AI 助理
文档备案控制台
官方文档
首页 大模型服务平台百炼 API参考（Agent） 应用调用 Responses API 同步调用 API 参考

同步调用 API 参考

更新时间：
复制 MD 格式
产品详情
我的收藏

本文介绍如何通过 OpenAI 兼容模式的 Responses API 同步调用 阿里云百炼应用（ 智能体 、 工作流 ）。适用于需要 即时获取结果 的实时交互场景，可轻松复用现有的 OpenAI 代码库，或快速集成来自 OpenAI 生态的各类工具。

相关参考

重要本文档仅适用于华北2（北京）地域。

前提条件

使用SDK调用时需配置的base_url：https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1

使用HTTP方式调用时需配置的Endpoint：POST https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1/responses

说明请将 {APP_ID} 替换为实际的应用ID。

请求体

app_id string（必选）

应用的标识。

在应用管理页面的应用卡片上获取应用ID。

通过 HTTP 调用时，请将实际的应用ID放入 URL 中，替换APP_ID。

inputstring/array（必选）

请求的核心输入内容。可以是一个简单的字符串，也可以是一个包含多轮对话历史的消息数组。

  • 简单字符串: 用于单轮文本对话，例如 "你好"。

  • 消息数组 (Messages)： 用于多轮对话或包含多媒体（如图片、文件）的输入。数组中的每个元素都是一个消息对象。

    说明基于pre_response_id或conversation_id的上下文功能将在后续支持。目前请在每次请求时传递完整的对话历史。

    消息类型

    System Messageobject（可选）

    系统消息，用于设定大模型的角色、语气、任务目标或约束条件等。一般放在messages数组的第一位。

    属性

    contentstring（必选）

    消息内容。

    rolestring（必选）

    固定为system。

    User Messageobject（必选）

    用户消息，用于向模型传递问题、指令或上下文等。

    属性

    contentstring 或 array（必选）

    消息内容。

    • 纯文本输入: content 为字符串，例如 "你好"。

    • 多模态输入: content 为一个数组，包含文本、图片或文件对象。

      子属性

      文本

      type string （必选）

      固定为 input_text。

      text string（必选）

      文本内容。

      图像

      type string （必选）

      固定为 input_image。

      image_url string（必选）

      图片的 URL。

      文件

      仅智能体应用支持文件传入。

      type string （必选）

      固定为 input_file。

      file_url string（必选）

      文件的URL。

    rolestring（必选）

    固定为user。

    Assistant Message object（可选）

    模型对用户消息的回复。

    属性

    contentstring（可选）

    消息内容。

    rolestring（必选）

    固定为assistant。

stream boolean（可选）

是否流式输出回复。

  • false（默认值）：模型生成完所有内容后一次性返回结果。
  • true：边生成边输出，即每生成一部分内容就立即输出一个片段（chunk）。

background boolean（可选）

是否以异步方式执行任务。

说明异步调用暂不支持流式输出。

  • false（默认值）：同步。API将保持连接直到任务完成。
  • true：异步。API将立即返回一个任务ID，可通过查询接口来获取结果。

文本输入

单轮对话
from openai import OpenAI
import os

# 若没有配置环境变量，可用百炼API Key将下行替换为：api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中，以减少API Key泄露风险。
api_key=os.getenv("DASHSCOPE_API_KEY")
app_id='APP_ID' # 替换为实际的应用 ID
base_url = f'https://dashscope.aliyuncs.com/api/v2/apps/agent/{app_id}/compatible-mode/v1/'

client = OpenAI(
    api_key = api_key,
    base_url = base_url
)

response = client.responses.create(
   input="你是谁？",
)

print(response.model_dump_json(indent=2))


curl --location "https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1/responses" \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
--data '{
    "input": [
        {
            "type": "message",
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "你是谁？"
                }
            ]
        }
    ]
}'
多轮对话

将包含完整历史消息的消息对象数组传递给input 参数。

from openai import OpenAI
import os

# 若没有配置环境变量，可用百炼API Key将下行替换为：api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中，以减少API Key泄露风险。
api_key=os.getenv("DASHSCOPE_API_KEY")
app_id='APP_ID' # 替换为实际的应用 ID
base_url = f'https://dashscope.aliyuncs.com/api/v2/apps/agent/{app_id}/compatible-mode/v1/'

# 初始化客户端
client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

messages = [
    {"role": "user", "content": "你是谁？"},
    {"role": "assistant", "content": "我是一个AI助手，可以帮助你解答问题、提供信息和协助完成各种任务。"},
    {"role": "user", "content": "你能做什么？"}
]
response = client.responses.create(
    input=messages
)

# 打印完整的响应JSON对象
print(response.model_dump_json(indent=2))

curl --location "https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1/responses" \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
--data '{
    "input": [
        {
            "type": "message",
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "你是谁？"
                }
            ]
        },
        {
            "type": "message",
            "role": "assistant",
            "content": [
                {
                    "type": "input_text",
                    "text": "我是一个AI助手，可以帮助你解答问题、提供信息和协助完成各种任务。"
                }
            ]
        },
        {
            "type": "message",
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "你能做什么？"
                }
            ]
        }
    ]
}'

流式输出

在请求体中设置stream为true，以流式方式获取响应，实现实时展示生成内容的效果。

应用配置：若应用类型为工作流，需在结束节点或流程输出节点中启用流式输出开关，并重新发布应用。

from openai import OpenAI
import os

# 若没有配置环境变量，可用百炼API Key将下行替换为：api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中，以减少API Key泄露风险。
api_key=os.getenv("DASHSCOPE_API_KEY")
app_id='APP_ID' # 替换为实际的应用 ID
base_url = f'https://dashscope.aliyuncs.com/api/v2/apps/agent/{app_id}/compatible-mode/v1/'

# 初始化客户端
client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

messages = [
    {"role": "user", "content": "你是谁？"},
    {"role": "assistant", "content": "我是一个AI助手，可以帮助你解答问题、提供信息和协助完成各种任务。"},
    {"role": "user", "content": "你能做什么？"}
]
# 设置 stream=True 来发起流式请求
stream = client.responses.create(
    input=messages,
    stream=True,
)

# 遍历并处理事件流
for chunk in stream:
    # 只输出文字内容
    if hasattr(chunk, 'delta') and chunk.delta:
        print(chunk.delta, end='', flush=True)


curl --location "https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1/responses" \
    --header 'Content-Type: application/json' \
    --header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
    --data '{
         "input": [
             {
                 "type": "message",
                 "role": "user",
                 "content": [
                     {
                         "type": "input_text",
                         "text": "你是谁？"
                     }
                 ]
             },
             {
                 "type": "message",
                 "role": "assistant",
                 "content": [
                     {
                         "type": "input_text",
                         "text": "我是一个AI助手，可以帮助你解答问题、提供信息和协助完成各种任务。"
                     }
                 ]
             },
             {
                 "type": "message",
                 "role": "user",
                 "content": [
                     {
                         "type": "input_text",
                         "text": "用不少于100字介绍一下你自己"
                     }
                 ]
             }
         ],
         "stream": true
     }'

图像输入

在 content 数组中包含 image_url 对象，向模型提供图像的 URL，模型基于图像内容进行问答。

智能体应用配置：需选用通义千问VL系列模型，并将文件处理方式选为自定义处理，然后重新发布应用。

工作流应用配置：需选用通义千问VL系列模型，并将模型节点的模型入参变量填为imageList，然后重新发布应用。

from openai import OpenAI
import os

# 若没有配置环境变量，可用百炼API Key将下行替换为：api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中，以减少API Key泄露风险。
api_key=os.getenv("DASHSCOPE_API_KEY")
app_id='APP_ID' # 替换为实际的应用 ID
base_url = f'https://dashscope.aliyuncs.com/api/v2/apps/agent/{app_id}/compatible-mode/v1/'

# 初始化客户端
client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.responses.create(
    input=[
        {
            "role": "user",
            "content": [
                { "type": "input_text", "text": "这是什么" },
                {
                    "type": "input_image",
                    "image_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg"
                }
            ]
        }
    ]
)

# 打印完整的响应JSON对象
print(response.model_dump_json(indent=2))

curl --location "https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1/responses" \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
--data '{
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "这是什么"
                },
                {
                    "type": "input_image",
                    "image_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg"
                }
            ]
        }
    ]
}'

文件输入

在 content 数组中包含 input_file 对象，向模型提供文件的 URL，模型基于文件中的内容进行问答。

仅智能体应用支持，应用内的文件处理方式需选择全文引用或切片检索。

相关文档：文件问答。

from openai import OpenAI
import os

# 若没有配置环境变量，可用百炼API Key将下行替换为：api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中，以减少API Key泄露风险。
api_key=os.getenv("DASHSCOPE_API_KEY")
app_id='APP_ID' # 替换为实际的应用 ID
base_url = f'https://dashscope.aliyuncs.com/api/v2/apps/agent/{app_id}/compatible-mode/v1/'

# 初始化客户端
client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.responses.create(
    input=[
        {
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "总结这个文件的内容。"
                },
                {
                    "type": "input_file",
                    "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                }
            ]
        }
    ]
)

# 打印完整的响应JSON对象
print(response.model_dump_json(indent=2))

# 请将 {APP_ID} 替换为实际的应用ID
curl --location "https://dashscope.aliyuncs.com/api/v2/apps/agent/{APP_ID}/compatible-mode/v1/responses" \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
--data '{
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "总结这个文件的内容。"
                },
                {
                    "type": "input_file",
                    "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                }
            ]
        }
    ]
}'

响应对象（非流式输出）

id string
本次请求的唯一标识符（ID），可用于日志记录和问题追踪。

objectstring

对象类型，对于本API，其值固定为 response。

created_at integer
响应创建时间的Unix时间戳（以秒为单位）。

statusstring

整个响应任务的最终状态。completed 表示任务已成功结束。

outputarray
一个数组，包含了模型生成的所有输出内容。

子属性

output messageobject

包含了模型输出内容的消息对象。

子属性

content array
消息的核心内容数组，包含多种类型的内容块（如文本、代码、图片等）。

子属性

text string
模型实际生成的文本回复。

type string
内容块的类型。output_text 表示这是一个输出的文本块。

id string
此条输出消息的唯一ID。

role string
消息的角色。assistant 表示这条消息是由AI助手生成的。

status string
表示该条消息的生成状态。completed 表示该条消息已成功生成。

type string
output数组中元素的类型。message 表示这是一个消息对象。

{
    "created_at": 1758624774,
    "id": "ce65e29a-3d14-4b21-a5c0-ac601f3af888",
    "model": "",
    "object": "response",
    "output": [
        {
            "content": [
                {
                    "annotations": [
                    ],
                    "text": "我可以帮助你做很多事情，包括但不限于：\n\n1. **回答问题**：无论是科学、历史、文化、技术等领域的知识，我都可以尽力为你提供准确的信息。\n2. **写作帮助**：我可以帮你写文章、邮件、报告、故事、诗歌等，也可以进行润色和修改。\n3. **语言翻译**：我可以将文本从一种语言翻译成另一种语言。\n4. **学习辅导**：我可以帮助你理解复杂的概念，解答数学题、物理题等学科问题。\n5. **编程帮助**：我可以协助你编写代码、调试程序、解释算法等。\n6. **提供建议**：在生活、工作、学习等方面，我可以提供一些实用的建议和思路。\n7. **娱乐互动**：我可以讲笑话、玩文字游戏可以将进行简单的聊天互动。\n\n如果你有任何具体的需求或问题，随时告诉我，我会尽力帮助你！",
                    "type": "output_text"
                }
            ],
            "id": "msg_f25e8129-a130-447c-8e03-3f2b148c4e1d",
            "role": "assistant",
            "status": "completed",
            "type": "message"
        }
    ],
    "parallel_tool_calls": false,
    "status": "completed",
    "tool_choice": "auto",
    "tools": [
    ]
}

响应对象（流式输出）

id string

事件的消息ID。

code string

错误码，调用成功时为空值。

messagestring

表示错误详细信息，请求成功则忽略。

event string

事件类型，表示当前响应的状态。

事件通用数据

sequence_number integer

事件的序列号，从0开始递增。

type string

事件类型，与event内容相同。

事件类型详解

整体响应生命周期事件

response.created: 表示响应已创建。

response.in_progress: 表示响应处理中。

response.completed: 响应完成。

通用数据

responseobject

响应对象，包含响应的详细信息*。*

子属性

id string

响应的唯一标识符。

statusstring

响应的最终状态。

objectstring

对象类型。固定值为 "response"。

created_atinteger
响应创建时间的Unix时间戳（以秒为单位）。

output array
输出内容列表。

子属性

output messageobject

包含了模型输出内容的消息对象。

子属性

idstring

输出项的唯一标识符。

type string

输出项的类型。

  • "reasoning": 模型的思考过程。
  • "message": 最终回复。

role string

消息的角色。

contentarray

输出内容部分的列表。

子属性

type string

内容部分的类型。例如 "output_text" 表示这是一个文本部分。

textstring

文本内容。

annotationsarray

注解列表。

statusstring

响应的当前状态。

内容构建事件

response.output_item.added: 表示输出项已添加。

子属性

output_indexinteger

item 在 output 数组中的索引。

itemobject

新增的输出项对象。

子属性

output messageobject

包含了模型输出内容的消息对象。

子属性

idstring

输出项的唯一标识符。

type string

输出项的类型。

  • "reasoning": 模型的思考过程。
  • "message": 最终回复。

role string

消息的角色。

contentarray

内容部分列表。

statusstring

响应的当前状态。

response.output_item.done: 输出项完成。

子属性

output_indexinteger

已完成的 item 在 output 数组中的索引。

itemobject

完整的输出项对象。

子属性

idstring

输出项的唯一标识符。

type string

输出项的类型。

  • "reasoning": 模型的思考过程。
  • "message": 最终回复。

role string

消息的角色。

contentarray

输出内容部分的列表。

子属性

type string

内容部分的类型。例如 "output_text" 表示这是一个文本部分。

textstring

文本内容。

annotationsarray

注解列表。

statusstring

响应的当前状态。

response.content_part.added: 表示在一个输出项（如一条消息）中，新生成了一个内容块（如文本、图片等）。

子属性

output_indexinteger

关联的 response.output 数组索引。

content_indexinteger

关联的 item.content 数组索引。

item_idstring

关联的输出项ID。

partobject

新添加的内容部分对象。

子属性

type string

内容部分的类型。例如 "output_text" 表示这是一个文本部分。

text string

文本内容。

annotationsarray

注解列表。

response.content_part.done: 内容部分完成。

子属性

output_indexinteger

关联的 response.output 数组索引。

content_indexinteger

关联的 item.content 数组索引。

item_idstring

关联的输出项ID。

partobject

新添加的内容部分对象。

子属性

type string

内容部分的类型。例如 "output_text" 表示这是一个文本部分。

text string

文本内容。

annotationsarray

注解列表。

文本流事件

response.output_text.delta：输出内容的文本增量。

子属性

delta string

输出文本的增量片段。

output_indexinteger

关联的 response.output 数组索引。

content_indexinteger

关联的 item.content 数组索引。

item_idstring

关联的输出项ID。

response.output_text.done: 输出文本完成。

子属性

text String

完整的输出文本内容。

output_indexinteger

关联的 response.output 数组索引。

content_indexinteger

关联的 item.content 数组索引。

item_idstring

关联的输出项ID。

response.reasoning_text.delta：思考过程的文本增量。

子属性

delta string

思考文本的增量片段。

output_indexinteger

关联的 response.output 数组索引。

content_indexinteger

关联的 item.content 数组索引。

item_idstring

关联的输出项ID。

response.reasoning_text.done：思考过程的流式输出已全部结束。

子属性

text String

完整的思考过程。

output_indexinteger

关联的 response.output 数组索引。

content_indexinteger

关联的 item.content 数组索引。

item_idstring

关联的输出项ID。

id:1 | event:response.created | :HTTP_STATUS/200 | data:{"sequence_number":0,"type":"response.created","response":{"output":[],"parallel_tool_calls":false,"created_at":1760076609,"tool_choice":"auto","model":"","id":"508f1306-3760-49da-9e43-380fd952c297","tools":[],"object":"response","status":"queued"}}
id:2 | event:response.in_progress | :HTTP_STATUS/200 | data:{"sequence_number":1,"type":"response.in_progress","response":{"output":[],"parallel_tool_calls":false,"created_at":1760076609,"tool_choice":"auto","model":"","id":"508f1306-3760-49da-9e43-380fd952c297","tools":[],"object":"response","status":"in_progress"}}
id:3 | event:response.output_item.added | :HTTP_STATUS/200 | data:{"sequence_number":2,"item":{"id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","role":"assistant","type":"message","content":[],"status":"in_progress"},"output_index":0,"type":"response.output_item.added"}
id:4 | event:response.content_part.added | :HTTP_STATUS/200 | data:{"sequence_number":3,"output_index":0,"type":"response.content_part.added","content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","part":{"type":"output_text","annotations":[],"text":""}}
id:5 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":4,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"你好","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:6 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":5,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"！我是通","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:7 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":6,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"义千问","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:8 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":7,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"（Qwen","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:9 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":8,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"），由阿里云研发的","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:10 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":9,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"超大规模语言模型。我","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:11 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":10,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"能够回答问题、创作文字","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:12 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":11,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"，比如写故事、写","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:13 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":12,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"公文、写邮件、","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:14 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":13,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"写剧本、逻辑推理、","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:15 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":14,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"编程等等，还能表达观点","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:16 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":15,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"，玩游戏等。我支持","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:17 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":16,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"多种语言，包括但不限于","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:18 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":17,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"中文、英文、德语","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:19 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":18,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"、法语、西班牙语","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:20 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":19,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"等，满足国际","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:21 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":20,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"化的使用需求。我","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:22 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":21,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"擅长处理各种任务","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:23 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":22,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"，无论是专业领域的","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:24 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":23,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"知识问答，还是","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:25 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":24,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"日常生活中的问题咨询","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:26 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":25,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"，我都会尽力提供帮助","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:27 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":26,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"。我的目标是成为","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:28 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":27,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"你最可靠的智能","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:29 | event:response.output_text.delta | :HTTP_STATUS/200 | data:{"sequence_number":28,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","delta":"伙伴！","output_index":0,"type":"response.output_text.delta","logprobs":[]}
id:30 | event:response.output_text.done | :HTTP_STATUS/200 | data:{"sequence_number":29,"content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","text":"你好！我是通义千问（Qwen），由阿里云研发的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。我支持多种语言，包括但不限于中文、英文、德语、法语、西班牙语等，满足国际化的使用需求。我擅长处理各种任务，无论是专业领域的知识问答，还是日常生活中的问题咨询，我都会尽力提供帮助。我的目标是成为你最可靠的智能伙伴！","output_index":0,"type":"response.output_text.done","logprobs":[]}
id:31 | event:response.content_part.done | :HTTP_STATUS/200 | data:{"sequence_number":30,"output_index":0,"type":"response.content_part.done","content_index":0,"item_id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","part":{"type":"output_text","annotations":[],"text":"你好！我是通义千问（Qwen），由阿里云研发的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。我支持多种语言，包括但不限于中文、英文、德语、法语、西班牙语等，满足国际化的使用需求。我擅长处理各种任务，无论是专业领域的知识问答，还是日常生活中的问题咨询，我都会尽力提供帮助。我的目标是成为你最可靠的智能伙伴！"}}
id:32 | event:response.output_item.done | :HTTP_STATUS/200 | data:{"sequence_number":31,"item":{"id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","role":"assistant","type":"message","content":[{"type":"output_text","annotations":[],"text":"你好！我是通义千问（Qwen），由阿里云研发的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。我支持多种语言，包括但不限于中文、英文、德语、法语、西班牙语等，满足国际化的使用需求。我擅长处理各种任务，无论是专业领域的知识问答，还是日常生活中的问题咨询，我都会尽力提供帮助。我的目标是成为你最可靠的智能伙伴！"}],"status":"completed"},"output_index":0,"type":"response.output_item.done"}
id:33 | event:response.completed | :HTTP_STATUS/200 | data:{"sequence_number":32,"type":"response.completed","response":{"output":[{"id":"msg_8087bfdd-ba53-45db-b309-6a3b92ca4f3e","role":"assistant","type":"message","content":[{"type":"output_text","annotations":[],"text":"你好！我是通义千问（Qwen），由阿里云研发的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。我支持多种语言，包括但不限于中文、英文、德语、法语、西班牙语等，满足国际化的使用需求。我擅长处理各种任务，无论是专业领域的知识问答，还是日常生活中的问题咨询，我都会尽力提供帮助。我的目标是成为你最可靠的智能伙伴！"}],"status":"completed"}],"parallel_tool_calls":false,"created_at":1760076609,"tool_choice":"auto","model":"","id":"508f1306-3760-49da-9e43-380fd952c297","tools":[],"object":"response","status":"completed"}}

常见问题

  1. 如何传递多轮对话的上下文？

    需要在客户端维护完整的对话历史，并在每次请求时将所有历史消息完整地放在input数组中传递给API。

    基于pre_response_id或conversation_id的上下文功能将在后续支持。

  2. 为什么响应示例中的某些字段未在本文说明？

    如果使用OpenAI的官方SDK，它可能会根据其自身的模型结构打印出一些额外的字段（通常为null）。这些字段是OpenAI协议本身定义的，我们的服务当前不支持，所以它们为空值。只需关注本文档中描述的字段即可。

错误码

如果应用调用失败并返回报错信息，请参阅错误码解决。

上一篇：Responses API下一篇：异步调用 API 参考