Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Scileanna: Cumais a Chapsúlú

Ceacht 17 as 20 Nuashonraithe 2 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Scileanna: Cumais a Chapsúlú
  2. Coincheap na Scile
  3. Leabharlann Scileanna a Struchtúrú
  4. Scileanna a Chumasc
  5. Scileanna Stádfhiosacha
  6. Clárlann Scileanna
  7. Príomhphointí

An ceacht nuashonraithe an 2 Samhain, 2026 bunaithe ar dhoiciméadú OpenAI: éilíonn an uirlis Code Interpreter anois paraiméadar container (curtha leis i ngach sampla), is é input_text cineál na gcodanna ionchuir téacs, agus úsáideann an cuardach gréasáin an uirlis web_search (níl sa web_search_preview ach uirlis sheanda gan scagairí fearainn anois). Faightear comhaid ghinte trí na feidhmeanna fichiers_generes agus telecharger ó Cheacht 10. Foinse: Code Interpreter · Cuardach gréasáin.

Scileanna: Cumais a Chapsúlú

Réitíonn Scil fadhb a thagann chun cinn ag gach duine faoin dara seachtain: an leid córais céanna cóipeáilte isteach i gceithre chomhad, ag imeacht ó chéile chomh luath agus a fheabhsaíonn tú ceann amháin díobh. Is é an smaoineamh ná cumas a chóireáil mar aonad amháin—a chuid treoracha, a chuid uirlisí, a chuid sonraí tagartha—agus é a ghlaowh ar a ainm seachas é a athscríobh gach uair.

Ní hé an tairbhe ná an t-athrá a sheachaint amháin. Is oibiacht í cumas ainmnithe is féidir leat a leaganú, a thástáil, agus a chur ar aghaidh chuig duine eile. Nuair a insíonn dlíodóir duit go bhfuil athrú tagtha ar chlásal caighdeánach, déanann tú modhnú ar scil amháin agus baineann gach glao tairbhe as—seachas bheith ag lorg cá ndearnadh an leid a dhúbailt.

Coincheap na Scile

Capsúlaíonn Scil gach rud a theastaíonn ó mhúnla chun tasc sonrach a chur i gcrích. Níl an trí ghné thíos inmalartaithe: sainíonn treoracha an ról agus an fhormáid, cinneann uirlisí cad is féidir leis an múnla a fháil, agus ancaireann comhthéacs freagraí i do thagairtí féin seachas i ngnátheolas an mhúnla.

  • Treoracha: An leid córais speisialaithe
  • Uirlisí: Na feidhmeanna agus na huirlisí ionsuite riachtanacha
  • Comhthéacs: Sonraí tagartha agus samplaí
from openai import OpenAI

client = OpenAI()

# Sainigh scil anailíse airgeadais
skill_analyse_financiere = {
    "instructions": (
        "You are a financial analyst specializing in French SMEs. "
        "You analyze accounting documents and produce structured reports "
        "with key indicators, trends, and recommendations. "
        "Use French accounting standards (PCG). "
        "Format amounts in euros with thousands separators."
    ),
    "tools": [
        {"type": "file_search", "vector_store_ids": ["vs_normes_comptables"]},
        {"type": "code_interpreter", "container": {"type": "auto"}}
    ]
}

# Úsáid an scil
response = client.responses.create(
    model="gpt-5.6-terra",
    instructions=skill_analyse_financiere["instructions"],
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Analyze this balance sheet and produce a report"},
            {"type": "input_file", "file_id": fichier_bilan.id}
        ]
    }],
    tools=skill_analyse_financiere["tools"]
)

Leabharlann Scileanna a Struchtúrú

Ní cosmaideach amháin atá sa ghluaiseacht ó fhrithbhualadh go dtí aicme: ligeann sé duit samplaí a cheangal le scil agus iad a instealladh go córasach. Déanann dhá nó trí phéire ionchuir/aschuir roghnaithe go maith níos mó do chomhsheasmhacht formáide ná mír bhreise treoracha, toisc go dtaispeánann siad seachas cur síos a dhéanamh. Comhcheanglaíonn an cur i bhfeidhm thíos iad leis na treoracha ar gach glao.

class Skill:
    def __init__(self, nom: str, instructions: str, tools: list, exemples: list = None):
        self.nom = nom
        self.instructions = instructions
        self.tools = tools
        self.exemples = exemples or []

    def executer(self, client: OpenAI, requete: str, fichiers: list = None) -> str:
        content = [{"type": "input_text", "text": requete}]
        if fichiers:
            for fid in fichiers:
                content.append({"type": "input_file", "file_id": fid})

        # Cuir samplaí leis an gcomhthéacs
        instructions = self.instructions
        if self.exemples:
            instructions += "\n\nReference examples:\n"
            for ex in self.exemples:
                instructions += f"- Input: {ex['input']}\n  Output: {ex['output']}\n"

        response = client.responses.create(
            model="gpt-5.6-terra",
            instructions=instructions,
            input=[{"role": "user", "content": content}],
            tools=self.tools
        )
        return response.output_text


# Sainigh scileanna
skill_redaction_contrat = Skill(
    nom="redaction-contrat",
    instructions=(
        "You are a lawyer specializing in contract law. "
        "You draft clear, precise clauses compliant with French law. "
        "Each clause must be numbered and structured."
    ),
    tools=[
        {"type": "file_search", "vector_store_ids": ["vs_modeles_contrats"]},
        {"type": "web_search"}
    ],
    exemples=[
        {
            "input": "Confidentiality clause for a contractor",
            "output": "Article X - Confidentiality\nX.1 The Contractor undertakes..."
        }
    ]
)

skill_support_technique = Skill(
    nom="support-technique",
    instructions=(
        "You are a level 2 technical support agent. "
        "You diagnose problems by asking targeted questions. "
        "Search the knowledge base first before proposing solutions. "
        "Document every resolution."
    ),
    tools=[
        {"type": "file_search", "vector_store_ids": ["vs_base_connaissances"]},
        {
            "type": "function",
            "name": "creer_ticket_escalade",
            "description": "Escalate an issue to level 3",
            "parameters": {
                "type": "object",
                "properties": {
                    "titre": {"type": "string"},
                    "description": {"type": "string"},
                    "priorite": {"type": "string", "enum": ["basse", "moyenne", "haute", "critique"]}
                },
                "required": ["titre", "description", "priorite"],
                "additionalProperties": False
            },
            "strict": True
        }
    ]
)

Scileanna a Chumasc

Déanann cumasc slabhrú scileanna trí thoradh ceann amháin a rith mar chomhthéacs chuig an gcéad cheann eile. Tá sé cumhachtach, agus sin díreach áit a dtosaíonn an trioblóid, ar chúis shonrach: ag gach céim, is é aschur na céime roimhe an comhthéacs a tharchuirtear, ní na bunsonraí. Imíonn aon fhaisnéis a mheas an chéad scil a bheith tánaisteach do gach ceann ina dhiaidh sin.

Dhá thoradh praiticiúil. Cuir na céimeanna in ord ón gceann is ginearálta go dtí an ceann is sonrach, ionas go dtarlóidn scagadh chomh déanach agus is féidir. Agus nuair a theastaíonn amhshonraí ó chéim íosshrutha, rith na comhaid arís seachas bheith ag brath ar an achoimre—sin go díreach a dhéanann an paraiméadar fichiers sa sampla, a ritear don chéad chéim amháin ach ba chóir é a rith do gach céim a bhraitheann air.

class SkillComposee:
    def __init__(self, nom: str, etapes: list[dict]):
        self.nom = nom
        self.etapes = etapes
        self.client = OpenAI()

    def executer(self, requete_initiale: str, fichiers: list = None) -> dict:
        contexte = requete_initiale
        resultats = {}

        for etape in self.etapes:
            skill = etape["skill"]
            instruction_etape = etape.get("instruction", "")
            prompt = f"{instruction_etape}\n\nPrevious context: {contexte}"

            resultat = skill.executer(self.client, prompt, fichiers)
            resultats[etape["nom"]] = resultat
            contexte = resultat
            fichiers = None  # Files used only at the first step

        return resultats


# Sreabhadh oibre: anailís chonartha agus dréachtú achoimre ina dhiaidh sin
workflow_audit_contrat = SkillComposee(
    nom="audit-contrat",
    etapes=[
        {
            "nom": "analyse",
            "skill": skill_analyse_financiere,
            "instruction": "Analyze the financial aspects of this contract"
        },
        {
            "nom": "juridique",
            "skill": skill_redaction_contrat,
            "instruction": "Identify legal risks and propose improvements"
        }
    ]
)

Scileanna Stádfhiosacha

Cuireann scil a chuimhneoidh a glaonna roimhe seo ar chumas comhráite fada—diagnóisic theicniúil, idirbheartaíocht, rianú cásanna. Tugann sé isteach freisin an t-aon chostas a fhásann gan bhrath: ag gach casadh, seoltar an stair iomlán arís agus billeáiltear í. Pleanáil beartas gearrtha nó achoimrithe tréimhsiúil ón tús, nó costóidh an fichiú ceist deich n-uaire níos mó ná an chéad cheist le haghaidh cáilíochta nach bhfuil feabhsaithe deich n-uaire.

class SkillAvecEtat:
    def __init__(self, skill: Skill):
        self.skill = skill
        self.client = OpenAI()
        self.historique = []
        self.contexte_accumule = ""

    def appeler(self, requete: str, fichiers: list = None) -> str:
        # Tóg an leid leis an stair
        instructions = self.skill.instructions
        if self.contexte_accumule:
            instructions += f"\n\nContext from previous interactions:\n{self.contexte_accumule}"

        content = [{"type": "input_text", "text": requete}]
        if fichiers:
            for fid in fichiers:
                content.append({"type": "input_file", "file_id": fid})

        response = self.client.responses.create(
            model="gpt-5.6-terra",
            instructions=instructions,
            input=[{"role": "user", "content": content}],
            tools=self.skill.tools
        )

        resultat = response.output_text
        self.historique.append({"requête": requete, "reponse": resultat})
        self.contexte_accumule += f"\n- {requete} -> {resultat[:200]}..."

        return resultat

# Úsáid: tacaíocht theicniúil le rianú comhrá
session = SkillAvecEtat(skill_support_technique)
r1 = session.appeler("My application crashes at startup")
r2 = session.appeler("I have version 3.2.1 on Ubuntu 24.04")
r3 = session.appeler("The log shows a database connection error")

Clárlann Scileanna

Láraigh do bhainistíocht scileanna:

class RegistreSkills:
    def __init__(self):
        self.skills = {}

    def enregistrer(self, skill: Skill):
        self.skills[skill.nom] = skill

    def obtenir(self, nom: str) -> Skill:
        if nom not in self.skills:
            raise KeyError(f"Skill '{nom}' not found. "
                          f"Available: {list(self.skills.keys())}")
        return self.skills[nom]

    def lister(self) -> list[str]:
        return list(self.skills.keys())

# Clárlann dhomhanda
registre = RegistreSkills()
registre.enregistrer(skill_analyse_financiere_obj)
registre.enregistrer(skill_redaction_contrat)
registre.enregistrer(skill_support_technique)

# Úsáid
skill = registre.obtenir("support-technique")
resultat = skill.executer(client, "My printer isn't working")

Príomhphointí

  • Capsúlaíonn Scil treoracha, uirlisí agus comhthéacs i bpacáiste in-athúsáidte
  • Cumaisc scileanna le haghaidh sreabhadh oibre ilchéime
  • Úsáid staid le haghaidh scileanna comhrá
  • Láraigh do scileanna i gclárlann chun an t-aimsitheoireacht a shimpliú
  • Feabhsaíonn samplaí i dtreoracha cruinneas an mhúnla