从“对对子”到“全能管家”：大模型 API 的演进之路
摘要：如果你最近在翻阅 AI 开发文档，可能会发现除了我们熟悉的
Chat Completions，出现了一个叫Responses的新接口。本文将带你用大白话看懂这场从“补全文本”到“智能体”的任务变革。
一、 演进历程：三个时代的跨越
1. 文本补全时代 (Completions API) —— “成语接龙”
最早的 API 逻辑非常单纯：你给一句话，它接下一句。
- 交互逻辑：文本延续。
- 痛点：它不知道什么是“对话”。如果你想让它记住上一句话，你得像写长篇小说一样把之前的对话全部手工粘在一起发给它。
2. 对话补全时代 (Chat Completions API) —— “群聊短信”
为了让 AI 更好用，行业引入了角色概念。它将输入结构化为 system（人设）、user（用户）和 assistant（AI）。
- 进步：结构化了对话，AI 知道自己在扮演什么角色。
- 新痛点：它是“健忘”的（无状态/Stateless）。为了维持记忆，开发者每次请求都必须把整个聊天记录重新打包发送，极其消耗 Token。
3. 智能体时代 (Responses API) —— “全能管家”
2025 年初，Responses API 正式成为主角。它不再仅仅是“回答问题”，而是为了**任务（Task）**而生。
- 核心进化：它是“有记忆”的（有状态/Stateful）。你只需引用一个“响应 ID”，AI 就能接上茬。
二、 为什么要演进？（三大核心原因）
| 维度 | 以前的痛点 | 现在的解决方案 |
|---|---|---|
| 成本控制 | 每次都要传重复的历史记录，费钱费带宽 | 有状态管理：服务器记得上下文，省下巨额 Token |
| 推理能力 | 难以展示 o1/o3 等模型的“思考过程” | 原生支持推理：完美展示 Reasoning 过程 |
| 工具调用 | 开发者需要写复杂的循环代码来运行工具 | 自动化 Agent：API 自动处理多步工具调用循环 |
三、 现在的格式示例
1. 经典款：Chat Completions API
开发者需要手动维护一个巨大的 messages 列表。
{
"model": "gpt-4o",
"messages": [
{"role": "system", "content": "你是一个助手"},
{"role": "user", "content": "我刚才说我叫什么？"},
{"role": "assistant", "content": "你说你叫小明。"},
{"role": "user", "content": "那我的爱好呢？"}
]
}
2. 现代款：Responses API (最新标准)
支持引用历史响应，输入极简，功能更强。
{
"model": "o3-mini",
"input": [
{
"type": "text",
"text": "那我的爱好呢？"
}
],
"previous_response_id": "resp_987654321",
"tools": [{ "type": "web_search_tool" }],
"reasoning_effort": "medium"
}
四、 总结：我该选哪个？
- 选 Chat Completions：如果你的应用只是简单的单次问答，或者正在使用一些尚未更新的老牌开源框架。
- 选 Responses：如果你正在开发 深度对话助手、AI 智能体（Agent），或者需要使用 o1/o3 等推理模型。
结语：AI 的交互方式正从“传声筒”变成“大脑”。拥抱 Responses API，就是拥抱更高效、更省钱的 Agent 开发时代。
想了解更多 AI 开发干货？欢迎关注我的博客！
