升级 OpenAI API 集成

本页根据 OpenAI 官方 Codex use cases 页面重新整理，核对时间为 2026-03-30。这里保留原文的任务边界、推荐技能和工作流重点，但改写成更适合课程、工作坊和机构授课的中文版本。

官方原始定位

• 官方标题：升级 OpenAI API 集成
• 官方难度：Intermediate
• 官方预估时长：1h
• 官方核心说明：围绕最新推荐模型与 API 特性，对现有 OpenAI 集成做最小升级，并在发版前显式检查回归。

这节课最适合哪些人

• 从旧模型或旧 API 形态迁移到当前推荐路径的团队
• 要求行为尽量不变，但又必须做能力升级的仓库
• 想把“模型升级”教成一个工程问题，而不是一句字符串替换的课程

课上应该带学员理解什么

• 官方明确指出：升级模型常常不只是改模型名，API 形态和 prompt 也可能要一起改
• 页面里举了 GPT-5.4 的例子，例如 assistant message 里新增 phase 参数这样的兼容点
• 真正稳妥的迁移一定要配评估流水线，而不是“感觉回答差不多就发版”

官方强调的工作流

1. 先盘点当前仓库中的模型、端点、工具假设和提示词位置
2. 识别最小迁移计划，尽量在不破坏行为的前提下进入最新支持路径
3. 同步更新 prompt，使其符合当前模型的最新 prompt guidance
4. 把所有需要人工确认的响应形状、工具调用和行为变化显式标出来
5. 最后用 evals 流水线做回归验证

课堂演示顺序

1. 先让学员自己找仓库里有哪些地方依赖 OpenAI
2. 再让 Codex 做 inventory 和最小迁移计划
3. 挑一个 prompt 或响应结构变化重点讲，说明为什么不能盲改
4. 最后以“如何验证没回归”收束，而不是以“代码改完了”收束

推荐技能与插件

• OpenAI Docs：在改任何实现前，先拉取最新模型、迁移与 prompt guidance
• Evals pipeline：让迁移不是靠主观感觉，而是有可运行的回归检查
• 最小迁移计划：先 inventory，再最小替换，再人工 review 风险点

课堂版起手提示词

请用 OpenAI 官方最新文档为依据，帮我升级这个仓库里的 OpenAI 集成。

要求：
1. 先盘点当前使用的模型、端点、工具假设和提示词位置
2. 给出最小迁移计划
3. 在不必要时不要改变行为
4. 根据最新模型的 prompt guidance 更新提示词
5. 明确指出哪些 prompt、工具或响应形状变化需要人工 review
6. 最后给出一套可执行的回归验证方案

课堂验收与交付物

• 一份集成 inventory
• 一份最小迁移计划
• 一份人工 review 风险点清单
• 一份回归评估方案

讲师讲这节课时最容易踩的坑

• 非常适合高级开发和企业内训，不建议放在启蒙课里
• 如果讲师能带一段真实旧代码上课，效果会比纯概念讲解强很多
• 这一页也是把 OpenAI Docs skill 引入课堂的好机会

建议搭配本站这些内容

• Codex SDK 实战指南
• 用 Codex 完成常见开发任务

官方参考

• OpenAI Developers: 升级 OpenAI API 集成