BaşlayınÜcretsiz başlayın

Her Seferinde Tutarlı Çıktılar!

Bir yayın platformu için kişiselleştirilmiş bir film öneri sistemi geliştiriyorsun. Önerilerin uygulamanın arayüzünde doğru gösterilebilmesi için pydantic ve OpenAI istemcisiyle yapılandırılmış çıktılar kullanman gerekiyor. Film önerileri için bir şema tanımlayacak ve yapılandırılmış sonuçları çıkaracaksın.

Bu egzersiz, kursun bir parçasıdır

OpenAI Responses API ile Çalışmak

Kursa Göz Atın

Egzersiz talimatları

  • title, genre, vibe ve why alanlarına sahip MovieRecommendation adlı bir pydantic sınıfı tanımla.
  • Sağlanan istemleri kullanarak MovieRecommendation sınıfıyla yapılandırılmış bir öneri üret.
  • Yanıttan ayrıştırılmış öneriyi çıkar, ardından title ve why bilgilerine eriş.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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.____}")
Kodu Düzenle ve Çalıştır