有了 ChatGPT Plus 訂閱，使用 API 還要另外付費嗎？

要。ChatGPT Plus 訂閱與 OpenAI API 是兩套獨立的計費系統。訂閱 Plus 只影響網頁版 ChatGPT 的使用，API 則依你實際呼叫消耗的 token 另外計費。建議在 Billing 設定用量上限並儲值小額測試，避免費用超出預期。

為什麼模型不記得我上一句話？

因為 OpenAI 的模型本身是無狀態的，每次呼叫都是獨立的，它不會自動記得先前對話。要維持多輪記憶，必須由你在每次請求時，把過去的 user 與 assistant 訊息一起放進 messages 陣列送出，模型才能參考前文。

temperature 參數應該設多少？

視用途而定。需要穩定、一致、可預測的結果（例如資料抽取、分類）時設低一點，接近 0；需要創意與變化（例如發想文案、腦力激盪）時設高一點。多數一般應用設在 0.2 到 0.7 之間就很合適。

API Key 應該放在哪裡才安全？

金鑰應存放在後端伺服器的環境變數中，絕對不要寫在前端 JavaScript、行動 App 或提交到公開的程式倉庫，否則容易被盜用產生高額費用。前端若需呼叫 AI，應透過自己的後端中轉，由後端持有金鑰。

呼叫 API 出現 429 錯誤該怎麼辦？

429 代表超過速率限制或額度不足。若是速率限制，應採用指數退避策略重試，也就是失敗後等待逐漸拉長的時間再試，例如 1 秒、2 秒、4 秒。若是額度不足，則需到 Billing 儲值或提高用量上限。

串接 OpenAI API 入門：從申請金鑰到第一支程式的完整教學

想把 ChatGPT 的能力放進自己的網站或程式，卻被 API 一詞卡住？本文從申請 API Key、控管費用、寫出第一支呼叫程式開始，逐步講解對話結構、參數調整、串流輸出與錯誤處理，並附上 Python 與 JavaScript 範例，讓零基礎的你也能順利上手。

什麼是 OpenAI API

我們平常在網頁上用的 ChatGPT 是一個「產品」，而 OpenAI API 則是讓你把同樣的模型能力，透過程式呼叫的方式，嵌入到自己的網站、App 或自動化流程裡的「介面」。簡單說，API 就像一個窗口，你把問題（請求）遞進去，模型把答案（回應）遞出來，中間的運算由 OpenAI 的伺服器完成。

有了 API，你就能打造專屬客服機器人、自動摘要工具、內容生成後台等應用，而不必受限於官方網頁介面。這也是所有 AI 產品背後最常見的技術基礎。

第一步：申請 API Key 與設定付費

前往 OpenAI 的開發者平台註冊帳號後，在 API Keys 頁面點選建立新金鑰。金鑰只會完整顯示一次，請立刻複製並妥善保存，切勿外流或寫死在前端程式碼中，否則可能被盜用而產生高額費用。

OpenAI API 採預付或後付的計費方式，與 ChatGPT Plus 訂閱是分開的，也就是說訂閱 Plus 不代表 API 免費。建議一開始就到 Billing 設定用量上限（usage limit），並儲值小額測試，避免程式寫錯導致費用暴衝。以台幣估算，開發測試階段通常每月幾十到幾百元就很夠用。

第二步：理解對話的資料結構

OpenAI 的對話式 API 以「訊息陣列」為核心，每則訊息有一個角色（role）與內容（content）。角色主要有三種：

system 用來設定 AI 的身分與規則，例如「你是一位專業的繁體中文客服」。user 是使用者的輸入。assistant 是模型過去的回覆。當你要維持多輪對話時，就把歷史訊息依序放進這個陣列一起送出，模型才會記得前文。

理解這個結構非常重要，因為模型本身是「無狀態」的，它不會自動記得上一次對話，記憶完全靠你每次把歷史帶進去。

第三步：寫出你的第一支程式

Python 範例

先安裝官方套件：

pip install openai

接著把金鑰放在環境變數 OPENAI_API_KEY，再執行：

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "你是一位專業的繁體中文助理，回答要簡潔具體。"},
        {"role": "user", "content": "請用三點說明什麼是 API。"}
    ]
)

print(response.choices[0].message.content)

JavaScript（Node.js）範例

npm install openai

import OpenAI from "openai";

const client = new OpenAI();

const response = await client.chat.completions.create({
  model: "gpt-4o-mini",
  messages: [
    { role: "system", content: "你是一位專業的繁體中文助理，回答要簡潔具體。" },
    { role: "user", content: "請用三點說明什麼是 API。" }
  ]
});

console.log(response.choices[0].message.content);

兩段程式的邏輯完全相同：建立客戶端，指定模型與訊息陣列，取回回應。跑通這一步，你就完成了與 AI 的第一次程式對話。

第四步：認識關鍵參數

model 決定使用哪個模型。gpt-4o-mini 這類小模型速度快、成本低，適合分類與簡單問答；能力更強的大模型適合複雜推理與長文生成，但費用較高。

temperature 控制回答的發散程度，範圍約 0 到 2。數值越低回答越穩定一致，適合資料抽取；數值越高越有創意，適合發想文案。多數應用設在 0.2 到 0.7 之間。

max_tokens（或新版的 max output tokens）限制回覆長度，是控制成本的重要手段。token 是模型處理文字的最小單位，中文一個字大約會拆成一到兩個 token，計費就是依輸入與輸出的 token 數量計算。

第五步：串流輸出提升體驗

預設情況下 API 會等整段回覆生成完才回傳，長文時使用者要等待數秒。開啟串流（stream）後，模型會像打字機一樣逐字回傳，體驗更接近 ChatGPT 網頁。實作上只要把 stream 參數設為 true，再逐段接收即可。對於面向終端使用者的產品，串流幾乎是必備。

第六步：錯誤處理與重試

正式上線的程式一定要處理錯誤。常見的錯誤碼包括：401 代表金鑰錯誤或未帶金鑰；429 代表超過速率限制或額度不足；500 與 503 代表伺服器暫時異常。

針對 429 與 5xx 這類暫時性錯誤，正確做法是採用「指數退避」重試，也就是失敗後等待逐漸拉長的時間再試，例如等 1 秒、2 秒、4 秒，避免瞬間大量重試把問題放大。同時要為每次呼叫設定合理逾時（timeout），避免程式卡死。

第七步：善用進階功能

當基本呼叫上手後，還有幾個進階功能能讓應用更強大。第一是結構化輸出，你可以要求模型只回傳特定格式的 JSON，例如把一段客訴文字抽取成「情緒」，「類別」，「聯絡方式」三個欄位，方便程式後續處理，不必再自己解析自由文字。第二是工具呼叫（function calling），讓模型在需要時「請求」呼叫你定義的函式，例如查詢庫存或計算運費，模型負責判斷何時該用哪個工具並填入參數，你的程式負責實際執行，這是打造能實際行動的 AI 代理人的基礎。第三是多模態，較新的模型能同時理解圖片與文字，適合做圖片描述、單據辨識等應用。這些功能不必一開始就全用上，等你的專案有明確需求時再逐步導入即可。

常見錯誤與最佳實務

第一，切勿把 API Key 寫在前端或提交到公開的程式倉庫。金鑰應存在後端環境變數，前端一律透過自己的伺服器中轉呼叫。

第二，控制上下文長度。把過長的歷史對話全部塞進去不但花錢，還可能超過模型的上限。可只保留最近幾輪，或先摘要舊對話。

第三，善用 system 提示。清楚定義角色、語氣、輸出格式與禁止事項，能大幅提升回覆品質與一致性，這比反覆調參數更有效。

第四，做好內容審核與免責。面向公眾的應用要防範不當內容與提示注入攻擊，必要時加上關鍵字過濾或審核步驟，並提醒使用者 AI 回覆僅供參考。

結語

串接 OpenAI API 的門檻其實比想像中低，核心只有三件事：管好金鑰與費用、理解訊息陣列的對話結構、寫好錯誤處理。跑通第一支程式後，你可以再逐步加入串流、多輪記憶、工具呼叫等進階功能。建議從一個小而具體的專案開始，例如把公司 FAQ 做成問答機器人，邊做邊學，很快就能把 AI 真正整合進自己的產品與工作流程中。