如需完整的文件索引,請參閱 llms.txt。在文件頁面的網址末尾加上 .md ,即可取得該頁面的 Markdown 版本。
主要導覽
主題

文字生成

瞭解如何使用提示詞讓模型生成文字。

透過 OpenAI API,你可以讓大型語言模型根據提示詞生成文字,就像使用 ChatGPT 一樣。模型幾乎可以生成任何類型的文字回應,例如程式碼、數學方程式、結構化的 JSON 資料,或讀起來像人寫的文章。

要直接向模型發出請求,請使用 Responses API。以下是生成文字的呼叫範例。

根據簡單的提示詞生成文字
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6-astra",
  input: "Write a one-sentence bedtime story about a unicorn.",
});

console.log(response.output_text);

回應的 output 屬性是一個陣列,包含模型生成的內容。在這個簡單的範例中,陣列只有一個輸出項目,內容如下:

[
  {
    "id": "msg_67b73f697ba4819183a15cc17d011509",
    "type": "message",
    "role": "assistant",
    "content": [
      {
        "type": "output_text",
        "text": "Under the soft glow of the moon, Luna the unicorn danced through fields of twinkling stardust, leaving trails of dreams for every child asleep.",
        "annotations": []
      }
    ]
  }
]

回應中的 output 陣列通常包含多個項目! 其中可能包含工具呼叫、推理模型所生成的推理 Token 相關資料,以及其他項目。請勿假設模型輸出的文字一定位於 output[0].content[0].text。

部分官方 SDK 在模型回應中提供 output_text 屬性,會將模型輸出的所有文字合併成單一字串。你可以透過這個屬性快速取得模型輸出的文字。

除了純文字,你也可以讓模型以 JSON 格式傳回結構化資料。這項功能稱為結構化輸出。

提示工程

提示工程是指為模型撰寫有效指示,讓模型能穩定生成符合需求的內容。

即使提示詞相同,模型每次生成的內容也可能不同。因此,要寫出能得到預期結果的提示詞,既需要經驗判斷,也需要有系統地實驗。運用適當的技巧和最佳做法,有助於穩定取得良好結果。

有些提示工程技巧適用於所有模型,例如使用訊息角色。不過,要取得最佳結果,可能需要針對不同模型調整提示詞的寫法。即使是同一系列模型的不同快照,也可能產生不同結果。開發較複雜的應用程式時,我們強烈建議採取以下做法:

  • 讓正式環境中的應用程式固定使用特定的模型快照(例如 gpt-5.5-2026-04-23),以確保行為一致。
  • 建立測試與評估套件,衡量模型在給定提示詞下的表現,以便在反覆調整提示詞或更換、升級模型版本時監控成效。

接下來,看看有哪些工具和技巧可以協助你撰寫提示詞。

選擇模型與 API

OpenAI 提供多種模型和數個 API 供你選擇。推理模型(例如 gpt-6-astra)與對話模型的行為不同,適合的提示詞寫法也不同。搭配 Responses API 使用時,推理模型的表現更好,也能展現更高的智慧。

無論開發哪種文字生成應用程式,我們都建議優先使用 Responses API,而非較舊的 Chat Completions API。如果你使用的是推理模型,遷移至 Responses API 尤其有幫助。

訊息角色與模型遵循指示的方式

你可以向模型提供不同權限層級的指示,做法是搭配使用 instructions API 參數與訊息角色。

透過 instructions 參數,你可以指定模型生成回應時應遵循的整體原則,例如設定語氣和目標,並提供正確回應的範例。以這種方式提供的指示,優先順序都高於 input 參數中的提示詞。

根據指示生成文字
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6-astra",
  reasoning: { effort: "low" },
  instructions: "Talk like a pirate.",
  input: "Are semicolons optional in JavaScript?",
});

console.log(response.output_text);

上述範例大致等同於在 input 陣列中提供下列輸入訊息:

使用不同角色的訊息生成文字
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6-astra",
  reasoning: { effort: "low" },
  input: [
    {
      role: "developer",
      content: "Talk like a pirate.",
    },
    {
      role: "user",
      content: "Are semicolons optional in JavaScript?",
    },
  ],
});

console.log(response.output_text);

請注意,instructions 參數只適用於當次生成回應的請求。如果你在管理對話狀態時使用 previous_response_id 參數,先前各輪使用的 instructions 不會出現在當前的上下文中。

你可以參閱 OpenAI 模型規格,瞭解模型如何依照訊息角色決定優先順序。

developeruserassistant

developer 訊息包含應用程式開發者提供的指示,優先順序高於使用者訊息。

user 訊息包含終端使用者提供的指示,優先順序低於開發者訊息。

模型生成的訊息使用 assistant 角色。

多輪對話可以包含多則上述類型的訊息,以及你和模型提供的其他類型內容。進一步瞭解如何管理對話狀態。

你可以把 developer 和 user 訊息想成程式語言中的函式及其引數。

  • developer 訊息訂定系統規則與業務邏輯,作用類似函式定義。
  • user 訊息提供輸入與設定,作用類似傳給函式的引數。模型會依照 developer 訊息中的指示處理這些輸入與設定。

在程式碼中管理提示詞版本

請將正式環境使用的提示詞存放在應用程式的程式碼中,而不要建立可重複使用的提示詞物件。在程式碼中管理提示詞,就能運用有型別的輸入、程式碼審查、測試,以及既有的部署流程來調整模型行為。

OpenAI 正逐步棄用 API 中可重複使用的提示詞物件。自 2026 年 6 月 3 日起,建立提示詞物件將不再是主要做法,v1/prompts 預定於 2026 年 11 月 30 日停止服務。最新時程請參閱棄用公告。

開發新的文字生成功能時,請採用以下做法:

  • 將建構提示詞的程式碼放在小型模組中,位置靠近使用它的功能。
  • 針對客戶資料、檔案或任務選項等動態值,使用有型別的函式引數或結構描述。
  • 將產生的 instructions 和 input 直接傳給 Responses API。
  • 變更正式環境使用的提示詞前,先加入具代表性的測試資料、測試案例與評估檢查項目。
  • 透過部署系統發布提示詞變更。需要分階段發布時,可使用功能旗標或組態設定。

如果現有的整合已透過提示詞 ID 或版本呼叫儲存的提示詞,請依照提示詞物件遷移指南將該提示詞移至程式碼中。

後續步驟

熟悉文字輸入與輸出的基本概念後,你可以透過下列資源進一步探索。

在 Playground 中撰寫提示詞

使用 Playground 撰寫並反覆調整提示詞。

使用結構化輸出生成 JSON 資料

確保模型輸出的 JSON 資料符合 JSON 結構描述。

完整 API 參考文件

在 API 參考文件中查看文字生成的所有選項。