OpenAI API参数速查手册

调用大模型 API 时，参数决定输出风格、长度、稳定性和成本。下面以常见参数思路做速查，具体字段名称和支持范围应以当前官方文档为准。

模型与输入

model：选择使用的模型。不同模型在能力、速度、价格、上下文长度和多模态支持上不同。

messages / input：用户提供的内容，通常包含系统指令、用户问题、历史对话和工具结果。输入越清晰，输出越稳定。

system instruction：规定模型角色、边界和风格。例如“你是严谨的 Python 教师”。

输出控制

max output tokens：限制最大输出长度。太小会截断，太大可能增加成本。

temperature：控制随机性。写代码、抽取字段、生成 JSON 时建议较低；头脑风暴、创意写作可适当提高。

top_p：另一种采样控制方式。通常不要同时大幅调整 temperature 和 top_p，避免难以判断原因。

工具与格式

tools / function calling：允许模型调用外部函数，例如查数据库、发请求、计算结果。适合需要真实数据或执行动作的场景。

response format：要求模型按 JSON 或特定结构输出。做程序集成时非常重要。

stream：流式输出，适合聊天界面，用户能更快看到内容。

成本相关

成本通常和输入 token、输出 token、模型类型有关。长上下文、长输出和高频调用都会增加费用。上线前应记录 token 用量和平均请求成本。

常见配置建议

事实问答：低 temperature，要求引用来源或说明不确定。

代码生成：低 temperature，要求给测试和边界条件。

创意写作：中等 temperature，给风格示例。

结构化抽取：低 temperature，启用 JSON 输出，并对字段缺失做约定。

排查建议

输出太发散，降低 temperature 并收紧提示词。输出被截断，增加最大输出长度或拆分任务。JSON 不稳定，使用结构化输出并减少自由文本。成本过高，压缩上下文、缓存结果或换更小模型。