Howie Chen

OpenAI 最近推出了 Responses API，用于取代原有的 Chat Completions API，在其基础上封装了更多功能、简化了开发过程。这份笔记主要涵盖了 Responses API 的主要优势。

1. 省钱

聊天对话中，无需每个请求携带历史消息，很大程度减少了 token 的消耗，越多轮对话效果越明显，因为 Responses API 是有状态的。

2. 内置工具

记得原先需要自己写代码通过 function calling 调用第三方 API 获取搜索结果，再回传给 LLM 生成最终结果，现在 web_search 直接内置了，请求当中包含 tools: [ { type: "web_search_preview" } ] 就完事了。

举个例子，通过以下几行代码，你就可以问最新股价了。

1
2
3
4
5
6
7
8
9
10

import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
    model: "gpt-4o",
    tools: [ { type: "web_search_preview" } ],
    input: "What is the stock price of RingCentral, Inc. in March 23, 2025?",
});

console.log(response.output_text);

通过 Logs 你可以看到 web_search tool 被使用：

在 API 返回体中，你可以拿到哪个网页被用于生成结果 ¹:

除了 web_search，内置的工具还有 file_search 和 computer_use，预计 code_interpreter 也将很快得到支持。

相信未来会有越来越多应用层的功能被内置到大模型的 API 当中，AI 应用的开发将会变得更简单。

参考文献

1. This Perplexity thread
2. Responses vs. Chat Completions
3. Built-in tools

1. 推文 (X、即刻)
   • 内容消费场景： 碎片化时间 (通勤路上、排队等待)
   • 模型：被动信息摄入
   • 优点：获取最新信息 阅读速度快
   • 缺点：内容碎片化 不必要的情绪带动
   • 建议：
     1. 适用于了解最新动向、用户评价等信息。
     2. 作为零食，偶尔解解馋。
     3. 剥离情绪，理性看待推文内容。
        
        
        
2. 文章/视频 (微信公众号、博客、Newsletter、YouTube，通过 Readwise Reader 订阅)
   • 内容消费场景： 碎片化时间 (资讯测评类)、整块独处时间 (深度分析类)
   • 模型：被动信息摄入
   • 优点：获取深度信息
   • 缺点：内容碎片化
   • 建议：
     1. 适用于发散性学习，在特定方向 (比如 AI 开发、AI 提效) 上发现可能性。
     2. 作为副食，根据实际需要，选择性摄入。
        
        
        
3. 官方文档/AI 搜索引擎 (OpenAI developer platform、Perplexity、Deep Research)
   • 内容消费场景： 整块独处时间 (需要思考、提出有价值的问题)
   • 模型：主动信息摄入
   • 优点：内容系统化 获取最新信息 获取深度信息
   • 缺点：需要深度专注
   • 建议：
     1. 适用于有目的性地 (收敛) 系统学习，比如想要构建一个 AI 功能等。
     2. 作为主食，每天定时定量摄取。
     3. 留意 AI 生成内容的准确性。
        
        
        
4. 书籍 (微信读书)
   • 内容消费场景：
     1. 整块独处时间 (主题阅读)
     2. 碎片化时间 (浏览书友高亮、找到我与这本书的连接)
   • 模型：主动信息摄入
   • 优点：内容系统化 获取深度信息
   • 缺点：信息滞后 (对于变化较快的领域，比如 AI，不适合通过读书获取信息)
   • 建议：
     1. 适用于经典课题，比如时间管理、人际关系建设、家庭教育等，通过书籍可以快速找到经过时间验证的方法论，付诸实践、改变自己。
     2. 根据实际需要，作为主食或副食，选择性摄入。

以下是我收集的一些 AI 相关的信息源，可以通过 RSS 订阅 (Feedly, Inoreader, Readwise Reader)。如果是微信公众号、Twitter 或 YouTube 账号，可以在相应平台关注。

1. Plan 模式和 Act 模式可以共享上下文。
2. 先在 Plan 模式迭代出满意的方案，然后在 Act 模式中执行，相比一般的 AI coding agent (直接生成代码)，可以减少因生成错误代码而造成的返工 (省时、省token)。
3. 可在 Plan 模式使用 Reasoning model (如 DeepSeek R1)，在 Act 模式使用非 Reasoning model (如 Claude 3.5 Sonnet)。如此一来，在 Planning 阶段可以节省 97% 的成本。
4. Plan/Act 模式的核心理念，可以体现在提示词、应用于其它 AI coding agent，如 Cursor。

本文长期维护，提供微信订阅号RSS订阅列表，读者可以按需添加到RSS阅读器。

• Wechat2RSS 维护的完整公众号列表
• BestBlogs 维护的完整公众号列表

1. 在项目根目录创建 .github/workflows 目录。
2. 在 workflows 目录下创建 schedule-cron-job.yml 文件。
3. 在 schedule-cron-job.yml 文件中添加以下内容：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

name: 'Schedule Cron Job'

on:
  schedule:
    - cron: '30 1 * * 1-5'  # UTC 时间周一到周五 1:30 AM
  workflow_dispatch:  # 支持手动触发

jobs:
  send-notification:
    runs-on: ubuntu-latest
    
    steps:
      - name: Send GET request to Bark API
        run: |
          curl -X GET "https://api.day.app/your-token/title/content" 

来自：https://an.admirable.pro/wechat-platform-referer/

1. 安装 Chrome extension：Referer Control
2. 导入配置：

   1

   [{"id":"defaultAction","val":"dummy","type":"normal","filter":"","is3rd":true},{"id":1719469607275,"val":"https:\\/\\/mmbiz.qpic.cn\\/.*","type":"block","filter":"","isregexp":true,"is3rd":false,"isfrom":false,"isto":true},{"id":1719469640125,"val":"","type":"normal","filter":"","isregexp":false,"is3rd":false,"isfrom":true,"isto":true}]

1. vi ~/.ssh/config
2. Add below line

   1 2	Host * ServerAliveInterval 120

How can I prevent an SSH session from hanging in OS X Terminal?