शुरू करेंमुफ़्त में शुरू करें

हर बार एक जैसे और भरोसेमंद आउटपुट!

आप एक स्ट्रीमिंग प्लेटफ़ॉर्म के लिए पर्सनलाइज़्ड मूवी रिकमेंडेशन सिस्टम बना रहे हैं. ताकि रिकमेंडेशंस ऐप के UI में सही तरह से दिख सकें, आपको pydantic और OpenAI क्लाइंट के साथ structured outputs का उपयोग करना होगा. आप मूवी रिकमेंडेशंस के लिए एक स्कीमा परिभाषित करेंगे और structured नतीजे एक्सट्रैक्ट करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

OpenAI Responses API के साथ काम करना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MovieRecommendation नाम की एक pydantic क्लास परिभाषित करें, जिसमें title, genre, vibe, और why फ़ील्ड हों.
  • दिए गए prompts का उपयोग करके MovieRecommendation क्लास से एक structured रिकमेंडेशन जनरेट करें.
  • response से parsed रिकमेंडेशन एक्सट्रैक्ट करें, फिर उसके title और why की जानकारी एक्सेस करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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.____}")
कोड संपादित करें और चलाएँ