Przejdź do głównej treści
Polski— Wybierz język
Menu

Proste żądanie POST /v1/responses

Lekcja 9 z 14 Zaktualizowano 3 listopada 2026 Programista
Na tej stronie
  1. Twoje pierwsze udane wywołanie
  2. Struktura żądania
  3. Anatomia odpowiedzi
  4. Typowe parametry opcjonalne
  5. Kontynuowanie rozmowy
  6. Śledzenie kosztów
  7. Kluczowe wnioski

Zaktualizowano 3 listopada 2026 r. na podstawie najlepszych praktyk xAI i dokumentacji API: parametr temperature jest ograniczony do wartości 1, a xAI zaleca ustawienie 0.7 przy top_p wynoszącym 0.95. Źródło: Najlepsze praktyki.

Twoje pierwsze udane wywołanie

Masz już konto, klucz API i zainstalowane SDK. Czas wysłać pierwsze żądanie do API Grok i zrozumieć strukturę odpowiedzi. Lekcja ta skupia się na głównym punkcie końcowym, /v1/responses, który jest najbardziej nowoczesny i najbardziej rekomendowany.

Struktura żądania

Punkt końcowy POST /v1/responses wymaga co najmniej dwóch parametrów:

  • model: identyfikator modelu do użycia
  • input: tekst Twojego żądania (lub tablica treści w przypadkach zaawansowanych)

Minimalne żądanie w Pythonie

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

response = client.responses.create(
    model="grok-4.5",
    input="What's the most widely used programming language in 2026?"
)

print(response.output[0].content[0].text)

Z instrukcjami systemowymi

Parametr instructions pozwala zdefiniować zachowanie modelu:

response = client.responses.create(
    model="grok-4.5",
    instructions="You are a web development expert. Answer concisely.",
    input="What's the difference between SSR and SSG?"
)

Anatomia odpowiedzi

API zwraca strukturalny obiekt JSON. Oto główne pola:

{
  "id": "resp-abc123",
  "object": "response",
  "status": "completed",
  "model": "grok-4.5",
  "output": [
    {
      "type": "message",
      "content": [
        {
          "type": "output_text",
          "text": "The model's answer appears here."
        }
      ],
      "status": "completed"
    }
  ],
  "usage": {
    "input_tokens": 42,
    "output_tokens": 156,
    "total_tokens": 198
  }
}

Ważne pola

  • id: unikalny identyfikator odpowiedzi, przydatny do jej późniejszego pobrania
  • status: completed, gdy generowanie zostanie zakończone
  • output: tablica zawierająca wygenerowane wiadomości
  • usage: liczniki tokenów służące do śledzenia zużycia

Typowe parametry opcjonalne

Kontrolowanie kreatywności

response = client.responses.create(
    model="grok-4.5",
    input="Suggest a name for an AI startup.",
    temperature=0.7,  # wartość zalecana przez xAI
    top_p=0.95,
)
  • API akceptuje wartość temperature od 0 do 2, ale dowolna wyższa wartość jest ograniczana do 1
  • xAI zaleca temperature=0.7 i top_p=0.95, odradzając odchodzenie od tych ustawień: jakość zazwyczaj spada
  • Aby uzyskać większą kreatywność, poproś o nią w prompcie („zasugeruj nieoczywiste nazwy“)

Ograniczanie długości

response = client.responses.create(
    model="grok-4.5",
    input="Summarize the concept of machine learning.",
    max_output_tokens=200  # Ogranicza długość odpowiedzi
)

Włączanie rozumowania

W przypadku modeli rozumujących dostosuj wysiłek myślowy:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Solve this problem: if 3x + 7 = 22, what is x?",
    reasoning={"effort": "high"}
)

Dostępne poziomy to low, medium oraz high.

Kontynuowanie rozmowy

Punkt końcowy /v1/responses obsługuje rozmowy wieloturowe dzięki parametrowi previous_response_id:

# Pierwsza wiadomość
r1 = client.responses.create(
    model="grok-4.5",
    input="I'm building an API in Python."
)

# Druga wiadomość (model pamięta kontekst)
r2 = client.responses.create(
    model="grok-4.5",
    input="Which framework do you recommend?",
    previous_response_id=r1.id
)

Podejście to jest prostsze niż ręczne zarządzanie historią wiadomości.

Śledzenie kosztów

Pole usage w odpowiedzi pozwala obliczyć koszt każdego wywołania. Pole output_tokens_details.reasoning_tokens pokazuje, ile tokenów zostało zużytych na wewnętrzne rozumowanie modelu (tokeny te są płatne, ale nie pojawiają się w odpowiedzi).

Kluczowe wnioski

  • Punkt końcowy POST /v1/responses jest najbardziej nowoczesny i najbardziej rekomendowany
  • Dwa wymagane parametry: model i input
  • Odpowiedź znajduje się w output[0].content[0].text
  • Użyj previous_response_id do prowadzenia rozmów wieloturowych
  • Pole usage pomaga śledzić zużycie tokenów