OpenAI Responses API 写作输入怎么组织：文章与提纲模板

先明确输入分工

Responses API 的请求可以同时使用 instructions、input、model、max_output_tokens、temperature、text 等参数。写作场景中，建议先把内容拆成三层：

• 稳定规则：受众、语气、事实边界和禁止事项，放入 instructions。
• 本次任务：主题、关键词、资料和文章要求，放入 input。
• 输出约束：字段、格式、长度和验收条件，写进 instructions，必要时结合 text 的结构化配置。

这种分工能减少每次请求都重复改写规则，也便于在应用侧记录输入和结果。

准备

1. 确定输出是文章、提纲，还是包含标题和摘要的对象。
2. 整理可引用资料，给每份资料标注来源名称或编号。
3. 列出不能改变的事实、未知信息的处理方式和必须检查的字段。
4. 确定模型、最大输出令牌数，以及是否需要流式返回。

资料不足时，应要求模型明确标记“资料未确认”，不要用常识补齐细节。若内容会经历多轮修改，可额外保存 response id，并单独管理每轮修改目标。

分步操作

1. 写稳定规则。在 instructions 中说明角色、受众、语言、结构、事实边界和失败处理方式。例如要求只依据提供资料写作，不确定内容使用指定标记。
2. 整理任务输入。在 input 中按“任务、关键词、资料、输出要求”排列内容。每一段使用清楚的标签，避免把资料和指令混在一起。
3. 限制输出范围。写明文章需要哪些字段、每个字段的类型、正文允许使用哪些 HTML 标签，以及不允许出现的内容。
4. 选择返回方式。首次接入可以使用非流式请求，先观察完整结果；需要实时展示时再设置 stream 为 true，并按事件处理增量内容。
5. 执行双重检查。程序先检查字段、类型、必填项和禁用词，再由编辑检查事实、逻辑、语气和可读性。

可复制请求模板

from openai import OpenAI

client = OpenAI()

instructions = """
你是内容生产助手。
只根据 input 中提供的资料写作，不补造未确认事实。
输出一个 JSON 对象，字段为 title、summary、outline。
title 和 summary 必须是字符串，outline 必须是数组。
资料不足时，在 summary 中写明“资料未确认”，不要猜测。
"""

input_text = """
任务：为开发者写一份 Responses API 写作输入说明。
主关键词：OpenAI Responses API 写作输入怎么组织
受众：刚接入 AI 写作流程的开发者和内容运营。
资料：
- Responses API 的 create 方法支持 input 和 instructions。
- input 可用于传递文本输入。
- text 可配置文本或结构化 JSON 输出。
输出要求：
- 给出准备、分步操作、故障修正和验收内容。
- 不引用资料中没有确认的模型能力、价格或版本结论。
"""

response = client.responses.create(
    model="your-model-id",
    instructions=instructions,
    input=input_text,
    max_output_tokens=1200,
    temperature=0.2,
)

print(response.output_text)

示例中的模型 ID 需要替换为你账号和项目实际可用的模型。不要把示例值直接当成资料包已经确认的固定版本。

文章输入示例

如果目标是直接生成文章，可以把 input 改成更具体的任务对象：

任务类型：教程文章
主题：Responses API 写作输入组织
文章结构：
1. 准备
2. 输入分层
3. 请求示例
4. 翻车怎么改
5. 完成前检查
事实边界：只使用下方 API 参数说明，不推断未提供的价格、权限和版本信息。
正文要求：面向新手，先解释原因，再给操作步骤，每一步包含动作和检查点。

如果目标是提纲，直接把输出字段改为 sections 数组，并规定每个数组元素包含 heading、goal 和 key_points。字段越具体，后续渲染和编辑越容易自动化。

生成结果需要进一步做字段校验时，可以参考OpenAI Responses API 写作结果怎么做结构化检查，把返回内容转换为固定字段后再进入发布流程。

翻车怎么改

结果把资料内容和指令混在一起

原因：所有内容都塞进一段 input，模型难以判断哪些是必须遵守的规则，哪些只是待处理材料。

修正动作：将稳定要求移到 instructions，把本次主题、资料和变量留在 input，并为资料使用“资料开始”和“资料结束”标记。

输出不是可解析 JSON

原因：只在自然语言中说“请返回 JSON”，但没有规定字段、类型和禁止额外文本。

修正动作：在 instructions 中列出字段契约，并在应用侧先判断解析是否成功、必填字段是否存在，再决定是否进入渲染流程。若使用 text 的结构化配置，应同时确认 SDK 参数形状与当前接口定义一致。

文章看似完整但出现资料外结论

原因：输入没有规定未知信息的处理方式，模型会用常见知识补全。

修正动作：加入“资料未确认时不得推断”的规则，并在结果检查中逐条对照资料，为无法追溯的句子退回重写。

完成前检查

• 确认请求同时明确了 model、instructions 和 input，且变量没有错位。
• 确认文章或提纲的字段、数据类型和格式能被程序解析。
• 确认标题、关键词、受众和任务目标都出现在输入中。
• 确认正文没有资料未确认的确定性结论。
• 确认程序化检查和人工检查都已通过，再交给发布流程。