OpenAI Chat Completions API: คู่มือฟีเจอร์และการใช้งาน

การสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ไม่ได้มีแค่การให้โมเดลสร้างคำตอบเท่านั้น คุณยังต้องมีวิธีที่เชื่อถือได้ในการจัดการบทสนทนา กำกับคำตอบ และเชื่อมทุกอย่างเข้ากับแอปพลิเคชันของคุณ OpenAI Chat Completions API ทำให้สิ่งนี้เป็นไปได้ด้วยการให้นักพัฒนาควบคุมวิธีที่ AI จัดการข้อความและสร้างคำตอบ หากต้องการทำความเข้าใจวิธีการทำงานและการนำไปใช้ในโปรเจกต์ของคุณ บทความนี้จะแนะนำทุกสิ่งที่จำเป็นต้องรู้

OpenAI Chat Completions API ช่วยให้นักพัฒนาผสานโมเดลภาษาของ OpenAI เข้ากับแอปพลิเคชันและบริการต่างๆ โดยสร้างคำตอบจากลำดับของข้อความ และรองรับงานต่างๆ เช่น การสนทนา การตอบคำถาม การสร้างเนื้อหา และการวิเคราะห์ข้อความ

Chat Completions ยังคงได้รับการรองรับ สำหรับโปรเจกต์ใหม่ OpenAI แนะนำให้ใช้ Responses API คู่มือนี้มุ่งเน้นที่ Chat Completions เพื่ออธิบายรูปแบบข้อความ พารามิเตอร์คำขอ และการใช้งานร่วมกับ SDK ที่เข้ากันได้

ต่างจาก endpoint Completions รุ่นเดิม (/v1/completions) ที่รับ prompt ข้อความ Chat Completions รับรายการข้อความแบบมีโครงสร้าง แต่ละข้อความมีบทบาท เช่น developer, user หรือ assistant ซึ่งช่วยให้โมเดลตีความคำสั่งและบริบทของบทสนทนาได้ บทบาทและประเภทเนื้อหาที่รองรับขึ้นอยู่กับโมเดลที่เลือก

นักพัฒนาสามารถใช้ API เพื่อสร้างฟีเจอร์ที่ขับเคลื่อนด้วย AI ได้หลากหลาย เช่น:

• แอปพลิเคชันการสนทนา: สร้างแชตบอต AI ผู้ช่วยเสมือน และระบบสนับสนุนลูกค้าที่ตอบข้อความของผู้ใช้

• การสร้างเนื้อหา: สร้างบทความ คำอธิบายสินค้า อีเมล บทสรุป และเนื้อหาที่เป็นลายลักษณ์อักษรอื่นๆ

• การวิเคราะห์ข้อความ: จัดประเภทข้อความ ดึงข้อมูล วิเคราะห์ความรู้สึก และระบุประเด็นสำคัญในเอกสาร

• ความช่วยเหลือด้านการเขียนโค้ด: สร้างตัวอย่างโค้ด อธิบายแนวคิดด้านการเขียนโปรแกรม และช่วยนักพัฒนาแก้ไขข้อผิดพลาด

• การประมวลผลภาษา: แปล เรียบเรียงใหม่ ทำให้ง่ายขึ้น และตรวจทานข้อความในภาษาต่างๆ

API มอบวิธีที่ยืดหยุ่นในการเชื่อมต่อโมเดลภาษากับซอฟต์แวร์ที่มีอยู่ ช่วยให้นักพัฒนานำคำตอบที่ AI สร้างไปใช้ในแอปพลิเคชันได้โดยไม่ต้องสร้างและโฮสต์โมเดลภาษาของตนเอง

Chat Completions API ทำงานตามขั้นตอนคำขอและการตอบกลับ แอปพลิเคชันส่งคำขอที่มีตัวระบุโมเดลและรายการข้อความไปยัง API endpoint จากนั้นโมเดลที่เลือกจะประมวลผลข้อมูลนำเข้าและส่งคืนคำตอบที่สร้างขึ้น

ขั้นตอนการทำงานพื้นฐานมีดังนี้:

1. เตรียมการสนทนา: แอปพลิเคชันรวบรวมข้อมูลที่ผู้ใช้ป้อนและจัดเรียงเป็นรายการข้อความ โดยอาจรวมข้อความจากการสนทนาก่อนหน้าด้วยเพื่อให้มีบริบท

2. ส่งคำขอ API: แอปพลิเคชันส่งคำขอ POST ไปยัง https://api.openai.com/v1/chat/completions พร้อมโมเดลที่เลือกและรายการข้อความ คำขอจะใช้ส่วนหัว Authorization: Bearer <API_KEY> เมธอด client.chat.completions.create() ของ Python SDK จะจัดการโครงสร้างคำขอและการตรวจสอบสิทธิ์นี้

3. ประมวลผลข้อมูลที่ป้อน: โมเดลตีความข้อความ พิจารณาบทบาทและเนื้อหาของข้อความ แล้วสร้างคำตอบตามบริบทและพารามิเตอร์ที่ระบุ

4. รับคำตอบ: คำขอแบบไม่สตรีมจะส่งคืนคำตอบ JSON ที่มีผลลัพธ์ที่สร้างขึ้นและข้อมูลเมตา เมื่อเปิดใช้การสตรีม API จะส่งลำดับเหตุการณ์ที่เซิร์ฟเวอร์ส่งมา (SSE) ซึ่งแอปพลิเคชันจะประมวลผลเมื่อได้รับ

5. แสดงหรือประมวลผลผลลัพธ์: แอปพลิเคชันดึงข้อความที่สร้างขึ้นมาแสดงให้ผู้ใช้เห็น หรือส่งต่อไปยังองค์ประกอบอื่นของแอปพลิเคชัน

เวิร์กโฟลว์นี้อิงตามรูปแบบคำขอและคำตอบของ OpenAI Chat Completions API

หากต้องการใช้ Chat Completions API อย่างมีประสิทธิภาพ นักพัฒนาต้องเข้าใจพารามิเตอร์หลักของคำขอและผลกระทบต่อพฤติกรรมของโมเดล

พารามิเตอร์ model ระบุว่าโมเดลภาษาตัวใดจะประมวลผลคำขอ โมเดลแต่ละตัวอาจมีความสามารถ ความเร็วในการตอบสนอง ประสิทธิภาพด้านการให้เหตุผล และราคาแตกต่างกัน

นักพัฒนาควรเลือกโมเดลให้เหมาะกับความซับซ้อนของงาน คุณภาพคำตอบที่คาดหวัง ข้อกำหนดด้านเวลาแฝง และงบประมาณ

พารามิเตอร์ messages มีอาร์เรย์ของข้อความในการสนทนา โดยทั่วไปแต่ละข้อความจะมีฟิลด์ role และ content

บทบาทที่ใช้กันทั่วไป ได้แก่:

เลือกบทบาทสำหรับคำสั่งที่โมเดลของคุณรองรับ โดยไม่จำเป็นต้องส่งทั้งข้อความ system และ developer สำหรับคำสั่งเดียวกัน หากต้องการรักษาบริบทระหว่างแต่ละรอบการสนทนา ให้รวมประวัติการสนทนาที่เกี่ยวข้องไว้ในคำขอแต่ละครั้ง ผู้ให้บริการที่เข้ากันได้อาจรองรับบทบาทที่แตกต่างกัน ดังนั้นเมื่อปรับการผสานรวม ให้ปฏิบัติตามเอกสารประกอบโมเดลของผู้ให้บริการนั้น

สำหรับโมเดลและการกำหนดค่าที่รองรับ temperature จะควบคุมความสุ่มในการสุ่มเลือก API reference กำหนดช่วงไว้ที่ 0 ถึง 2 โดยมีค่าเริ่มต้นเป็น 1 ตรวจสอบการรองรับพารามิเตอร์ของโมเดลที่เลือกก่อนกำหนดค่าแบบกำหนดเอง

• อุณหภูมิต่ำ: ให้คำตอบที่เฉพาะเจาะจงและคาดเดาได้มากขึ้น จึงเหมาะสำหรับการจัดประเภท การดึงข้อมูล และงานที่มีโครงสร้าง

• อุณหภูมิสูง: ทำให้ข้อความที่สร้างขึ้นมีความหลากหลายมากขึ้น ซึ่งอาจเป็นประโยชน์ต่อการระดมความคิดและการเขียนเชิงสร้างสรรค์

การกำหนดค่าด้านการให้เหตุผลบางแบบไม่รองรับค่า temperature หรือ top_p แบบกำหนดเอง สำหรับการกำหนดค่าเหล่านั้น ให้ละเว้นพารามิเตอร์การสุ่มเลือกเหล่านี้ และใช้ตัวควบคุมที่รองรับ เช่น ระดับความพยายามในการให้เหตุผลและขีดจำกัดผลลัพธ์แทน

ในกรณีที่รองรับ top_p จะควบคุมการเลือก token ผ่านการสุ่มแบบ nucleus โดยกำหนดเกณฑ์ความน่าจะเป็นสะสมที่ใช้เลือก token ที่เป็นตัวเลือก

ตัวอย่างเช่น ค่า 0.1 หมายความว่าโมเดลจะพิจารณา token ที่อยู่ภายในมวลความน่าจะเป็นสะสม 10% สูงสุด โดยทั่วไปค่าที่ต่ำกว่าจะให้ผลลัพธ์ที่เฉพาะเจาะจงขึ้น ขณะที่ค่าที่สูงกว่าจะให้ความหลากหลายมากขึ้น

OpenAI แนะนำให้ปรับ temperature หรือ top_p อย่างใดอย่างหนึ่ง แทนการเปลี่ยนทั้งสองพร้อมกัน

พารามิเตอร์ max_completion_tokens กำหนดจำนวน token สูงสุดที่โมเดลสามารถสร้างได้ในคำตอบ รวมถึง token สำหรับการให้เหตุผลในกรณีที่เกี่ยวข้อง

การกำหนดขีดจำกัดที่เหมาะสมช่วยให้นักพัฒนาควบคุมความยาวของผลลัพธ์และจัดการการใช้ token ได้ หากโมเดลถึงขีดจำกัดนี้ก่อนตอบเสร็จ ผลลัพธ์ที่สร้างขึ้นอาจจบลงด้วยเหตุผลการสิ้นสุด length

พารามิเตอร์ stream กำหนดว่า API จะส่งคืนคำตอบที่สร้างขึ้นทั้งหมดในครั้งเดียว หรือส่งกลับอย่างต่อเนื่องระหว่างที่กำลังสร้าง

• false: ส่งคืนคำตอบฉบับสมบูรณ์หลังจากสร้างเสร็จสิ้น

• true: สตรีมข้อมูลการตอบกลับไปยังแอปพลิเคชันผ่าน Server-Sent Events (SSE)

การสตรีมมีประโยชน์สำหรับอินเทอร์เฟซแชตและแอปพลิเคชันที่ผู้ใช้ได้ประโยชน์จากการเห็นคำตอบทยอยปรากฏ แทนที่จะรอผลลัพธ์ทั้งหมด

พารามิเตอร์ response_format ใช้เลือกรูปแบบเอาต์พุตในโมเดลที่รองรับ โดยค่าเริ่มต้นคือข้อความ การตั้งค่า type เป็น json_object จะเปิดใช้โหมด JSON ซึ่งสร้าง JSON ที่ถูกต้อง แต่ไม่ได้บังคับใช้สคีมาเฉพาะเจาะจง ให้ใส่คำสั่งให้ส่งคืน JSON ไว้ในข้อความ

หากต้องการให้ฟิลด์และประเภทข้อมูลคาดเดาได้ ให้ใช้ Structured Outputs ที่อิง JSON Schema โดยกำหนด type: "json_schema" และ strict: true ในโมเดลที่เข้ากันได้ โหมด strict ใช้ได้เฉพาะชุดย่อยของ JSON Schema ที่รองรับเท่านั้น ก่อนประมวลผลผลลัพธ์ ให้ตรวจสอบว่ามีการปฏิเสธหรือการตอบกลับที่ถูกตัดทอนหรือไม่ ดูรายละเอียดการกำหนดค่าได้ในคู่มือ Structured Outputs

พารามิเตอร์ tool_choice ควบคุมการเลือกเครื่องมือเมื่อโมเดลรองรับการเรียกใช้เครื่องมือผ่าน Chat Completions การรองรับขึ้นอยู่กับทั้งโมเดลและการกำหนดค่าการให้เหตุผลของโมเดล โดยโมเดลรุ่นใหม่บางรุ่นต้องใช้ Responses API จึงจะใช้เครื่องมือได้ ตรวจสอบข้อกำหนดเหล่านี้ก่อนเพิ่มเครื่องมือลงในคำขอ

การตั้งค่าที่ใช้กันทั่วไป ได้แก่:

• none: ป้องกันไม่ให้โมเดลเรียกใช้เครื่องมือ

• auto: อนุญาตให้โมเดลตัดสินใจว่าจะเรียกใช้เครื่องมือที่มีอยู่หรือไม่

• required: กำหนดให้โมเดลต้องเรียกใช้เครื่องมืออย่างน้อยหนึ่งรายการ

ความสามารถนี้รองรับการเรียกใช้ฟังก์ชัน ซึ่งช่วยให้แอปพลิเคชันเชื่อมโยงการตัดสินใจที่โมเดลสร้างขึ้นกับฟังก์ชัน ฐานข้อมูล และบริการภายนอก แอปพลิเคชันมีหน้าที่เรียกใช้ฟังก์ชันที่ร้องขอและส่งคืนผลลัพธ์ให้โมเดล

ใช้ข้อมูลอ้างอิง Chat Completions APIสำหรับคำจำกัดความของพารามิเตอร์และข้อกำหนดความเข้ากันได้ของโมเดล ตัวอย่าง Python ด้านล่างใช้คำขอข้อความพื้นฐานโดยไม่มีเครื่องมือ

นักพัฒนาสามารถเข้าถึง Chat Completions API ผ่านคำขอ HTTP หรือ SDK อย่างเป็นทางการ ตัวอย่างต่อไปนี้ใช้ Python เพื่อส่งคำขอแบบสนทนาและรับคำตอบที่สร้างขึ้น

ขั้นตอนที่ 1: รับ API key

สร้าง API key ในแพลตฟอร์ม OpenAI API และตรวจสอบว่าบัญชีของคุณเข้าถึงโมเดลที่เลือกได้ รวมถึงมีเครดิต API หรือวงเงินการเรียกเก็บเงินเพียงพอ เก็บ key ไว้ในตัวแปรสภาพแวดล้อมแทนที่จะเก็บไว้ในซอร์สโค้ดของแอปพลิเคชัน สำหรับ macOS หรือ Linux ให้เรียกใช้:

แทนที่ YOUR_API_KEY ด้วย key ของคุณเอง สำหรับ Windows ให้ตั้งค่าตัวแปร OPENAI_API_KEY เดียวกันในเชลล์หรือสภาพแวดล้อมระบบ

ขั้นตอนที่ 2: ติดตั้ง OpenAI Python SDK

ติดตั้งไลบรารี Python อย่างเป็นทางการโดยใช้ pip:

ขั้นตอนที่ 3: เริ่มต้น API client

นำเข้า SDK และเริ่มต้น client โดย OpenAI() จะอ่านตัวแปรสภาพแวดล้อม OPENAI_API_KEY ที่ตั้งค่าไว้ในขั้นตอนที่ 1 โดยอัตโนมัติ

ขั้นตอนที่ 4: ส่งคำขอ chat completion

เรียกใช้ client.chat.completions.create() โดยระบุโมเดลและรายการข้อความ ตัวอย่างนี้ใช้ gpt-6-astra ที่มีระดับความพยายามในการให้เหตุผลต่ำ และจำกัดการสร้างทั้งหมดไว้ที่ 4,096 token หากบัญชีของคุณใช้โมเดลนี้ไม่ได้ ให้เลือกโมเดลที่รองรับ Chat Completions และปรับพารามิเตอร์ให้ตรงกับเอกสารของโมเดลนั้น

ในตัวอย่างนี้:

• model ระบุโมเดลภาษาที่ใช้สร้างคำตอบ

• messages ระบุคำสั่งและข้อมูลที่ผู้ใช้ป้อน

• reasoning_effort กำหนดระดับความพยายามในการให้เหตุผลสำหรับโมเดลที่รองรับพารามิเตอร์นี้

• max_completion_tokens กำหนดจำนวน token สูงสุดที่สร้างได้ ซึ่งรวมถึง token สำหรับการให้เหตุผล แต่ไม่ได้รับประกันปริมาณข้อความที่มองเห็นได้ตามจำนวนที่ระบุ

• response.choices[0].message.content ดึงคำตอบของผู้ช่วย

ประมวลผลการตอบกลับจาก API

สำหรับคำขอแบบไม่สตรีมนี้ API จะส่งคืน JSON ที่มีผลลัพธ์การสร้างและเมตาดาต้าของคำขอ โดย Python SDK จะแปลงข้อมูลดังกล่าวเป็นออบเจ็กต์ ChatCompletion จึงทำให้ตัวอย่างเข้าถึงฟิลด์ผ่านแอตทริบิวต์ เช่น response.choices[0].message.content

ฟิลด์สำคัญในการตอบกลับ ได้แก่:

ฟิลด์ finish_reason ช่วยให้นักพัฒนาเข้าใจได้ว่าการสร้างผลลัพธ์สิ้นสุดลงอย่างไร ค่าที่พบบ่อย ได้แก่ stop, length และ tool_calls

นักพัฒนายังตรวจสอบฟิลด์ usage ได้เพื่อติดตามการใช้ token ของอินพุตและเอาต์พุต ซึ่งมีประโยชน์ในการประเมินค่าใช้จ่ายของ API และปรับการใช้งานแอปพลิเคชันให้เหมาะสม

ตัวอย่างนี้แสดงการตอบกลับข้อความพื้นฐาน เมื่อเพิ่มการสตรีม เอาต์พุตแบบมีโครงสร้าง หรือเครื่องมือ ให้ปรับทั้งตรรกะการส่งคำขอและการจัดการการตอบกลับให้สอดคล้องกับโมเดลและปลายทางที่เลือก

สำหรับนักพัฒนาที่กำลังมองหาทางเลือกแทน OpenAI Chat Completions API นั้น Kimi API เปิดให้เข้าถึงโมเดลภาษาขนาดใหญ่ของ Moonshot AI ผ่านรูปแบบ API ที่เข้ากันได้กับ OpenAI

Kimi มีอินเทอร์เฟซ Chat Completions, Responses และ Messages ตัวอย่างด้านล่างใช้ปลายทาง Chat Completions ที่เข้ากันได้กับ OpenAI เพื่อให้คุณนำเวิร์กโฟลว์ SDK ที่แนะนำข้างต้นมาใช้ซ้ำได้ กำหนดค่า Kimi API key ตั้งค่า URL ฐานของ Kimi และเลือกโมเดลที่รองรับ โปรดดูเอกสารของ Kimi สำหรับพารามิเตอร์โมเดล บทบาทของข้อความ และการรองรับเครื่องมือ

ขั้นตอนที่ 1: รับ Kimi API key

สมัครใช้งานบน แพลตฟอร์ม Kimi API และสร้าง API key ในคอนโซลสำหรับนักพัฒนา ตรวจสอบยอดคงเหลือ สิทธิ์เข้าถึงโมเดล และขีดจำกัดอัตราการใช้งานของบัญชีก่อนส่งคำขอครั้งแรก

เก็บคีย์ Kimi ไว้ในตัวแปรสภาพแวดล้อมแยกต่างหาก บน macOS หรือ Linux ให้รัน:

แทนที่ YOUR_KIMI_API_KEY ด้วยคีย์ Kimi ของคุณเอง บน Windows ให้ตั้งค่าตัวแปร KIMI_API_KEY เดียวกันในสภาพแวดล้อมของคุณ

ขั้นตอนที่ 2: ติดตั้ง OpenAI Python SDK

หากยังไม่ได้ติดตั้ง SDK ให้รัน:

ขั้นตอนที่ 3: กำหนดค่าไคลเอนต์ Kimi API

สร้าง kimi_client แยกต่างหากโดยใช้ URL ฐานของ Kimi และตัวแปร KIMI_API_KEY ที่ตั้งค่าไว้ในขั้นตอนที่ 1 การอ่านคีย์ด้วย os.environ จะทำให้เห็นข้อผิดพลาดทันทีหากไม่มีตัวแปรสภาพแวดล้อมดังกล่าว

ขั้นตอนที่ 4: ส่งคำขอ Chat Completions

ใช้เมธอด SDK เดียวกันกับไคลเอนต์ Kimi คำขอนี้เลือก kimi-k3 ใช้บทบาท system ที่ Kimi รองรับสำหรับคำสั่ง และส่งคืนการตอบกลับข้อความแบบไม่สตรีม

• ตัวเลือกโมเดลสำหรับภาระงานที่แตกต่างกัน: Kimi K3.1 Pro รองรับการให้เหตุผลที่ซับซ้อน การเขียนโค้ดระยะยาว และงานใช้ความรู้ รุ่น Highspeed ให้เอาต์พุตเร็วขึ้นด้วยความสามารถของโมเดลเดียวกัน ตัวอย่างข้างต้นใช้ Kimi K3 โปรดดูรายการโมเดลปัจจุบันสำหรับข้อมูลความพร้อมใช้งานและแนวทางการย้ายระบบ

• ความเข้ากันได้กับ OpenAI API: นักพัฒนาที่คุ้นเคยกับรูปแบบ OpenAI Chat Completions สามารถนำโครงสร้างคำขอและเวิร์กโฟลว์ SDK ที่รองรับในลักษณะคล้ายกันมาใช้เมื่อผสานรวมโมเดล Kimi

• การสนทนาหลายรอบ: นักพัฒนาสามารถส่งประวัติข้อความเพื่อรองรับการสนทนาที่รับรู้บริบท ผู้ช่วยเสมือน และแอปพลิเคชันเชิงโต้ตอบ

• การสตรีมและการเรียกฟังก์ชัน: API รองรับการตอบกลับแบบสตรีมและเวิร์กโฟลว์การเรียกใช้เครื่องมือ ช่วยให้นักพัฒนาสร้างแอปพลิเคชันที่โต้ตอบได้มากขึ้นและเชื่อมต่อโมเดลเข้ากับฟังก์ชันภายนอก

• อินพุตหลายรูปแบบ: โมเดล Kimi ที่รองรับสามารถประมวลผลอินพุตได้หลายประเภท รวมถึงข้อความ รูปภาพ และวิดีโอ โดยขึ้นอยู่กับความสามารถของโมเดล

ขณะใช้งาน Chat Completions API นักพัฒนาอาจพบข้อผิดพลาดเกี่ยวกับการยืนยันตัวตน การกำหนดค่า API ความพร้อมใช้งานของโมเดล หรือขีดจำกัดคำขอ การทำความเข้าใจปัญหาที่พบบ่อยเหล่านี้จะช่วยให้คุณระบุปัญหาและทำให้การผสานรวมทำงานได้อย่างราบรื่น:

• API key ไม่ถูกต้องหรือไม่มีอยู่: ข้อผิดพลาดในการยืนยันตัวตน เช่น HTTP 401 อาจเกิดขึ้นเมื่อ API key ไม่ถูกต้อง หมดอายุ ถูกเพิกถอน หรือกำหนดค่าไม่ถูกต้อง ตรวจสอบว่าคีย์ใช้ได้ ตัวแปรสภาพแวดล้อมถูกโหลดอย่างถูกต้อง และคำขอมีข้อมูลรับรองการยืนยันตัวตนที่เหมาะสม

• URL ฐานของ API ไม่ถูกต้อง: คำขอที่ส่งไปยังปลายทางที่ไม่ถูกต้องอาจส่งคืนข้อผิดพลาด เช่น 404 หรือการเชื่อมต่อล้มเหลว ตรวจสอบว่า URL ฐานตรงกับเอกสารของผู้ให้บริการ API และคำขอใช้เส้นทางปลายทางที่ถูกต้อง เมื่อสลับระหว่าง OpenAI กับผู้ให้บริการที่เข้ากันได้ อย่าลืมอัปเดต URL ฐานให้สอดคล้องกัน

• ID โมเดลไม่ถูกต้องหรือไม่พร้อมใช้งาน: คำขออาจล้มเหลวหากชื่อโมเดลที่ระบุไม่ถูกต้อง บัญชีของคุณไม่สามารถใช้ได้ หรือปลายทางที่เลือกไม่รองรับ โปรดตรวจสอบเอกสารโมเดลของผู้ให้บริการและยืนยันว่า ID โมเดลตรงกับที่มีให้ใช้ในบัญชี API ของคุณ

• ความยาวบริบทเกินขีดจำกัด: หากข้อความอินพุตรวมกับเอาต์พุตที่สร้างขึ้นมีขนาดเกินหน้าต่างบริบทของโมเดล API อาจปฏิเสธคำขอ ให้ลดความยาวของอินพุต ลบประวัติการสนทนาที่ไม่จำเป็น หรือสรุปข้อความก่อนหน้าก่อนส่งคำขออีกครั้ง

• เอาต์พุตถูกตัดทอน: การตอบกลับอาจหยุดลงก่อนสร้างเนื้อหาตามคำขอเสร็จ หากถึงขีดจำกัด max_completion_tokens ให้เพิ่มขีดจำกัด token หากรองรับ หรือแบ่งงานสร้างเนื้อหาที่ยาวออกเป็นคำขอขนาดเล็กลง นอกจากนี้ คุณยังตรวจสอบ choices[].finish_reason เพื่อดูว่าการตอบกลับสิ้นสุดลงเนื่องจากขีดจำกัด length หรือไม่

• เกินขีดจำกัดอัตราการใช้งานหรือโควตา: สำหรับ OpenAI สถานะ HTTP 429 อาจบ่งชี้ว่าถึงขีดจำกัดอัตราคำขอหรือ token ขีดจำกัดการใช้จ่าย หรือข้อจำกัดการใช้งานอื่น ให้ตรวจสอบประเภทและรหัสของข้อผิดพลาดก่อนลองใหม่ หากเป็นขีดจำกัดอัตราการใช้งานชั่วคราว ให้ลดความถี่ในการส่งคำขอและปฏิบัติตาม Retry-After เมื่อมีระบุไว้ หรือใช้ exponential backoff

หากข้อผิดพลาดระบุว่าเครดิตหมด หรือถึงขีดจำกัดการเรียกเก็บเงินหรือการใช้จ่าย ให้ตรวจสอบยอดคงเหลือและการตั้งค่าการเรียกเก็บเงินของบัญชี การลองซ้ำหลายครั้งจะไม่ทำให้กลับมาใช้งานได้ เมื่อใช้ Kimi หรือผู้ให้บริการอื่นที่เข้ากันได้ ให้ปฏิบัติตามเอกสารรหัสข้อผิดพลาดของผู้ให้บริการนั้น เนื่องจากรหัสสถานะและกฎโควตาอาจแตกต่างกัน

เพื่อให้แก้ไขข้อบกพร่องได้อย่างมีประสิทธิภาพยิ่งขึ้น ให้ตรวจสอบรหัสสถานะ HTTP และข้อความแสดงข้อผิดพลาดที่ API ส่งกลับมาก่อนเปลี่ยนพารามิเตอร์ของคำขอ รายละเอียดเหล่านี้ช่วยแยกแยะปัญหาการยืนยันตัวตน ข้อผิดพลาดในการกำหนดค่า และขีดจำกัดการใช้งานได้

Chat Completions API รองรับสถานการณ์การใช้งานของแอปพลิเคชันได้หลากหลาย รูปแบบข้อความที่มีโครงสร้างและพารามิเตอร์การสร้างเนื้อหาที่ปรับแต่งได้ ทำให้เหมาะทั้งกับฟีเจอร์ข้อความแบบเรียบง่ายและเวิร์กโฟลว์ AI ที่ซับซ้อนขึ้น

• แชตบอต AI และผู้ช่วยเสมือน: นักพัฒนาสามารถใช้ API เพื่อสร้างผู้ช่วยสนทนาสำหรับเว็บไซต์ แอปพลิเคชันบนมือถือ และแพลตฟอร์มบริการลูกค้า การส่งข้อความก่อนหน้าไปพร้อมกับคำขอครั้งถัดไปช่วยให้แอปพลิเคชันรักษาบริบทการสนทนาและตอบกลับได้ตรงประเด็นยิ่งขึ้น

• การสร้างเนื้อหาและการแก้ไขข้อความ: API สามารถสร้างและแปลงข้อความตามคำสั่งของผู้ใช้ แอปพลิเคชันสามารถใช้เพื่อร่างบทความบล็อก เขียนข้อความการตลาด สรุปเนื้อหาที่ยาว เขียนย่อหน้าใหม่ และปรับรูปแบบการเขียนให้เหมาะกับกลุ่มเป้าหมายและวัตถุประสงค์ที่แตกต่างกัน

• การจัดประเภทข้อความและการดึงข้อมูล: ธุรกิจสามารถผสาน API เข้ากับเวิร์กโฟลว์ที่ประมวลผลข้อความจำนวนมากได้ ตัวอย่างเช่น สามารถใช้จัดประเภทความคิดเห็นของลูกค้า ระบุความรู้สึก ดึงข้อมูลสำคัญจากข้อความ และจัดเนื้อหาที่ไม่มีโครงสร้างให้อยู่ในหมวดหมู่ที่กำหนดไว้ล่วงหน้า

• ผู้ช่วยเขียนโค้ด: API สามารถสนับสนุนเครื่องมือพัฒนาซอฟต์แวร์ด้วยการสร้างโค้ด อธิบายแนวคิดการเขียนโปรแกรม เสนอแนวทางแก้ไข และช่วยให้นักพัฒนาระบุข้อผิดพลาดได้ แอปพลิเคชันยังเชื่อมต่อโมเดลกับเครื่องมือพัฒนาภายนอกผ่านการเรียกใช้ฟังก์ชันได้อีกด้วย

• เวิร์กโฟลว์ธุรกิจที่ขับเคลื่อนด้วย AI: นักพัฒนาสามารถนำ API ไปใช้ในแอปพลิเคชันธุรกิจเพื่อทำงานด้านภาษาที่ทำซ้ำ ๆ โดยอัตโนมัติ ตัวอย่างเช่น การประมวลผลคำถามจากลูกค้า การสร้างรายงาน การดึงข้อมูลจากเอกสาร และการเตรียมคำตอบตามคำสั่งที่กำหนดไว้ล่วงหน้า

OpenAI Chat Completions API มอบวิธีที่ใช้งานได้จริงให้นักพัฒนานำ AI สำหรับการสนทนาไปใช้ในแอปพลิเคชัน และสร้างประสบการณ์ผู้ใช้ที่มีประโยชน์ยิ่งขึ้น การเลือกโมเดลที่เหมาะสม การทำความเข้าใจพารามิเตอร์ และการจัดการการตอบกลับจาก API อย่างรอบคอบ ล้วนส่งผลอย่างมากต่อประสิทธิภาพของแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาไม่จำเป็นต้องพึ่งพาผู้ให้บริการเพียงรายเดียวในการสร้างโซลูชันที่ขับเคลื่อนด้วย AI หากต้องการสำรวจอีกทางเลือกหนึ่ง ลองใช้ Kimi API และดูว่าการตั้งค่าที่เข้ากันได้กับ OpenAI เหมาะกับความต้องการด้านการพัฒนาของคุณอย่างไร