ComeçarComece de graça

Saídas consistentes, sempre!

Você está desenvolvendo um sistema de recomendação de filmes personalizado para uma plataforma de streaming. Para garantir que as recomendações sejam exibidas corretamente na interface do app, você precisa usar saídas estruturadas com pydantic e o cliente OpenAI. Você vai definir um esquema para recomendações de filmes e extrair os resultados estruturados.

Este exercício faz parte do curso

Trabalhando com a OpenAI Responses API

Ver curso

Instruções do exercício

  • Defina uma classe pydantic chamada MovieRecommendation com os campos title, genre, vibe e why.
  • Gere uma recomendação estruturada usando a classe MovieRecommendation e os prompts fornecidos.
  • Extraia a recomendação analisada da resposta e, em seguida, acesse as informações title e why.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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.____}")
Editar e executar o código