2.1 OpenAI API核心概念：模型、Token、温度参数完全解读
2.1 OpenAI API核心概念：模型、Token、温度参数完全解读
一、为什么必须掌握API核心概念
OpenAI API是接入GPT-4、ChatGPT等模型的标准方式。理解模型、提示、补全、上下文、Token、温度、top_p等核心术语，是正确调用API、控制成本与输出质量的前提。本节将逐一解读这些概念，并给出实战中的调参建议。
二、核心术语详解
2.1 模型（Model）
模型是API调用的核心参数，决定了能力、上下文长度与价格。常用模型包括：
| 模型ID | 上下文 | 特点 | 典型用途 |
|---|---|---|---|
| gpt-4o | 128K | 多模态、强推理 | 复杂任务、图像理解 |
| gpt-4-turbo | 128K | 平衡性能与成本 | 通用生产场景 |
| gpt-4o-mini | 128K | 轻量、经济 | 简单对话、大批量 |
| gpt-3.5-turbo | 16K | 快速、便宜 | 客服、简单问答 |
2.2 提示（Prompt）与补全（Completion）
- 提示：用户或系统提供的输入文本，用于引导模型生成
- 补全：模型根据提示生成的输出文本
在Chat Completion API中，提示通过messages数组传递，包含system、user、assistant三种角色。
2.3 上下文（Context）
上下文指模型在一次调用中"看到"的全部内容，包括系统提示、历史对话、当前用户输入。上下文窗口即模型支持的最大Token数，超长会截断或报错。
2.4 Token
Token是模型处理文本的基本单位，约等于词或子词。中文通常1字≈1–2 Token，英文约1词≈1–2 Token。API按输入+输出Token计费，优化提示可显著降低成本。
# 使用tiktoken估算Token数（需安装: pip install tiktoken）importtiktoken enc=tiktoken.encoding_for_model("gpt-3.5-turbo")text="你好，这是一段测试文本。"tokens=enc.encode(text)print(f"Token数:{len(tokens)}")# 约10-152.5 温度（Temperature）
温度控制生成的随机性：
- 0：几乎确定性，相同输入得到相同输出，适合事实性任务
- 0.7：常用默认值，平衡创造性与稳定性
- 1.5–2：更随机，适合创意写作、头脑风暴
| 温度范围 | 适用场景 |
|---|---|
| 0–0.3 | 分类、提取、翻译、代码 |
| 0.5–0.8 | 通用对话、摘要 |
| 0.9–1.5 | 创意写作、多样化生成 |
2.6 top_p（核采样）
top_p控制从概率质量前p的Token中采样。top_p=1表示不限制；top_p=0.1表示仅从概率最高的10% Token中采样。通常与temperature二选一调节，不建议同时大幅调整。