OpenAI Responses API 支持

/v1/responses 请求端点介绍

老张API 全面支持 OpenAI 最新的 Responses API，这是 2025年3月推出的新一代智能体构建接口。Responses API 结合了 Chat Completions 的简洁性与 Assistants API 的工具使用和状态管理能力，为开发者提供更灵活、更强大的AI应用构建体验。

新一代API：Responses API 是 Chat Completions 的超集，提供 Chat Completions 功能的同时，还支持内置工具、状态管理等高级特性。—— 但是它仅支持少数新的 OpenAI 模型，具体请看下文。

🚀 核心特性

内置工具支持

Web搜索、文件搜索、代码解释器、函数调用等丰富工具

状态管理

通过 previous_response_id 维护对话上下文和状态

推理保持

O3/O4-mini 推理模型的推理令牌在请求间保持连续

完全兼容

支持所有支持工具的 GPT-4.1、O3系列模型

📋 支持的模型

推理模型（推荐）

O3 系列：o3, o3-pro, o4-mini
特色：推理令牌跨请求保持，提供更智能的上下文理解

对话模型

GPT-4.1 系列：gpt-4.1, gpt-4.1-mini
特色：强大的工具调用和多模态能力

模型要求：只有较新的模型才支持 /v1/responses 端点。旧模型如 GPT-3.5 不支持此接口。

🔧 基础用法

简单对话

curl https://api2.laozhang.ai/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gpt-4.1",
    "input": "Hello! How can you help me today?",
    "instructions": "You are a helpful assistant."
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api2.laozhang.ai/v1"
)

response = client.responses.create(
    model="gpt-4.1",
    input="Hello! How can you help me today?",
    instructions="You are a helpful assistant."
)

print(response.output[0].content[0].text)

import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api2.laozhang.ai/v1'
});

const response = await openai.responses.create({
  model: 'gpt-4.1',
  input: 'Hello! How can you help me today?',
  instructions: 'You are a helpful assistant.'
});

console.log(response.output[0].content[0].text);

实际响应示例

基于您的测试结果，以下是完整的响应格式：

{
  "id": "resp_6884fcab4930819dbbc02f15cbe63f6c0a92c38ff214d10a",
  "object": "response",
  "created_at": 1753545899,
  "status": "completed",
  "background": false,
  "error": null,
  "incomplete_details": null,
  "instructions": "You are a helpful assistant.",
  "max_output_tokens": null,
  "max_tool_calls": null,
  "model": "gpt-4.1-2025-04-14",
  "output": [
    {
      "id": "msg_6884fcab8f18819dbcdf349f01b424f80a92c38ff214d10a",
      "type": "message",
      "status": "completed",
      "content": [
        {
          "type": "output_text",
          "annotations": [],
          "logprobs": [],
          "text": "Hello! How can I assist you today?"
        }
      ],
      "role": "assistant"
    }
  ],
  "parallel_tool_calls": true,
  "previous_response_id": null,
  "prompt_cache_key": null,
  "reasoning": {
    "effort": null,
    "summary": null
  },
  "safety_identifier": null,
  "service_tier": "default",
  "store": true,
  "temperature": 1.0,
  "text": {
    "format": {
      "type": "text"
    }
  },
  "tool_choice": "auto",
  "tools": [],
  "top_logprobs": 0,
  "top_p": 1.0,
  "truncation": "disabled",
  "usage": {
    "input_tokens": 19,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 10,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 29
  },
  "user": null,
  "metadata": {}
}

📊 请求参数详解

必需参数

参数	类型	说明
`model`	string	模型名称，如 `gpt-4.1`, `o3`
`input`	string	用户输入内容

可选参数

参数	类型	默认值	说明
`instructions`	string	null	系统指令，定义助手行为
`previous_response_id`	string	null	上一个响应的 ID，用于维护上下文
`temperature`	float	1.0	控制输出随机性 (0-2)
`max_output_tokens`	int	null	最大输出令牌数
`tools`	array	[]	可用工具列表
`tool_choice`	string	”auto”	工具选择策略
`parallel_tool_calls`	boolean	true	是否允许并行工具调用
`store`	boolean	true	是否存储对话用于训练
`metadata`	object	自定义元数据

🛠️ 内置工具支持

1. 函数调用

response = client.responses.create(
    model="gpt-4.1",
    input="What's the weather like in Beijing?",
    instructions="You are a helpful weather assistant.",
    tools=[
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "Get current weather for a city",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {
                            "type": "string",
                            "description": "City name"
                        }
                    },
                    "required": ["city"]
                }
            }
        }
    ]
)

2. 代码解释器

response = client.responses.create(
    model="gpt-4.1", 
    input="Create a chart showing sales data: Jan:100, Feb:150, Mar:120",
    instructions="You are a data analyst. Use code interpreter to create visualizations.",
    tools=[{"type": "code_interpreter"}]
)

3. 文件搜索

response = client.responses.create(
    model="gpt-4.1",
    input="Search for information about quarterly reports",
    instructions="You are a document analyst.",
    tools=[{"type": "file_search"}]
)

🔄 状态管理

维护对话上下文

# 第一轮对话
response1 = client.responses.create(
    model="gpt-4.1",
    input="The active project code is Atlas. Please remember this.",
    instructions="You are a helpful assistant with good memory."
)

# 第二轮对话 - 使用 previous_response_id 维护上下文
response2 = client.responses.create(
    model="gpt-4.1", 
    input="What is the active project code?",
    instructions="You are a helpful assistant with good memory.",
    previous_response_id=response1.id
)

print(response2.output[0].content[0].text)  # 应该回答 "Atlas"

多轮工具调用

def multi_turn_conversation():
    response_id = None
    
    for user_input in ["What's 2+2?", "Now multiply that by 3", "And divide by 2"]:
        response = client.responses.create(
            model="o3",
            input=user_input,
            instructions="You are a math tutor. Show your reasoning.",
            previous_response_id=response_id,
            tools=[{"type": "code_interpreter"}]
        )
        
        print(f"User: {user_input}")
        print(f"Assistant: {response.output[0].content[0].text}")
        
        response_id = response.id  # 保持上下文

📈 推理模型特性

O3/O4-mini 推理保持

推理模型在 Responses API 中具有特殊优势：

# 使用 O3 进行复杂推理
response = client.responses.create(
    model="o3",
    input="Solve this step by step: If a train travels 120km in 2 hours, then speeds up 20% for the next hour, how far did it travel in total?",
    instructions="Think through this problem step by step, showing all reasoning."
)

# 查看推理过程
reasoning_tokens = response.usage.output_tokens_details.reasoning_tokens
print(f"Reasoning tokens used: {reasoning_tokens}")

# 继续对话，推理上下文会保持
follow_up = client.responses.create(
    model="o3",
    input="Now what if the train slowed down 10% in the fourth hour?",
    previous_response_id=response.id
)

🆚 与 Chat Completions 对比

特性	Chat Completions	Responses API
基础对话	✅ 支持	✅ 支持
流式响应	✅ 支持	✅ 支持
函数调用	✅ 支持	✅ 增强支持
内置工具	❌ 不支持	✅ 丰富工具
状态管理	❌ 无状态	✅ 有状态
推理保持	❌ 不支持	✅ O3/O4支持
文件搜索	❌ 不支持	✅ 支持
代码解释器	❌ 不支持	✅ 支持

迁移示例

从 Chat Completions 迁移到 Responses API：

# 旧方式
response = client.chat.completions.create(
    model="gpt-4.1",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
)
content = response.choices[0].message.content

# 新方式
response = client.responses.create(
    model="gpt-4.1",
    input="Hello!",
    instructions="You are a helpful assistant."
)
content = response.output[0].content[0].text

🔧 高级功能

并行工具调用

response = client.responses.create(
    model="gpt-4.1",
    input="Get weather for Beijing and Shanghai, then calculate travel time between them",
    instructions="You are a travel assistant.",
    parallel_tool_calls=True,
    tools=[
        {"type": "function", "function": {"name": "get_weather", ...}},
        {"type": "function", "function": {"name": "calculate_distance", ...}}
    ]
)

输出格式控制

response = client.responses.create(
    model="gpt-4.1",
    input="Summarize this data in JSON format",
    instructions="Always respond in valid JSON.",
    text={
        "format": {
            "type": "json_object"
        }
    }
)

推理努力控制（O3系列）

response = client.responses.create(
    model="o3",
    input="Solve this complex physics problem",
    instructions="Think carefully and show detailed reasoning.",
    reasoning={
        "effort": "high"  # low, medium, high
    }
)

📊 响应字段详解

核心字段

字段	类型	说明
`id`	string	响应唯一标识符
`object`	string	固定为 “response”
`created_at`	integer	创建时间戳
`status`	string	状态：completed/failed/in_progress
`model`	string	实际使用的模型版本
`output`	array	输出消息数组
`usage`	object	Token 使用统计

输出消息格式

{
  "id": "msg_xxx",
  "type": "message",
  "status": "completed",
  "content": [
    {
      "type": "output_text",
      "text": "响应内容",
      "annotations": [],
      "logprobs": []
    }
  ],
  "role": "assistant"
}

使用统计

{
  "usage": {
    "input_tokens": 19,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 10,
    "output_tokens_details": {
      "reasoning_tokens": 0  // 仅推理模型
    },
    "total_tokens": 29
  }
}

🚨 错误处理

标准错误格式

{
  "error": {
    "type": "invalid_request_error",
    "code": "model_not_supported",
    "message": "The model 'gpt-3.5-turbo' is not supported for the responses endpoint.",
    "param": "model"
  }
}

常见错误

错误码	说明	解决方案
`model_not_supported`	模型不支持 Responses API	使用支持的新模型
`invalid_previous_response_id`	无效的上一个响应ID	检查响应ID是否正确
`tool_not_available`	工具不可用	检查工具配置
`max_tokens_exceeded`	超出令牌限制	减少输入或设置max_output_tokens

💡 最佳实践

1. 状态管理策略

class ConversationManager:
    def __init__(self, model="gpt-4.1", instructions="You are a helpful assistant."):
        self.model = model
        self.instructions = instructions
        self.last_response_id = None
    
    def send_message(self, input_text, tools=None):
        response = client.responses.create(
            model=self.model,
            input=input_text,
            instructions=self.instructions,
            previous_response_id=self.last_response_id,
            tools=tools or []
        )
        
        self.last_response_id = response.id
        return response.output[0].content[0].text
    
    def reset_conversation(self):
        self.last_response_id = None

# 使用示例
conv = ConversationManager()
print(conv.send_message("The active project code is Atlas"))
print(conv.send_message("What is the active project code?"))  # 会记住项目代号 Atlas

2. 工具调用优化

def smart_tool_calling(user_input):
    # 根据输入智能选择工具
    available_tools = []
    
    if "weather" in user_input.lower():
        available_tools.append(weather_tool)
    if "calculate" in user_input.lower():
        available_tools.append(calculator_tool)
    if "search" in user_input.lower():
        available_tools.append(search_tool)
    
    response = client.responses.create(
        model="gpt-4.1",
        input=user_input,
        instructions="Use the appropriate tools to help the user.",
        tools=available_tools,
        tool_choice="auto"
    )
    
    return response

3. 推理模型优化

def optimized_reasoning(complex_problem):
    response = client.responses.create(
        model="o3",
        input=complex_problem,
        instructions="Think step by step and show your reasoning process.",
        reasoning={
            "effort": "high"  # 对复杂问题使用高推理努力
        },
        temperature=0.1  # 降低随机性以获得一致结果
    )
    
    # 分析推理使用情况
    reasoning_tokens = response.usage.output_tokens_details.reasoning_tokens
    total_cost = calculate_cost(response.usage)
    
    return {
        "answer": response.output[0].content[0].text,
        "reasoning_tokens": reasoning_tokens,
        "cost": total_cost
    }

🔮 未来发展

即将推出的功能

完整的 Assistants API 功能集成（2026年上半年）
更多内置工具：Web搜索、计算机使用等
模型上下文协议 (MCP) 支持
增强的多模态能力

迁移时间线

现在：可以开始使用 Responses API
2026年上半年：功能对等 Assistants API
2026年：Assistants API 弃用公告
2027年：完全迁移到 Responses API

开发建议：新项目推荐直接使用 Responses API，现有项目可以逐步迁移。老张API 将持续跟进 OpenAI 的更新，确保功能完整性。

需要更多帮助？请访问老张API官网或查看 OpenAI Responses API 官方文档。

​/v1/responses 请求端点 介绍

​🚀 核心特性

内置工具支持

状态管理

推理保持

完全兼容

​📋 支持的模型

​推理模型（推荐）

​对话模型

​🔧 基础用法

​简单对话

​实际响应示例

​📊 请求参数详解

​必需参数

​可选参数

​🛠️ 内置工具支持

​1. 函数调用

​2. 代码解释器

​3. 文件搜索

​🔄 状态管理

​维护对话上下文

​多轮工具调用

​📈 推理模型特性

​O3/O4-mini 推理保持

​🆚 与 Chat Completions 对比

​迁移示例

​🔧 高级功能

​并行工具调用

​输出格式控制

​推理努力控制（O3系列）

​📊 响应字段详解

​核心字段

​输出消息格式

​使用统计

​🚨 错误处理

​标准错误格式

​常见错误

​💡 最佳实践

​1. 状态管理策略

​2. 工具调用优化

​3. 推理模型优化

​🔮 未来发展

​即将推出的功能

​迁移时间线

/v1/responses 请求端点介绍

🚀 核心特性

📋 支持的模型

推理模型（推荐）

对话模型

🔧 基础用法

简单对话

实际响应示例

📊 请求参数详解

必需参数

可选参数

🛠️ 内置工具支持

1. 函数调用

2. 代码解释器

3. 文件搜索

🔄 状态管理

维护对话上下文

多轮工具调用

📈 推理模型特性

O3/O4-mini 推理保持

🆚 与 Chat Completions 对比

迁移示例

🔧 高级功能

并行工具调用

输出格式控制

推理努力控制（O3系列）

📊 响应字段详解

核心字段

输出消息格式

使用统计

🚨 错误处理

标准错误格式

常见错误

💡 最佳实践

1. 状态管理策略

2. 工具调用优化

3. 推理模型优化

🔮 未来发展

即将推出的功能

迁移时间线