OpenAI API(1)补全Responses（Chat Completions）API和记忆Assistants API对比分析

文章目录

- 一、核心区别概览
- [二、Chat Completions API 详解](#二、Chat Completions API 详解)
- - [1. 核心功能](#1. 核心功能)
  - [2. 代码示例](#2. 代码示例)
  - [3. 上下文管理图解](#3. 上下文管理图解)
- [三、Assistants API 详解](#三、Assistants API 详解)
- - [1. 核心组件](#1. 核心组件)
  - [2. 代码示例](#2. 代码示例)
  - [3. 工作流程图解](#3. 工作流程图解)
- 四、关键对比场景
- - [1. 文件处理能力](#1. 文件处理能力)
  - [2. 工具调用对比](#2. 工具调用对比)
  - - [Chat Completions API（需手动实现）](#Chat Completions API（需手动实现）)
    - [Assistants API（内置工具）](#Assistants API（内置工具）)
- 五、如何选择？
- - [1. 使用 **Chat Completions API** 当：](#1. 使用 Chat Completions API 当：)
  - [2. 使用 **Assistants API** 当：](#2. 使用 Assistants API 当：)
- 六、总结

一、核心区别概览

维度	Chat Completions API	Assistants API
状态管理	无状态（需手动维护上下文）	有状态（自动管理对话线程 `Thread`）
文件处理	❌ 不支持	✔️ 支持上传/解析（PDF/CSV等）
工具调用	需通过函数调用实现	内置工具（代码解释器、函数调用）
延迟	低（直接响应）	较高（需异步执行 `Run`）
成本	按Token计费	额外工具使用费（如代码解释器）

特别说明下： Completions API（旧版）与 Chat Completions API是不同的， Completions

API（旧版）❌ 逐步淘汰（2023年后不再更新），只是单纯的文本补全，不在本文讨论范围内

二、Chat Completions API 详解

1. 核心功能

单次请求-响应，适合简单对话或生成任务。
需通过 messages 数组传递完整上下文。

2. 代码示例

python 复制代码

import openai

# 设置API密钥
openai.api_key = "your-api-key"

# 发起对话请求
response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "你是一个翻译助手"},
        {"role": "user", "content": "Hello, how are you?"}
    ]
)

# 输出回复
print(response.choices[0].message.content)

输出：

复制代码

你好，你今天怎么样？

3. 上下文管理图解

User Server messages=[{"role":"user", "content":"Hello"}] {"content":"Hi!"} messages=[{"role":"user", "content":"Hello"}, {"role":"assistant", "content":"Hi!"}, {"role":"user", "content":"How are you?"}] {"content":"I'm good!"} User Server

每次请求需携带完整历史记录，服务器不保存状态。

三、Assistants API 详解

1. 核心组件

Assistant：定义AI行为（模型、指令、工具）。
Thread：保存对话状态（自动管理上下文）。
Run：执行任务（可调用工具或处理文件）。

2. 代码示例

步骤1：创建Assistant

python 复制代码

assistant = openai.Assistant.create(
    name="Data Analyst",
    instructions="你是一个数据分析助手，可以读取CSV文件并回答问题。",
    model="gpt-4-turbo",
    tools=[{"type": "code_interpreter"}]
)

步骤2：创建Thread并添加消息

python 复制代码

thread = openai.Thread.create()

# 上传文件（如CSV）
file = openai.File.create(
    file=open("data.csv", "rb"),
    purpose="assistants"
)

# 添加用户消息（附带文件）
message = openai.Thread.Message.create(
    thread_id=thread.id,
    content="请分析这份销售数据，并给出总结。",
    file_ids=[file.id]
)

步骤3：执行Run

python 复制代码

run = openai.Run.create(
    thread_id=thread.id,
    assistant_id=assistant.id
)

# 检查执行状态
while run.status != "completed":
    run = openai.Run.retrieve(
        thread_id=thread.id,
        run_id=run.id
    )

# 获取最终回复
messages = openai.Thread.Message.list(thread_id=thread.id)
print(messages.data[0].content)

输出：

复制代码

销售数据显示，Q3季度同比增长20%，最畅销产品是XXX。

3. 工作流程图解

是否创建Assistant 定义模型/工具创建Thread 添加消息+文件启动Run 执行工具? 运行代码解释器生成回复返回结果

四、关键对比场景

1. 文件处理能力

API	代码示例	输出
Chat Completions	❌ 无法直接处理文件	-
Assistants	`file_ids=[uploaded_file.id]`	解析CSV/PDF内容并回答

2. 工具调用对比

Chat Completions API（需手动实现）

python 复制代码

response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[...],
    functions=[{
        "name": "get_weather",
        "parameters": {"location": "string"}
    }]
)
# 需自行处理函数调用逻辑

Assistants API（内置工具）

python 复制代码

assistant = openai.Assistant.create(
    tools=[{"type": "code_interpreter"}]
)
# 自动执行代码并返回结果

五、如何选择？

1. 使用 Chat Completions API 当：

需要快速、低延迟的简单交互。
预算有限，无需复杂功能。
示例场景：客服机器人、文案生成。

2. 使用 Assistants API 当：

需处理用户上传文件（如数据分析）。
需要多轮对话记忆（如教学助手）。
示例场景：Excel自动化分析、技术文档问答。

六、总结

轻量级交互 → Chat Completions API（代码简单，成本低）。
复杂任务 → Assistants API（功能强大，支持长期记忆和工具调用）。

通过合理选择API，可以高效实现从简单对话到企业级AI代理的所有需求。