这一章节介绍了很多和提示词有关的内容，提示词的好坏决定着模型的输出效果，但是其实，模型是否能正常输出，以及输出的效果好不好，还有一些其他的参数也会有所影响。 这一篇我们介绍下其他一些和模型输出有关的内容，重点讲解下我们后续课程中会高频使用到的OpenAI 的API。 OpenAI API 几乎是所有基于大模型应用开发的底层基础（有部分大模型有自己的标准，比如早期Azure的大模型与OpenAI的并不兼容）。无论构建什么样的智能应用场景，开发的核心逻辑始终围绕这个API 的组合调用展开的。在很多智能体框架中，如SpringAI、Langchain、Autogen等等，他们都很好的对这个API进行了深度封装，但是不论框架如何封装设计，最终都会归结为向大模型的 API 接口发送一个格式化的 HTTP 请求。甚至，我们可以只用一个httpclient即可开展我们的智能体应用开发。 目前主流的大模型几乎都已经完全兼容OpenAI的接口规范（https://platform.openai.com/docs/overview ），OpenAI API 已成为事实上的行业标准接口。所以说，只有先了解清楚OpenAI API的调用方式、入参、出参、流式/非流式输出，才能算真正理解大模型应用开发的底层原理。（百炼API文档：https://bailian.console.aliyun.com/cn-beijing/?tab=doc#/doc/?type=model&url=2579562 )
入参说明
还记得我们在 ✅LLM HelloWorld给大家讲解使用的脚本么：
import os
from openai import OpenAI
try:
client = OpenAI(
# 替换成你自己的ak
api_key="<your key>",
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="qwen-plus",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "你是谁？"},
],
)
print(completion.choices[0].message.content)
except Exception as e:
print(f"错误信息：{e}")
以上其实就是一个标准的Open AI的API调用代码， 其中的重要参数我们也能发现有很多。
base_url：模型服务器地址。
在各种智能体框架和低代码平台中，都会要求配置此参数以指定请求发送到哪个模型服务器。
格式说明：
完整的 API 接口路径通常是：https://域名地址（或者ip+port）/v1/chat/completions
但是大多数智能体框架（如 LangChain、Autogen等等）默认会拼接 /chat/completions，因此我们只需配置到：https://域名地址/v1/ 即可。
而在我们课程中用的最多的SpringAI，他不太一样的点就是，他默认拼接的是：/v1/chat/completions。所以在SpringAI框架中的配置是只到v1之前。
常见模型的base_url：
- Chatgpt：https://api.openai.com/v1
- 通义千问：https://dashscope.aliyuncs.com/compatible-mode/v1
- DeepSeek：https://api.deepseek.com/v1
- 本地模型：http://
以上就是OpenAI API的全部入参字段，加粗标记的就是正常我们使用的最多的标准字段，其他字段基本可以不用设置，因为设置的不好就非常可能会导致模型输出的不确定性，使用默认值即可。
调用示例
通义千问： https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions 一个简单的标准入参：
{
"messages": [
{
"content": "you are a helpful asistant.",
"role": "system"
},
{
"content": "你是谁？",
"role": "user"
}
],
"model": "qwen-plus",
"stream": false, // 非流式，true就是流式输出
"temperature": 0.7 // 用于控制模型的输出多样性，建议默认0.7，要求结果更加稳定可以设置0.3，太低则可能会触发某些模型的死循环输出
}
postman调用：我们可以使用postman工具来调用一次试试看，首先在请求头存放你的api_key。
非流式调用：
流式调用：
输出字段说明
非流式输出
| 参数名称 | 数据类型 | 作用 | 参数说明 |
|---|---|---|---|
| id | String | 唯一标识符 | 本次 API 请求的唯一 ID |
| object | String | 响应对象类型 | 固定为 "chat.completion" |
| model | String | 模型名 | 实际使用的模型名称 |
| created | Integer | 时间戳 | API 响应创建的时间戳 |
| choices | Array | 输出列表 | 列表中的 choices[0].message包含完整的回复或工具调用信息。 |
| usage | Object | Token 统计 | 计费的核心依据，token消耗 |
| choices[i].message.content | String | 生成文本结果 | 模型生成的全部文本内容。如果模型选择调用工具，此字段可能为空。 |
| choices[i].message.tool_calls | Array | 工具调用请求 | 智能体应用的核心参数。当模型判断需要调用外部工具时，此字段会包含要调用的函数名和参数。（后续会详细介绍） |
| choices[i].finish_reason | String | 停止 | 停止原因，默认stop |
以上加粗标记的字段，是非流式输出通常最关注的字段，尤其是choices[i].message.content和choices[i].message.tool_calls，这两个就是我们后续开发智能体应用的核心参数。一切的智能体开发主要都是围绕这两个核心参数进行的。
流式输出
| 参数名称 | 数据类型 | 作用 | 参数说明 |
|---|---|---|---|
| id | String | 唯一标识符 | 本次 API 请求的唯一 ID，在每个数据块中都相同。 |
| object | String | 响应对象类型 | 固定为 |
| model | String | 模型名 | 实际使用的模型名称。 |
| created | Integer | 时间戳 | API 响应创建的时间戳 |
| choices | Array | 分块输出列表 | 列表中的 |
| usage | Object | Token 统计 | 通常为 null，最后一个流会输出 |
| choices[i].delta.content | String | 流式生成的文本 | 本次数据块新增的极小部分文本。应用需要自己将所有块的content拼接起来才能得到完整回复。 |
| choices[i].finish_reason | String | 停止 | 仅在最后一个数据块中返回。当它出现时，表示流式输出结束。 |
| choices[i].tool_calls | Array | 工具调用 | 智能体应用的核心参数。 |
以上加粗标记的字段，是流式输出通常最关注的字段，尤其是choices[i].delta.content和choices[i].tool_calls，与非流式输出一样，一切的智能体开发主要都是围绕这两个核心参数进行的。