फ़ंक्शन-कॉलिंग टूल वर्कफ़्लो

LLMs को टूल्स देने से ढेरों रोमांचक एप्लिकेशन संभव हुए हैं—जैसे स्मार्ट AI-पावर्ड कोडिंग एनवायरनमेंट्स और बेहतर, अधिक कुशल कस्टमर सपोर्ट अनुभव.

अपना खुद का कोड लिखना शुरू करने से पहले, आइए जाँच लें कि आप फ़ंक्शन-कॉलिंग टूल का वर्कफ़्लो समझते हैं!

यह अभ्यास पाठ्यक्रम का हिस्सा है

OpenAI Responses API के साथ काम करना

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

OpenAI Responses API के साथ काम करना

SkillTag.level.intermediateSkillTag.label

4.8+

पाठ्यक्रम मुफ्त में शुरू करें

Responses API के साथ AI एप्लिकेशन बनाना पहले से आसान हो गया है! एक सरल इंटरफेस के जरिए मॉडल्स को प्रॉम्प्ट करना, रीजनिंग मॉडल्स के साथ काम करने की बेहतरीन प्रैक्टिसेस, और LLMs के साथ आगे-पीछे चलने वाली बातचीत बनाना सीखिए।

Exercise 1: Responses API: डेवलपर्स का सबसे भरोसेमंद साथी Exercise 2: आपकी पहली Responses API कॉल Exercise 3: Model Instructions जोड़ना Exercise 4: Response से जानकारी निकालना Exercise 5: Response पैरामीटर्स में महारत Exercise 6: और ज़्यादा पावरफुल मॉडलों के साथ प्रयोग Exercise 7: Reasoning पर Reasoning Exercise 8: कन्वर्सेशन चेनिंग Exercise 9: एक संदेश से दूसरे तक Exercise 10: चैट बातचीत सक्षम करना

LLMs शक्तिशाली हैं, और टूल्स जोड़ने पर वे और भी प्रभावी हो जाते हैं! बिना किसी अतिरिक्त API keys या credentials के अपने LLM सिस्टम्स में वेब सर्च को इंटीग्रेट करना सीखिए। जानिए कि टूल्स, सच कहें तो... लगभग कुछ भी हो सकते हैं! ऐसे टूल बनाइए जिन्हें LLMs कॉल कर सकें, ताकि मॉडल की बेस क्षमताओं से आगे बढ़ा जा सके।

Exercise 1: Response Items: आधार इकाइयाँ Exercise 2: आउटपुट आइटम और उनकी सामग्री निकालना Exercise 3: कस्टम हैंडलिंग के लिए Items का उपयोग Exercise 4: ऐसी Web Search जो बस काम करती है Exercise 5: LLMs और Web Search को एक साथ उपयोग करना Exercise 6: LLM सोर्सेज के साथ भरोसा बनाना Exercise 7: फंक्शन-कॉलिंग टूल्स: फंक्शन को परिभाषित करना Exercise 8: फ़ंक्शन-कॉलिंग टूल वर्कफ़्लो

वर्तमान अभ्यास

Exercise 9: टाइमज़ोन कन्वर्ट करने के लिए फंक्शन डिफाइन करना Exercise 10: फंक्शन-कॉलिंग टूल्स: पूरा वर्कफ़्लो Exercise 11: OpenAI टूल डेफिनिशन बनाना Exercise 12: Function-Calling Tools का इंटीग्रेशन

अपने LLM सिस्टम्स को प्रूफ़-ऑफ-कॉन्सेप्ट से प्रोडक्शन तक तीन प्रमुख डिज़ाइन पैराडाइम्स के साथ ले जाइए। LLMs का उपयोग करके JSON जैसे सुसंगत और भरोसेमंद स्ट्रक्चर्ड आउटपुट जेनरेट करना सीखिए। आप सेमांटिक इवेंट्स का उपयोग करके अपने यूज़र्स तक अपडेट्स स्ट्रीम भी करेंगे, जिससे इंटरएक्टिव और आनंददायक अनुभव बनेंगे। अंत में, मल्टी-मोडल जाएँ और OpenAI के GPT-5 मॉडल्स के साथ टेक्स्ट और इमेज को जोड़ना सीखिए।

Exercise 1: Structured Outputs जनरेट करना Exercise 2: हर बार एक जैसे और भरोसेमंद आउटपुट!Exercise 3: Pydantic क्लासेस को नेस्ट करना Exercise 4: Semantic Events के साथ Streaming Exercise 5: OpenAI Responses को स्ट्रीम करना Exercise 6: Streaming Semantic Events Exercise 7: फ़ंक्शन कॉल्स के साथ स्ट्रीमिंग Exercise 8: इनपुट की लचीलापन और मल्टीमोडैलिटी Exercise 9: Role-आधारित इनपुट्स Exercise 10: URLs से इमेज के साथ प्रॉम्प्टिंग Exercise 11: लोकल इमेज फ़ाइलों के साथ प्रॉम्प्टिंग Exercise 12: बधाई हो!