Tworzenie chatbota z rozumowaniem do zadań programistycznych

Czas połączyć wszystko w całość i zbudować chatbota z rozumowaniem, który pomoże w programowaniu!

Otrzymujesz dwie wiadomości od użytkownika: jedną z prośbą o kod w Pythonie do konkretnego zadania oraz kolejną, w której użytkownik prosi o napisanie tego kodu z użyciem konkretnej biblioteki.

V4-Pro domyślnie korzysta z rozumowania, więc wystarczy, że przejdziesz pętlą przez konwersację i dodasz odpowiednie pole do historii.

To ćwiczenie jest częścią kursu

Praca z DeepSeek w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przejdź pętlą przez pytania użytkownika.
Wyślij każde pytanie użytkownika, q, do modelu deepseek-ai/DeepSeek-V4-Pro-0813.
Dodaj ostateczną odpowiedź asystenta (pole .content, a nie proces rozumowania) do messages, aby historia konwersacji pozostała zwięzła.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")

messages = []
user_msgs = ["Write some Python code to generate a list of numbers from 1-10.", "Update the code to use the NumPy library."]

# Loop over the user questions
for q in ____:
    print("User: ", q)
    user_dict = {"role": "user", "content": q}
    messages.append(user_dict)
    
    # Create the API request — V4-Pro reasons by default
    response = client.chat.completions.create(
        model="deepseek-ai/____",
        messages=____,
        max_tokens=500
    )
    
    # Append only the final answer to the conversation history
    assistant_dict = {"role": "assistant", "content": response.choices[0].message.____}
    messages.append(assistant_dict)
    print("Assistant: ", response.choices[0].message.content, "\n")

Edytuj i uruchom kod