Рабочий процесс инструмента с вызовом функций

Инструменты открывают для LLM огромные возможности: от более умных сред разработки с поддержкой ИИ до эффективной автоматизации поддержки клиентов.

Прежде чем приступить к написанию кода, убедитесь, что вы понимаете рабочий процесс инструмента с вызовом функций!

Это упражнение является частью курса

Работа с Responses API OpenAI

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Работа с Responses API OpenAI

SkillTag.level.intermediateSkillTag.label

4.8+

Начать курс бесплатно

Создавать ИИ-приложения ещё никогда не было так просто — и в этом поможет Responses API! Вы научитесь обращаться к моделям через удобный интерфейс, освоите лучшие практики работы с моделями рассуждения и научитесь выстраивать диалоги с LLM.

Exercise 1: Responses API: лучший инструмент разработчика Exercise 2: Первый вызов Responses API Exercise 3: Добавление инструкций для модели Exercise 4: Извлечение информации из ответа Exercise 5: Управление параметрами ответа Exercise 6: Эксперименты с более мощными моделями Exercise 7: Рассуждения о рассуждениях Exercise 8: Цепочки диалогов Exercise 9: От одного сообщения к другому Exercise 10: Организация диалога с моделью

LLM — это мощный инструмент, который становится ещё мощнее, когда к нему подключают дополнительные инструменты! Вы научитесь интегрировать веб-поиск в свои LLM-системы без дополнительных API-ключей или учётных данных. Вы убедитесь, что инструменты могут быть самыми разными! Создавайте собственные инструменты для вызова моделями, чтобы выйти за рамки их базовых возможностей.

Exercise 1: Элементы ответа: базовые строительные блоки Exercise 2: Извлечение элементов вывода и их содержимого Exercise 3: Использование элементов для пользовательской обработки Exercise 4: Веб-поиск, который просто работает Exercise 5: Объединяем LLM и веб-поиск Exercise 6: Повышение доверия к ответам LLM с помощью источников Exercise 7: Инструменты с вызовом функций: определение функции Exercise 8: Рабочий процесс инструмента с вызовом функций

Текущее упражнение

Exercise 9: Определение функции для конвертации часовых поясов Exercise 10: Инструменты с вызовом функций: полный рабочий процесс Exercise 11: Создание определения инструмента для OpenAI Exercise 12: Интеграция инструментов с вызовом функций

Переведите свои LLM-системы из стадии доказательства концепции в рабочую среду с помощью трёх ключевых паттернов проектирования. Вы научитесь генерировать согласованные и надёжные структурированные выходные данные, например в формате JSON, с помощью LLM. Используйте семантические события для трансляции обновлений пользователям — это сделает взаимодействие интерактивным и приятным. Наконец, перейдите в мультимодальный режим и научитесь сочетать текст и изображения с помощью моделей GPT-5 от OpenAI.

Exercise 1: Генерация структурированных выводов Exercise 2: Стабильные результаты каждый раз!Exercise 3: Вложенные классы Pydantic Exercise 4: Стриминг с семантическими событиями Exercise 5: Потоковая передача ответов OpenAI Exercise 6: Потоковая передача семантических событий Exercise 7: Потоковая передача с вызовами функций Exercise 8: Гибкость входных данных и мультимодальность Exercise 9: Входные данные на основе ролей Exercise 10: Запросы с изображениями по URL Exercise 11: Работа с локальными файлами изображений Exercise 12: Поздравляем!