НачатьНачать бесплатно

Стабильные результаты каждый раз!

Вы разрабатываете персонализированную систему рекомендаций фильмов для стриминговой платформы. Чтобы рекомендации корректно отображались в интерфейсе приложения, необходимо использовать структурированные выводы с помощью pydantic и клиента OpenAI. Вы определите схему для рекомендаций фильмов и извлечёте структурированные результаты.

Это упражнение является частью курса

Работа с Responses API OpenAI

Посмотреть курс

Инструкции к упражнению

  • Определите класс pydantic с именем MovieRecommendation, содержащий поля title, genre, vibe и why.
  • Сгенерируйте структурированную рекомендацию, используя класс MovieRecommendation и предоставленные промпты.
  • Извлеките разобранную рекомендацию из ответа, затем получите значения полей title и why.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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.____}")
Редактировать и запускать код