大名鼎鼎的 OpenAI 发布之后，其 OpenAI API规范 逐渐成了事实上的工业标准，很多大模型API都兼容这个规范。这也就意味着：OpenAI的SDK可以使用很多大模型。

兼容 OpenAI API规范 的大模型API包括：百炼、本地部署的Ollama、Anthropic（Claude 系列）、Mistral、Google DeepMind (Gemini)、Cohere、xAI（Elon Musk 团队）…

下面我们简单了解一下 OpenAI API规范。

基本设计理念

  • 统一接口：无论是 Chat、Embedding、Image 还是 TTS，接口格式尽量保持一致。

  • RESTful + JSON：请求/响应都采用 HTTP + JSON。

  • 流式返回：支持 SSE (Server-Sent Events) 流式输出，便于逐字生成。

常见 API 规范

1. Chat Completions (聊天接口)

路径：

POST /v1/chat/completions

请求：

{
  "model": "gpt-4o-mini",
  "messages": [
    {"role": "system", "content": "你是一个有帮助的助手"},
    {"role": "user", "content": "你好，请介绍一下你自己"}
  ],
  "temperature": 0.7,
  "stream": false
}

响应：

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1690000000,
  "model": "gpt-4o-mini",
  "choices": [
    {
      "index": 0,
      "message": {"role": "assistant", "content": "你好！我是一个AI助手。"},
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 15,
    "total_tokens": 25
  }
}

关键字段：

  • messages：对话上下文数组

  • temperature：控制随机性（[0-1]，数值越大随机性越高）

  • stream：是否流式返回

2. Embeddings (向量生成)

路径：

POST /v1/embeddings

请求：

{
  "model": "text-embedding-3-small",
  "input": "这是一个测试"
}

响应：

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "embedding": [0.0123, -0.0456, ...],
      "index": 0
    }
  ],
  "usage": {
    "prompt_tokens": 5,
    "total_tokens": 5
  }
}

3. Images (图像生成/编辑)

路径：

POST /v1/images/generations

请求：

{
  "model": "gpt-image-1",
  "prompt": "一只戴着墨镜的猫",
  "size": "512x512",
  "n": 1
}

响应：

{
  "created": 1690000000,
  "data": [
    {
      "url": "https://..."
    }
  ]
}

4. Audio (语音转文本 / 文本转语音)

语音转文本 (Whisper)

POST /v1/audio/transcriptions

上传音频文件，返回文字。

文本转语音 (TTS)

POST /v1/audio/speech

输入文本，返回音频流。

通用字段:

  • model：指定模型名（如 gpt-4o-mini、qwen3 等）

  • usage：返回 token 使用量

  • id：唯一请求ID

  • object：返回对象类型

  • created：时间戳

可以用 postman 或者 Apifox 模拟上述操作。如果在本地搭建一个 Ollama ，装上一个开源大模型，模拟操作会更容易，因为这种情形下不需要访问 api-key 。

用python访问多种大模型

大多数兼容实现（如 Ollama、vLLM、LM Studio、OpenRouter、FastChat 等）都遵循这个规范，所以只要：

pip install openai

然后：

from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="your-key")

resp = client.chat.completions.create(
    model="qwen3",
    messages=[{"role": "user", "content": "你好"}]
)
print(resp.choices[0].message.content)

就能直接用。

使用不同大模型API服务时，只要修改 base_url、api_key、model即可，对于本地部署的 Ollama ，只需要设置 base_url（通常为：http://localhost:11434/v1），无需设置 api_key 。

总结

通过以上对 OpenAI API 的简单介绍，我们可以发现它的实现简洁明了，由于兼容的大模型API比较多，我们可以很方便的用它来实现一个通用的大语言模型客户端。

🪐祝好运🪐