[0].message.content)

2. 请求参数全解（高频）

表格

3. 响应结构

json

{ "id": "chatcmpl-xxx", "object": "chat.completion", "created": 1758423456, "model": "gpt-4o", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "OpenAI API 是..." }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 15, "completion_tokens": 32, "total_tokens": 47 } }

• usage：计费核心，输入 / 输出 token 分开算钱。

四、流式输出（Streaming，必学）

解决 “等待半天不出结果”，逐字返回（SSE 协议）。

python

运行

stream=client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "讲个长故事"}], stream=True # 开启流式 ) for chunk in stream: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="", flush=True)

五、函数调用（Function Calling，高级）

让模型自动调用你的工具 / 接口（如查天气、数据库、API）。

python

运行

# 1. 定义工具 tools = [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市天气", "parameters": { "type": "object", "properties": {"city": {"type": "string", "description": "城市名"}}, "required": ["city"] } } } ] # 2. 调用模型（让它决定是否调用工具） response=client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "北京今天天气？"}], tools=tools, tool_choice="auto" ) # 3. 执行工具并返回结果 tool_call=response.choices[0].message.tool_calls[0] if tool_call.function.name == "get_weather": import json args=json.loads(tool_call.function.arguments) weather=get_weather(args["city"]) # 你的函数 # 把结果发回模型，生成自然语言回答

六、其他常用接口

1. 嵌入向量（Embeddings）

用于检索、RAG、语义匹配：

python

运行

response=client.embeddings.create( model="text-embedding-3-small", input=["OpenAI API 教程", "大模型接口"] ) vector=response.data[0].embedding # 1536 维向量

2. 文生图（DALL・E 3）

python

运行

response=client.images.generate( model="dall-e-3", prompt="一只戴墨镜的猫，赛博朋克风格", size="1024x1024", n=1 ) print(response.data[0].url)

3. 语音转文字（Whisper）

python

运行

audio_file=open("speech.mp3", "rb") transcription=client.audio.transcriptions.create( model="whisper-1", file=audio_file ) print(transcription.text)

七、计费（Token 计算）

• 规则：按输入 Token（Prompt）+ 输出 Token（Completion）计费。
• 估算：1 Token ≈ 4 个英文字符 ≈ 1 个汉字。
• 示例：
  • GPT-4o：输入 $5/1M Token，输出 $15/1M Token
  • 通义千问：免费额度 + 按量计费（更便宜）

八、国内大模型兼容（重点）

1. 兼容原理

国内厂商完全复用 OpenAI 的请求 / 响应格式，仅需替换：

• base_url：换成厂商兼容地址
• api_key：换成厂商 Key
• model：换成厂商模型名（如qwen-turbo、deepseek-chat）

2. 一键切换代码示例

python

运行

# .env 文件 # QWEN_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 # QWEN_API_KEY=sk-xxx # DEEPSEEK_BASE_URL=https://api.deepseek.com # DEEPSEEK_API_KEY=sk-yyy import os from openai import OpenAI def get_client(vendor="qwen"): return OpenAI( api_key=os.getenv(f"{vendor.upper()}_API_KEY"), base_url=os.getenv(f"{vendor.upper()}_BASE_URL") ) # 用千问 client=get_client("qwen") # 用 DeepSeek client=get_client("deepseek")

九、最佳实践（避坑）

1. Key 安全：永远用环境变量，不要硬编码 / 上传 GitOpenAI。
2. 参数调优：
   • 写代码 / 严谨任务：temperature=0
   • 创意写作：temperature=0.9~1.2
3. 流式优先：用户端交互必须开 stream，体验大幅提升。
4. 错误处理：捕获APIError、RateLimitError、Timeout。
5. 多模型兼容：基于 OpenAI 协议开发，无缝切换国内模型。

十、一句话总结

OpenAI API = 大模型的 “通用语言”：

• 官方用它，国内千问 / DeepSeek / 星火 / Kimi 都兼容；
• 一套代码，换base_url+api_key即可切换模型；
• 掌握 Chat Completions+Stream+Function Calling，就能搞定 90% 应用场景。