🤖✨ ChatGPT API深度体验：让AI看懂图片、听懂语音、调用你的代码前言当你让AI看懂医疗报告、实时翻译会议

前言

当你让AI看懂医疗报告、实时翻译会议录音、甚至自动查询航班—— 这不再是科幻电影，而是ChatGPT API的日常操作！作为开发者2025年必备利器，它能：

🌐 128K超长上下文：直接分析整本《三体》
🖼️ 多模态交互：图文理解+语音转写
🔌 函数调用：3行代码教会AI调用你的服务
.....

本文将手把手带你玩转这些「超能力」！

如何使用 ChatGPT API

什么是 ChatGPT API 🌐

ChatGPT API 是 OpenAI 提供的一个接口，允许开发者将 ChatGPT 模型（如 GPT-3.5、GPT-4）集成到自己的应用中，比如网站、App、小程序、机器人等。它提供了强大的自然语言理解与生成能力，能够实现自然语言理解与生成、多轮对话、内容创作等多种功能。

简单理解：ChatGPT API = 让你的程序可以“直接调用 ChatGPT 智能大脑”！

ChatGPT API 的主要特点 📋

特点类别	描述	优势/用途
🤖 对话式结构	使用 `messages` 实现多轮对话，支持 `system`、`user`、`assistant`角色	上下文记忆强，模拟真实对话，非常适合聊天机器人、问答系统
🔧 模型选择	支持 `gpt-3.5-turbo`、`gpt-4`、`gpt-4-turbo`	根据预算和性能灵活选择，GPT-4-Turbo 高性价比
🎛 参数可调节	`temperature`、`top_p`、`max_tokens` 等	控制输出风格、创意度、回复长度，自定义对话风格
💬 流式响应	支持 `stream: true` 实时输出结果	类似打字机效果，提升用户体验，适合聊天界面或写作应用
🌍 多语言支持	能处理中文、英文、日语、韩语、德语等几十种语言	可用于国际化产品、多语言客服、全球化智能助手
🧠 上下文长度支持	GPT-4-Turbo 最多支持 128K tokens	可用于大文档问答、长文章摘要、代码分析等场景
🛠 函数调用	支持 Function Calling、工具插件调用功能	AI 可调用你的 API，具备实际执行能力，适合复杂业务场景

Token ✨

什么是 Token

Token 是语言模型处理文本的基本单位。你可以理解为“比字小，比词粗”的单位。

对于英文，一个 token 通常是 4 个字符左右，例如：
- ChatGPT 是一个 token
- is, a, great, tool 是 4 个 token
对于中文，一个字一般就是 1 个 token（比如：“你好”是 2 个 token）

举个例子：

文本内容	Token 数量估算
"Hello, how are you?"	5 个 token
"今天天气真不错。"	7 个 token（每个字或符号算一个）
Markdown/HTML 文本	通常比字符数少 25~30%
英文论文一页（500词）	约 700~800 token
中文一页（500字）	约 500~600 token

Token计费规则

OpenAI 采用 输入****Token + 输出Token 的总量计费（包括输入+输出），不同模型价格不同。

👉 截至 2024 年的 GPT 模型定价（单位：USD 美元/ 1M tokens）：platform.openai.com/docs/pricin…

如何查看Token消耗

使用 API 返回的 usage 字段（最直接）

每次你调用 ChatCompletion，返回结果里就会带有这个字段：

const { OpenAI } = require("openai");

const openai = new OpenAI({ apiKey: 'YOUR_KEY' });

async function getTokenUsage() {
  const response = await openai.chat.completions.create({
    model: "gpt-3.5-turbo",
    messages: [{ role: "user", content: "Hello" }]
  });

  console.log(`输入 token: ${response.usage.prompt_tokens}`);
  console.log(`输出 token: ${response.usage.completion_tokens}`);
  console.log(`总消耗: ${response.usage.total_tokens}`);
}


"usage": {
  "prompt_tokens": 600,
  "completion_tokens": 400,
  "total_tokens": 1000
}

prompt_tokens：输入消耗
completion_tokens：输出消耗
total_tokens：总 token，用来计费

使用官方工具手动估算

OpenAI 提供了一个可视化工具： 👉 Tokenizer 工具地址（OpenAI 官方）

你可以在这里粘贴任意文本，查看它将被分成多少个 token。

🔍 为什么不同模型下 token 数不同？

原因是：**不同模型使用的 Tokenizer（分词器）不同。**OpenAI 每个模型在训练时，都会选择一个特定的分词方式（Tokenizer）。虽然这些 Tokenizer 都是基于 Byte Pair Encoding（BPE）方法，但它们的细节是有差异的：

模型	使用的 Tokenizer 名称	特点描述
GPT-3	p50k_base	原始 GPT-3 使用的 tokenizer，分词较细
Codex (代码模型)	p50k_edit	专为代码编辑优化的 tokenizer
GPT-3.5-Turbo	cl100k_base	更高效、token 更少，适配新模型
GPT-4	cl100k_base	与 GPT-3.5-Turbo 一样，更统一，token 压缩更好

不同模型 = 不同的 tokenizer → 相同文本会分成不同数量的 token，这会影响成本、性能、估算结果

使用 tiktoken 工具

OpenAI 提供了一个 Python 库来计算 token：

import tiktoken

encoding = tiktoken.encoding_for_model("gpt-4")
text = "你好，世界"
tokens = encoding.encode(text)
print(f"Token 数量: {len(tokens)}")  # 输出 5

上下文窗口（Context Window）🔍

理解“上下文窗口”（context window）是核心关键之一。它直接影响你能发送多长的 prompt、多轮对话记忆、处理多大文档，以及……你要花多少钱 💸

什么是“上下文窗口”

上下文窗口（Context Window）就是：

模型一次“看得见”的 token 数量总上限（包括你的输入 + 它的输出）。

它不是字符数，也不是字节数，而是 token 数
超出这个窗口，模型就 “看不见”之前的内容了，相当于“忘掉”了

不同模型的上下文窗口大小

模型名称	上下文窗口大小(tokens)	估算最大可处理字符数	主要特点与说明
GPT-4.1	1,000,000	~750,000 字符	OpenAI 于 2025 年 4 月发布的最新旗舰模型，支持高达 100 万 tokens 的上下文窗口，适用于处理超长文本和复杂任务。
GPT-4 Turbo	128,000	~96,000 字符	GPT-4 的高效版本，具有更大的上下文窗口和更低的成本，适用于需要处理长文本的应用场景。
GPT-4	8,192 / 32,768	~6,000 / ~24,000 字符	标准版本的 GPT-4，提供两个上下文窗口选项，适用于一般的文本生成和理解任务。
GPT-4o	128,000	~12,000 字符	成本效益高的模型，适用于对上下文窗口要求不高的应用，如实时聊天和简单的文本处理。
GPT-3.5 Turbo	16,385	~96,000 字符	多模态模型，支持文本、图像和语音输入，适用于多语言和多模态任务。

💡 记住：上下文 = 你的提问 + 系统提示 + 模型回答，总 token 不可超过此限制！

📦 举个例子：

你使用 GPT-4-turbo：

System prompt：1000 tokens  
用户对话历史（多轮）：8000 tokens  
你当前提问：500 tokens  
模型生成的回复：只能用 128000 - 已用的 token

一旦你发送的内容 + 模型回复长度 > 128K，API 会报错或者自动截断前面的内容（可能丢失关键信息）。

成本也和上下文窗口密切相关

上下文越大 → token 越多 → 成本越高。

发送内容长度	回复长度	使用 GPT-4-Turbo	Token 总数	费用估算
1000 tokens	1000 tokens	✅	2000	`$0.31 + $0.03 = $0.34`
30,000 tokens	1000 tokens	✅	31,000	`$0.31 + $0.03 = $0.34`

建议的最佳实践：

场景	做法建议
多轮对话	控制历史轮数 / 精选上下文摘要 / 截断旧内容
长文处理（PDF、小说）	切段处理，或使用 GPT-4-turbo 一次输入全文
自动摘要 / 归纳	用 summary 替换旧对话，压缩 token 数量
成本优化	用 GPT-3.5 处理简单内容，GPT-4 用在高价值场景

常用参数详解

在上述案例中只用了很基础的参数，比如 model、messages、temperature。但实际上 ChatGPT API（尤其是 chat.completions 接口）支持更多参数，可以细致控制模型行为和生成效果。下面我将系统、详细、以开发者视角地总结一下每个常用参数。

参数概览

参数名	类型	作用	建议与示例
model	string	指定使用哪个模型，比如 `gpt-4`, `gpt-4o`, `gpt-3.5-turbo`	必填。根据需求选模型，比如长文本用 `gpt-4o`。示例：`model: 'gpt-4o'`
messages	array	传递对话历史，控制上下文（每条消息包括 `role` 和 `content`）	必填。标准结构，系统、用户、助手角色示例：见下面细节
temperature	number	控制生成内容的随机性。值越大，回答越随机越有创意	通常设 0.2-1 正式场景稳定输出建议 0.2，创意内容建议 0.8 示例：`temperature: 0.7`
top_p	number	另一个随机性控制参数（Nucleus Sampling）。一般和 `temperature` 二选一	通常不同时用。一般保留 `temperature`
n	integer	一次生成多少个回答（选项）	默认为 1。设为 2 或以上可以生成多版本回答供选择示例：`n: 3`
stream	boolean	是否开启流式输出（边生成边返回）	建议聊天产品使用，体验更好示例：`stream: true`
stop	`string[]` 或 `string`	设定遇到特定文本就停止生成	用于控制回答结构，比如遇到 `"\\n\\n"` 停止
max_tokens	integer	限制单次输出最大 token 数量	防止回答太长耗费过多 token 示例：`max_tokens: 300`
presence_penalty	number	惩罚模型重复提及新主题，提高内容多样性	设为正数让回答更爱提新点子；设为负数更守旧示例：`presence_penalty: 0.6`
frequency_penalty	number	惩罚模型在回答中重复同样的词句	设为正数减少啰嗦；适合对内容要求紧凑的场景
logit_bias	object	调整某些 token 出现概率（token -> -100~100 权重）	高级用法，比如强制避免说某些话
user	string	填用户唯一标识 ID，有助于模型行为分析和滥用检测	可选。但建议加。示例：`user: 'user-12345'`
tools	array	定义可以让模型调用的外部函数（Function Calling）	高级场景，如调用天气 API、数据库查询等

重点参数示范

messages

[
  { "role": "system", "content": "你是一个友善的写作助手。" },
  { "role": "user", "content": "帮我写一首关于春天的诗。" }
]

role	说明
system	设定 AI 的身份、语气、风格（非常重要）
user	用户输入内容
assistant	AI 回复内容（可选，构建多轮历史）

temperature vs top_p

temperature 高：更疯狂、有创意，比如写小说
temperature 低：更稳定、严肃，比如写法律文档
top_p 也控制“随机性”，但更温和，一般不与 temperature 同时调。

常规建议：只设 temperature 就够了，严肃文档设 0.2；创意文案设 0.7。

stream（流式返回）

适合做实时打字效果：

stream: true

服务器会一段一段发回来
你需要监听 data 事件不断渲染内容
用在聊天机器人体验非常自然

stop（停止词）

比如你想让回答到“END”就立刻停止：

stop: ["END"]

当生成到 END 时模型会停止继续输出。

stop 可以配置特定的词语就停止嘛？

max_tokens（控制输出长度）

假设你只想要一小段回答，怕模型废话太多：

max_tokens: 200

最大只生成 200 tokens 左右的文本（注意不是字符！）。

presence_penalty / frequency_penalty

presence_penalty 正数：鼓励引入新话题
frequency_penalty 正数：减少重复词

适合写作、聊天防止啰嗦时用。比如：

presence_penalty: 0.5,
frequency_penalty: 0.5

可以让回复更简洁、丰富。

tools（调用外部函数）

如果定义一个获取天气的函数：

tool: [
  {
    name: "get_weather",
    description: "获取指定城市天气",
    parameters: {
      type: "object",
      properties: {
        location: {
          type: "string",
          description: "城市名称"
        }
      },
      required: ["location"]
    }
  }
]

这样模型就能在需要时主动提出调用这个函数！

不同应用场景推荐参数表

应用场景	推荐模型	temperature	presence_penalty	frequency_penalty	max_tokens	说明
文案创作（短文、广告语、标题）	gpt-4o / gpt-4-turbo	0.8~1.2	0.6~1.0	0.2~0.5	500~1000	高创意，强调新颖表达，不怕轻微偏离
技术文档撰写（标准化文档、说明书）	gpt-4 / gpt-4-turbo	0.2~0.4	0.0~0.2	0.0~0.2	1000~2000	低温度，输出规范、严谨、连贯
智能客服对话	gpt-3.5-turbo	0.3~0.5	0.0~0.3	0.0~0.5	500~1000	要求稳定，且尽量避免废话、重复
长文档摘要 / 归纳总结	gpt-4-turbo / gpt-4o	0.2~0.4	0.0~0.2	0.0~0.2	1500~3000	尽量客观总结，结构清晰
创意写作（小说、剧本、故事大纲）	gpt-4o	0.9~1.3	0.7~1.2	0.0~0.3	2000~5000	鼓励想象力暴走，允许自由发挥
法律、合同、政策文案	gpt-4	0.1~0.3	0.0	0.0	1000~3000	要求准确、正式、逻辑清晰
代码生成 / 代码解释	gpt-4o / gpt-4-turbo	0.1~0.3	0.0~0.1	0.0~0.2	500~2000	低创意，强调正确、清晰、简洁
多轮聊天机器人	gpt-3.5-turbo / gpt-4o	0.6~0.8	0.5~0.7	0.2~0.4	500~1500	保持活泼又不过度偏题，适合对话系统
思维导图生成 / 头脑风暴	gpt-4o	1.0~1.5	0.8~1.5	0.0~0.2	1000~3000	高自由度，输出尽可能多的想法

实操技巧与开发示例

代码仓库： github.com/SuYxh/chatg…

公共代码 utils/openai-client.js :

import OpenAI from 'openai';
import dotenv from 'dotenv';

dotenv.config();

const openai = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

export { openai };

ChatGPT 核心能力实操 ⚙️

自然语言理解（NLU）

ChatGPT 能够准确理解人类自然语言表达的内容，包括：

语义理解：能读懂各种句式、短语和隐含含义
意图识别：理解用户真正想要做什么，比如提问、命令、建议
上下文理解：根据对话历史推断出当前语境和逻辑关联
歧义处理：遇到模棱两可的表达时，能给出合理推测或主动澄清

✅ 应用场景：

聊天机器人
智能客服
对话式搜索

📄 Demo 案例

import { openai } from '../utils/openai-client.js';

// 预定义意图列表，供模型参考
const INTENT_CATEGORIES = [
  "订票",
  "取消订单",
  "查询航班",
  "酒店预订",
  "天气查询",
  "投诉反馈",
  "闲聊",
  "其他"
];

export async function understandIntent(userInput) {
  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: [
      { role: 'system', content: `你是一个意图识别引擎，需要根据用户的输入，从以下意图中选择最匹配的一项返回：

${INTENT_CATEGORIES.map((c, i) => `${i + 1}. ${c}`).join('\n')}

只返回最匹配的意图名称，其他任何内容都不要输出。` },
      { role: 'user', content: userInput },
    ],
  });

  console.log('识别结果：', response.choices[0].message.content.trim());
}


// 调用
understandIntent('我想预定五一飞往杭州的航班')

自然语言生成（NLG）

ChatGPT 擅长流畅地生成符合人类习惯的自然语言文本，包括：

回答问题：准确、逻辑清晰地给出回答
内容创作：撰写故事、诗歌、广告文案、社交媒体帖子
多样风格切换：可以根据指令改变语气（正式、幽默、感性）
多语言输出：支持中、英、日、韩、德等多种语言写作

✅ 应用场景：

内容营销
自动写作
知识问答平台

📄 Demo 案例

import { openai } from '../utils/openai-client.js';

export async function generateShortStory(prompt) {
  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: [
      { role: 'system', content: '你是一个优秀的短篇故事作者,写的内容不超过 100 字' },
      { role: 'user', content: prompt },
    ],
  });

  console.log('生成的故事：', response.choices[0].message.content.trim());
}

// 调用
generateShortStory('写一个关于勇敢小狗的温暖故事')

多轮对话管理（Contextual Dialogue）

ChatGPT 可以在多轮对话中保持上下文一致性和逻辑连贯性：

记住历史对话：在当前对话窗口内，追溯上下文，记得前几轮对话
动态调整回答：根据最新输入和历史内容，自适应调整回复
情绪跟踪（部分场景）：模拟理解用户的情绪变化，调整回应

✅ 应用场景：

智能助理
聊天 App
游戏 NPC 互动

📄 Demo 案例

import { openai } from '../utils/openai-client.js';

export async function continueConversation(history, userInput) {
  const messages = [
    ...history,
    { role: 'user', content: userInput },
  ];

  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: messages,
  });

  console.log('AI 回答：', response.choices[0].message.content.trim());
  return messages.concat({ role: 'assistant', content: response.choices[0].message.content.trim() });
}

// 调用
let history = [];
await withLoading(async () => {
  history = await continueConversation(history, '你好');
  history = await continueConversation(history, '你喜欢什么食物？');
  history = await continueConversation(history, '我之前的问题是什么？');
});

信息检索与总结（Summarization & Extraction）

虽然 ChatGPT 不实时联网（除非用专门插件或接 API 调用搜索引擎），但它可以基于训练数据：

总结长文档：提取重点，写摘要
列出要点：将复杂内容组织成清单或结构化信息
比较分析：对比不同事物、观点、产品特点

✅ 应用场景：

报告生成
新闻摘要
法律、学术辅助

📄 Demo 案例

import { openai } from '../utils/openai-client.js';

export async function summarizeText(text) {
  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: [
      { role: 'system', content: '你是一个专业的文档摘要助手' },
      { role: 'user', content: `请帮我总结以下内容：\n${text}` },
    ],
  });

  console.log('摘要内容：', response.choices[0].message.content.trim());
}

// 调用
 summarizeText('ChatGPT 是由美国人工智能研究公司OpenAI开发的一款基于大规模语言模型的对话生成系统，属于 GPT系列的重要应用之一。自 2022 年 11 月正式发布以来，它凭借强大的自然语言处理能力和交互性，迅速成为全球关注的焦点。ChatGPT基于 Transformer 架构构建，一种擅长处理序列数据（如文本）的深度学习模型，通过 “自注意力机制” 捕捉文本中的长距离依赖关系，能高效处理上下文语义。其训练数据涵盖互联网级别的海量文本（书籍、网页、对话等），早期版本（如 GPT-3）参数量达数百亿级，后续版本（如 GPT-4）进一步提升至万亿级，显著增强了逻辑推理、多模态理解等能力。')

代码理解与生成（Code Understanding & Generation）

ChatGPT 在编程辅助方面也非常强大（特别是 GPT-4.0 之后）：

写代码：支持 Python、JavaScript、C++、HTML、SQL 等主流语言
代码解释：帮你理解已有代码的功能和逻辑
代码调试建议：发现常见错误并提出修正方案
算法设计辅助：根据需求快速草拟解决方案

✅ 应用场景：

AI 编程助手（如 Copilot 类工具）
技术支持
教学和学习辅导

📄 Demo 案例

import { openai } from '../utils/openai-client.js';

export async function generateCode(taskDescription) {
  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: [
      { role: 'system', content: '你是一个资深前端工程师' },
      { role: 'user', content: `请帮我用 JavaScript 实现以下功能：\n${taskDescription}` },
    ],
  });

  console.log('生成的代码：\n', response.choices[0].message.content.trim());
}

// 调用
generateCode('使用 js 写一个快排函数')

多模态能力示例 🌟

GPT-4o 支持多模态输入与输出：

文本、图片和语音输入
文本、语音输出
视觉理解：可以识别图片中的物体、读图表、分析截图
语音对话：超自然、低延迟的语音交流

✅ 应用场景：

视觉问答（VQA）
智能语音助手
图文搜索

图像理解

// services/vision-image-understanding.js
import { openai } from '../utils/openai-client.js';
import fs from 'fs';

export async function analyzeImage(imagePath, question) {
  const imageBase64 = fs.readFileSync(imagePath, { encoding: 'base64' });
  const dataUrl = `data:image/jpeg;base64,${imageBase64}`;

  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: [
      { role: 'system', content: '你是一个专业图像分析助手' },
      {
        role: 'user',
        content: [
          { type: 'text', text: question },
          { type: 'image_url', image_url: { url: dataUrl } }
        ],
      },
    ],
  });

  console.log('图片分析结果：', response.choices[0].message.content.trim());
}

// 调用
analyzeImage('./pic.jpg', '图片中有什么？')

需要理解的图片

图片理解结果

音频转文字

暂时无法在飞书文档外展示此内容

import { openai } from '../utils/openai-client.js';
import fs from 'fs';

export async function transcribeAudio(audioPath) {
  const response = await openai.audio.transcriptions.create({
    file: fs.createReadStream(audioPath),
    model: 'whisper-1'
  });

  console.log('音频转文字结果：', response.text);
}

// 调用
transcribeAudio('./54321.mp3')

Function Calling 🔌

从 GPT-4 开始，ChatGPT 可以调用外部定义的函数：

结构化数据生成：输出符合特定 schema 的 JSON
插件调用：调用搜索引擎、数据库、天气预报、购物网站等服务
动作执行：如发起支付、查询库存、自动化操作

✅ 应用场景：

智能客服（自动查询订单）
企业内部知识库搜索
多任务自动化工作流

📄 Demo 案例

import fetch from 'node-fetch';
import dotenv from 'dotenv';
import { openai } from '../utils/openai-client.js';

dotenv.config();

const QWEATHER_API_KEY = process.env.QWEATHER_API_KEY; // 和风天气 API Key

async function get_weather({ location }) {
  try {
    // 使用 GeoAPI 获取城市的 Location ID
    // 对应开发文档 https://dev.qweather.com/docs/api/geoapi/
    const geoUrl = `https://n336x6y9yf.re.qweatherapi.com/geo/v2/city/lookup?location=${encodeURIComponent(location)}&key=${QWEATHER_API_KEY}`;
    const geoRes = await fetch(geoUrl, { timeout: 5000 });
    if (!geoRes.ok) {
      throw new Error(`GeoAPI请求失败: ${geoRes.status} ${geoRes.statusText}`);
    }

    const geoData = await geoRes.json();
    if (geoData.code !== '200' || !geoData.location || geoData.location.length === 0) {
      return `抱歉，找不到 ${location} 的天气信息`;
    }

    const locationId = geoData.location[0].id;
    console.log('locationId ->', locationId);

    // 使用 Location ID 获取实时天气数据
    // 对应开发文档： https://dev.qweather.com/docs/api/weather/weather-daily-forecast/
    const weatherUrl = `https://n336x6y9yf.re.qweatherapi.com/v7/weather/3d?location=${locationId}&key=${QWEATHER_API_KEY}`;
    const weatherRes = await fetch(weatherUrl, { timeout: 5000 });
    if (!weatherRes.ok) {
      throw new Error(`天气API请求失败: ${weatherRes.status} ${weatherRes.statusText}`);
    }

    const weatherData = await weatherRes.json();
    console.log('weatherData ->', weatherData); // 打印 weatherData 以进行调试，确保正确获取了天气数据

    if (weatherData.code !== '200') {
      return `获取 ${location} 的天气信息失败，错误码：${weatherData.code}`;
    }

    return weatherData.daily[1];
  } catch (error) {
    console.error('天气查询出错:', error);
    return `获取 ${location} 的天气信息时发生错误：${error.message}`;
  }
}

export async function functionCallingExample() {
  const response = await openai.chat.completions.create({
    model: 'gpt-4.1-mini',
    messages: [
      { role: 'system', content: '你可以调用用户定义的函数。' },
      { role: 'user', content: '明天北京天气怎么样？' },
    ],
    tools: [
      {
        type: "function",
        function: {
          name: "get_weather",
          description: "获取城市天气",
          parameters: {
            type: "object",
            properties: {
              location: {
                type: "string",
                description: "城市名称，比如：北京"
              }
            },
            required: ["location"]
          }
        }
      }
    ],
    tool_choice: "auto" // 让模型自动决定是否调用函数
  });

  const message = response.choices[0].message;

  if (message.tool_calls && message.tool_calls.length > 0) {
    const toolCall = message.tool_calls[0];
    console.log('检测到需要函数调用：', JSON.stringify(toolCall, null, 2));

    if (toolCall.function && toolCall.function.name === 'get_weather') {
      const args = JSON.parse(toolCall.function.arguments);
      const result = await get_weather(args);

      // console.log(`\n函数 get_weather 执行结果:`, result);

      // 这里增加一段新的逻辑：把 result 交给模型总结
      const finalResponse = await openai.chat.completions.create({
        model: 'gpt-4.1-mini',
        messages: [
          { role: 'system', content: '你是一个天气播报员，负责把天气信息转成自然流畅的人类语言。' },
          { role: 'user', content: `帮我根据以下天气数据，总结成一段话：${JSON.stringify(result)}` }
        ],
      });

      const finalMessage = finalResponse.choices[0].message.content;
      console.log('\n最终模型回复：', finalMessage);

    } else {
      console.log(`未识别的函数调用：${toolCall.function?.name}`);
    }
  } else {
    console.log('没有触发函数调用。模型回复内容：', message.content);
  }
}

小结

🔮 未来已来：当API能「看」能「听」能「行动」，我们开发的早已不是工具，而是智能伙伴！