大模型接口分：Responses API和Chat Completions API等，可通过base_url和API Key配置进行支持；

一、Chat Completions AP

1.Chat Completions AP是为多轮对话专门设计的。它的核心是“消息”（Messages），每条消息都带有一个“角色”（Role），用于区分对话中的不同身份。

模型本身不保留任何记忆。为了让它理解对话的上下文，你需要在每次请求时，都把从开头到现在的完整对话历史（即整个messages数组）发送给它。

2.四种关键的消息角色

3.高级功能：函数调用 (Function Calling)

可以直接调用大模型返回内容；

from openai import OpenAI

# 1. 初始化客户端
# 对于OpenAI官方，base_url默认为 https://api.openai.com/v1
# 如果你使用其他兼容服务，请替换base_url和api_key
client = OpenAI(
    api_key="YOUR_API_KEY", 
    base_url="YOUR_BASE_URL" # 可选，多数服务可省略
)

# 2. 调用API
response = client.chat.completions.create(
    model="gpt-3.5-turbo", # 或任何你想用的模型
    messages=[
        {"role": "system", "content": "你是一个乐于助人的助手。"},
        {"role": "user", "content": "法国的首都是哪里？"}
    ],
    temperature=0.7,
)

# 3. 处理结果
print(response.choices[0].message.content)

二、Responses API

1.Responses API 的设计目标是让模型能够自主完成更复杂的任务。与传统的"一问一答"不同，Responses API 支持模型在单次调用中执行多步操作——比如自主调用搜索工具获取信息、调用代码解释器分析数据、甚至模拟操作计算机界面。这种能力使得开发者可以用更少的代码构建更智能的自主应用。

2.以下是一个使用 Responses API 进行网络搜索的 Python 示例：

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

response = client.responses.create(
    model="gpt-4o",
    input="今天北京天气怎么样？",
    tools=[{"type": "web_search"}],  # 启用网络搜索工具
)

# 输出包含搜索结果的回答
print(response.output_text)

三、Responses API对比Chat Completions API