通过 OpenAI API 学会如何构造高效提示，生成自然语言、结构化数据、代码、甚至数学表达式等内容。

如今，使用 OpenAI 的 API 不仅可以像 ChatGPT 那样交互式聊天，更可以在系统中集成强大的文本生成能力，实现自动化、智能化处理任务。在这篇文章中，我们将深入解析文本生成的原理、API 使用方法、提示词编写技巧，并配合 JavaScript、Python、cURL 等多种代码示例帮助你快速上手。

---

一、文本生成入门

借助 OpenAI 的 API，只需一个简单的 Prompt，即可生成各种类型的内容，例如：

• 故事、小说

• JSON 数据

• JavaScript / Python / C++ 等编程代码

• 数学公式

• 邮件、简历等正式文本

示例：生成一句关于独角兽的睡前故事

✅ JavaScript

import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.aaaaapi.com" });

const response = await client.responses.create({
  model: "gpt-4.1",
  input: "写一句关于独角兽的睡前故事。",
});

console.log(response.output_text);

✅ Python

from openai import OpenAI
client = OpenAI(base_url="https://api.aaaaapi.com")

response = client.responses.create(
    model="gpt-4.1",
    input="写一句关于独角兽的睡前故事。"
)

print(response.output_text)

✅ cURL

curl "https://api.aaaaapi.com/v1/responses" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-4.1",
    "input": "写一句关于独角兽的睡前故事。"
  }'

---

二、如何选择合适的模型？

OpenAI 提供了多种模型，选择合适的模型对于输出结果的质量与成本控制非常关键：

模型类型	特点	适用场景
GPT 模型	快速、性价比高、通用性强	内容生成、代码编写、结构化数据生成
Reasoning 模型	擅长多步推理和复杂任务	多轮问答、流程规划、知识推理
Mini / Nano 模型	速度更快，成本更低	高频短对话、快速响应场景

✅ 推荐使用模型：gpt-4.1，智能性与稳定性兼具。

---

三、提示词工程（Prompt Engineering）核心技巧

提示词工程是控制大语言模型行为的关键。一个优秀的提示词结构通常包含以下部分：

✅ 1. 明确身份与目标

# 身份
你是一名帮助用户优化 JavaScript 代码的助手。

# 指令
请使用 snake_case 命名变量，避免 camelCase。
代码应兼容 IE6 浏览器。

✅ 2. 提供输入输出示例（Few-shot learning）

<user_query>
如何声明一个表示用户年龄的变量？
</user_query>

<assistant_response>
var user_age = 18;
</assistant_response>

✅ 3. 包含上下文（Context）

你可以将额外的文档、数据库内容、甚至上传的文件作为上下文信息传入提示。

---

四、结构化输出（Structured Outputs）

如果你需要模型输出符合一定格式（如 JSON），可以使用 OpenAI 提供的结构化输出能力。

{
  "product": "耳机",
  "sentiment": "Positive"
}

想了解如何让模型严格输出符合 JSON Schema 的数据？可以参考 OpenAI 官方的 Structured Outputs 指南。

---

五、指令提示与角色扮演（Role-based Prompts）

通过在提示中设置不同角色，可以模拟多轮对话逻辑：

[
  {
    "role": "developer",
    "content": "回答时要使用海盗口音。"
  },
  {
    "role": "user",
    "content": "JavaScript 里的分号是可选的吗？"
  }
]

或者使用 instructions 字段传递系统级指令（优先级高于输入）：

const response = await client.responses.create({
  model: "gpt-4.1",
  instructions: "以海盗的语气回答。",
  input: "JavaScript 里的分号是必须的吗？"
});

---

六、复用提示词（Reusable Prompts）

OpenAI 支持在 管理后台 创建并复用提示模板，代码中只需通过 prompt.id 引用即可：

const response = await client.responses.create({
  model: "gpt-4.1",
  prompt: {
    id: "pmpt_abc123",
    variables: {
      customer_name: "张三",
      product: "超级果汁杯"
    }
  }
});

✅ 支持文件变量输入：如上传 PDF 并用作参考文档。

---

七、长上下文处理技巧

GPT-4.1 支持长达 100 万 Token 的上下文，但也需注意合理规划：

• 将关键指令放在开头和结尾

• 用 XML 或 Markdown 作为上下文块的分隔符

• 合理利用 RAG 技术 实现上下文检索增强

---

八、增强推理能力的提示（Chain of Thought Prompting）

在 Prompt 末尾加上：

首先一步步分析需要哪些信息，然后逐步完成任务。

可以有效提高模型对复杂任务的执行能力，尤其是在文档提取、推理类任务中。

---

九、实战推荐：用自己的中转 API 接入 OpenAI

如果你在国内使用 OpenAI，有时可能会受到网络环境或访问速度的限制。推荐使用我们提供的OpenAI API 中转服务，轻松接入 gpt-4.1 等模型：

🔗 立即接入中转 API，免费体验试用
👉 首页 - 灵客 API - 统一大模型接口网关，企业级 AI 接口服务平台

只需将 SDK 或请求代码中的 base_url 设置为：

https://api.aaaaapi.com

即可无缝切换中转服务，高速稳定访问 OpenAI 全线模型！

---

结语

本文从 OpenAI API 的基本使用入手，深入解析了提示词编写技巧、结构化输出、上下文管理、模型选择等关键点。希望你能利用这些方法构建出稳定、智能、高质量的 AI 应用系统。

📌 下一步建议阅读：

• 生成结构化 JSON 数据

• 构建评估体系（Evals）

• OpenAI Cookbook 提示词实战

---

如需获取专属接入通道与技术支持，请访问 👉 首页 - 灵客 API - 统一大模型接口网关，企业级 AI 接口服务平台