返回教程系列
OpenAI GPT入门发布于
GPT API 入门:用 OpenAI 官方 Quickstart 做一个可靠最小闭环
创作者:OpenAI
不从复杂 Agent 开始。先学会安全配置 API Key、调用 Responses API、处理错误,再逐步加入结构化输出和工具。
查看官方参考| 项目 | 详情 |
|---|---|
| 提供方 | OpenAI GPT |
| 难度 | 入门 |
| 发布日期 | 2026-07-29 |
| 官方来源 | OpenAI GPT |
| 主题 | #llm · #engineering |
先把调用链路跑通
OpenAI 官方 Quickstart 的核心价值是让你用最少代码完成一次模型调用。工程上要记住:API Key 只放服务端;模型调用必须有超时、错误处理和成本观测;每个请求都应该能追踪到具体业务。
import OpenAI from "openai";
const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });
const response = await client.responses.create({
model: "gpt-4.1-mini",
input: "把这句客户询盘归纳成一个主题:Can you quote 500 units?",
});
console.log(response.output_text);模型 ID 和 SDK 版本会更新,部署时以 OpenAI 当前文档为准。
从文本回答升级到业务输出
不要一开始就让模型自由发挥。先定义输出契约,例如 intent、language、urgency 和 draft_reply 四个字段,再在服务端校验结果。结构化输出的意义不是让 JSON 看起来整齐,而是让下游系统敢于消费结果。校验失败时应进入人工队列,而不是自动发送。
Prompt 的最小结构
一个可维护的提示至少分三层:角色与边界、任务和输入、输出格式与失败规则。把业务事实放到检索或数据库中,不要把会变化的价格和政策硬编码进长期提示。
生产检查表
- 密钥、模型和环境配置不进入客户端。
- 对输入长度、敏感信息和并发做限制。
- 记录延迟、token 用量、失败率和人工修改率。
- 低置信度或事实型回答进入审核。
- 用一组固定测试集评估版本变化,而不是凭感觉升级模型。
官方原教程:OpenAI Quickstart。本文只提炼学习路径,模型能力、接口字段和价格以官方页面为准。
说明:本文是老金出海对官方教程的原创导读与工程化补充,不替代厂商文档。模型名称、SDK、价格、配额和安全政策请以官方链接为准。
📚 来源与延伸
本页内容基于以下权威来源整理,可验证、可引用。
引用规范:请注明来源为老金出海(laojinchuhai.com)并保留原文链接。
老金出品 · 用 AI 提效
AllModelsAPI一个 key,调多家大模型
AllModelsAPI 是多模型 API 中转站:一个 key 调多家模型,OpenAI 兼容接口,现有代码改个 base_url 就能迁。它不是演示品——我们自己的生产环境每天都在用。
更多老金产品:Sellenca · 365AIOrg · 365Loopa · 365 Ops · 365Skill
相关内容
按主题 / 人物 / 专区自动互通