---
title: "从 OpenAI API 迁移：代码改动与测试 | BroadRouter"
description: "从 OpenAI 迁移到 OpenAI 兼容 API 需要改哪些代码：客户端配置、从 Responses 改写为 Chat Completions、工具调用、流式输出、embeddings 和冒烟测试。"
url: https://broadrouter.com/zh/blog/migrate-from-openai-api-code-walkthrough/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。 [阅读英文原文](https://broadrouter.com/blog/migrate-from-openai-api-code-walkthrough/) (2026-11-15 更新).

# 从 OpenAI API 迁移：Python、Node 和 cURL 代码实战

BroadNet Inference 团队 · 阅读约 6 分钟 · 发布于 2026-11-15

修改客户端的 base URL、API key 和模型 ID。对于 Chat Completions 调用，这就够了。使用 Responses API 的代码必须改写为 Chat Completions：input 变成 messages，output\_text 变成 choices\[0\].message.content，工具定义多一层嵌套。如果新服务商没有 embeddings，就给它单独一个客户端，然后在切换流量前跑一次冒烟测试。

## 要点

-   对于 Chat Completions 代码，切换只涉及三个值：base\_url、api\_key 和 model。两个官方 SDK 也会从环境变量读取 OPENAI\_BASE\_URL 和 OPENAI\_API\_KEY。
-   设置 OPENAI\_BASE\_URL 会迁移所有调用，包括 embeddings。如果新服务商没有 embeddings 端点，请给 embeddings 单独一个客户端。
-   Responses API 的代码需要改写：input 改为 messages，instructions 改为 system 消息，text.format 改为 response\_format，扁平的工具定义改为嵌套结构。
-   BroadNet Inference 的文档记载了 /v1/chat/completions、/v1/audio/transcriptions 和 GET /v1/models，没有 embeddings、文件或批处理端点。其文档为 GLM 5.3 和 Qwen3.8 27B 列出了工具调用和结构化输出。
-   切换前先测试：普通对话、流式输出的 usage、思考预算和一个错误的密钥；如果用到工具，再加一次工具调用。

**本页内容**

1.  客户端配置要改什么？
2.  如果我的代码用的是 Responses API 呢？
3.  工具调用有什么变化？
4.  结构化输出呢？
5.  embeddings 会怎样？
6.  流式输出的代码怎么改？
7.  错误处理和重试要改吗？
8.  哪些参数的行为不一样？
9.  怎么测试这次切换？
10.  最常出问题的是什么？
11.  BroadNet Inference 适合什么场景

如果你用的是 Chat Completions，把应用从 OpenAI 迁移到 OpenAI 兼容服务商只是一处小的代码改动；如果用的是 Responses API，就得改写。本文给出 Python、Node 和 cURL 的具体代码差异，说明 Responses、工具调用、结构化输出和 embeddings 该怎么处理，并提供一个在迁移任何流量之前运行的冒烟测试。示例使用 BroadNet Inference，地址为 `https://inference.broadnet.ai/v1`；同样的步骤适用于任何服务商。

本文是[迁移检查清单](https://broadrouter.com/zh/blog/openai-compatible-api-migration-checklist/)的代码篇，那篇讲的是速率限制、错误和切换规划。其他服务商的 base URL 请看 [OpenAI 兼容 API base\_url 汇总（已核实）](https://broadrouter.com/zh/blog/openai-compatible-api-base-urls/)。

## 客户端配置要改什么？

三个值：base URL、API key 和模型 ID。

**Python**

```python
import os
from openai import OpenAI

# before: client = OpenAI()  # reads OPENAI_API_KEY, calls api.openai.com
client = OpenAI(
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
r = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",          # was e.g. "gpt-..."
    messages=[{"role": "user", "content": "Reply with one short sentence."}],
)
print(r.choices[0].message.content)
```

**Node**

```javascript
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://inference.broadnet.ai/v1",
  apiKey: process.env.BROADNET_API_KEY,
});
const r = await client.chat.completions.create({
  model: "broadnet/gemma-4-26b-a4b",
  messages: [{ role: "user", content: "Reply with one short sentence." }],
});
console.log(r.choices[0].message.content);
```

**cURL**

```bash
curl https://inference.broadnet.ai/v1/chat/completions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"broadnet/gemma-4-26b-a4b","messages":[{"role":"user","content":"Reply with one short sentence."}]}'
```

注意路径：base URL 已经以 `/v1` 结尾，SDK 会自动加上 `/chat/completions`。重复写 `/v1` 是最常见的第一个错误。

### 能不改代码就切换吗？

对于 Chat Completions 代码，可以。没有传入 `base_url` 时，Python SDK 会读取 `OPENAI_BASE_URL`；Node 客户端的 `baseURL` 默认值是 `process.env['OPENAI_BASE_URL']`。两者都会读取 `OPENAI_API_KEY`。设置两个环境变量，所有调用就都迁过去了。

这也正是风险所在。**所有调用**都会迁移，包括 embeddings、内容审核、文件上传，以及新服务商可能没有的其他任何功能。只有当你的应用只调用对话接口、别的什么都不调用时，才用环境变量切换。

## 如果我的代码用的是 Responses API 呢？

OpenAI 的 SDK README 现在把 Responses API 称为主要 API；Python README 把 Chat Completions 称为 “the previous standard (supported indefinitely)“（译文：上一代标准（无限期支持））。许多兼容服务商只实现了 Chat Completions。BroadNet 的文档记载的是 `POST /v1/chat/completions` 和 `POST /v1/audio/transcriptions`，所以 Responses 调用需要改写。对应关系如下：

| Responses API | Chat Completions |
| --- | --- |
| `client.responses.create(...)` | `client.chat.completions.create(...)` |
| `instructions="..."` | 第一条消息 `{"role": "system", "content": "..."}` |
| `input="..."` 或条目列表 | `messages=[...]` |
| `response.output_text` | `response.choices[0].message.content` |
| `max_output_tokens` | `max_tokens`（BroadNet 文档）或 `max_completion_tokens` |
| `text={"format": {...}}` | `response_format={...}` |
| `previous_response_id`、conversations | 自己重新发送完整的消息历史 |
| 工具 `{"type": "function", "name": ...}` | 工具 `{"type": "function", "function": {"name": ...}}` |
| 输出条目 `function_call`，用 `function_call_output` 和 `call_id` 回复 | `message.tool_calls`，用 role 为 `tool` 的消息和 `tool_call_id` 回复 |
| 内置工具（网页搜索、文件搜索） | 不可用；运行你自己的工具 |

一个简单调用改写前后的对比：

```python
# Before: Responses API
r = client.responses.create(model="gpt-...", instructions="Be brief.", input="What is RAG?")
text = r.output_text

# After: Chat Completions
r = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "system", "content": "Be brief."},
              {"role": "user", "content": "What is RAG?"}],
)
text = r.choices[0].message.content
```

最大的结构变化在于状态。Responses 可以用 `previous_response_id` 在 OpenAI 那边保存会话状态。Chat Completions 没有服务端状态，所以由你的代码保存消息列表，并在每一轮把它全部发送出去。要为此做好预算：每次调用时，整个历史都算作输入 token。

## 工具调用有什么变化？

在 Chat Completions 中，工具定义把函数嵌套在 `function` 键下，回复则以 `tool` 消息的形式发回：

```python
import json

tools = [{
    "type": "function",
    "function": {
        "name": "get_order",
        "description": "Look up an order by ID.",
        "parameters": {"type": "object",
                       "properties": {"order_id": {"type": "string"}},
                       "required": ["order_id"]},
    },
}]
messages = [{"role": "user", "content": "Where is order A-1042?"}]
r = client.chat.completions.create(model="broadnet/glm-5.3", messages=messages, tools=tools)
msg = r.choices[0].message
if msg.tool_calls:
    messages.append(msg)                                   # keep the assistant turn
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)         # a JSON string: parse and validate it
        messages.append({"role": "tool", "tool_call_id": call.id,
                         "content": json.dumps(lookup_order(args["order_id"]))})
    r = client.chat.completions.create(model="broadnet/glm-5.3", messages=messages, tools=tools)
```

模型比结构更重要。BroadNet 的文档只为 [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) 和 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 列出了工具调用。不要把工具循环指向文档中没有列出工具调用的模型，并且在执行任何操作前先校验参数。[开源模型的工具调用](https://broadrouter.com/zh/blog/tool-calling-open-models/)给出了一个完整的带校验的循环。

## 结构化输出呢？

`client.chat.completions.parse(..., response_format=MyPydanticModel)` 和 Node 的 `zodResponseFormat` 都会发送带 JSON schema 的 `response_format`。只有当服务商在该模型上接受这种格式时，它们才能工作。BroadNet 为 GLM 5.3 和 Qwen3.8 27B 列出了结构化输出，但没有写明请求参数名。请对每个模型跑一次 [JSON 模式与 json\_schema](https://broadrouter.com/zh/blog/structured-output-json-schema/) 中的四步测试，而且无论服务商承诺什么，都要继续校验解析结果。

## embeddings 会怎样？

如果你在一个共享客户端上修改了 base URL，而服务商没有 embeddings 端点，每次 `client.embeddings.create` 调用都会失败。BroadNet 不提供 [embeddings](https://broadrouter.com/zh/glossary/embeddings/)。请保留两个客户端：

```python
chat = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
embed = OpenAI(api_key=os.environ["OPENAI_API_KEY"])   # or any embeddings provider

vec = embed.embeddings.create(model="text-embedding-3-small", input=query).data[0].embedding
answer = chat.chat.completions.create(model="broadnet/glm-5.3", messages=build_prompt(query, search(vec)))
```

永远不要在同一个索引里混用两个 embedding 模型生成的向量。如果你同时更换 embedding 服务商，就要对整个语料库重新生成向量。[embedding 费用计算器](https://broadrouter.com/tools/embedding-cost-calculator/)可以算出这笔费用。

其他非对话功能也是一样：图像生成、文字转语音、内容审核、Batch API 和文件存储。BroadNet 都不提供。语音转文字可以迁移：`client.audio.transcriptions.create` 可以调用 `/v1/audio/transcriptions`，支持 WAV 或 MP3，并需要 `language` 字段（[阿拉伯语语音转文字指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)）。

## 流式输出的代码怎么改？

Responses API 流式发送带类型的事件，比如 `response.output_text.delta` 和 `response.completed`。Chat Completions 流式发送数据块，文本位于 `choices[0].delta.content`。除非你主动请求，否则不会发送 usage；请求之后，它会出现在最后一个 `choices` 列表为空的数据块中。

```javascript
// Before (Responses): for await (const e of stream) if (e.type === "response.output_text.delta") out(e.delta);
const stream = await client.chat.completions.create({
  model: "broadnet/gemma-4-26b-a4b",
  messages: [{ role: "user", content: "Count from one to three." }],
  stream: true,
  stream_options: { include_usage: true },
});
for await (const chunk of stream) {
  const text = chunk.choices[0]?.delta?.content;
  if (text) process.stdout.write(text);
  if (chunk.usage) console.log("\ntokens:", chunk.usage.total_tokens);   // last chunk
}
```

切换之后，有两个习惯能让流式代码保持安全。一是对 `choices[0]` 做防护，因为 usage 数据块没有 choices。二是如果流在最后一行 `data: [DONE]` 之前就结束了，要把它当作不完整处理；BroadNet 的文档要求记录 `X-Request-ID`，再判断发起新请求是否安全。[流式 chat completions](https://broadrouter.com/zh/guides/streaming-chat-completions/) 给出了 Python 的完整写法。

## 错误处理和重试要改吗？

SDK 的错误类保持不变：401 是 `AuthenticationError`，429 是 `RateLimitError`，其余是 `APIStatusError`。变化的是每个状态码在新服务商那里的含义。在 BroadNet 上，401 不只表示密钥错误，也可能表示按量付费额度已用完；402 表示余额不足以完成购买。这两种都不会因重试而解决。429 可能来自速率、并发、token 速率或支出限制。对 429 和 5xx 使用退避重试，其他错误则要修正。[错误与重试指南](https://broadrouter.com/zh/guides/errors-and-retries/)有完整的表格。

SDK 默认对连接错误、408、409、429 和 5xx 重试两次。如果你加了自己的重试循环，请在客户端上设置 `max_retries=0`，避免两层重试叠加。

## 哪些参数的行为不一样？

| 参数 | 需要检查什么 |
| --- | --- |
| `max_tokens` / `max_completion_tokens` | OpenAI 已弃用 `max_tokens`；BroadNet 的文档使用它。在思考模型上它包含思考内容，所以值太小会返回空答案（[原因](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)） |
| `reasoning_effort` | BroadNet 记载了 `low`；依赖其他值之前请先测试 |
| `stream_options: {"include_usage": true}` | BroadNet 有记载；usage 出现在最后一个数据块中 |
| `n`、`logprobs`、`seed`、`logit_bias` | BroadNet 文档中没有；请测试或删除 |
| `store`、`metadata` | OpenAI 的存储功能；删掉即可 |
| `image_url` 内容块 | 仅限列明支持图像的模型：DeepSeek V4.1 Flash、Qwen3.8 27B、Gemma 4 VL 26B |

## 怎么测试这次切换？

在迁移任何流量之前，先对新服务商跑一个简短的冒烟测试。下面这个测试检查普通对话、流式输出的 usage、思考预算和身份验证。如果你用到工具，再加一个工具调用的用例。

```python
import os, openai
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"], max_retries=0)
FAST, REASONING = "broadnet/gemma-4-26b-a4b", "broadnet/qwen3.8-27b"
msg = [{"role": "user", "content": "Reply with the word ok."}]

# 1. Plain chat returns text and usage
r = client.chat.completions.create(model=FAST, messages=msg)
assert r.choices[0].message.content and r.usage.prompt_tokens > 0

# 2. Streaming reports usage in the last chunk
chunks = list(client.chat.completions.create(model=FAST, messages=msg, stream=True,
                                             stream_options={"include_usage": True}))
assert chunks[-1].usage is not None

# 3. A reasoning model needs room: a tiny budget can come back empty
r = client.chat.completions.create(model=REASONING, messages=msg, max_tokens=2000)
assert r.choices[0].finish_reason == "stop" and r.choices[0].message.content

# 4. A bad key raises AuthenticationError (401), which you should not retry
bad = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key="invalid", max_retries=0)
try:
    bad.chat.completions.create(model=FAST, messages=msg)
    raise AssertionError("expected 401")
except openai.AuthenticationError:
    pass
print("smoke test passed")
```

然后比较质量，而不仅仅是格式。在两个服务商上重放一批真实提示词，并给回答打分；[切换前如何评估大模型](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)介绍了做法。[OpenAI 到 BroadNet 迁移工具](https://broadrouter.com/tools/openai-to-broadnet-migration/)可以帮你改写代码片段，并列出其中用到的功能。

## 最常出问题的是什么？

-   **全局 base URL**，连 embeddings 和文件调用也一起迁走了。
-   **Responses 专用的辅助属性**，比如 `output_text`，残留在已经改用 Chat Completions 的代码里。
-   **模型 ID。**`gpt-...` 这样的名称在别处不存在。在 BroadNet 上，模型 ID 形如 `broadnet/glm-5.3`。
-   **空回复**，来自 `max_tokens` 设得太小的思考模型。
-   \*\*速率限制。\*\*BroadNet 按量付费密钥每分钟允许 30 个请求，同时 4 个。批量任务需要队列（[429 处理](https://broadrouter.com/zh/blog/handle-llm-api-429-rate-limits/)）。

## BroadNet Inference 适合什么场景

BroadNet Inference 适合那些对 OpenAI 的使用以对话和转写为主的应用：助手、信息提取、摘要、翻译和阿拉伯语语音。它也适合想为智能体使用固定价格 [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) 套餐的应用。如果你依赖 Responses API 的服务端状态、内置工具、embeddings、图像生成、文字转语音、实时语音或 Batch API，它就不是合适的目标。请把这些功能迁到提供它们的服务商，或者留在 OpenAI 上，只迁移对话调用。Gemma 4 VL 26B 和两个转写模型可以用 $5 初始额度调用；GLM 5.3、Qwen3.8 27B 和 DeepSeek V4.1 Flash 需要先充值。

相关免费工具 （英文）

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[免费工具 （英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[嵌入向量（embeddings）](https://broadrouter.com/zh/glossary/embeddings/)

嵌入向量（embeddings）是模型为一段文本、一张图片或其他输入生成的浮点数列表（向量）。意思相近的输入会得到彼此接近的向量，因此可以用向量之间的距离来给搜索结果排序、对文档聚类或查找相关条目。

[Base URL（base\_url）](https://broadrouter.com/zh/glossary/base-url/)

base URL 是 API 固定的根地址，例如 https://api.example.com/v1，客户端会把它加在每个端点路径（例如 /chat/completions）前面。在 OpenAI 兼容 SDK 中，修改 base URL，再配合 API 密钥和模型 ID，就能让同一份代码改用另一家服务商。

[Chat Completions API（对话补全接口）](https://broadrouter.com/zh/glossary/chat-completions-api/)

Chat Completions API 是 OpenAI 的 HTTP 端点 POST /v1/chat/completions，它接收模型名称和一组带角色标记的消息，返回模型的下一条消息。它的请求与响应结构已成为 OpenAI 兼容服务商和各类 SDK 通用的格式。

[结构化输出（structured output）](https://broadrouter.com/zh/glossary/structured-output/)

结构化输出是大模型 API 的一项功能，它把模型的回复约束为开发者指定的格式（通常是 JSON Schema），让代码能可靠地解析。它比 JSON mode 更严格：JSON mode 只保证输出是合法 JSON，不保证特定结构。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[批处理 API（Batch API）](https://broadrouter.com/zh/glossary/batch-api/)

批处理 API 是一种异步的大模型端点：它一次接收大量请求（通常以文件形式），在设定的时间窗口内处理而不是立即处理，最后统一返回结果。OpenAI 和 Anthropic 等服务商对批处理请求的定价低于其标准 API。

## 常见问题

### 使用 OpenAI 兼容 API，需要换一个 SDK 吗？

不需要。继续用官方 openai 包，传入不同的 base\_url（Python）或 baseURL（Node），再加上新服务商的密钥。对于服务商支持的端点，请求和响应对象保持不变。

### OpenAI 兼容 API 支持 Responses API 吗？

有些支持，很多只支持 Chat Completions。请查看服务商的端点列表。BroadNet Inference 的文档记载了 /v1/chat/completions 和 /v1/audio/transcriptions，所以 Responses 代码必须改写为 Chat Completions。

### 切换后，我的 embeddings 会怎样？

如果新服务商没有 embeddings 端点，而你又全局修改了 base URL，它们就会失败。BroadNet 不提供 embeddings，所以请保留一个指向你的 embeddings 服务商的客户端。永远不要在同一个索引里混用两个 embedding 模型生成的向量。

### 应该传 max\_tokens 还是 max\_completion\_tokens？

OpenAI 已将 max\_tokens 标为弃用，改用 max\_completion\_tokens。许多兼容服务商的文档写的是 max\_tokens，BroadNet 的文档也用 max\_tokens。按服务商文档来传，并在冒烟测试中确认上限确实生效。

### OpenAI 的结构化输出辅助函数还能用吗？

只有当服务商在你使用的模型上接受带 json\_schema 的 response\_format 时才能用。BroadNet 为 GLM 5.3 和 Qwen3.8 27B 列出了结构化输出，但没有写明请求参数名，所以请先测试，并继续校验解析结果。

## 继续阅读

-   [迁移到 OpenAI 兼容 API：切换服务商检查清单](https://broadrouter.com/zh/blog/openai-compatible-api-migration-checklist/)
-   [OpenAI 兼容 API 的 base\_url 汇总：14 家服务商逐一核对](https://broadrouter.com/zh/blog/openai-compatible-api-base-urls/)
-   [开源模型的工具调用：schema、并行调用与重试](https://broadrouter.com/zh/blog/tool-calling-open-models/)
-   [JSON 模式与 json\_schema：靠得住的结构化输出](https://broadrouter.com/zh/blog/structured-output-json-schema/)
-   [切换服务商之前，如何评估大模型](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)
-   [BroadNet 的 GPU 硬件与推理部署方式（据 BroadNet 自述）](https://broadrouter.com/zh/blog/broadnet-gpu-fleet-and-serving/)
-   [缓存大模型 API 响应以降低成本：用 Python 实现精确匹配缓存](https://broadrouter.com/zh/blog/cache-llm-responses-cut-cost/)
-   [指南：用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)
-   [指南：用 OpenAI Node.js SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-node-sdk/)
-   [指南：用 curl 首次调用 BroadNet Inference API](https://broadrouter.com/zh/guides/curl-quickstart/)
-   [指南：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)

用你的真实业务负载试一试。 新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-migrate-from-openai-api-code-walkthrough&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference API 参考：端点、模型 ID、功能、流式 usage、错误（2026-11-15 查阅） （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-migrate-from-openai-api-code-walkthrough&utm_content=sources)
-   [openai-python README：Responses 是主要 API，Chat Completions 无限期支持，重试（2026-11-15 查阅）](https://github.com/openai/openai-python)
-   [openai-node 客户端源码：baseURL 默认读取 OPENAI\_BASE\_URL（2026-11-15 查阅）](https://github.com/openai/openai-node/blob/master/src/client.ts)
-   [OpenAI：迁移到 Responses API，结构化输出、工具和存储的差异（2026-11-15 查阅）](https://developers.openai.com/api/docs/guides/migrate-to-responses)
-   [OpenAI 函数调用指南：两种 API 中的工具结构（2026-11-15 查阅）](https://developers.openai.com/api/docs/guides/function-calling)
-   [OpenAI Chat Completions 参考：max\_tokens 已弃用，改用 max\_completion\_tokens（2026-11-15 查阅）](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
