Chat Completions 基础用法

Chat Completions 现在更适合两个场景：维护老项目，或者做渐进迁移。OpenAI 官方已经明确建议新项目优先使用 Responses API，但 Chat Completions 仍然支持，所以它不会马上失去价值。

#1. 什么时候还会用 Chat Completions

• 你的现有项目已经大量使用 messages
• 你不想一次性重写所有调用层
• 你需要边运行边逐步迁移到 Responses

如果你现在是从零开始做新接口，这页可以了解，但不建议把它当默认起点。

#2. 基本概念

• messages：多轮对话数组，按时间顺序排列。
• role：消息角色（system/user/assistant）。
• temperature：生成随机性，值越高越有创意。

#读者导向：你先关注什么

• 新手：先关注 messages 顺序和 role 职责
• 产品开发：重点关注输出稳定性与成本参数（max_tokens）
• 运维负责人：优先建立日志、重试和异常兜底

#3. Python 示例

python复制
from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[
        {"role": "system", "content": "你是一个简洁专业的技术助理。"},
        {"role": "user", "content": "用 3 句话解释什么是 API。"}
    ],
    temperature=0.3,
    max_tokens=300
)

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

#4. Node.js 示例

ts复制
import OpenAI from 'openai';

const client = new OpenAI();

const response = await client.chat.completions.create({
  model: 'gpt-5.2',
  messages: [
    { role: 'system', content: '你是一个简洁专业的技术助理。' },
    { role: 'user', content: '用 3 句话解释什么是 API。' }
  ],
  temperature: 0.3,
  max_tokens: 300
});

console.log(response.choices[0].message.content);

#5. 多轮对话

python复制
messages = [
    {"role": "system", "content": "你是一个面试官。"},
    {"role": "user", "content": "请问什么是 REST？"},
    {"role": "assistant", "content": "REST 是一种..."},
    {"role": "user", "content": "它和 RPC 有什么不同？"}
]

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=messages
)

#6. 常用参数

#7. 最佳实践

• 先用 system 提示约束风格与边界。
• 通过清晰结构化输入提高稳定性。
• 对长内容建议使用 stream。

再补一句更现实的建议：如果你已经准备接 tools、多模态输入或 agent 能力，就不要继续在 Chat Completions 上加太多新投资了，直接开始规划迁到 Responses。

一句轻松版：
多轮对话像接力赛，messages 就是接力棒。
你要是把棒子丢了（上下文丢失），模型再强也只能现场脑补。

#参考资料

• Chat Completions API Reference↗
• Responses vs Chat Completions↗