你已經送出了請求並從 OpenAI API 收到回應，現在是時候開始從中擷取需要的資訊。Responses API 的回應不只包含模型輸出，還包含可用於聊天應用程式的結構化輸出，以及用來追蹤並建立聊天記錄的實用中繼資料。
已為你準備好一個回應物件 response，可以直接用來探索。
response
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Extract the number of output tokens print(response.____.____)
有了 Responses API，打造 AI 應用變得前所未有輕鬆！學習如何用簡單介面對模型下提示、運用推理模型的最佳實務，並建立與 LLM 的往返對話。
當前練習
LLM 很強大，但在導入工具後會更強！學習如何將網頁搜尋整合進你的 LLM 系統，且不需額外 API 金鑰或憑證。你會發現工具其實可以是……幾乎任何東西！自己為 LLM 建立可呼叫的工具，讓能力超越模型的基礎範圍。
以三大關鍵設計典範，將你的 LLM 系統從概念驗證推進到正式上線。學習如何使用 LLM 產生一致且可靠的結構化輸出（例如 JSON）。你也會使用語意事件來為使用者串流更新，打造互動且愉悅的體驗。最後，進入多模態，學習如何結合文字與影像，並使用 OpenAI 的 GPT-5 模型。