Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Arendusrežiim: täiustatud juhtimine

Õppetund 4 / 16 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Arendusrežiim: täiustatud juhtimine
  2. Arendusrežiimi kasutuselevõtt
  3. Playgroundi paneelid
  4. Tugev arendustöövoog
  5. Mudelite võrdlemine
  6. Silumine metaandmete abil
  7. Tegevused Playgroundis
  8. Peamised punktid

Tund uuendatud 3. novembril 2026 vastavalt OpenAI dokumentatsioonile: parameetreid temperature ja top_p aktsepteeritakse ainult siis, kui arutluse jõupingutus (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.

Arendusrežiim: täiustatud juhtimine

OpenAI arendusrežiim on Playgroundi keskkonna täiustatud osa, mis võimaldab sul testida, iteratiivselt täiustada ja siluda oma prompte, omades granulaarset kontrolli iga API parameetri üle. See täidab täpselt sama rolli kui REPL Pythoni projektis: koht, kus saad kiiresti katsetada, teha vigu ilma tagajärgedeta ja jõuda lõpuks midagi selliseni, mida tasub koodibaasi lisada. See on tööriist, mis muudab mustandi olekus prompti tootmiskõlblikuks komponendiks.

Arendusrežiimi kasutuselevõtt

Pääsed OpenAI Playgroundi keskkonda aadressil platform.openai.com. Arendusrežiim avab kõik parameetrid, mida hiljem API-s kasutad: mudel, süsteemi prompt, temperatuur, top_p, maksimaalne tokenite arv, väljundvorming ja tööriistad. Selle range vastavuse väärtus seisneb selles, et liidese ja koodi vahel pole vaja teha ühtegi vaimset tõlget – seade, mida liideses kohendad, muutub API päringus samanimeliseks nimetatud argumendiks.

# Mida testid Playgroundis, kandub otse
# API koodi:
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    reasoning={"effort": "none"},  # temperature nõuab effort none
    instructions="Oled Pythoni koodi ülevaatuse assistent. "
                 "Sea esikohale turvaprobleemide tuvastamine.",
    input="Vaata see kood üle: subprocess.call(user_input, shell=True)",
    temperature=0.2,
    max_output_tokens=1000
)

Playgroundi paneelid

Süsteemi paneel on koht, kus koostad ja täiustad oma süsteemi prompti. Playground hoiab sinu muudatuste ajalugu, pakkudes kergekaalulist versioonihaldust uurimisfaasis, enne kui prompt liigub sinu Git’i hoidlasse ja läbib standardse ülevaatuse tsükli.

Vestluspaneel võimaldab stressitestida mitmekäigulisi vahetusi. Just siin avaldub sageli varjatud viga, mis isoleeritud päringus ei paista: vestluse triivimine. Pikkade vahetuste järel kipub mudel süsteemi prompti juhiseid „unustama“. Seetõttu suru oma testi kaugemale kui kümnes sõnum, enne kui järeldad, et sinu prompt peab vastu. Assistend, kes esimesel käigul keeldub korrektselt teemavälisest küsimusest, võib kaheteistkümnendal korral, kui kontekst on küllastunud, sellele siiski vastata.

Lõpuks avab parameetrite paneel kõik genereerimisseaded:

  • Mudel: GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna (arutlusseadetega vahemikus none kuni max)
  • Temperatuur, Top P ja Maksimaalne väljundtokenite arv
  • Vastuse vorming: vaba tekst, JSON-objekt, JSON-skeem
  • Tööriistad: funktsioonid, koodi interpretaator, failide otsing

Viimased kaks seadet avaldavad sageli kõige üllatavamat mõju. Vastuse vormingu muutmine vabast tekstist JSON-skeemiks muudab radikaalselt väljundi olemust: sa ei saa enam teksti, mida parsida, vaid struktuuri, millele sinu kood saab kindlalt toetuda. See nihutab olulise osa usaldusväärsusest promptilt API-le. Vastupidiselt sellele annab tööriista lubamine mudelile loa astuda oma kontekstiaknast välja, et hankida teavet või käivitada kood, muutes vestlusassistenti tegevust võimaldavaks komponendiks. Testi neid lüliteid Playgroundis enne nende integreerimist; nende käitumist on lihtsam mõista nägemise kui lugemise kaudu.

Tugev arendustöövoog

Alusta prototüüpimist võimekaima mudeliga, GPT-5.6 Sol, muretsemata selles etapis kulude pärast. Eesmärk on käitumise valideerimine. Kui alustad väiksema mudeliga, ei suuda sa öelda, kas ebaõnnestumine tuleneb sinu promptist või mudeli piirangutest – võid veeta tunde ümber kirjutamas prompti, milles polnud tegelikult midagi valesti.

Järgnevalt tegele äärijuhtumitega. Hoia käepärast nimekirja päringute perekondadest, mida käitad süstemaatiliselt pärast iga prompti muutmist.

# Süstemaatiliselt testitavad äärijuhtumid:
test_cases = [
    "Tavaline päring domeeni sees",
    "Domeeniväline päring (peab viisakalt keelduma)",
    "Ebaselge päring (peab küsima täpsustust)",
    "Prompti süstimine (peab ignoreerima)",
    "Väga pikk päring ulatusliku kontekstiga",
    "Päring teises keeles",
    "Päring tundlike andmetega",
]

Kui oled käitumisega rahul, ekspordi: Playground genereerib sinu konfiguratsioonile vastava koodi, mille saad otse oma rakendusse kopeerida. Siin jäetakse sageli vahele üks samm: mudeli allaviimine. Kui prompt on GPT-5.6 Soliga stabiilne, käivita see uuesti GPT-5.6 Terral ja seejärel GPT-5.6 Lunal, et kulusid vähendada. Oota kohandusi: väiksemad mudelid vajavad selgemaid juhiseid seal, kus võimekaim mudel suutis sinu kavatsuse tuletada poolikute vihjete põhjal.

Mudelite võrdlemine

from openai import OpenAI

client = OpenAI()

models = ["gpt-5.6-sol", "gpt-5.6-terra", "gpt-5.6-luna"]
prompt = "Selgita Observer mustrit Pythonis koos näitega."
system = "Oled Pythoni instruktor. Vasta inglise keeles, kaasates koodi."

for model in models:
    response = client.responses.create(
        model=model,
        reasoning={"effort": "none"},  # temperature nõuab effort none
        instructions=system,
        input=prompt,
        temperature=0.3
    )
    print(f"\n{'='*60}")
    print(f"Mudel: {model}")
    print(f"{'='*60}")
    print(response.output_text[:500])

Silumine metaandmete abil

Iga API vastus kannab väärtuslikke metaandmeid. Playground kuvab need, kuid sa peaksid need logima ka tootmiskeskkonnas, kus need moodustavad sageli ainsa tegevusvõimelise jälje pärast sündmust.

response = client.responses.create(
    model="gpt-5.6-terra",
    instructions="Vasta JSON-formaadis.",
    input="Loetle 3 populaarset programmeerimiskeelt."
)

print(f"Kasutatud tokenid (sisend)  : {response.usage.input_tokens}")
print(f"Kasutatud tokenid (väljund) : {response.usage.output_tokens}")
print(f"Tegelik mudel               : {response.model}")

Sisendtokenite arv paljastab koheselt süsteemi prompti, mis on järjestikuste lisanduste tõttu paisunud, kusjuures iga lisandus oli isoleeritult võttes mõistlik. Väljundi arv toob esile liiga sõnaohtrad vastused, mis paisutavad arvet, lisamata kasutajale väärtust. Mis puutub API poolt tagastatud tegelikku mudelisse, siis see hoiab sind tundide kaupa regressiooni põhjuse otsimisest, mis tegelikult tuleneb konfiguratsioonis halvasti edasi antud mudeli ID-st.

Tegevused Playgroundis

Ava Playground ja koosta süsteemi prompt assistendile, kes tõlgib tehnilise žargooni lihtsasse keelde. Stressi-testi seda viie erineva iseloomuga päringuga, ekspordi genereeritud kood ja käivita see seejärel Pythonis, et kinnitada käitumise püsimist ka väljaspool liidest. Lõpeta GPT-5.6 Soli ja GPT-5.6 Luna võrdlemisega samadel sisenditel: täheldatud lõhe näitab täpselt, millised juhised on sinu promptis endiselt kaudseks jäetud.

Peamised punktid

  • Playground on sinu kiire prototüüpimise keskkond
  • Testi alati äärijuhtumeid enne tootmisse viimist
  • Ekspordi kood Playgroundist oma rakendusse
  • Alusta võimekaima mudeliga ja vii seejärel taset alla
  • Vastuse metaandmed on optimeerimiseks hädavajalikud