ผลลัพธ์ที่สม่ำเสมอ ทุกครั้ง!
คุณกำลังพัฒนาระบบแนะนำภาพยนตร์แบบส่วนตัวสำหรับแพลตฟอร์มสตรีมมิ่ง เพื่อให้คำแนะนำแสดงผลได้อย่างถูกต้องบน UI ของแอป จำเป็นต้องใช้ structured outputs ร่วมกับ pydantic และ OpenAI client โดยจะกำหนด schema สำหรับคำแนะนำภาพยนตร์และดึงผลลัพธ์ที่มีโครงสร้างออกมา
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การทำงานกับ OpenAI Responses API
คำแนะนำการฝึกหัด
- กำหนดคลาส
pydanticชื่อMovieRecommendationโดยมีฟิลด์title,genre,vibeและwhy - สร้างคำแนะนำแบบมีโครงสร้างโดยใช้คลาส
MovieRecommendationและ prompt ที่เตรียมไว้ - ดึงคำแนะนำที่แปลงแล้วออกจาก response จากนั้นเข้าถึงข้อมูล
titleและwhy
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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.____}")