เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ผลลัพธ์ที่สม่ำเสมอ ทุกครั้ง!

คุณกำลังพัฒนาระบบแนะนำภาพยนตร์แบบส่วนตัวสำหรับแพลตฟอร์มสตรีมมิ่ง เพื่อให้คำแนะนำแสดงผลได้อย่างถูกต้องบน UI ของแอป จำเป็นต้องใช้ structured outputs ร่วมกับ pydantic และ OpenAI client โดยจะกำหนด schema สำหรับคำแนะนำภาพยนตร์และดึงผลลัพธ์ที่มีโครงสร้างออกมา

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การทำงานกับ OpenAI Responses API

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดคลาส pydantic ชื่อ MovieRecommendation โดยมีฟิลด์ title, genre, vibe และ why
  • สร้างคำแนะนำแบบมีโครงสร้างโดยใช้คลาส MovieRecommendation และ prompt ที่เตรียมไว้
  • ดึงคำแนะนำที่แปลงแล้วออกจาก response จากนั้นเข้าถึงข้อมูล title และ why

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.____}")
แก้ไขและรันโค้ด