OpenAI Completions API 的核心参数包括以下几个：
1、prompt（提示）：这是你希望模型开始生成文本的初始字符串。模型会在这个字符串的基础上生成剩余的文本。
2、max_tokens（最大令牌数）：这是模型生成的最大令牌数。一般来说，英文中一个单词或者标点符号大约是一个令牌。如果不指定这个参数，模型可能会生成非常长的文本。
3、temperature（温度）：温度值用于控制模型生成文本的随机性。温度值越高，模型生成的文本就越随机；温度值越低，模型则趋向于生成最有可能的输出。例如，温度为 1.0 会使输出更随机，而温度为 0.0 会使模型只生成最有可能的输出。
4、top_p（nucleus 概率采样）：这是一个高级参数，用于控制输出的随机性。当 top_p 设置为 0.5，意味着在生成每个令牌时，模型只考虑总概率质量为 0.5 的最小令牌集。这有时被称为 "nucleus sampling"。
5、frequency_penalty 和 presence_penalty：这两个参数可以用来惩罚或奖励特定令牌的使用。frequency_penalty 可以降低或增加常见词的频率，而 presence_penalty 可以降低或增加新词的出现。
记住，使用这些参数时，你可能需要进行一些试验，以找到最适合你特定用途的设置。
OpenAI的Chat Completions API与之前的Completions API有些许不同，它更适合于多轮对话。以下是Chat Completions API的主要参数：
-
messages（消息）：这是一个消息对象的数组，每个消息对象都有一个 "role"（角色）和"content"（内容）。角色可以是 'system'、'user' 或 'assistant'，而内容包含了该角色的文字信息。
-
max_tokens（最大令牌数）：这是模型生成的最大令牌数。如果不指定这个参数，模型可能会生成非常长的文本。
-
temperature（温度）：这个参数控制输出的随机性。数值越高，输出结果就会越随机；数值越低，输出结果则会越确定。
-
top_p（nucleus 概率采样）：这是一个高级参数，用于控制输出的随机性。当 top_p 设置为 0.5，意味着在生成每个令牌时，模型只考虑总概率质量为 0.5 的最小令牌集。这有时被称为 "nucleus sampling"。
-
frequency_penalty 和 presence_penalty：这两个参数可以用来惩罚或奖励特定令牌的使用。frequency_penalty 可以降低或增加常见词的频率，而 presence_penalty 可以降低或增加新词的出现。
与之前的Completions API不同，Chat API在模型中使用了对话的历史信息，从而更好地理解上下文并生成更相关的回复。
