很多人会用 OpenAI API，但用得很“玄学”：

• role 随便写
• prompt 全塞 user
• 不会流式输出
• 换模型就不会接了

结果就是：能跑，但不稳、不好用、不好扩展。

这篇带你从 0 → 可上线。

---

一、最小调用（所有一切的起点）

from openai import OpenAI

client = OpenAI(api_key="你的API_KEY")

resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "user", "content": "RAG 是什么？"}
]
)

print(resp.choices[0].message.content)

👉 这是最小闭环：

messages → 模型 → 返回结果

但这只是“能用”，远没到“可控”。

---

二、messages 不是聊天，是“控制协议”

标准结构：

[
{"role": "system", "content": "..."},
{"role": "user", "content": "..."},
{"role": "assistant", "content": "..."}
]

很多人理解成聊天记录，其实更准确的是：

👉 这是模型的执行脚本

---

1️⃣ system —— 行为控制器（核心）

{
"role": "system",
"content": "你是一个严谨的技术专家，不允许编造内容。"
}

作用：

• 控制风格（专业 / 销售 / 冷静）
• 限制幻觉
• 规定输出格式

👉 一句话：

👉 system 决定“你是谁”

---

2️⃣ user —— 输入数据

{
"role": "user",
"content": "RAG 是什么？"
}

👉 就是用户问题 + 输入信息。

---

3️⃣ assistant —— 历史输出（容易被误用）

{
"role": "assistant",
"content": "RAG 是..."
}

作用：

• 维持多轮上下文
• 告诉模型“刚才你说了什么”

👉 注意：

❌ 不是让模型补充信息
✅ 是你在“喂历史记录”

---

三、推荐的标准调用模板（生产可用）

messages = [
{
"role": "system",
"content": """
你是一个专业助手，请遵守：
1. 只基于提供信息回答
2. 不确定就说不知道
3. 回答简洁
"""
},
{
"role": "user",
"content": f"""
【上下文】
{context}

【问题】
{question}
"""
}
]

👉 这是 RAG / 知识库系统的标准写法。

---

四、DeepSeek 能不能用 OpenAI SDK？

👉 可以，而且这是强烈推荐做法。

像 DeepSeek、OpenAI、以及很多国产模型，都在做：

👉 OpenAI API 兼容协议

---

1️⃣ 使用 DeepSeek（OpenAI 兼容方式）

from openai import OpenAI

client = OpenAI(
api_key="你的DeepSeek Key",
base_url="https://api.deepseek.com"
)

resp = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "user", "content": "你好"}
]
)

print(resp.choices[0].message.content)

---

2️⃣ 这意味着什么？

👉 你可以做到：

• 一套代码 → 多模型切换
• OpenAI / DeepSeek / 其他厂商通用

---

3️⃣ 推荐策略（实战）

👉 你应该这样设计：

MODEL_PROVIDER = "deepseek" # or openai

if MODEL_PROVIDER == "openai":
base_url = None
model = "gpt-4o-mini"
else:
base_url = "https://api.deepseek.com"
model = "deepseek-chat"

👉 你的系统就“可替换”了。

---

五、流式输出（Streaming）实战

如果你做产品（聊天、客服），必须用流式输出。

否则体验就是卡顿。

---

1️⃣ 普通调用（非流式）

resp = client.chat.completions.create(...)

👉 等全部生成完才返回。

---

2️⃣ 流式调用（关键）

stream = client.chat.completions.create(
model="gpt-4o-mini",
messages=messages,
stream=True
)

for chunk in stream:
delta = chunk.choices[0].delta
if delta.content:
print(delta.content, end="", flush=True)

---

3️⃣ 输出效果

RAG 是一种结合检索...
（逐字输出）

👉 用户体验直接提升一个档次。

---

4️⃣ 前端怎么接？

👉 常见方式：

• SSE（Server-Sent Events）
• WebSocket

👉 后端边读 chunk 边推给前端。

---

六、关键参数（必须掌握）

1️⃣ temperature（发散程度）

temperature=0.2

值	适用
0.0~0.3	RAG / 客服（稳定）
0.5~0.7	通用
0.8+	创作

---

2️⃣ max_tokens

限制输出长度：

max_tokens=500

---

3️⃣ top_p（采样控制）

一般不用动，默认即可。

---

七、进阶用法（提升稳定性）

1️⃣ 强约束输出（结构化）

"请用 JSON 输出：{answer: string}"

👉 简单但不稳定。

---

2️⃣ system 多层控制

messages = [
{"role": "system", "content": "你是金融专家"},
{"role": "system", "content": "必须给出结论"},
]

👉 模型会综合执行。

---

3️⃣ 上下文裁剪（必须做）

问题：

👉 token 会爆

解决：

• 只保留最近 3~5 轮
• 或做 summary

---

八、一个完整“可上线”的调用函数

def chat(query, context=""):
messages = [
{
"role": "system",
"content": "你是一个严谨助手，不允许编造。"
},
{
"role": "user",
"content": f"""
上下文：
{context}

问题：
{query}
"""
}
]

resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=messages,
temperature=0.2
)

return resp.choices[0].message.content

---

九、最常见的坑（别踩）

❌ 不写 system

→ 输出不可控

❌ 所有东西塞 user

→ 模型理解变差

❌ 不做流式

→ 用户体验很差

❌ 不做模型切换设计

→ 后期重构成本极高

---

十、一句话总结

👉 OpenAI 接口的本质不是“聊天”，而是：

👉 一个“标准化的大模型调用协议”

你写的不是对话，而是：

👉 一段控制模型行为的脚本（messages）