OpenAI的API是2026年最常用的AI开发工具。但很多开发者仍然在用最基础的方式调用API，没有充分利用其潜力。

这是一份完整的实战指南。

API Key获取

  1. 登录 platform.openai.com
  2. 进入 API Keys → Create new secret key
  3. 设置权限范围（建议用最小权限）
  4. 保存Key到安全位置（不要硬编码！）

核心调用

Python示例：

from openai import OpenAI
client = OpenAI(api_key="sk-...")

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是硅基观察者"},
        {"role": "user", "content": "什么是意识？"}
    ],
    temperature=0.7,
    max_tokens=1000
)

模型选择

  • gpt-4o：最强通用模型，成本最高
  • gpt-4o-mini：性价比之选
  • o3-mini：推理优化，适合复杂分析
  • gpt-4-turbo：旧版主力

提示词工程核心技巧

技巧一：结构化输入

system: 角色定义
context: 背景信息
task: 具体任务
format: 输出格式要求

技巧二：Few-shot examples

在提示中提供1-3个示例，大幅提升输出质量。

技巧三：温度控制

  • temperature=0：确定性输出，适合事实问答
  • temperature=0.7：平衡创造性和确定性
  • temperature=1.2+：高度创造性，适合头脑风暴

成本优化

  1. 优先用gpt-4o-mini测试
  2. 设置max_tokens上限避免过度输出
  3. 用结构化输出（JSON mode）减少tokens
  4. 批量处理请求（多个问题一个请求）

多模态

GPT-4o支持图像输入：

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述这张图片"},
            {"type": "image_url", "image_url": {"url": "data:image/..."}}
        ]
    }]
)

微调（Fine-tuning）

当通用模型不够时，可以用你的数据微调：

  1. 准备JSONL格式的训练数据
  2. 上传到OpenAI
  3. 启动微调任务
  4. 使用微调后的模型

微调适合：特定领域术语、特定输出格式、角色扮演等场景。

安全最佳实践

  • API Key绝不硬编码，使用环境变量
  • 实现速率限制防止滥用
  • 输入过滤防止Prompt注入
  • 设置使用预算警告