Skip to main content
OpenAI 最近提供了一个创建模型响应的接口。提供文本或图像输入以生成文本或图像输出。让模型调用您自己的自定义代码或使用内置工具，如 web 搜索或文件搜索，以使用您自己的数据作为模型响应的输入。 本文档主要介绍 OpenAI Responses API 操作的使用流程，利用它我们可以轻松使用官方 OpenAI 的创建模型响应功能。

​
申请流程

要使用 OpenAI Responses API，首先到 Ace Data Cloud 控制台 获取您的 API Token，留作备用。 如果你尚未登录或注册，会自动跳转到登录页面邀请你注册和登录，完成后会自动返回当前页面。 一个 API Token 即可调用平台所有服务，无需为每个服务单独申请。 首次申请会赠送免费额度，可免费体验；额度不足时可在 控制台 充值通用余额。
📘 完整文档：OpenAI Responses API →

​
基本使用

接下来就可以在界面上填写对应的内容，如图所示：

在第一次使用该接口时，我们至少需要填写三个内容，一个是 authorization，直接在下拉列表里面选择即可。另一个参数是 model， model 就是我们选择使用 OpenAI ChatGPT 官网模型类别，这里我们主要有 20 种模型，详情可以看我们提供的模型。最后一个参数是input，input是我们输入的提问词数组，它是一个数组，表示可以同时上传多个提问词，每个提问词包含了 role 和 content，其中 role 表示提问者的角色，我们提供了三种身份，分别为 user 、assistant、system 。另一个 content 就是我们提问的具体内容。 同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。 常用可选参数：
  • max_tokens：限制单次回复的最大 token 数。
  • temperature：生成随机性，0-2 之间，值越大越发散。
  • n：一次生成多少条候选回复。
  • response_format：返回格式设置。
  • tools：函数/工具调用定义。
  • background：是否后台异步运行。

调用之后，我们发现返回结果如下：
返回结果一共有多个字段，介绍如下：
  • id，生成此次对话任务的 ID，用于唯一标识此次对话任务。
  • model ，选择的 OpenAI ChatGPT 官网模型。
  • output，ChatGPT 针对提问词给于的回答信息。
  • usage ：针对本次问答对 token 的统计信息。
其中 output 是包含了 ChatGPT 的回答信息，它里面的 output 是 ChatGPT，可以发现如图所示。

可以看到，output 里面的 content 字段包含了 ChatGPT 回复的具体内容。

​
流式响应

该接口也支持流式响应，这对网页对接十分有用，可以让网页实现逐字显示效果。 如果想流式返回响应，可以更改请求头里面的 stream 参数，修改为 true。 修改如图所示，不过调用代码需要有对应的更改才能支持流式响应。

将 stream 修改为 true 之后，API 将逐行返回对应的 JSON 数据，在代码层面我们需要做相应的修改来获得逐行的结果。 Python 样例调用代码：
输出效果如下：
可以看到，响应里面有许多 data ，data 里面的 delta 即为最新的回答内容，与上文介绍的内容一致。delta 是新增的回答内容，您可以根据结果来对接到您的系统中。同时流式响应的结束是根据 data 的内容来判断的，如果 type 的内容为 response.completed，则表示流式响应回答已经全部结束。返回的 data 结果一共有多个字段，介绍如下：
  • item_id，生成此次对话任务的 ID，用于唯一标识此次对话任务。
  • type，生成此次对话 Responses 任务的类型。
  • model ，选择的 OpenAI ChatGPT 官网模型。
  • delta，ChatGPT 针对提问词给于的回答信息。
JavaScript 也是支持的，比如 Node.js 的流式调用代码如下：
Java 样例代码：
其他语言可以另外自行改写，原理都是一样的。

​
多轮对话

如果您想要对接多轮对话功能，需要对 input 字段上传多个提问词，多个提问词的具体示例如下图所示：

Python 样例调用代码：
通过上传多个提问词，就可以轻松实现多轮对话，可以得到如下回答：
可以看到，output 包含的信息与基本使用的内容是一致的，这个包含了 ChatGPT 针对多个对话进行回复的具体内容，这样就可以根据多个对话内容来回答对应的问题了。

​
视觉模型

gpt-4o 是 OpenAI 开发的多模态大型语言模型,它在 GPT-4 的基础上增加了视觉理解能力。这个模型可以同时处理文本和图像输入,实现了跨模态的理解和生成。 使用 gpt-4o 模型的文本处理是与上文的基本使用内容一致的，下面将简要介绍一下如果使用模型的图像处理能力。 使用 gpt-4o 模型的图像处理能力主要是通过在原有的 content 内容基础上添加一个 type 字段，通过该字段可以知道上传的是文本还是图片，从而使用 gpt-4o 模型的图像处理能力，下面主要讲述采用 Curl 和 Python 俩种方式来调用该功能。
  • Curl 脚本方式
  • Python 脚本方式
然后可以得到下面的结果，结果里面的字段信息是与上文一致的，具体的如下：
可以看到回答的内容是基于图片进行回答的，因此通过上述俩种方式可以轻松使用 gpt-4.1 模型的文本和图像处理能力。 除了，gpt-4.1，还有一个更低成本的模型，叫做 gpt-4o-mini。gpt-4o-mini 是 OpenAI 开发的最新一代大型语言模型，它不仅响应速度快，同时价格也更便宜，也支持多模态。vision 功能的使用可参考上文 gpt-4.1 模型的使用的内容。

​
文件处理模型的创建

请求样例：
样例结果：
可以看到，我们对输入的文件也进行了处理文件，结果与上文类似。

​
错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：
  • 400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
  • 400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
  • 401 invalid_token：Unauthorized, invalid or missing authorization token.
  • 429 too_many_requests：Too many requests, you have exceeded the rate limit.
  • 500 api_error：Internal server error, something went wrong on the server.

​
错误响应示例

​
结论

通过本文档，您已经了解了如何使用 OpenAI Responses API 轻松实现官方 OpenAI 的创建 Responses 功能。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。