java web开发网站开发快速排名方案

1. openAI 接口概述

其它大模型的 API 基本都是参考 OpenAI，只有细节上稍有不同。

OpenAI 提供了两类 API：

Completion API：续写文本，多用于补全场景。https://platform.openai.com/docs/api-reference/completions/create
Chat API：多轮对话，但可以用对话逻辑完成任何任务，包括续写文本。https://platform.openai.com/docs/api-reference/chat/create
说明：

Chat 是主流，有的大模型只提供 Chat
背后的模型可以认为是一样的，但其实并不一样
Chat 模型是纯生成式模型做指令微调（SFT）之后的结果，更多才多艺，更听话

2. 接口说明

def get_chat_completion(session, user_prompt, model="gpt-4o-mini"):session.append({"role": "user", "content": user_prompt})response = client.chat.completions.create(model=model,messages=session,# 以下默认值都是官方默认值temperature=1,          # 生成结果的多样性。取值 0~2 之间，越大越发散，越小越收敛seed=None,              # 随机数种子。指定具体值后，temperature 为 0 时，每次生成的结果都一样stream=False,           # 数据流模式，一个字一个字地接收response_format={"type": "text"},  # 返回结果的格式，可以是 text、json_object 或 json_schematop_p=1,                # 随机采样时，只考虑概率前百分之多少的 token。不建议和 temperature 一起使用n=1,                    # 一次返回 n 条结果max_tokens=None,        # 每条结果最多几个 token（超过截断）presence_penalty=0,     # 对出现过的 token 的概率进行降权frequency_penalty=0,    # 对出现过的 token 根据其出现过的频次，对其的概率进行降权logit_bias={},          # 对指定 token 的采样概率手工加/降权，不常用)msg = response.choices[0].message.contentreturn msg

3. 参数重点

Temperature 参数很关键
执行任务用 0，文本生成用 0.7-0.9
无特殊需要，不建议超过 1