MulaiMulai sekarang secara gratis

Keluaran Konsisten, Setiap Saat!

Anda sedang mengembangkan sistem rekomendasi film yang dipersonalisasi untuk sebuah platform streaming. Agar rekomendasi dapat ditampilkan dengan benar di UI aplikasi, Anda perlu menggunakan keluaran terstruktur dengan pydantic dan klien OpenAI. Anda akan mendefinisikan skema untuk rekomendasi film dan mengekstrak hasil terstruktur tersebut.

Latihan ini adalah bagian dari kursus

Bekerja dengan OpenAI Responses API

Lihat Kursus

Petunjuk latihan

  • Definisikan kelas pydantic bernama MovieRecommendation dengan field title, genre, vibe, dan why.
  • Hasilkan rekomendasi terstruktur menggunakan kelas MovieRecommendation dan prompt yang disediakan.
  • Ekstrak rekomendasi yang telah diurai dari respons, lalu akses informasi title dan why-nya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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.____}")
Edit dan Jalankan Kode