# 介绍

## 概览

OpenAI API可以应用于几乎任何涉及理解或生成自然语言或代码的任务。我们提供一系列具有不同能力级别的模型，适用于不同的任务，并且还能够微调您自己的定制模型。这些模型可用于从内容生成到语义搜索和分类等各种任务。

## 关键概念

我们建议完成我们的快速入门教程，通过实践互动示例来熟悉关键概念。

### Prompts and completions(提示和完成)

Completion(完成)是我们API的核心。它提供了一个非常灵活和强大的接口，用于访问我们的模型。您可以将一些文本作为Prompt(提示)输入，模型将生成一个文本补全，试图匹配您给出的任何上下文或模式。例如，如果您向API提供提示“为冰淇淋店编写标语”，它会返回类似于“我们会带着微笑为每一勺服务!” 的补全结果。设计您的提示实际上就是如何“编程”该模型，通常通过提供一些说明或几个示例来完成。这与大多数其他NLP服务不同，后者专门针对单个任务（例如情感分类或命名实体识别）而设计。相反，“完成”端点可用于几乎任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等等。”

### Tokens(词元)

我们的模型通过将文本分解成Token(词元)来理解和处理文本。 词元可以是单词或仅是字符块。 例如，“hamburger”一词被拆分为“ham”，“bur”和“ger”三个词元，而像“pear”这样的短且常见的单词则是一个词元。 许多词元以空格开头，例如“你好”和“再见”。在给定API请求中处理的词元数量取决于您输入和输出的长度。作为粗略规则，对于英语文本，1个词元约为4个字符或0.75个单词。要牢记的一个限制是您的文本提示和生成完成组合必须不超过模型最大上下文长度（对于大多数模型而言，这是2048个词元或约1500个单词）。请查看我们的分词器工具以了解有关如何将文本转换为词元的更多信息。

### Models(模型)

API由一组具有不同功能和价格点的模型驱动。我们的基础GPT-3模型称为Davinci、Curie、Babbage和Ada。我们的Codex系列是GPT-3的后代，它经过了自然语言和代码的训练。要了解更多信息，请访问我们的模型文档。

### 接下来的步骤

* 在开始构建您的应用程序时，请牢记我们的使用政策。
* 浏览我们的示例库以获取灵感。
* 阅读我们的指南之一，开始构建。