Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Sinu esimene API väljakutse

Õppetund 5 / 22 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Sinu esimene API väljakutse
  2. Lihtsaim väljakutse
  3. Mida vastus tegelikult sisaldab
  4. Parameetrid, mis loevad
  5. Üleminek struktureeritud sisendile
  6. Ära jäta väljakutset kunagi kaitsmata
  7. Peamised punktid

Tund uuendatud 3. novembril 2026 OpenAI dokumentatsiooni põhjal: parameetreid temperature ja top_p aktsepteeritakse ainult siis, kui arutluse pingutus (reasoning effort) on määratud väärtusele none, samas kui GPT-5.6 mudelid kasutavad vaikimisi arutlust (medium). Seetõttu peavad need parameetrid määravad päringud sisaldama sätet reasoning={"effort": "none"} (Responses API) või reasoning_effort="none" (Chat Completions). Allikad: GPT-6 kasutamine · GPT-5.6 Terra.

Sinu esimene API väljakutse

Sinu keskkond on valmis: asume tööle. Sooritad oma esimese päringu Responses API-le, lahkad tagastatud objekti ja manipuleerid seejärel parameetritega, mis eristavad üldist vastust kasulikust.

Lihtsaim väljakutse

Vajad vaid kahte parameetrit: model (päritava mudeli identifikaator) ja input (sinu sisend – kas tekstistring või sõnumite loend, nagu varsti näeme).

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)
# Tulemus: 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)...

Mida vastus tegelikult sisaldab

output_text on vaid mugavuslühend. Objekt response sisaldab ka oma unikaalset ID-d – hädavajalik vahetuste aheldamiseks ja päringute logides leidmiseks –, tegelikult kasutatud mudelit ning tokenite tarbimise ülevaadet. Harjuta nende kolme infovälja logimist juba oma esimestes skriptides. Just see võimaldab sul hiljem vastata küsimusele: „Miks arve sel kuul kahekordistus?“

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Hello, how are you?"
)

# Vastuse tekst (lühend)
print(response.output_text)

# Vastuse unikaalne ID
print(f"ID: {response.id}")

# Kasutatud mudel
print(f"Mudel: {response.model}")

# Tarbitud tokenid
print(f"Sisendtokenid: {response.usage.input_tokens}")
print(f"Väljundtokenid: {response.usage.output_tokens}")
print(f"Tokenid kokku: {response.usage.total_tokens}")

# Tulemus:
# Hello! I'm doing very well, thank you. How can I help you?
# ID: resp_abc123xyz
# Mudel: gpt-5.6-terra
# Sisendtokenid: 14
# Väljundtokenid: 19
# Tokenid kokku: 33

Parameetrid, mis loevad

temperature reguleerib genereerimise varieeruvust. Väärtusel 0,0 valib mudel süstemaatiliselt tõenäolisima jätki: see on seade faktiliste küsimuste, andmete ekstraheerimise ja kõige jaoks, mida tuleb identselt reprodutseerida. Väärtusel 1,0 uurib see rohkem võimalusi, mida soovid nimede leiutamisel, loomingulises kirjutamises või variantide genereerimisel.

# Madal temperatuur (0,0) = deterministlik, faktiline
response_factual = client.responses.create(
    model="gpt-5.6-terra",
    reasoning={"effort": "none"},  # temperatuur nõuab pingutust none
    input="What is the capital of Germany?",
    temperature=0.0
)
print(response_factual.output_text)
# Tulemus: The capital of Germany is Berlin.

# Kõrge temperatuur (1,0) = loominguline, varieeruv
response_creative = client.responses.create(
    model="gpt-5.6-terra",
    reasoning={"effort": "none"},  # temperatuur nõuab pingutust none
    input="Invent a name for a literary café.",
    temperature=1.0
)
print(response_creative.output_text)
# Tulemus: "The Wandering Pages"—a café where every table bears
# the name of a famous chapter.

Parameeter instructions täidab vana süsteemsõnumi rolli: see määratleb rolli, tooni ja piirangud, mida mudel peab kogu vahetuse vältel säilitama, sõltumata esitatud küsimusest. Allpool toodud näites tekitaks sama küsimus ilma juhistena üldiste nõuannete loendi; koos nendega saab tulemuseks retseptid.

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)
# Tulemus: Here are three ideas for your zucchini:
# 1. Zucchini gratin with goat cheese...
# 2. Provençal ratatouille...
# 3. Cold zucchini velouté with mint...

Lõpuks piirab max_output_tokens vastuse pikkust. See on eelarveline kaitsemehhanism, mitte kirjutamisjuhend: vastus katkestatakse järsult, kui limiit on saavutatud. Kui soovid lühikest ja hästi vormistatud vastust, küsi seda ka sisendisõnumis.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Explain general relativity.",
    max_output_tokens=100
)
print(response.output_text)
print(f"Kasutatud tokenid: {response.usage.output_tokens}")
# Vastus katkestatakse ligikaudu 100 tokeni juures

Üleminek struktureeritud sisendile

Kui lihtsast stringist ei piisa, aktsepteerib input sõnumite loendit. Minimaalne vorm sisaldab ühte pööret, kuid kasu ilmneb kohe, kui lisad konteksti: mudelil on siis juurdepääs juba öeldule ja ta vastab sellele tuginedes. Siin mõistetakse „arengut“ Pythoni kontekstis, mitte abstraktselt.

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[
        {
            "role": "user",
            "content": "Translate to English: Hello world"
        }
    ]
)
print(response.output_text)
# Tulemus: Hello world

# Koos vestluskontekstiga
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)
# Tulemus: To improve in Python, I recommend that you...

Ära jäta väljakutset kunagi kaitsmata

Võrgupäringud ebaõnnestuvad ja võtmed aeguvad. Alustamiseks katavad kolm erandit enamiku juhtumeid: AuthenticationError puuduva või vigase võtme korral, RateLimitError lubatud läbilaskevõime ületamisel ja APIError üldise ohutusvõrguna. Täieliku strateegia juurde pöördume terves eraldi tunnis, kuid hakka oma väljakutseid juba täna pakendama.

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("Viga: Vigane või puuduv API võti")
except RateLimitError:
    print("Viga: Liiga palju päringuid, oota hetk")
except APIError as e:
    print(f"API viga: {e.message}")

Kõige konsolideerimiseks kirjuta skript, mis esitab kolm küsimust ja kogub tarbitud tokenid. Ühendad selles väljakutse tsükli, temperatuuri 0,0 stabiilsete vastuste jaoks ja usage lugemise – need on kolm põhilist refleksi.

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"},  # temperatuur nõuab pingutust none
        input=question,
        temperature=0.0
    )
    tokens = response.usage.total_tokens
    total_tokens += tokens
    print(f"K: {question}")
    print(f"V: {response.output_text}")
    print(f"   ({tokens} tokenit)\n")

print(f"Kokku: {total_tokens} tokenit tarbitud")

Peamised punktid

  • Põhiväljakutse nõuab vaid model ja input
  • response.output_text annab vastuse teksti
  • response.usage detailsed tokenite tarbimise andmed
  • temperature kontrollib loovust (0,0 = faktiline, 1,0 = loominguline)
  • instructions asendab Chat Completionsi süsteemsõnumi
  • Käitle vigu alati try/except plokkidega