火山方舟 Responses API 实战指南：从概念到「公司尽调 Dossier 生成器」

2025-12-17 13:15:05
文章摘要
本文解读火山方舟 Responses API 的会话接力、SSE、结构化输出与内置检索能力，并以“公司尽调 Dossier 生成器”实战演示从检索到落库的端到端落地方法。

Respenses API 是什么？

Responses API 是火山方舟最新推出的 API 接口，原生支持高效的上下文管理，不仅延续了 Chat API 的易用性，还结合了更强的智能代理能力。随着大模型技术不断升级，Responses API 为开发各类面向实际行动的应用提供了更灵活的基础，并且支持函数调用等多种扩展能力，非常适合搭建智能助手、自动化工具等场景。


对比传统 Chat API

特性

传统 Chat API

Responses API

工具调用

需要手动实现完整流程

自动化内置支持

上下文管理

需自行维护会话状态

通过previous_response_id自动关联

代码复杂度

高（需处理多分支逻辑）

低（声明式配置）

内置工具

无，需要定制化集成

内置 web_search、file_search 工具

企业工具集成

需开发适配层

原生 MCP 协议支持



Responses API 功能

1）原生上下文管理机制

简化多轮对话开发流程；通过previous_response_id参数自动维护对话状态；无需手动管理会话历史和上下文窗口。

  1. 多轮调用：在多轮调用模式下，系统能够自动管理上下文，持续追踪和记忆之前的对话内容，使对话更加连贯自然，大大提升了智能交互体验。
  2. 重新生成对话：
  3. 通过灵活调用 previous_response_id 重新生成对话的树状分叉结构，并能在不同的分支中进行不同的操作；
  4. 在重新生成对话的场景中，系统能够根据不同的分支条件，灵活地执行多种的操作，从而实现更复杂的对话逻辑。
  5. 窗口截断：利用 delete 接口实现 Responses API 的窗口截断的功能，使得程序可以在 response 粒度上管理历史记忆，便于后续进行更复杂的对话。

2）更低成本的上下文缓存

  1. 前缀缓存
  2. 用户可以预先存储并缓存角色、背景等初始化信息，后续调用模型时无需重复发送此信息给模型，即可自动命中初始化信息的缓存；
  3. 从而加快响应速度并降低使用成本，尤其适用于具有重复提示或标准化开头文本的应用。
  4. Session 缓存：Responses API 支持自动储存历史上下文对话并保持缓存，通过调用 previous_response_id 在多轮对话等场景中命中缓存并实现更低的时延和推理成本。

3）高度简化的多工具集成能力

  1. 原生支持主流工具类型：
  2. web_search_preview：一键接入网络搜索；
  3. file_search：直接配置向量知识库（支持指定向量库ID和返回结果数量）；
  4. mcp：简单配置即可接入企业内部工具服务。
  5. 工具配置通过声明式 JSON 完成，无需复杂代码实现。

4）高度自动化的工具调用流程

  1. 无需手动实现工具调用逻辑（如函数调用解析、参数验证、结果串联）；
  2. 内置工具调用流程管理，自动处理多轮工具调用决策。


Responses API 优势

1）代码实现大幅简化

对比传统 Chat API，大幅节省代码量：

  1. 省去会话状态管理逻辑；
  2. 省去工具调用和结果处理逻辑。

2）开发效率显著提升

  1. 核心智能体实现仅需约 20 行代码；
  2. 工具扩展只需添加配置而非修改逻辑；
  3. 专注业务需求而非工程实现细节。


内置工具

工具列表

说明

联网搜索 web search

支持通过 Responses API 调用直接获取公开域互联网信息，适用于需动态获取最新网络数据的场景。工具通过模型自动判断是否需要搜索，并支持与自定义 Function、MCP 等工具混合使用

私域知识库搜索 knowledge search

支持通过 Responses API 调用直接获取企业私域知识库中的信息，适用于需基于企业专属数据解答问题的场景。工具通过模型自动判断是否需要调用私域知识库，支持与自定义 Function、MCP 等工具混合使用

图像处理 image_process

支持通过 Responses API 调用对输入图片执行画点、画线、旋转、缩放、框选/裁剪关键区域等基础操作。工具通过模型自动判断图像处理逻辑，支持与自定义 Function 混合使用，且可处理多轮视觉输入

云部署 / Remote MCP Servers

对接“MCP MarketPlace”，支持调用市场内各类垂直领域 MCP 工具；复杂任务（如多步数据查询+分析）支持多轮 MCP 调用；可与用户自定义 Function、Web Search 工具混合使用

快速上手：最小请求骨架

cURL（非流式）

curl --location "https://ark.cn-beijing.volces.com/api/v3/responses" \
--header "Authorization: Bearer $ARK_API_KEY" \
--header "Content-Type: application/json" \
--data '{
   "model": "doubao-seed-1-6-250615",
   "input": "你好呀。"
}'


实战：公司尽调 Dossier 生成器

目标与流程

输入：公司名/统一社会信用代码（USCC） 输出：结构化 Dossier —— 背景摘要、关键时间线（成立、融资、处罚、重大交易…）、风险标签（诉讼/负面/高管变更）、关键交易（对手方/时间/金额/性质）、以及来源链接。 流程：web_search 拉权威来源 → 汇总时间线/风险/交易 → 按 JSON Schema 严格输出 → 可多轮追问（previous_response_id）。

web_search 在 Responses API 中通过 tools:[{ "type": "web_search" }] 启用。

代码片段

async generateDossier(companyName, conversationHistory = []) {
   try {
     const settings = useSettingsStore()
     const config = settings.apiConfig
     
     const messages = [
      {
         role: 'system',
         content: `你是一个专业的公司尽调分析师。请根据提供的公司信息，生成一份详细的公司尽调Dossier，包含以下内容：
1. 公司背景信息
2. 重要时间线
3. 风险点分析（诉讼、负面新闻、高管变更等）
4. 关键交易信息
5. 信息来源链接
​
请以结构化的方式组织信息，使用清晰的标题和要点。`
      },
       ...conversationHistory,
      {
         role: 'user',
         content: `请为以下公司生成尽调Dossier：${companyName}`
      }
    ]
     
     const response = await axios.post(
       `${config.baseUrl}/responses`,
      {
         model: config.modelId,
         input: messages,
         tools: [{ type: 'web_search' }],
         stream: false
      },
      {
         headers: {
           'Authorization': `Bearer ${config.apiKey}`,
           'Content-Type': 'application/json'
        }
      }
    )
     console.log('API响应:', response.data);
     
     // 安全地解析响应数据
     let content = '';
     if (response.data.output && response.data.output.length > 0) {
       const lastOutput = response.data.output[response.data.output.length - 1];
       if (lastOutput.type === 'message' && lastOutput.content && lastOutput.content.length > 0) {
         content = lastOutput.content[0].text || '';
      }
    }
     
     console.log('解析的内容:', content);
     
     return {
       success: true,
       data: content,
       usage: response.data.usage
    }
  } catch (error) {
     console.error('API调用失败:', error)
     return {
       success: false,
       error: error.response?.data?.error?.message || error.message || 'API调用失败'
    }
  }
}

Prompt 片段

系统指令：
- 你是公司尽调分析助手。只引用权威来源（监管公告/法院文书/证券交易所/主流媒体），每条结论附可点击链接。
- 先检索再生成；无法确认的信息留空或标注“未知”。
- 严格按给定 JSON Schema 输出；不得返回除 JSON 之外的内容。
​
用户输入（示例）：
公司：{公司名或统一社会信用代码}

最终效果图：


总结

为什么选 Responses API：把会话接力、工具调用、结构化输出、SSE整合为统一协议，避免你在应用层反复造轮子；配合上下文缓存与（可选）上下文检索接口，工程化地兼顾控本、审计与可复盘。

如何快速落地：Dossier 这类企业实战非常契合 Responses 的范式：用 web_search 拉权威来源，严格按 JSON Schema 输出时间线/风险/关键交易与引用链接；多轮追问用 previous_response_id 增量改写；需要“边播边看”就开 SSE。

走向生产：把系统提示/术语表放入前缀缓存、用模型别名/环境变量做好灰度与回滚、对引用做可用性巡检与去重归并，就能把PoC 提升到可维护、可审计、可扩展的生产形态。


项目地址 👉 GitHub：Byte Dossier


声明：该内容由作者自行发布，观点内容仅供参考，不代表平台立场；如有侵权，请联系平台删除。
标签：
大模型
生成式大模型
语言模型应用
智能体（Agent）