ComenzarEmpieza gratis

¡Resultados coherentes, siempre!

Estás creando un sistema de recomendaciones de películas personalizadas para una plataforma de streaming. Para que las recomendaciones se muestren correctamente en la interfaz de la app, necesitas usar salidas estructuradas con pydantic y el cliente de OpenAI. Definirás un esquema para las recomendaciones de películas y extraerás los resultados estructurados.

Este ejercicio forma parte del curso

Trabajar con la API Responses de OpenAI

Ver curso

Instrucciones del ejercicio

  • Define una clase de pydantic llamada MovieRecommendation con los campos title, genre, vibe y why.
  • Genera una recomendación estructurada usando la clase MovieRecommendation y las consignas proporcionadas.
  • Extrae la recomendación parseada de la respuesta y accede a su información title y why.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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-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.____}")
Editar y ejecutar código