Zum Hauptinhalt springen
OpenAI hat kürzlich eine Schnittstelle zur Erstellung von Modellantworten bereitgestellt. Stellen Sie Text- oder Bildeingaben bereit, um Text- oder Bildausgaben zu generieren. Lassen Sie das Modell Ihren eigenen benutzerdefinierten Code aufrufen oder integrierte Tools wie Websuche oder Dateisuche verwenden, um Ihre eigenen Daten als Eingabe für Modellantworten zu nutzen. Dieses Dokument stellt hauptsächlich den Nutzungsprozess der OpenAI Responses API vor. Mit ihr können wir die offizielle Funktion von OpenAI zur Erstellung von Modellantworten einfach verwenden.

GPT-6.1 Sol

Verwenden Sie model: "gpt-6.1-sol", um dieses Modell auszuwählen. Es unterstützt Streaming-Ausgabe, Funktionsaufrufe, strukturierte Ausgabe und Bildeingaben. In der ersten Woche nach der Veröffentlichung ist es nur für verifizierte ACE-T1+-Inhaber (mindestens 100.000 ACE) oder autorisierte Benutzer verfügbar; die konkrete Verfügbarkeitszeit richtet sich nach dem Zugriffshinweis in der Konsole. Die Reasoning-Stufen unterstützen low, medium, high, xhigh und max; none oder minimal werden vorerst nicht unterstützt. Es wird empfohlen, mit reasoning: {"effort": "low"} zu beginnen. Wenn die Eingabe 272.000 Tokens überschreitet, gilt für die gesamte Anfrage der Preis für langen Kontext; die Gebühren richten sich nach dem aktuellen Preis in der Konsole.

Beantragungsprozess

Um die OpenAI Responses API zu verwenden, gehen Sie zunächst zur Ace Data Cloud-Konsole, um Ihren API-Token zu erhalten, und bewahren Sie ihn als Reserve auf. Wenn Sie noch nicht angemeldet oder registriert sind, werden Sie automatisch zur Anmeldeseite weitergeleitet, wo Sie zur Registrierung und Anmeldung eingeladen werden. Nach Abschluss kehren Sie automatisch zur aktuellen Seite zurück. Ein API-Token kann alle Dienste der Plattform aufrufen, ohne dass Sie jeden Dienst einzeln beantragen müssen. Bei der ersten Beantragung erhalten Sie ein kostenloses Kontingent, das Sie kostenlos testen können; bei unzureichendem Kontingent können Sie in der Konsole ein allgemeines Guthaben aufladen.
📘 Vollständige Dokumentation: OpenAI Responses API →

Grundlegende Verwendung

Als Nächstes können Sie die entsprechenden Inhalte in der Benutzeroberfläche ausfüllen, wie in der Abbildung gezeigt:

Bei der ersten Verwendung dieser Schnittstelle müssen wir mindestens drei Inhalte ausfüllen. Einer davon ist authorization, das Sie direkt in der Dropdown-Liste auswählen können. Ein weiterer Parameter ist model; model ist die Modellkategorie der offiziellen OpenAI-ChatGPT-Website, die wir auswählen. Hier haben wir hauptsächlich 20 Modelle, Details finden Sie in den von uns bereitgestellten Modellen. Der letzte Parameter ist input; input ist das Array der von uns eingegebenen Prompt-Wörter. Es ist ein Array und bedeutet, dass mehrere Prompt-Wörter gleichzeitig hochgeladen werden können. Jedes Prompt-Wort enthält role und content, wobei role die Rolle des Fragestellers darstellt. Wir bieten drei Identitäten an, nämlich user, assistant und system. Das andere Feld content ist der konkrete Inhalt unserer Frage. Gleichzeitig können Sie beachten, dass auf der rechten Seite entsprechender Aufrufcode generiert wird. Sie können den Code kopieren und direkt ausführen oder direkt auf die Schaltfläche „Try“ klicken, um ihn zu testen. Häufig verwendete optionale Parameter:
  • max_tokens: Begrenzt die maximale Anzahl von Tokens für eine einzelne Antwort.
  • temperature: Zufälligkeit der Generierung, zwischen 0 und 2; je größer der Wert, desto stärker die Streuung.
  • n: Wie viele Kandidatenantworten auf einmal generiert werden.
  • response_format: Einstellung des Rückgabeformats.
  • tools: Definition von Funktions-/Tool-Aufrufen.
  • background: Ob die Ausführung asynchron im Hintergrund erfolgt.

Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt aussieht:
Das Rückgabeergebnis enthält mehrere Felder, die wie folgt vorgestellt werden:
  • id, die ID der für diese Konversationsaufgabe generiert wird und zur eindeutigen Kennzeichnung dieser Konversationsaufgabe dient.
  • model , das ausgewählte Modell der offiziellen OpenAI-ChatGPT-Website.
  • output, die Antwortinformationen, die ChatGPT für das Prompt-Wort bereitstellt.
  • usage : Statistische Informationen zu Tokens für dieses Frage-Antwort-Paar.
Dabei enthält output die Antwortinformationen von ChatGPT, und das darin enthaltene output ist ChatGPT, wie in der Abbildung gezeigt.

Wie zu sehen ist, enthält das Feld content in output den konkreten Inhalt der ChatGPT-Antwort.

Streaming-Antwort

Diese Schnittstelle unterstützt auch Streaming-Antworten, was für die Anbindung von Webseiten sehr nützlich ist und Webseiten einen Effekt der zeichenweisen Anzeige ermöglichen kann. Wenn Sie Antworten als Stream zurückgeben möchten, können Sie den Parameter stream im Request-Header ändern und auf true setzen. Die Änderung ist in der Abbildung gezeigt, allerdings muss der Aufrufcode entsprechend geändert werden, um Streaming-Antworten zu unterstützen.

Nachdem Sie stream auf true geändert haben, gibt die API die entsprechenden JSON-Daten zeilenweise zurück. Auf Codeebene müssen wir entsprechende Änderungen vornehmen, um die zeilenweisen Ergebnisse zu erhalten. Python-Beispielaufrufcode:
Der Ausgabeeffekt ist wie folgt:
Sie können sehen, dass es in der Antwort viele data gibt, und das delta in data ist der neueste Antwortinhalt, was mit dem oben beschriebenen Inhalt übereinstimmt. delta ist der neu hinzugefügte Antwortinhalt, den Sie anhand der Ergebnisse in Ihr System integrieren können. Stream-Antworten verwenden response.completed oder response.incomplete als Endstatus; das usage im Endstatus ist der endgültige Token-Verbrauch dieser Anfrage und auch die Grundlage für die Abrechnung. Wenn der Client die Verbindung trennt, bevor der Endstatus eintrifft, wird diese Anfrage als vom Client geschlossen (499) aufgezeichnet, und es erfolgt keine Abrechnung anhand lokal geschätzter Token; wenn die Verbindung normal beendet wird, aber kein Endstatus und kein endgültiges usage empfangen werden, wird diese Anfrage als unvollständige Antwort (502) aufgezeichnet, und es erfolgt ebenfalls keine Abrechnung anhand geschätzter Token. Wenn diese beiden Situationen auftreten, starten Sie die Anfrage bitte erneut. Das zurückgegebene data-Ergebnis enthält insgesamt mehrere Felder, die wie folgt vorgestellt werden:
  • item_id, die ID der generierten Dialogaufgabe, die zur eindeutigen Identifizierung dieser Dialogaufgabe verwendet wird.
  • type, der Typ der generierten Responses-Aufgabe dieses Dialogs.
  • model , das ausgewählte Modell von der offiziellen OpenAI-ChatGPT-Website.
  • delta, die Antwortinformationen, die ChatGPT auf die Frage gibt.
JavaScript wird ebenfalls unterstützt, beispielsweise lautet der Code für Streaming-Aufrufe in Node.js wie folgt:
Java-Beispielcode:
Andere Sprachen können separat selbst angepasst werden, das Prinzip ist überall gleich.

Mehrturn-Dialog

Wenn Sie die Mehrturn-Dialogfunktion integrieren möchten, müssen Sie mehrere Fragen im Feld input hochladen. Ein konkretes Beispiel für mehrere Fragen ist in der folgenden Abbildung dargestellt:

Python-Beispielaufrufcode:
Durch das Hochladen mehrerer Fragen können Sie ganz einfach Mehrturn-Dialoge realisieren und die folgende Antwort erhalten:
Sie können sehen, dass die in output enthaltenen Informationen mit dem Inhalt der grundlegenden Verwendung übereinstimmen. Dies enthält den konkreten Inhalt der Antworten von ChatGPT auf mehrere Dialoge, sodass entsprechende Fragen anhand mehrerer Dialoginhalte beantwortet werden können.

Visuelles Modell

gpt-4o ist ein von OpenAI entwickeltes multimodales großes Sprachmodell, das auf der Grundlage von GPT-4 um visuelle Verständnisfähigkeiten erweitert wurde. Dieses Modell kann gleichzeitig Text- und Bildeingaben verarbeiten und ermöglicht modalitätsübergreifendes Verstehen und Generieren. Die Textverarbeitung mit dem Modell gpt-4o entspricht den grundlegenden Nutzungsinhalten im oberen Abschnitt. Im Folgenden wird kurz erläutert, wie die Bildverarbeitungsfähigkeit des Modells genutzt wird. Die Bildverarbeitungsfähigkeit des Modells gpt-4o wird hauptsächlich genutzt, indem auf Grundlage des ursprünglichen content-Inhalts ein Feld type hinzugefügt wird. Über dieses Feld kann erkannt werden, ob Text oder ein Bild hochgeladen wurde, sodass die Bildverarbeitungsfähigkeit des Modells gpt-4o verwendet werden kann. Im Folgenden wird hauptsächlich beschrieben, wie diese Funktion auf zwei Arten über Curl und Python aufgerufen wird.
  • Curl-Skript-Methode
  • Python-Skript-Methode
Anschließend kann das folgende Ergebnis erhalten werden. Die Feldinformationen im Ergebnis stimmen mit dem oberen Abschnitt überein, konkret wie folgt:
Es ist zu erkennen, dass der Antwortinhalt auf Grundlage des Bildes beantwortet wird. Daher können die Text- und Bildverarbeitungsfähigkeiten des Modells gpt-4.1 mithilfe der beiden oben genannten Methoden einfach genutzt werden. Neben gpt-4.1 gibt es auch ein kostengünstigeres Modell namens gpt-4o-mini. gpt-4o-mini ist die neueste Generation großer Sprachmodelle, die von OpenAI entwickelt wurde. Es reagiert nicht nur schnell, sondern ist auch günstiger und unterstützt ebenfalls Multimodalität. Für die Verwendung der Vision-Funktion kann auf den Inhalt zur Verwendung des Modells gpt-4.1 im oberen Abschnitt verwiesen werden.

Erstellung eines Dateiverarbeitungsmodells

Anfragebeispiel:
Beispielergebnis:
Wie zu sehen ist, haben wir die eingegebene Datei ebenfalls verarbeitet, das Ergebnis ähnelt dem oben genannten.

Fehlerbehandlung

Beim Aufrufen der API gibt die API bei einem Fehler den entsprechenden Fehlercode und die entsprechenden Informationen zurück. Zum Beispiel:
  • 400 token_mismatched:Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
  • 400 api_not_implemented:Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
  • 401 invalid_token:Nicht autorisiert, ungültiges oder fehlendes Autorisierungstoken.
  • 429 too_many_requests:Zu viele Anfragen, Sie haben das Ratenlimit überschritten.
  • 500 api_error:Interner Serverfehler, auf dem Server ist etwas schiefgelaufen.

Beispiel für eine Fehlerantwort

Fazit

Durch dieses Dokument haben Sie bereits erfahren, wie Sie mit der OpenAI Responses API einfach die offizielle Funktion zum Erstellen von Responses von OpenAI implementieren können. Wir hoffen, dass dieses Dokument Ihnen dabei helfen kann, diese API besser anzubinden und zu verwenden. Bei Fragen kontaktieren Sie jederzeit unser technisches Supportteam.