CommencezCommencez gratuitement

Des sorties cohérentes, à tout coup !

Vous développez un système personnalisé de recommandation de films pour une plateforme de diffusion en continu. Pour que les recommandations s'affichent correctement dans l'interface de l'application, vous devez utiliser des sorties structurées avec pydantic et le client OpenAI. Vous définirez un schéma pour les recommandations de films et en extraierez les résultats structurés.

Cette activité fait partie du cours

Utiliser l'API Responses d'OpenAI

Voir le cours

Instructions de l’exercice

  • Définissez une classe pydantic nommée MovieRecommendation avec les champs title, genre, vibe et why.
  • Générez une recommandation structurée à l'aide de la classe MovieRecommendation et des amorces fournies.
  • Extrayez la recommandation analysée de la réponse, puis accédez à ses informations title et why.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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.____}")
Modifier et exécuter le code