Začněte nyníZačněte zdarma

Konzistentní výstupy pokaždé!

Vyvíjíš personalizovaný systém doporučování filmů pro streamovací platformu. Aby se doporučení dala správně zobrazit v UI aplikace, potřebuješ použít strukturované výstupy s knihovnou pydantic a klientem OpenAI. Definuješ schéma pro filmová doporučení a z odpovědi pak extraktuješ strukturovaná data.

Toto cvičení je součástí kurzu

Working with the OpenAI Responses API

Zobrazit kurz

Pokyny k cvičení

  • Definuj třídu pydantic s názvem MovieRecommendation s poli title, genre, vibe a why.
  • Vygeneruj strukturované doporučení pomocí třídy MovieRecommendation a připravených promptů.
  • Extrahuj parsované doporučení z odpovědi a přistup k informacím v polích title a why.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define the book recommendation schema
class ____(BaseModel):
    ____: str = Field(description="The book title")
    ____: str = Field(description="Primary genre")
    ____: str = Field(description="One-word vibe: cozy, thrilling, emotional, or fun")
    ____: str = Field(description="One sentence explaining why this matches")

# Generate structured recommendation
response = client.responses.____(
    model="gpt-5.4-mini",
    instructions="You are a knowledgeable movie recommender.",
    input="Recommend a movie for someone who loved Inception and wants something mind-bending",
    text_format=____,
)

# Extract the parsed output and results
recommendation = response.____
print(f"Title: {recommendation.____}")
print(f"Reason: {recommendation.____}")
Upravit a spustit kód