OpenAI 文本生成指南：从普通回答到可靠输出

作者：AI 使用指南编辑部 · 发布于 2026/7/13 · 更新于 2026/7/13

文本生成适合摘要、改写、分类说明、草稿和问答，但模型生成的是候选结果，不是自动核验过的事实。应用要提供必要材料、限定输出范围，并根据风险决定是否需要外部数据、结构化校验或人工复核。

1、建立清晰的生成请求

const response = await client.responses.create({
  model: "gpt-5.6",
  instructions: `把输入整理成中文会议摘要。
仅使用原文事实；输出决定、待办和未解决问题。`,
  input: meetingNotes,
});

console.log(response.output_text);

用户输入、上传文件或抓取网页在进入请求前要做大小、格式和敏感信息检查。长材料不要直接无限拼接；先选择相关段落，或使用检索流程找到与问题最相关的内容。

2、根据下游用途选择输出形式

只供人阅读时，普通 Markdown 文本通常足够。需要程序读取分类、日期或字段时，使用 Structured Outputs 提供 JSON Schema。需要访问实时库存、订单或数据库时，使用工具调用，而不是要求模型根据训练数据猜测。

output_text 是官方 SDK 提供的聚合文本快捷方式。对于带工具的响应，仍要检查 output 中的项目类型；对于拒绝或失败状态，也不能把空文本直接显示为“没有答案”。

3、核验高风险内容

摘要应让审核者能够打开原文定位证据；数字、引用和人名要与输入逐项核对。医疗、法律、财务或生产代码等高影响内容必须保留人工复核，并明确模型输出不能代替专业判断。

评测时不要只看文风，还要记录事实遗漏、虚构信息、格式错误和人工修改时间。同一提示重复测试多次，才能发现偶发问题。下一页进入图像理解：让模型读取图片中的可见信息，而不是生成新图片。