Впевнене володіння параметрами відповіді

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Ця вправа є частиною курсу

Робота з OpenAI Responses API

SkillTag.level.intermediateSkillTag.label

4.8+

164 reviews

Почніть курс безкоштовно

Створювати застосунки на ШІ ще ніколи не було простіше з Responses API! Дізнайтеся, як формувати підказки для моделей через простий інтерфейс, найкращі практики роботи з моделями міркування та як будувати діалоги з LLM у форматі запит–відповідь.

Exercise 1: Responses API: найкращий помічник розробника Exercise 2: Ваш перший виклик Responses API Exercise 3: Додавання інструкцій для моделі Exercise 4: Витягування інформації з відповіді Exercise 5: Впевнене володіння параметрами відповіді

Поточна вправа

Exercise 6: Експериментуємо з потужнішими моделями Exercise 7: Міркування про міркування Exercise 8: Ланцюжки розмов Exercise 9: Від одного повідомлення до іншого Exercise 10: Увімкнення чат-розмов

LLM потужні самі по собі, але з інструментами вони стають ще сильнішими! Дізнайтеся, як інтегрувати вебпошук у ваші системи з LLM без додаткових API-ключів чи облікових даних. Відкрийте для себе, що інструменти можуть бути, по суті, будь-чим! Створіть власні інструменти, які LLM зможуть викликати, щоб вийти за межі базових можливостей моделі.

Exercise 1: Елементи відповіді: базові блоки Exercise 2: Витягування елементів виходу та їхнього вмісту Exercise 3: Використання елементів для спеціальної обробки Exercise 4: Пошук у вебі, що просто працює Exercise 5: Поєднання LLM і вебпошуку Exercise 6: Підвищуємо довіру завдяки джерелам LLM Exercise 7: Інструменти виклику функцій: визначення функції Exercise 8: Робочий процес інструмента з викликом функцій Exercise 9: Визначення функції для перетворення часових поясів Exercise 10: Інструменти виклику функцій: повний робочий процес Exercise 11: Створення визначення інструмента OpenAI Exercise 12: Інтеграція інструментів із викликом функцій

Переведіть ваші системи на базі LLM з прототипу в продакшн за допомогою трьох ключових підходів до проєктування. Навчіться генерувати послідовні та надійні структуровані результати, як-от JSON, за допомогою LLM. Ви також використаєте семантичні події, щоб транслювати оновлення користувачам і створювати інтерактивний, приємний досвід. Нарешті, перейдіть до мультимодальності та навчіться поєднувати текст і зображення з моделями OpenAI GPT-5.

Exercise 1: Створення структурованих виходів Exercise 2: Стабільні результати — щоразу!Exercise 3: Вкладені класи Pydantic Exercise 4: Стримінг за допомогою семантичних подій Exercise 5: Стримінг відповідей OpenAI Exercise 6: Стрімінг семантичних подій Exercise 7: Стримінг із викликами функцій Exercise 8: Гнучкість введення та мультимодальність Exercise 9: Вхідні дані на основі ролей Exercise 10: Підказування із зображеннями за URL Exercise 11: Підказування з локальними файлами зображень Exercise 12: Вітаємо!