---
title: "OpenAI Connector"
description: "คู่มือการผสานรวม OpenAI ฉบับสมบูรณ์สำหรับการสร้างเนื้อหาด้วย AI ข้อมูลเชิงลึกลูกค้า และระบบอัตโนมัติทางการตลาดอัจฉริยะกับ Brevo ผ่าน Tajo"
url: https://tajo.io/th/docs/connectors/custom/openai/
markdown: https://tajo.io/th/docs/connectors/custom/openai.md
lang: th-TH
robots: noindex
---

ขอสิทธิ์ใช้งานล่วงหน้า

กรอกชื่อและที่อยู่อีเมลที่ทำงานของคุณ เราจะส่งลิงก์เพื่อยืนยันคำขอเข้าใช้งาน Tajo ทางอีเมล

# OpenAI Connector

สถานะตัวเชื่อม: วางแผนไว้ ยังไม่ได้สร้าง ปัจจุบัน Tajo ยังไม่ได้ใช้งานตัวเชื่อมนี้

| ฟิลด์ต้นทาง | ฟิลด์ปลายทาง | ค่าตัวอย่าง |
| --- | --- | --- |
| `record.id` | `source_id` | `record_1042` |
| `record.updated_at` | `updated_at` | `2026-10-18T08:00:00Z` |
| `record.value` | `value` | `sample_value` |

เชื่อมต่อ OpenAI กับ Brevo ผ่าน Tajo เพื่อใช้ประโยชน์จากการสร้างเนื้อหาด้วย AI การวิเคราะห์ความรู้สึกของลูกค้า การแบ่งกลุ่มอัจฉริยะ และ predictive analytics สำหรับเวิร์กโฟลว์ระบบอัตโนมัติทางการตลาด

## ภาพรวม

| คุณสมบัติ | ค่า |
| --- | --- |
| **แพลตฟอร์ม** | OpenAI |
| **หมวดหมู่** | AI / ML (แบบกำหนดเอง) |
| **ความซับซ้อนในการตั้งค่า** | ปานกลาง |
| **การผสานรวมอย่างเป็นทางการ** | ไม่ |
| **ข้อมูลที่ซิงค์** | เนื้อหา Embeddings ข้อมูลเชิงลึก การคาดการณ์ |
| **วิธีการยืนยันตัวตน** | API Key (Bearer Token) |

## ฟีเจอร์

- **การสร้างเนื้อหาด้วย AI** - สร้างหัวเรื่องอีเมล เนื้อหา และ CTAs ด้วยโมเดล GPT
- **การวิเคราะห์ความรู้สึกของลูกค้า** - วิเคราะห์ตั๋วสนับสนุนและข้อเสนอแนะเพื่อให้คะแนนความรู้สึก
- **การแบ่งกลุ่มอัจฉริยะ** - ใช้ embeddings เพื่อจัดกลุ่มลูกค้าตามรูปแบบพฤติกรรม
- **Predictive analytics** - คาดการณ์ churn, LTV และแนวโน้มการซื้อ
- **เนื้อหาหลายภาษา** - สร้างเนื้อหาการตลาดในภาษาที่รองรับใดๆ
- **การสร้างรูปภาพ** - สร้างภาพสำหรับแคมเปญด้วยการผสานรวม DALL-E

## ข้อกำหนดเบื้องต้น

ก่อนเริ่มต้น ตรวจสอบให้แน่ใจว่าคุณมี:

1. บัญชี OpenAI ที่มีสิทธิ์เข้าถึง API
2. API key จาก [OpenAI dashboard](https://platform.openai.com/api-keys)
3. บัญชี Brevo ที่มีสิทธิ์เข้าถึง API
4. บัญชี Tajo ที่มีสิทธิ์ connector
5. เครดิต OpenAI API เพียงพอสำหรับการใช้งานที่คาดไว้

## การยืนยันตัวตน

### การยืนยันตัวตนด้วย API Key

OpenAI ใช้การยืนยันตัวตน Bearer token สำหรับคำขอ API ทั้งหมด:

```bash
# Set your API keys
export OPENAI_API_KEY=sk-your-api-key
export TAJO_API_KEY=your_tajo_api_key
export BREVO_API_KEY=your_brevo_api_key
```

```javascript
// All requests require the Authorization header
const headers = {
  'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`,
  'Content-Type': 'application/json'
};

// For organization-scoped access
const orgHeaders = {
  ...headers,
  'OpenAI-Organization': process.env.OPENAI_ORG_ID,
  'OpenAI-Project': process.env.OPENAI_PROJECT_ID
};
```

ความปลอดภัย API Key

อย่าเปิดเผย OpenAI API key ในโค้ดฝั่ง client ใช้ตัวแปรสภาพแวดล้อมและคำขอฝั่งเซิร์ฟเวอร์เสมอ หมุนเวียน keys เป็นระยะผ่าน OpenAI dashboard

## การกำหนดค่า

### การตั้งค่าพื้นฐาน

```yaml
connectors:
  openai:
    enabled: true
    model: "gpt-4o"
    embedding_model: "text-embedding-3-small"
    image_model: "dall-e-3"

    features:
      content_generation: true
      sentiment_analysis: true
      smart_segmentation: true
      predictive_analytics: true

    limits:
      max_tokens_per_request: 4096
      max_requests_per_minute: 60
      temperature: 0.7
```

### เทมเพลตการสร้างเนื้อหา

```yaml
templates:
  email_subject:
    model: "gpt-4o"
    system_prompt: |
      You are an expert email marketer. Generate compelling
      subject lines that drive open rates.
    max_tokens: 100
    temperature: 0.8

  email_body:
    model: "gpt-4o"
    system_prompt: |
      Generate personalized email content based on customer
      data and campaign objectives.
    max_tokens: 2048
    temperature: 0.7
```

## API Endpoints

| Endpoint | เมธอด | คำอธิบาย |
| --- | --- | --- |
| `https://api.openai.com/v1/responses` | POST | สร้างการตอบสนอง AI (Responses API) |
| `https://api.openai.com/v1/chat/completions` | POST | สร้าง text completions |
| `https://api.openai.com/v1/embeddings` | POST | สร้าง text embeddings |
| `https://api.openai.com/v1/images/generations` | POST | สร้างรูปภาพ |
| `https://api.openai.com/v1/audio/speech` | POST | การสร้างเสียงจากข้อความ |
| `https://api.openai.com/v1/audio/transcriptions` | POST | การถอดเสียงเป็นข้อความ |
| `https://api.openai.com/v1/moderations` | POST | การกลั่นกรองเนื้อหา |
| `https://api.openai.com/v1/models` | GET | แสดงรายการโมเดลที่มีอยู่ |

## ตัวอย่างโค้ด

### เริ่มต้น Connector

```javascript
import { TajoClient } from '@tajo/sdk';

const tajo = new TajoClient({
  apiKey: process.env.TAJO_API_KEY,
  brevoApiKey: process.env.BREVO_API_KEY
});

await tajo.connectors.connect('openai', {
  apiKey: process.env.OPENAI_API_KEY,
  defaultModel: 'gpt-4o'
});
```

### สร้างเนื้อหาอีเมล

```javascript
// Generate personalized email subject lines
const response = await fetch('https://api.openai.com/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'gpt-4o',
    messages: [
      {
        role: 'system',
        content: 'Generate 5 compelling email subject lines for a product launch.'
      },
      {
        role: 'user',
        content: `Product: ${product.name}. Target: ${segment.description}.`
      }
    ],
    max_tokens: 200,
    temperature: 0.8
  })
});

const result = await response.json();
const subjectLines = result.choices[0].message.content;
```

### การวิเคราะห์ความรู้สึกของลูกค้า

```javascript
// Analyze customer feedback sentiment
const sentimentAnalysis = await fetch(
  'https://api.openai.com/v1/chat/completions',
  {
    method: 'POST',
    headers: {
      'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`,
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      model: 'gpt-4o',
      messages: [
        {
          role: 'system',
          content: 'Analyze sentiment. Return JSON: {score: -1 to 1, label: string, topics: string[]}'
        },
        { role: 'user', content: customerFeedback }
      ],
      response_format: { type: 'json_object' },
      max_tokens: 150
    })
  }
);

const sentiment = await sentimentAnalysis.json();
await tajo.contacts.update(email, {
  attributes: { SENTIMENT_SCORE: JSON.parse(sentiment.choices[0].message.content).score }
});
```

### การแบ่งกลุ่มอัจฉริยะด้วย Embeddings

```javascript
// Generate embeddings for customer clustering
const embeddingResponse = await fetch(
  'https://api.openai.com/v1/embeddings',
  {
    method: 'POST',
    headers: {
      'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`,
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      model: 'text-embedding-3-small',
      input: customerDescriptions,
      dimensions: 256
    })
  }
);

const embeddings = await embeddingResponse.json();
// Use embeddings for similarity-based customer clustering
```

## ขีดจำกัดอัตรา

| โมเดล | RPM (คำขอ/นาที) | TPM (Tokens/นาที) | RPD (คำขอ/วัน) |
| --- | --- | --- | --- |
| gpt-4o | 500 | 30,000 | 10,000 |
| gpt-4o-mini | 500 | 200,000 | 10,000 |
| text-embedding-3-small | 500 | 1,000,000 | 10,000 |
| dall-e-3 | 5 | N/A | 200 |

Rate Limit Headers

ตรวจสอบ headers ขีดจำกัดอัตรา (`x-ratelimit-remaining-requests`, `x-ratelimit-remaining-tokens`) ในการตอบสนอง API เพื่อใช้การควบคุมเชิงรุกและหลีกเลี่ยงข้อผิดพลาด 429

## การแก้ไขปัญหา

| ปัญหา | สาเหตุ | วิธีแก้ |
| --- | --- | --- |
| 401 Unauthorized | API key ไม่ถูกต้อง | ตรวจสอบ key ใน OpenAI dashboard |
| 429 Rate Limited | คำขอมากเกินไป | ใช้ exponential backoff |
| 500 Server Error | OpenAI หยุดทำงาน | ตรวจสอบ status.openai.com และลองใหม่ |
| การตอบสนองถูกตัด | max\_tokens ต่ำเกินไป | เพิ่มพารามิเตอร์ max\_tokens |
| คุณภาพเนื้อหาไม่ดี | Temperature สูงเกินไป | ลด temperature เพื่อความสม่ำเสมอ |

### โหมด Debug

```yaml
connectors:
  openai:
    debug: true
    log_level: verbose
    log_prompts: false  # Don't log prompts in production
    log_usage: true
```

## แนวทางปฏิบัติที่ดีที่สุด

1. **Cache การตอบสนอง** - จัดเก็บเนื้อหาที่สร้างขึ้นเพื่อลดการเรียก API และค่าใช้จ่าย
2. **ใช้ structured outputs** - ขอการตอบสนอง JSON เพื่อการ parsing ที่เชื่อถือได้
3. **ใช้ retry logic** - จัดการขีดจำกัดอัตราด้วย exponential backoff
4. **ตรวจสอบการใช้งาน token** - ติดตามการบริโภคเพื่อควบคุมค่าใช้จ่าย
5. **ใช้โมเดลที่เหมาะสม** - ใช้ gpt-4o-mini สำหรับงานง่ายๆ gpt-4o สำหรับงานที่ซับซ้อน
6. **ตรวจสอบ outputs** - ตรวจสอบเนื้อหาที่สร้างโดย AI เสมอก่อนส่งให้ลูกค้า

## ความปลอดภัย

- **การยืนยันตัวตน bearer token** - API keys ส่งผ่าน Authorization header
- **ฝั่งเซิร์ฟเวอร์เท่านั้น** - อย่าเปิดเผย API keys ในโค้ดฝั่ง client
- **การหมุนเวียน key** - หมุนเวียน API keys เป็นระยะผ่าน OpenAI dashboard
- **การตรวจสอบการใช้งาน** - ตั้งขีดจำกัดการใช้จ่ายในการตั้งค่าการเรียกเก็บเงิน OpenAI
- **การกลั่นกรองเนื้อหา** - ใช้ Moderations API เพื่อกรองเนื้อหาที่ไม่ปลอดภัย
- **ความเป็นส่วนตัวของข้อมูล** - ตรวจสอบนโยบายการใช้ข้อมูลของ OpenAI สำหรับกรณีใช้งานของคุณ

## แหล่งข้อมูลที่เกี่ยวข้อง

- [Brevo Connector](https://tajo.io/th/docs/connectors/marketing/brevo)
- [Customer Sync Skill](https://tajo.io/th/docs/skills/data-sync/customer-sync)
- [Email Marketing Skills](https://tajo.io/th/docs/skills/email-marketing)
- [OpenAI API Reference](https://platform.openai.com/docs/api-reference)