OpenAI-OpenAPI数据格式详解:JSON结构与字段说明
2026-02-05 04:04:14作者:翟江哲Frasier
你是否在使用OpenAI API时遇到过JSON数据解析错误?是否对API响应中的字段含义感到困惑?本文将详细解析OpenAI-OpenAPI的JSON数据格式,帮助你轻松理解和使用OpenAI API。读完本文后,你将能够:
- 掌握OpenAI API的基本JSON结构
- 理解常用字段的含义和用法
- 学会解析复杂的API响应数据
- 避免常见的数据格式错误
OpenAPI规范概述
OpenAI API基于OpenAPI 3.1.0规范构建,该规范定义了API的接口设计、数据格式和交互方式。OpenAPI规范使用YAML格式编写,位于项目根目录下的openapi.documented.yml文件中。
OpenAPI规范主要包含以下几个部分:
- 基本信息(info):API的标题、描述、版本等
- 服务器配置(servers):API的访问地址
- 安全机制(security):API的认证方式
- 标签(tags):API接口的分类
- 路径(paths):API的具体接口定义
- 组件(components):可复用的 schema 定义
基本JSON结构
OpenAI API的请求和响应数据都采用JSON格式。最基本的JSON结构包含以下几个部分:
请求JSON结构
{
"model": "gpt-4o",
"prompt": "Hello, world!",
"max_tokens": 100,
"temperature": 0.7
}
响应JSON结构
{
"id": "cmpl-123456",
"object": "text_completion",
"created": 1627825464,
"model": "gpt-4o",
"choices": [
{
"text": "Hello! How can I assist you today?",
"index": 0,
"logprobs": null,
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 5,
"completion_tokens": 9,
"total_tokens": 14
}
}
核心字段说明
通用字段
| 字段名 | 类型 | 描述 |
|---|---|---|
| id | string | 唯一标识符,用于追踪请求和响应 |
| object | string | 对象类型,如"text_completion"、"chat.completion"等 |
| created | integer | 创建时间戳,Unix时间格式 |
| model | string | 使用的模型名称 |
特定字段
Assistant对象
Assistant对象用于表示OpenAI的智能助手,包含以下主要字段:
{
"id": "asst_abc123",
"object": "assistant",
"created_at": 1698982736,
"name": "Coding Tutor",
"description": null,
"model": "gpt-4o",
"instructions": "You are a helpful assistant designed to make me better at coding!",
"tools": [],
"tool_resources": {},
"metadata": {},
"top_p": 1.0,
"temperature": 1.0,
"response_format": "auto"
}
| 字段名 | 类型 | 描述 |
|---|---|---|
| name | string | Assistant的名称 |
| description | string | Assistant的描述信息 |
| instructions | string | 给Assistant的指令 |
| tools | array | Assistant可以使用的工具列表 |
| temperature | number | 控制输出的随机性,0表示确定性,1表示最大随机性 |
| top_p | number | 控制输出的多样性,0表示只选择最可能的词,1表示考虑所有可能的词 |
列表响应对象
当API返回多个结果时,会使用列表响应对象:
{
"object": "list",
"data": [
{
"id": "asst_abc123",
"object": "assistant",
...
},
...
],
"first_id": "asst_abc123",
"last_id": "asst_abc789",
"has_more": false
}
| 字段名 | 类型 | 描述 |
|---|---|---|
| data | array | 结果列表 |
| first_id | string | 第一个结果的ID |
| last_id | string | 最后一个结果的ID |
| has_more | boolean | 是否还有更多结果 |
常见接口数据格式
创建Assistant
请求:
{
"instructions": "You are a personal math tutor. When asked a question, write and run Python code to answer the question.",
"name": "Math Tutor",
"tools": [{"type": "code_interpreter"}],
"model": "gpt-4o"
}
响应:
{
"id": "asst_abc123",
"object": "assistant",
"created_at": 1698984975,
"name": "Math Tutor",
"description": null,
"model": "gpt-4o",
"instructions": "You are a personal math tutor. When asked a question, write and run Python code to answer the question.",
"tools": [
{
"type": "code_interpreter"
}
],
"metadata": {},
"top_p": 1.0,
"temperature": 1.0,
"response_format": "auto"
}
列出Assistants
请求:
GET /v1/assistants?order=desc&limit=20
响应:
{
"object": "list",
"data": [
{
"id": "asst_abc123",
"object": "assistant",
"created_at": 1698982736,
"name": "Coding Tutor",
"description": null,
"model": "gpt-4o",
"instructions": "You are a helpful assistant designed to make me better at coding!",
"tools": [],
"tool_resources": {},
"metadata": {},
"top_p": 1.0,
"temperature": 1.0,
"response_format": "auto"
},
...
],
"first_id": "asst_abc123",
"last_id": "asst_abc789",
"has_more": false
}
数据交互流程
OpenAI API的典型数据交互流程如下:
sequenceDiagram
participant 用户
participant API
participant 模型
用户->>API: 发送请求(JSON格式)
API->>模型: 处理请求
模型->>API: 返回结果
API->>用户: 返回响应(JSON格式)
- 用户使用JSON格式构造请求数据
- 请求通过HTTPS协议发送到OpenAI API服务器
- API服务器将请求转发给相应的AI模型
- AI模型处理请求并生成结果
- API服务器将结果整理成JSON格式的响应
- 用户接收并解析响应数据
最佳实践与常见问题
最佳实践
- 始终指定模型版本,如使用"gpt-4o"而非"gpt-4"
- 根据需求合理设置temperature和top_p参数
- 使用分页参数(limit, order, after, before)处理大量数据
- 检查响应中的has_more字段,判断是否需要加载更多数据
- 妥善保存id字段,用于后续操作和问题排查
常见问题
- JSON格式错误:确保请求JSON格式正确,特别是引号和逗号的使用
- 字段类型错误:注意字段的类型,如temperature应为数字而非字符串
- 缺少必填字段:创建资源时确保提供了所有必填字段
- 权限问题:确保API密钥正确且具有足够的权限
- 理解响应结构:复杂响应可能包含嵌套结构,需要逐层解析
总结
本文详细介绍了OpenAI-OpenAPI的JSON数据格式,包括基本结构、核心字段、常见接口格式和交互流程。通过理解这些内容,你将能够更有效地使用OpenAI API,处理各种请求和响应数据。
要深入了解更多API细节,可以查阅项目中的openapi.documented.yml文件,其中包含了完整的API规范定义。如果你有任何问题或建议,欢迎在项目仓库中提出issue。
希望本文能帮助你更好地理解和使用OpenAI API,开发出更强大的AI应用!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1