最有效的处理方式不是反复刷新，而是先用固定提示词判断问题属于模型、对话还是环境，再按顺序排查。若常规方法都无效，可以重新建立一个 IP、时区和浏览器指纹一致的独立环境。下面给出完整操作。

ChatGPT“降智”通常有哪些表现？

出现下面一种现象并不能直接证明模型变差；如果多项现象在同一天集中出现，才值得系统排查：

• 以前能完成的多步骤任务，现在只给结论，不展示关键过程；
• 频繁忽略格式、字数、语言或角色要求；
• 长对话中混淆人物、数据、文件版本和前置条件；
• 回答速度突然变快，但分析深度和细节明显减少；
• 同一提示词在新对话、其他设备或其他网络中的结果差异很大；
• 模型选择项消失、不可用，或页面同时出现异常活动、网络错误等提示。

为什么会感觉 ChatGPT 降智？

1. 达到用量上限后切换到了更轻量的模型

这是最容易被忽略的原因。OpenAI 的套餐和模型说明中明确提到，部分套餐达到特定模型的使用上限后，对话可能切换到 mini 版本，直到限额重置。轻量模型适合快速问答，但在长文本、复杂推理、代码修改和多约束写作中，结果可能和高阶模型有明显差异。

先查看对话顶部的模型名称、套餐提示和限额信息。测试时手动选择可用的高阶或 Thinking 模式，并在全新对话中发送同一条提示词，不要只凭回复速度判断模型。

2. 长对话积累了冲突信息

对话越长，旧要求、修订记录和当前任务越容易互相干扰。特别是同一聊天里反复改写文章、切换角色或上传多个版本文件时，模型可能引用已经作废的条件。OpenAI 的故障排查也建议：当聊天过长或轮次很多时，新建对话重新测试。

把最终需求整理成一条自包含提示词，写清任务、输入、限制和输出格式，然后在新对话中重试。需要保留材料时，只带入最终版本，不要把全部试错过程一并复制过去。

3. 记忆和自定义指令改变了回答方式

ChatGPT 的“已保存记忆”“引用聊天记录”和“自定义指令”都可能影响新对话。例如，曾经设置“回答尽量简短”，后来要求深度分析时，输出仍可能被压缩。可以进入“设置 → 个性化”查看这些项目，也可以使用临时聊天进行对照测试。临时聊天不会引用或新增记忆，但仍会执行已经启用的自定义指令，因此测试时也要检查自定义指令。

4. 提示词缺少验收标准

“帮我分析一下”与“列出三个假设，逐项给出证据、反例和最终判断”的结果不会相同。模型输出具有一定变化，任务越宽泛，结果波动越明显。把抽象要求改成可验证的约束，通常比重复发送同一句话更有效。

可直接使用下面的测试提示词：

请分析【主题】。先列出 3 个可能结论，再分别给出依据与反例；明确哪些是事实、哪些是推测；最后给出按优先级排序的建议。缺少信息时先列出缺口，不要自行补造数据。

5. 服务状态、缓存、扩展或网络链路异常

服务器波动通常表现为生成中断、长时间停留在“思考中”、页面空白或网络错误，不一定直接降低模型能力，但会让回复不完整。遇到这类情况，应先查看 OpenAI 服务状态，再测试无扩展的隐私窗口、清理站点数据、切换浏览器或可信网络。OpenAI 的错误排查指南也把这些步骤列为基础检查项。

6. 登录位置、设备和网络环境频繁变化

OpenAI 的账号安全说明提到，意外地点或设备登录、使用模式突然变化以及多个并发会话可能触发异常活动提示，并影响部分功能。因此，模型选项或工具权限的变化容易被误认为底层模型变差。

先退出其他设备、修改密码并开启两步验证，再固定使用一个设备和一条稳定网络进行复测。更多账号环境注意事项可查看本站的 ChatGPT 账号共享、多设备登录与安全使用指南。

先做一个 10 分钟对照测试

进阶方案：用静态住宅 IP 与独立指纹浏览器重建一致环境

如果模型、限额、提示词、记忆和服务状态都已排除，而异常只在当前浏览器或网络出现，可以创建一个长期固定的独立环境。这个方案的目标不是“提高模型智商”，而是减少 IP 频繁跳动、时区冲突、定位暴露、扩展干扰和多账号 Cookie 混用等变量。它更适合“换到另一台设备或网络就正常”的情况。

推广说明：下方 B2Proxy 注册链接含推广标识。通过该链接注册可能为本站带来佣金，不增加你的注册成本。

第一步：准备一条纯净、固定的静态住宅 IP

打开 B2Proxy 注册页面，选择静态住宅代理，而不是每次连接都会变化的轮换代理。用于单个 ChatGPT 账号时，重点看以下四项：

• 独享或固定：同一账号长期使用同一个出口 IP，避免短时间跨国家或跨城市跳转；
• 住宅/ISP 属性：选择静态住宅线路，不要把数据中心代理误当住宅 IP；
• 地区稳定：选择 ChatGPT 支持的地区，并让后续时区、语言和地理设置与之保持一致；
• 协议：记录代理主机、端口、用户名、密码以及 HTTP、HTTPS 或 SOCKS5 类型。

不要频繁购买或切换多个国家的 IP，也不要让多人同时使用同一 ChatGPT 账号。固定环境的价值来自“一致”，而不是 IP 数量。

第二步：在比特浏览器创建专用环境

1. 从比特浏览器官网下载安装程序，新建一个仅用于 ChatGPT 的浏览器窗口。
2. 在代理设置中选择与 B2Proxy 提供信息一致的协议，填写主机、端口、用户名和密码，先执行代理检测。
3. 浏览器系统或平台环境选择 macOS / MacIntel，浏览器内核使用软件提供的较新稳定版本，不要混用明显矛盾的旧版 UA。
4. 将时区设置为“基于 IP 自动生成”或“跟随 IP”。比特浏览器官方文档提供了对应选项。
5. 将地理位置/位置追踪设置为“禁止”，避免网站读取本机真实精确位置。
6. 将 WebRTC 设置为“禁止”，减少浏览器暴露其他网络地址的可能；DNS、语言等项目优先跟随 IP，保持地区信息一致。
7. 不要安装不必要的广告拦截、脚本修改或自动化扩展。一个环境只登录一个 ChatGPT 账号。

这里的关键组合是：固定静态住宅 IP + Mac 环境标识 + 禁止位置追踪 + 时区跟随 IP + 独立 Cookie。创建完成后不要随意改动其中一项，否则又会产生新的对照变量。

第三步：登录前检查 IP 与指纹是否一致

先在新环境中打开 IP 检测页面，确认出口国家、城市和时区符合购买信息，并检查 WebRTC 没有显示本地真实地址。再访问 ChatGPT 官网登录账号，不要从旧浏览器复制整套 Cookie，也不要同时保留多个活跃登录窗口。

登录后按以下顺序测试：

1. 确认套餐和模型选择项正常；
2. 新建聊天，不延续旧的超长对话；
3. 关闭可能冲突的自定义指令，或使用临时聊天；
4. 发送前文的固定测试提示词；
5. 记录模型名称、回答完整度、耗时和是否遵守格式，再与旧环境对比。

若新环境稳定恢复，而旧环境仍反复异常，之后就固定使用这一浏览器窗口和静态 IP，不要频繁跨设备、跨地区登录。若出现“异常活动”提示，OpenAI 官方的处理建议是停用代理和扩展、退出全部设备，并在一个可信设备和网络中重新登录，因此应优先按页面提示处理，而不是继续更换代理。

哪些情况换 IP 也解决不了？

• 已经达到模型用量上限：只能等待限额重置、使用当前可用模型或调整套餐；
• 提示词本身矛盾：网络再稳定也不会消除输入中的冲突要求；
• 服务端正在故障：以 OpenAI 状态页为判断依据；
• 账号权限或工作区策略变化：需要查看模型访问提示，必要时联系管理员或 OpenAI 支持；
• 事实型问题没有搜索或可靠资料：模型可能生成错误信息，应开启搜索并核对来源。

一份更省时间的排查顺序

1. 记录当前模型名称与套餐限额；
2. 用同一提示词测试全新对话；
3. 检查记忆、自定义指令和历史引用；
4. 查看 OpenAI 状态页，测试无扩展浏览器；
5. 退出多余设备，固定一个可信设备和网络；
6. 仅当问题明显绑定原网络或浏览器时，再用静态住宅 IP 与独立指纹环境做 A/B 对照。

判断 ChatGPT 是否“降智”，最重要的是控制变量：同一账号、同一模型、同一提示词、全新对话，只改变一个因素。这样才能区分模型限额、上下文干扰和环境问题，也能避免为了追求一次更好的回答而不断换 IP、换浏览器，反而让账号环境更加混乱。

参考资料

• OpenAI：ChatGPT 模型与使用限额说明
• OpenAI：临时聊天说明
• OpenAI：已保存记忆与聊天历史引用
• OpenAI：异常活动提示的原因与处理
• 比特浏览器：时区、地理位置与浏览器指纹设置

这个 GitHub 公开项目 适合内容运营、品牌账号、独立开发者和 AI 工作流爱好者。它最有吸引力的地方不是完全替代人工，而是把机械操作交给工具，让人把时间放在选题判断、内容质量和发布审核上。

它能做什么：从读取数据到执行运营动作

按照项目当前 README 与 MCP 服务源码，连接成功后可以调用 13 个工具。它们大致分成四组：

图文发布支持本地图片绝对路径和 HTTP/HTTPS 图片地址，项目更推荐本地路径；视频发布目前只接受单个本地视频文件。发布参数还包括话题标签、1 小时至 14 天内的定时发布时间、原创声明、可见范围，以及已开通商品功能账号的商品绑定。

优势一：它形成了“研究—创作—发布—复盘”的闭环

普通的小红书自动发布脚本只解决最后一步：把准备好的标题、正文和图片填进发布页。xiaohongshu-mcp 的优势是同时提供读取工具和写入工具。AI 可以先搜索一个关键词，读取高互动笔记和评论，再整理用户关心的问题，生成内容角度，最后调用发布工具。

发布后仍可继续读取笔记详情和互动数据，辅助判断标题、封面和内容结构是否需要调整。这里的“闭环”不是承诺自动涨粉，而是减少在多个工具之间复制链接、记录 ID、粘贴评论和重新整理素材的时间。

一个可落地的选题流程

1. 用 search_feeds 搜索目标关键词，并按最新、最多点赞、最多评论或最多收藏筛选。
2. 用 get_feed_detail 读取笔记正文、作者、互动数据及评论。
3. 让 AI 提炼重复出现的问题、反对意见和未被充分回答的细节。
4. 人工确认选题与事实，再生成标题、正文、标签和配图清单。
5. 通过 publish_content 发布，或者先设为仅自己可见进行检查。

这种流程尤其适合需要稳定产出系列内容的账号：美食探店可以按城市和品类整理选题，软件账号可以收集真实使用问题，电商账号则能从评论里找出用户对规格、价格和使用方式的疑问。

优势二：搜索不只是返回链接，而是带筛选条件的结构化研究

search_feeds 支持按笔记类型、发布时间、排序方式、阅读状态和位置距离筛选。与让通用搜索引擎查网页相比，它更接近运营人员在小红书站内主动调研的过程。

取得 feed_id 和 xsec_token 后，还能继续读取笔记详情，包括图片、作者资料、点赞、收藏、分享、评论数以及评论内容。评论可以设置加载数量、是否展开二级回复与滚动速度，适合做小规模的需求归纳和内容复盘。

需要控制预期的是：它不是官方数据分析平台，也不保证拿到全部历史评论。页面加载方式、账号状态和小红书前端结构都会影响返回结果，所以数据更适合用来发现方向，不适合直接当作完整统计口径。

优势三：发布能力比“填写标题和正文”更完整

项目把常见的发布参数直接做成了工具字段。除了标题、正文和素材，还可以传入标签、定时发布时间、可见范围和商品关键词。点赞、收藏等操作会先判断当前状态，避免重复执行同一动作。

对于团队来说，结构化参数还有一个好处：可以在 AI 真正发布前设置固定审核清单，例如标题长度、素材路径、标签数量、可见范围和发布时间必须逐项确认。MCP 源码也为发布、评论、点赞、收藏、清除 Cookies 等工具标记了破坏性提示，而搜索、列表和详情工具被标记为只读，这为客户端保留人工审批提供了基础。

如果你的上游流程会使用 ChatGPT 做选题拆解、标题变体和文案初稿，稳定的创作账号能减少工作流中断。V需AI 提供的 ChatGPT Plus 正规卡充订阅 采用兑换码自助方式，无需提交账号密码，并提供自动发货和 7×12 小时人工支持。完成内容审核后，再把确定的标题、正文和素材交给 MCP 执行发布，职责会更清楚。

优势四：不绑定单一 AI 客户端

xiaohongshu-mcp 通过 Streamable HTTP 提供服务，默认地址为 http://localhost:18060/mcp。项目文档给出了 Claude Code、Cursor、VS Code、Gemini CLI、Cline、OpenCode 和 MCP Inspector 的接入方式；任何支持 HTTP MCP 的客户端，也可以使用相同地址连接。

这意味着内容数据与小红书登录会话留在你运行服务的环境中，前端 AI 客户端可以按团队习惯更换。想用 Cursor 做流程调试、用 Claude Code 编排任务，或者用 Inspector 单独验证工具，都不需要重写整套小红书操作代码。

优势五：部署路径覆盖不同技术水平

开发者可以下载 macOS、Windows 和 Linux 的预编译程序，也可以使用 Go 从源码编译；需要固定运行环境时，可选择 Docker 和 Docker Compose。Docker 配置会挂载 Cookies、运行数据和图片目录，并暴露 18060 端口。

不想处理 Docker、浏览器依赖或本地服务的用户，作者还推荐同一团队的浏览器插件方案 x-mcp。它直接运行在 Chrome 或 Edge 与本地网络环境中，定位更偏向非技术用户。传统项目版则更适合需要自定义、调试和工作流集成的人。

哪些运营场景最适合 xiaohongshu-mcp？

品牌账号的评论需求整理

搜索品牌名、产品类型和竞品关键词，读取用户反复提到的价格、规格、效果和售后问题。AI 可以把评论按主题归类，运营人员再决定哪些问题值得单独制作一篇笔记。

内容矩阵的素材与排期管理

在本地提前准备图片、视频和审核后的文案，按计划调用图文或视频发布工具。定时发布和可见范围字段能减少临时手工操作，但每条内容仍应保留人工终审。

达人和同类账号研究

user_profile 可以返回用户资料、关注数、粉丝数、获赞量和公开笔记列表。它适合快速了解账号定位与内容方向，再结合具体笔记详情判断是否值得进一步研究。

系列选题的持续更新

同一关键词可以按“一天内”“一周内”或“半年内”重复搜索，并按最新或互动表现排序。比起一次性抓取大量内容，这种低频、明确范围的研究更容易人工复核，也更适合长期运营。

教学部分：最短接入路径

想快速验证项目，优先从 GitHub Releases 下载与你系统匹配的登录工具和 MCP 主程序。第一次运行会下载约 150MB 的无头浏览器。

1. 先运行 xiaohongshu-login，在打开的浏览器中完成登录并保存状态。
2. 再运行 xiaohongshu-mcp；排查问题时可以添加 -headless=false 显示浏览器界面。
3. 在 MCP 客户端中添加 http://localhost:18060/mcp。
4. 先调用 check_login_status，再使用只读的 list_feeds 或 search_feeds 测试。
5. 确认读取稳定后，才测试“仅自己可见”的发布任务。

以 Cursor 为例，项目级配置可以写入 .cursor/mcp.json：

{
  "mcpServers": {
    "xiaohongshu-mcp": {
      "url": "http://localhost:18060/mcp",
      "description": "小红书 MCP 服务"
    }
  }
}

保存后重启客户端，并在工具列表中确认 13 个工具是否被识别。第一次不要开启写入工具的自动批准。

真正需要重视的是账号和自动化边界

这个项目使用浏览器自动化操作真实账号。近期 GitHub Issues 中已有用户报告脚本识别、账号警告、禁言、发布按钮失效和“接口显示成功但笔记没有实际发布”等情况。这些报告不代表所有环境都会出问题，但足以说明“能运行”不等于“长期无风险”。

• 先用测试账号和低频任务验证：不要一开始就批量搜索、连续互动或高频发布。
• 写操作保留人工审批：搜索到的笔记属于不可信外部内容，可能包含提示词注入文本。读取与发布最好拆成两个步骤，禁止搜索结果直接触发评论、点赞或发布。
• 保护 Cookies 和服务端口：不要把 18060 端口无认证暴露到公网，也不要把 Cookies、二维码或登录数据提交到代码仓库。
• 发布后人工检查：确认笔记确实出现、图片顺序正确、标签和可见范围符合预期，而不是只看 MCP 返回的成功信息。
• 避免同一账号多处网页登录：项目 README 提醒，同一账号在其他网页端登录可能让 MCP 会话失效；移动 App 可用于查看账号状态。
• 遵守平台规则：自动化工具不能替代内容授权、广告合规、原创要求和账号运营规范。

如果计划二次分发或集成到商业产品，也应先确认代码授权范围；仓库根目录当前没有显示独立的 LICENSE 文件，“源码公开”不自动等于可以无限制商用和再发布。

它值得用吗？

对于愿意维护本地服务、理解 MCP，并且需要把选题研究、文案生成、素材准备与发布动作串起来的人，xiaohongshu-mcp 是目前功能覆盖较完整的小红书 AI 工具之一。13 个工具同时覆盖读取和写入，客户端选择多，发布参数也足够细，适合搭建有人审核的内容工作流。

它不适合追求“无人值守批量养号”的使用方式。小红书页面变化、账号风控、Cookies 失效和提示词注入都会让全自动方案变得脆弱。更稳妥的做法是让 AI 负责搜索、整理和生成候选内容，让人负责事实、素材、品牌表达与最终发布确认，再把 MCP 当成最后一段执行工具。

如果你是第一次接触 Codex、提示词或 config.toml，不用担心。下面会从“这个项目到底是什么”开始，逐步讲到下载、安装、验证和恢复原状。照着自己的系统复制命令即可。

一、先认识 Codex：它和普通聊天机器人有什么区别？

Codex 是一个面向编程工作的 AI 助手。除了回答问题，它还可以读取项目文件、修改代码、运行命令和执行测试。Codex CLI 是它的命令行版本，通常在 Windows Terminal、PowerShell、macOS 终端或 Linux Shell 中使用。

可以把 Codex 想象成一名程序员。你给它的任务是“今天要做什么”，而 Codex 自带的模型指令则像一份“员工手册”，规定它应该怎样回答、什么时候提醒风险、怎样使用工具以及遇到某些请求时如何处理。

这个破限项目做的事情，就是给 Codex 换一份“员工手册”。

二、这个项目是什么？

项目地址：

GitHub：lingbol088-spec/Codex-5.5-codex-instruct-5.5

仓库中最重要的是两个文件：

运行脚本后，它会把 Markdown 指令文件放进 .codex 目录，并在 config.toml 中加入下面这一行：

model_instructions_file = "./gpt5.5-unrestricted.md"

这行配置的意思是：“Codex 启动时，请使用旁边这份 Markdown 文件作为基础模型指令。”OpenAI 的 Codex 配置参考 也把 model_instructions_file 定义为替换内置基础指令的文件路径。

三、安装后能达到什么效果？

项目自带的指令希望 Codex 进入作者所称的 UNRESTRICTED 模式。实际使用中，你更可能观察到以下变化：

• 回答更直接：减少与任务无关的铺垫、说教式提醒和重复确认。
• 更倾向于完成完整任务：遇到复杂编程、安全研究、逆向分析或创作请求时，尽量给出具体步骤，而不是只给概念。
• 默认使用简体中文：代码、命令和技术名称保持原样。
• 减少模板化拒绝：项目指令要求模型把研究、测试和虚构场景视为合法任务，并尽可能继续处理。

效果会受 Codex 版本、所用模型和具体任务影响。这份本地指令可以改变模型的回答倾向，但不能保证所有请求都会得到完全不同的结果。

四、它做不到什么？这点一定要先看懂

“破限”很容易被理解成获得电脑的全部权限，但这个项目并不修改 Codex 的实际操作权限。

Codex 的文件权限、网络权限和命令审批由沙箱及审批策略控制。OpenAI 的 Codex 审批与安全文档 将它们明确列为独立控制层。所以，换了模型指令并不等于把 workspace-write 变成完全访问，也不会自动跳过系统审批。

这个项目主要针对本地 Codex CLI 配置，不是把一段提示词粘贴到普通 ChatGPT 网页对话中。

五、安装前需要准备什么？

开始前确认三件事：

1. 电脑上已经安装并运行过一次 Codex CLI。
2. 已经安装 Python 3.8 或更高版本。
3. 能够找到自己的 .codex 文件夹。

如果还没有安装 Codex，可以先看本站的 Windows 安装 Codex 教程。常见配置目录如下：

• Windows：C:\Users\你的用户名\.codex
• macOS / Linux：~/.codex

通过 ChatGPT 账号使用 Codex 的用户也要保证账号套餐可用。OpenAI 当前的 Codex 方案说明中，Plus 包含网页版、CLI 和 IDE 扩展中的 Codex 使用。如果你不方便自行完成订阅，V需AI 的 ChatGPT Plus 正规卡充订阅 使用兑换码自助方式，无需提交账号密码，并提供自动发货和 7×12 小时人工支持。账号准备好后，再继续下面的本地配置步骤。

六、下载项目：不会 Git 也可以

方法一：直接下载 ZIP，适合小白

1. 打开上面的 GitHub 项目地址。
2. 点击绿色的 Code 按钮。
3. 点击 Download ZIP。
4. 下载完成后解压，进入 Codex-5.5-codex-instruct-5.5-main 文件夹。

方法二：使用 Git

git clone https://github.com/lingbol088-spec/Codex-5.5-codex-instruct-5.5.git
cd Codex-5.5-codex-instruct-5.5

无论使用哪种方式，打开文件夹后都应该能看到 codex-instruct.py。

七、Windows 安装步骤

第 1 步：在项目文件夹打开 PowerShell

进入刚才解压的文件夹，在地址栏输入 powershell 并按回车。打开后可以用下面的命令确认脚本存在：

dir codex-instruct.py

第 2 步：先预演，不修改文件

py codex-instruct.py --codex-dir "$HOME\.codex" --dry-run

--dry-run 的意思是“只看看准备做什么，不真正写入”。输出中应当能看到目标目录、准备写入的 Markdown 文件，以及 model_instructions_file 配置项。

如果提示找不到 py，改用：

python codex-instruct.py --codex-dir "$HOME\.codex" --dry-run

第 3 步：确认路径后正式安装

py codex-instruct.py --codex-dir "$HOME\.codex"

这次没有 --dry-run，脚本会立即写入文件。成功时通常会出现以下提示：

• [备份]：已经备份 config.toml
• [写入]：已经写入 Markdown 指令
• [配置]：已经添加或更新配置项
• [完成]：部署结束

八、macOS 与 Linux 安装步骤

在终端中进入项目目录，然后执行预演：

python3 codex-instruct.py --codex-dir ~/.codex --dry-run

确认目标目录正确后，去掉 --dry-run 正式安装：

python3 codex-instruct.py --codex-dir ~/.codex

如果出现权限错误，不要急着使用 sudo。先确认 ~/.codex 是当前用户的配置目录，并检查文件夹所有者是否正确。

九、安装后怎样确认已经生效？

按下面四步检查：

1. 打开 .codex 文件夹，确认存在 gpt5.5-unrestricted.md。
2. 打开 config.toml，确认有一条有效的 model_instructions_file 配置。
3. 完全退出正在运行的 Codex，再重新打开一个新会话。
4. 用一个正常、无风险的任务测试回答方式。

例如可以测试：

请检查当前项目的结构，直接给出：
1. 最值得先修的问题
2. 需要修改的文件
3. 完整实施步骤
4. 测试与回滚方案

如果回答比原来更直接、默认使用中文，并且更愿意给出完整方案，说明自定义指令可能已经加载。最可靠的判断仍然是检查配置文件和启动日志，而不是让模型口头声称自己进入了某种模式。

十、想换成自己的指令，应该怎样做？

这个脚本不只能安装仓库自带的“破限”指令。你也可以准备一份自己的 my-rules.md，再使用 --file 指定它：

Windows：

py codex-instruct.py --file .\my-rules.md --name my-rules --codex-dir "$HOME\.codex" --dry-run

macOS / Linux：

python3 codex-instruct.py --file ./my-rules.md --name my-rules --codex-dir ~/.codex --dry-run

确认后删除末尾的 --dry-run 再执行。文件名建议只使用字母、数字、横线和下划线，不要在 --name 中填写 ../ 或陌生人提供的路径。

如果你的目标只是让 Codex 长期遵守项目规范，例如“修改后必须运行测试”“默认使用 pnpm”，那么 AGENTS.md 或 Skills 通常比替换基础指令更合适。可以继续阅读本站的 ChatGPT 与 Codex Skills 使用指南。

十一、怎样卸载并恢复原状？

脚本每次正式部署前都会备份 config.toml，备份文件名类似：

config.toml.bak_20260714_153000

最简单的恢复方法是：

1. 退出 Codex。
2. 用最新的 config.toml.bak_时间戳 替换当前 config.toml。
3. 删除 gpt5.5-unrestricted.md。
4. 重新启动 Codex。

也可以不恢复整个配置，只在 config.toml 中删除下面这行：

model_instructions_file = "./gpt5.5-unrestricted.md"

保存后删除对应 Markdown 文件并重启 Codex，原来的基础指令就会重新接管。

十二、常见问题

提示“未找到 config.toml”怎么办？

先正常启动一次 Codex CLI，让它创建配置目录。如果你使用了自定义 CODEX_HOME，把 --codex-dir 后面的路径改成实际目录。

运行 dry-run 后为什么没有变化？

这是正常的。--dry-run 只预览，不写入。确认路径后，需要再运行一次不带 --dry-run 的命令。

安装完成后回答方式没有变化？

先完全关闭旧会话并重启 Codex，再检查 config.toml 中的路径是否正确。还要注意，本地模型指令不能保证覆盖更高层级的服务规则。

脚本会修改所有 Codex 配置吗？

如果不传 --codex-dir，脚本会自动扫描可能存在的多个 .codex 目录。小白用户建议始终明确指定路径，避免改到 WSL、其他系统用户或旧安装目录。

这个项目会不会改坏 Codex？

它不修改 Codex 二进制文件，主要改动是一个 Markdown 文件和 config.toml 中的一行配置。保留好自动生成的备份，就可以按前面的步骤恢复。

按照什么顺序操作最稳妥？

第一次使用时，只需要记住这个顺序：

安装并运行一次 Codex → 下载项目 → 指定自己的 .codex 目录执行 dry-run → 正式安装 → 重启 Codex → 检查文件和配置 → 用正常任务测试。

这个项目的核心并不神秘：它只是利用 Codex 官方支持的 model_instructions_file 配置，把基础指令换成项目作者编写的版本。理解这一点后，你就能判断它能改变什么、不能改变什么，也能在效果不符合预期时随时恢复原状。

例如，你经常让 ChatGPT 写网站文章，并要求先查资料、保留品牌语气、生成 SEO 标题、检查关键词、最后发布到 WordPress。普通做法是每次重复这些要求；做成一个 seo-content-writer Skill 后，只需在对话中点选或提到它，再给出文章主题即可。

Skills 到底是什么？

从文件结构看，一个 Skill 是一个包含 SKILL.md 的目录。这个 Markdown 文件至少要写清楚两件事：Skill 叫什么，以及什么情况下应该使用。复杂任务还可以附带脚本、参考资料和模板。

my-skill/
├── SKILL.md          # 必需：名称、触发描述和执行说明
├── scripts/          # 可选：重复执行的脚本
├── references/       # 可选：规范、文档、业务知识
├── assets/           # 可选：模板、图片、字体等资源
└── agents/
    └── openai.yaml   # 可选：界面名称、图标和依赖

OpenAI 的 Codex Skills 文档将这种加载方式称为渐进式披露：系统先看到每个 Skill 的名称和描述；只有当任务匹配时，才读取完整的 SKILL.md，需要时再打开参考文件或运行脚本。这样既能提供专业流程，又不必把所有说明塞进每次对话的上下文。

Skill 和提示词、AGENTS.md、MCP、插件有什么区别？

判断方法很简单：一次性要求写在当前提示词；整个项目都要遵守的规则写进 AGENTS.md；某类任务需要反复执行的操作流程，做成 Skill；需要访问外部系统时，再让 Skill 配合 MCP 或插件。

如何在 ChatGPT 网页版使用 Skills？

在已经开放该功能的账号中，点击 ChatGPT 头像并进入 Skills，可以看到 Installed、Created by me、Shared with me 等分类。对话时可以从输入框附近选择已安装 Skill，也可以直接在提示词中点名它，例如：

@seo-content-writer 撰写一篇介绍 Agent Skills 的中文教程，适合初学者阅读。

直接点名适合必须使用某套流程的任务。没有点名时，ChatGPT 也可能根据 Skill 的 description 自动匹配，因此描述里要写清楚“做什么”和“什么时候用”，而不是只写“帮助用户提升效率”。

为什么我的网页版没有 Skills 入口？

这不一定是操作错误。OpenAI 当前帮助页说明，ChatGPT Personal Skills 主要面向 Business、Enterprise、Healthcare 和 Edu 用户提供；Enterprise 与 Edu 还可能受工作区管理员开关控制。功能开放范围与客户端支持并不完全相同，所以网上教程中出现的入口不一定会同时出现在所有个人账号。

另一个容易踩坑的地方是同步：ChatGPT Skills 官方说明指出，Personal Skills 需要在桌面端与网页/移动端分别添加，目前不会自动跨这两类界面同步。看不到刚创建的 Skill 时，先检查是不是创建在另一个使用端。

如何在 ChatGPT 网页版创建 Skill？

网页端提供三条路径，选哪一种取决于你对文件结构是否熟悉。

方法一：用对话创建

进入 Skills → Create → Create with chat，或者直接告诉 ChatGPT“帮我创建一个 Skill”。内置的 skill-creator 会询问任务目标、触发场景、输入输出和是否需要脚本。这个方式最适合第一次创建。

一个有效的初始需求可以这样写：

帮我创建一个“商品评论优化”Skill。
当我提供原始评论模板并要求批量改写时触发。
必须保留模板里的全部卖点、说话人身份和服务方立场，
每条评论要改变开头、句式、信息顺序和结尾，
禁止把商家语气改成客户提问语气。
输出前检查每条是否遗漏卖点。

这个需求给出了真实触发语境、必须保留的信息和失败标准，比“做一个文案 Skill”更容易得到稳定结果。

方法二：使用 Skills 编辑器

进入 Skills → Create → Create with editor，可以直接编辑 Skill 内容。适合已经知道工作流程，并且需要精确控制名称、描述、步骤和示例的用户。

方法三：上传现成 Skill

选择 Create → Upload from your computer，上传符合 Agent Skills 结构的文件包。ChatGPT 会先扫描上传内容；部分文件会显示 Needs Review，风险较高的内容可能被阻止。扫描不是安全担保，包含脚本的第三方 Skill 仍需要自己审查。

如何在 Codex 客户端、CLI 和 IDE 中使用 Skills？

Codex 中既可以显式调用，也可以自动调用。CLI 或 IDE 里可运行 /skills 查看列表，或者输入 $ 选择某个 Skill：

$seo-content-writer 优化这篇产品教程，并保留现有事实和链接。

如果没有显式指定，只要用户请求与 description 匹配，Codex 也可以自动选择。高风险操作、容易误触发或只适合特殊场景的 Skill，可以在 agents/openai.yaml 中关闭隐式调用，只允许用户点名运行。

个人 Skill 通常放在：

$HOME/.agents/skills/skill-name/SKILL.md

只服务于某个项目的 Skill，则可以放进仓库：

.agents/skills/skill-name/SKILL.md

个人目录适合跨项目使用的写作、数据整理或通用开发流程；仓库目录适合该项目独有的部署、测试和代码审查规范，也方便团队共同维护。

如何在 Codex 中创建自己的 Skill？

最省事的做法是调用内置创建器：

$skill-creator

请创建一个 WordPress 发布 Skill：
- 根据主题写中文 SEO 文章
- 上传特色图片并设置 alt 文本
- 默认保存草稿，只有用户明确说“发布”时才公开
- 发布后检查页面状态、标题、图片和产品链接

如果工作过程更适合演示而不是描述，也可以使用 Codex 的 Record & Replay：先完整做一遍任务，再让 Codex根据记录提炼成可重复使用的 Skill。

熟悉 Markdown 后，可以手工创建最小版本：

---
name: wordpress-publisher
description: Create, upload, draft, publish, and verify WordPress articles through the REST API. Use when the user asks to publish or update a WordPress post.
---

# WordPress Publisher

1. Confirm the target site and publication status.
2. Draft the article and verify every external claim.
3. Upload the featured image with descriptive alt text.
4. Create a draft unless the user explicitly requests publication.
5. After publishing, verify the public URL returns successfully.

name建议使用小写字母、数字和连字符；description不仅要描述功能，还要包含触发条件。正文使用命令式步骤，把真正容易做错、需要固定顺序的部分写清楚。

一个好 Skill 应该怎么设计？

先不要追求“大而全”。选一个你已经重复做过几次的工作，从两三个真实例子开始：

1. 定义任务边界：它负责什么，不负责什么。
2. 写清触发条件：用户通常会用哪些说法提出需求。
3. 确定输入和交付物：需要哪些资料，最后输出什么格式。
4. 记录关键步骤：只写影响结果的流程和判断，不讲模型已经知道的常识。
5. 增加失败检查：例如不得漏掉卖点、不得直接公开发布、必须验证链接。
6. 反复实测：用真实任务找出不稳定环节，再补充规则或脚本。

经常重复运行、要求结果一致的代码放进 scripts/；篇幅较长的业务规范和 API 文档放进 references/；输出时要复用的模板、图片、字体放进 assets/。不要为了显得专业而创建一堆没有实际用途的文件。

去哪里找现成 Skills？

Agent Skills 使用开放格式，除了 ChatGPT 自带和工作区共享内容，还可以在社区目录与 GitHub 仓库中寻找。下面几个入口比较有代表性：

1. skills.sh

skills.sh 是 Agent Skills 的发现目录，并提供命令行安装方式。可以搜索技能名称、查看来源仓库，再用 CLI 安装：

npx skills find "browser testing"
npx skills add owner/repository
npx skills list

它是开放社区生态入口，不是 OpenAI 官方商店。安装前仍要进入来源仓库检查文件和维护情况。

2. agentskills.io

agentskills.io 主要提供 Agent Skills 开放标准与规范。想确认 SKILL.md 的字段限制、目录结构或兼容性要求时，这里比随便找一篇教程更可靠。

3. Anthropic Skills

anthropics/skills 是较知名的公开示例仓库，覆盖创意、文档、测试和企业工作流。虽然仓库最初面向 Claude 生态，但底层采用开放 Agent Skills 格式，其中不少结构和写法可以作为跨平台参考。

4. Awesome Agent Skills

VoltAgent/awesome-agent-skills 汇总了多家公司和社区发布的 Skill，适合按开发、设计、营销、云服务等分类寻找项目。它是索引集合，质量和依赖仍以每个原始仓库为准。

5. Vercel Labs Skills CLI

vercel-labs/skills 是 skills.sh 背后的开源 CLI，可用于发现、添加、更新和列出 Skills，并支持 Codex、Cursor、Claude Code、OpenCode 等多种 Agent 工具。遇到安装路径或命令行为问题时，可以直接查看它的 README 和 Issue。

安装第三方 Skill 前必须检查什么？

Skill 不只是提示词。它可能包含脚本、网络请求、外部依赖和文件操作，应该像检查一段准备运行的代码那样检查它。

• 先阅读 SKILL.md，确认描述与实际步骤一致；
• 检查 scripts/ 是否执行删除、上传、安装软件或读取敏感目录；
• 查看是否要求 API Key、账号密码、Cookie 或范围过大的系统权限；
• 确认来源仓库、许可证、维护记录和最近更新；
• 不确定时先安装到单个测试项目，不要直接设为全局 Skill；
• 对会发布内容、发消息、付款或修改线上数据的 Skill，保留人工确认步骤；
• 更新第三方 Skill 后重新看差异，不要默认新版本一定安全。

现在就可以从一个你每周至少重复两次的任务开始：写下两个真实请求、希望得到的固定结果，以及最不能出错的三条规则，然后在 ChatGPT 的 Skills 页面选择 Create with chat，或在 Codex 中调用 $skill-creator。第一版只覆盖这个任务，实际使用几次后再增加脚本和参考资料，通常比一开始做成“万能助手”更可靠。

本文集中回答搜索频率较高的问题：ChatGPT 账号能不能共享、可以登录几台设备、异地登录会不会封号、Cyber Abuse 是什么意思、收到 Warning 怎么处理，以及找人充值 Plus 时如何避开黑充和盗刷信用卡。

ChatGPT 账号可以共享给别人使用吗？

不建议，也不符合 OpenAI 当前的个人账号共享规则。OpenAI 在账号共享政策中明确说明：账号是供创建它的个人使用；其他人如需使用，应注册自己的账号。

这意味着，即使两个人关系很近，也不应长期共用同一组邮箱和密码。所谓“家庭共享”“宿舍拼车”“多人合租一个 Plus”，并不会因为参与者互相信任就变成合规用法。

共享账号的主要风险

• 隐私泄露：其他登录者可能看到历史对话、上传文件、自定义指令及个人偏好。
• 付款信息风险：共享凭据可能暴露订阅和账单相关信息。
• 责任难以区分：任何一个使用者产生违规内容，影响的都是整个账号。
• 异常活动：多个地点、设备和使用习惯同时出现，更难判断账号是否被盗。
• 额度互相消耗：同一账号的使用限制由所有登录者共同消耗。

如果是团队共同使用，正确做法不是传递个人账号密码，而是选择适合团队的 ChatGPT Business 或企业工作区，让成员使用各自身份加入。

ChatGPT 可以同时登录几台设备？

可以在多台设备上使用同一个账号。OpenAI 官方没有在账号共享政策中给出一个适用于所有人的固定设备数量，而是说明使用限制可能根据账号活动和订阅级别有所不同。因此，“最多只能登录两台”或“登录五台一定封号”这类绝对说法没有充分的官方依据。

关键区别在于：多设备是同一个人在不同终端使用；共享账号是多个人使用同一身份。例如你在办公室电脑、家中电脑和自己的手机上登录，属于正常的多设备场景；把密码发给异地朋友长期同时使用，则属于账号共享。

多设备登录的稳妥做法

1. 只登录自己的设备，临时使用公共电脑时选择无痕窗口并在结束后退出。
2. 使用强密码且不要与其他网站重复，开启多因素认证。
3. 不要把登录 Cookie、Session、Token 或所谓“一键登录链接”发给别人。
4. 发现陌生对话、异常用量或不认识的设备时，立即修改密码。
5. 在账号设置中选择“Log out of all sessions”，让所有已登录设备退出后再重新登录。

异地登录、频繁切换网络会导致封号吗？

不能简单理解成“换一次网络就封号”。用户在移动网络、家庭 Wi-Fi 和办公网络之间切换是正常现象。真正需要关注的是账号是否出现疑似被盗、多人共享或违反政策的活动。

OpenAI 的账号停用说明提到，如果系统检测到表明账号可能被入侵的可疑活动，可能暂时停用账号以保护用户。为了减少误判和实际风险，不要频繁把账号凭据交给不同地区的人，也不要购买来源不明的成品号、共享号或登录凭证。

如果收到安全验证或发现异常活动，建议依次执行：修改密码、退出全部会话、开启多因素认证、检查邮件通知；API 用户还需要轮换已创建的 API Key。

ChatGPT 出现 Warning 警告是什么意思？

Warning 通常是合规提醒，不必把一次警告直接等同于永久封号，但也不能忽略。根据 OpenAI 的账号警告说明，常见原因包括：

• 请求或输出涉及违反使用政策的内容；
• 尝试绕过安全过滤或内容限制；
• 使用平台实施垃圾信息、钓鱼或欺骗活动；
• 未经授权共享或滥用 API Key；
• 出现引发合规关注的异常或过量使用模式。

收到警告后，应先查看通知邮件中指出的行为和时间范围，停止相关操作，检查是否有人共享或盗用了账号，再对照最新的 Usage Policies 调整使用方式。如果认为警告有误，可以使用邮件中的申诉入口提交具体背景，而不是反复测试同类提示词。

Cyber Abuse 是什么？搜索网络安全内容会封号吗？

很多用户把它误写成“cyber buse”，官方使用的完整表述是 Cyber Abuse，即网络安全滥用。它不等于“只要询问代码、安全测试或漏洞问题就违规”。

OpenAI 对 Cyber Abuse 的说明包括：未授权访问或利用、凭据窃取、数据外传、恶意软件或破坏性能力、社会工程、规避检测、横向移动、拒绝服务，以及为恶意网络行为者提供帮助。相对而言，防御性教学、合规研究、隐私保护、事件响应、恶意样本分析、负责任披露和已获授权的安全测试，并非一概禁止，前提是不会帮助现实伤害，也不针对未经授权的真实系统。

判断重点可以归纳为三个问题：

1. 你是否拥有目标系统的明确授权？
2. 请求是否会直接提升入侵、窃密、钓鱼、破坏或规避检测的能力？
3. 内容是否针对真实目标，并能被立即用于实施伤害？

如果是正常学习，应交代防御目的、实验环境和授权边界，优先使用本地靶场、CTF 或自己拥有的测试系统。不要要求模型攻击真实网站、批量获取账号、生成钓鱼页面、窃取凭据、部署恶意软件或绕过安全机制。

ChatGPT Plus 充值怎么选？先辨别黑充与盗刷

很多账号问题并不是使用方式导致，而是付款来源本身存在风险。所谓“黑充”通常指使用盗刷信用卡、来源不明资金、违规退款或其他不可持续的支付方式开通订阅。付款一旦被持卡人拒付或被平台识别，您的账户将会直接被封禁，并且邮件会说明您的账单在银行有争议。

不安全代充常见特征

• 价格明显低于正常支付成本，却拒绝解释充值方式；
• 宣称“内部渠道”“百分百永不掉订阅”，但没有订单和售后规则；
• 用免费试用、团队席位或共享工作区冒充个人 Plus 正式订阅；
• 付款后要求用户不要修改密码，或长期保留账号控制权；
• 掉订阅、拒付或账号异常后直接失联。
• 订阅出现问题后，不敢让您直接去找官方对峙。

无论选择哪家服务，都应在付款前查看完整商品说明，确认开通的是自己的账号、正式订阅而非共享席位，并保留订单与沟通记录。任何第三方服务都不应以“绝对不封号”作为承诺，因为账号最终仍需遵守 OpenAI 的条款和使用政策。

如何确认 Plus 订阅是否真的开通？

不要只看卖家截图或聊天回复，应登录自己的 ChatGPT 账号，在设置中的套餐或订阅管理页面确认当前计划。通过 iOS、Android 或网页购买的订阅由相应平台管理，订阅通常绑定购买时使用的那个 ChatGPT 账号，不能随意转移到另一个账号。

还要注意重复订阅：如果你已经通过 App Store 或 Google Play 订阅，又在网页端再次购买，可能产生两笔独立扣款。更换支付渠道前，应先确认原渠道是否仍在续费，并从原购买平台取消。

共享聊天链接会泄露隐私吗？

有可能。分享对话链接与分享账号不是一回事，但链接本身仍需谨慎。OpenAI 的共享链接说明指出，任何拿到链接的人都可以查看其中的对话，也可能继续转发。共享链接没有细粒度访问权限，也不能设置到期时间。

创建链接前应检查整个分享范围，删除身份证件、客户资料、公司机密、代码密钥、内部文档和私人联系方式。已经公开的链接可以在 Settings → Data Controls → Shared links 中管理和删除，但如果别人已经把对话导入自己的历史记录，删除原链接并不能删除对方保存的副本。

发现账号被盗或陌生扣款怎么办？

1. 立即修改为从未在其他网站使用过的强密码；
2. 进入设置并退出所有会话；
3. 开启多因素认证，检查绑定邮箱本身是否安全；
4. 查看聊天记录、共享链接、订阅和账单是否存在异常；
5. 如果同时使用 API，撤销并重新生成所有可能泄露的 API Key；
6. 向 OpenAI 支持提交注册邮箱、异常时间、金额和截图；
7. 发现未经授权的银行卡扣款时，立即联系发卡银行报告并发起调查。

不要在账号被盗后只删除陌生聊天记录，因为攻击者可能仍持有有效会话；“修改密码＋退出全部会话＋开启多因素认证”应一起完成。

ChatGPT 账号安全使用清单

• 个人账号只给本人使用，多人协作选择团队工作区；
• 允许本人多设备登录，但不要出售或分享登录凭据；
• 密码独立且足够强，开启多因素认证；
• 不提供 Cookie、Session、Token、邮箱验证码和恢复码；
• 网络安全问题限定在防御、教育、研究或明确授权范围内；
• 不绕过安全限制，不进行钓鱼、盗号、恶意软件和未授权攻击；
• 共享对话前删除敏感信息，定期清理不再需要的共享链接；
• Plus 优先官方自助订阅，代充则核实支付来源、交付方式和售后；
• 远离价格异常、需要交密码、盗刷信用卡和试用冒充正式订阅的服务。

总结

ChatGPT 账号最常见的安全误区，是把“可以多设备登录”理解成“可以多人共享”。官方允许账号本人跨设备使用，但个人账号仍应坚持一人一号。收到 Warning 时，应从共享凭据、异常活动和具体使用内容三个方向排查；涉及网络安全的使用，则要始终守住合法授权和防御目的这条边界。

购买 Plus 时，真正需要比较的不只是价格，还包括是否要交出账号密码、付款来源是否正规、交付的是正式订阅还是试用/共享席位，以及出现拒付或掉订阅后有没有可执行的售后。如果需要无需提供账号密码的兑换式服务，可前往 V需AI ChatGPT Plus 订阅页面查看当前规格和规则。

本文以 Python 为例，完整说明 OpenAI API 的开通、充值、密钥配置和首次调用方法，也会解释余额不足、银行卡支付失败等常见问题。

OpenAI API 是什么？它和 ChatGPT 有什么区别？

ChatGPT 是可以直接使用的聊天产品，而 OpenAI API 是面向开发者的接口。通过 API，开发者可以把文本生成、代码处理、图片理解、语音和工具调用等能力接入网站、App、自动化脚本或企业系统。

因此，“已经购买 ChatGPT Plus，为什么 API 仍提示额度不足？”通常不是账号故障，而是 API 账户尚未单独开通计费或余额已经用完。

使用 OpenAI API 前需要准备什么？

1. OpenAI Platform 账户：登录 OpenAI API 平台，确认账户与所在地区符合官方支持要求。
2. API 计费：在 Billing 页面添加可用的支付方式或购买预付余额。
3. API Key：在 API Keys 页面创建项目密钥。密钥通常只完整显示一次，应立即安全保存。
4. 开发环境：准备 Python、Node.js 或其他能够发送 HTTPS 请求的环境。

OpenAI 官方说明，预付余额会优先抵扣后续 API 用量；可设置自动充值阈值、充值金额和月度上限。官方购买的预付余额通常在购买后 1 年到期且不可退款，具体规则以 OpenAI 预付计费说明为准。

OpenAI API 如何充值？

方式一：在 OpenAI Platform 官方自助充值

这是优先推荐的方式。登录 API 平台后进入组织或项目的 Billing 页面，添加支付方式并购买余额。若启用 Auto recharge（自动充值），建议同时设置月度充值上限，避免测试代码异常循环造成超出预期的消耗。

如果银行卡支付失败，可以依次检查：

• 账户所在国家或地区、银行卡发行地区是否在官方支持范围内；
• 卡片是否支持国际线上支付、循环扣款及 3D Secure 验证；
• 账单地址、卡号、有效期和安全码是否准确；
• 浏览器是否拦截了验证弹窗，或银行是否主动拒绝交易。

根据 OpenAI 帮助中心当前说明，API Credit 不支持使用预付卡购买，通常需要标准信用卡或借记卡。支付规则可能变化，操作前应以官方 Billing 页面显示为准。

方式二：选择人工代充服务

如果暂时没有合适的支付方式，或希望由人工协助完成操作，可以了解本站的 ChatGPT 官方 OpenAI API 余额人工充值。产品页目前提供 20、40、60、80、100 美元档位，并标注人工处理、7×12 小时服务以及普通发票选项。

人工代充涉及登录账户时，应先阅读产品页说明和退款规则，确认能够接受再下单。处理完成后应及时修改账户密码、检查登录会话，并开启多因素认证。任何情况下都不要把已经创建的 API Key 提供给无关人员。

如何创建并安全配置 API Key？

完成计费后，在 OpenAI Platform 的 API Keys 页面创建密钥。不要把密钥直接写进代码、上传到 GitHub，或放在浏览器前端 JavaScript 中。官方推荐通过环境变量或密钥管理服务向程序提供密钥。

macOS 或 Linux：

export OPENAI_API_KEY="你的_API_Key"

Windows PowerShell：

setx OPENAI_API_KEY "你的_API_Key"

执行 Windows 命令后，通常需要重新打开终端才能读取新设置。生产环境还应为不同项目分别创建密钥，限制成员权限，并定期检查 Usage 页面；发现密钥泄露时应立即撤销并重新生成。

Python 调用 OpenAI API 的完整示例

OpenAI 当前文档以 Responses API 作为文本生成的主要接口。先安装官方 Python SDK：

pip install openai

创建 example.py：

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6",
    input="请用三句话解释什么是 OpenAI API。"
)

print(response.output_text)

运行：

python example.py

SDK 会自动读取 OPENAI_API_KEY 环境变量。示例中的模型名称来自当前官方文档；模型可用性和价格会更新，正式开发前请查看 模型列表与 API 定价页面。

Node.js 调用示例

安装官方 SDK：

npm install openai

使用 ES Module：

import OpenAI from "openai";

const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-5.6",
  input: "请列出三个适合使用 OpenAI API 的业务场景。"
});

console.log(response.output_text);

如果程序返回正常文本，说明账户余额、API Key、网络和 SDK 配置基本可用。

常见报错及排查方法

1. 401 Unauthorized

通常表示 API Key 缺失、格式错误、已撤销或没有被程序正确读取。先在终端检查环境变量是否存在，再确认使用的是 API Platform 创建的密钥，而不是 ChatGPT 登录信息。

2. 429 或 insufficient_quota

可能是余额不足、尚未开通计费、达到项目预算或速率限制。进入 Billing 和 Usage 页面查看余额、用量及限制，不要只检查 ChatGPT 套餐状态。

3. 模型不存在或无权访问

模型名称可能已更新，或者当前项目没有相应访问权限。以官方 Models 页面列出的可用模型为准，并确认请求发往正确项目。

4. 充值后仍提示无额度

余额更新偶尔需要几分钟。等待后重新请求，同时检查充值是否进入了程序实际使用的组织或项目。若仍异常，再通过 OpenAI 帮助中心联系官方支持。

如何控制 OpenAI API 成本？

• 先选合适的模型：不是所有任务都需要能力最强、单价最高的模型。
• 限制输入与输出：减少无关上下文，避免让模型生成不必要的长文本。
• 设置预算和告警：为测试项目设置较低预算，持续查看 Usage 数据。
• 避免失控重试：为请求加入超时、重试次数和异常退出条件。
• 保护 API Key：密钥泄露可能产生未经授权的用量，应只保存在服务器端。

OpenAI API 使用与充值总结

第一次使用 OpenAI API，最稳妥的顺序是：先在 Platform 开通独立计费，再创建项目 API Key，将密钥放入环境变量，最后用 Responses API 完成一次最小调用。ChatGPT 套餐和 API 余额相互独立，排查额度问题时应以 API 平台的 Billing 与 Usage 页面为准。

如果遇到支付方式限制或希望人工协助，可以前往 V需AI OpenAI API 余额充值页面查看可选金额、处理方式、开票与售后说明，下单前请完整阅读服务条款。我们采用完全正规的卡充余额方式，售后同步官方。并且可以开发票用于企业报销需求。