Първото Ви API обаждане
На тази страница
Урокът е актуализиран на 3 ноември 2026 г. въз основа на документацията на OpenAI: параметрите
temperatureиtop_pсе приемат само при усилие за разсъждение (reasoning effort) със стойностnone, докато моделите GPT-5.6 разсъждават по подразбиране (medium). Обажданията, които задават тези параметри, следователно трябва да уточняватreasoning={"effort": "none"}(Responses API) илиreasoning_effort="none"(Chat Completions). Източници: Използване на GPT-6 · GPT-5.6 Terra.
Първото Ви API обаждане
Средата Ви е готова: нека започваме работа. Предстои Ви да направите първото си обаждане към Responses API, да разглобите обекта, който той връща, и след това да манипулирате параметрите, които отличават един генеричен отговор от един полезен такъв.
Най-простото обаждане
Нужни са Ви само два параметъра: model – идентификаторът на модела, към който ще се обърнете, и input – Вашата подкана (prompt), която може да бъде текстов низ или списък със съобщения, както ще видим след малко.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="What is the difference between Python and JavaScript?"
)
print(response.output_text)
# Result: Python is a versatile language oriented toward data science
# and backend development, while JavaScript is primarily used for
# frontend and backend web development (via Node.js)...
Какво всъщност съдържа отговорът
output_text е просто удобно съкращение. Обектът response носи също така своя уникален ID – съществен за верижно свързване на размени и търсене на обаждания във Вашите логове – действително използвания модел и разбивка на потреблението на токени. Направете си навик да записвате тези три части информация още от първите си скриптове. Това е което ще Ви позволи по-късно да отговорите на въпроса: „Защо сметката се удвои този месец?“
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello, how are you?"
)
# The response text (shortcut)
print(response.output_text)
# The unique ID of the response
print(f"ID: {response.id}")
# The model used
print(f"Model: {response.model}")
# Tokens consumed
print(f"Input tokens: {response.usage.input_tokens}")
print(f"Output tokens: {response.usage.output_tokens}")
print(f"Total tokens: {response.usage.total_tokens}")
# Result:
# Hello! I'm doing very well, thank you. How can I help you?
# ID: resp_abc123xyz
# Model: gpt-5.6-terra
# Input tokens: 14
# Output tokens: 19
# Total tokens: 33
Параметрите, които имат значение
temperature управлява вариативността на генерирането. При 0.0 моделът систематично избира най-вероятното продължение: това е настройката за фактологични въпроси, извличане на данни и всичко, което трябва да възпроизведете идентично. При 1.0 той изследва повече, което е желателно за измисляне на имена, творческо писане или генериране на варианти.
# Low temperature (0.0) = deterministic, factual
response_factual = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input="What is the capital of Germany?",
temperature=0.0
)
print(response_factual.output_text)
# Result: The capital of Germany is Berlin.
# High temperature (1.0) = creative, varied
response_creative = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input="Invent a name for a literary café.",
temperature=1.0
)
print(response_creative.output_text)
# Result: "The Wandering Pages"—a café where every table bears
# the name of a famous chapter.
Параметърът instructions изпълнява ролята на старото системно съобщение: той дефинира ролята, тона и ограниченията, които моделът трябва да поддържа през цялата размяна, независимо от зададения въпрос. В примера по-долу, същият въпрос, зададен без инструкции, би произвел списък с общи съвети; с тях той произвежда рецепти.
response = client.responses.create(
model="gpt-5.6-terra",
instructions="You are an expert in French cuisine. "
"Always respond with recipe suggestions.",
input="I don't know what to do with zucchini."
)
print(response.output_text)
# Result: Here are three ideas for your zucchini:
# 1. Zucchini gratin with goat cheese...
# 2. Provençal ratatouille...
# 3. Cold zucchini velouté with mint...
Накрая, max_output_tokens ограничава дължината на отговора. Това е мярка за бюджетна сигурност, а не инструкция за писане: отговорът се прекъсва рязко, щом се достигне лимитът. Ако искате кратък и добре оформен отговор, поискайте това и в самата подкана.
response = client.responses.create(
model="gpt-5.6-terra",
input="Explain general relativity.",
max_output_tokens=100
)
print(response.output_text)
print(f"Tokens used: {response.usage.output_tokens}")
# The response will be truncated at approximately 100 tokens
Преминаване към структуриран вход
Когато обикновеният низ не е достатъчен, input приема списък със съобщения. Минималната форма съдържа един завой, но ползата се проявява веднага щом предоставите история: тогава моделът има достъп до вече казаното и отговаря съответно. Тук „прогрес“ се разбира в контекста на Python, а не в абстрактен смисъл.
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": "Translate to English: Hello world"
}
]
)
print(response.output_text)
# Result: Hello world
# With conversation context
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": "My favorite language is Python."
},
{
"role": "assistant",
"content": "Python is an excellent choice! It is very versatile."
},
{
"role": "user",
"content": "Give me a tip to improve."
}
]
)
print(response.output_text)
# Result: To improve in Python, I recommend that you...
Никога не оставяйте обаждане без защита
Мрежовите обаждания се провалят, а ключовете изтичат. Три изключения покриват повечето случаи при започване на работа: AuthenticationError за липсващ или невалиден ключ, RateLimitError, когато надвишите разрешената си пропускателна способност, и APIError като обща предпазна мрежа. Цял урок ще се върне към пълната стратегия, но още от днес обвивайте Вашите обаждания.
from openai import OpenAI, APIError, AuthenticationError, RateLimitError
client = OpenAI()
try:
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello!"
)
print(response.output_text)
except AuthenticationError:
print("Error: Invalid or missing API key")
except RateLimitError:
print("Error: Too many requests, wait a moment")
except APIError as e:
print(f"API Error: {e.message}")
За да затвърдите всичко това, напишете скрипт, който задава три въпроса и натрупва консумираните токени. Ще комбинирате цикъл на обаждане, температура от 0.0 за стабилни отговори и четене на usage – трите основни рефлекса.
from openai import OpenAI
client = OpenAI()
questions = [
"What is the largest ocean in the world?",
"Who painted the Mona Lisa?",
"How many planets are in the solar system?"
]
total_tokens = 0
for question in questions:
response = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input=question,
temperature=0.0
)
tokens = response.usage.total_tokens
total_tokens += tokens
print(f"Q: {question}")
print(f"A: {response.output_text}")
print(f" ({tokens} tokens)\n")
print(f"Total: {total_tokens} tokens consumed")
Ключови изводи
- Едно основно обаждане изисква само
modelиinput response.output_textпредоставя текста на отговораresponse.usageдетайлизира потреблението на токениtemperatureконтролира креативността (0.0 = фактологично, 1.0 = креативно)instructionsзамества системното съобщение от Chat Completions- Винаги обработвайте грешките с блокове try/except