Tvoj prvi klic API-ja
Na tej strani
Lekcija posodobljena 3. novembra 2026 na podlagi dokumentacije OpenAI: parametra
temperatureintop_psta sprejeta le pri naporu razmišljanja (reasoning effort) vrednostinone, medtem ko modeli GPT-5.6 privzeto razmišljajo (medium). Klici, ki nastavljajo te parametre, morajo zato določitireasoning={"effort": "none"}(Responses API) alireasoning_effort="none"(Chat Completions). Viri: Uporaba GPT-6 · GPT-5.6 Terra.
Tvoj prvi klic API-ja
Tvoje okolje je pripravljeno: lotimo se dela. Pravkar boš opravil svoj prvi klic do Responses API-ja, razčlenil objekt, ki ga vrne, in nato manipuliral s parametri, ki ločujejo splošen odgovor od uporabnega.
Najpreprostejši klic
Potrebuješ le dva parametra: model, identifikator modela, ki ga želiš poizvedovati, in input, tvoj poziv – bodisi besedilni niz ali seznam sporočil, kot bomo videli kmalu.
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)...
Kaj odgovor dejansko vsebuje
output_text je le bližnjica za udobje. Objekt response nosi tudi svoj edinstveni ID – ključen za veriženje izmenjav in iskanje klicev v tvojih dnevnikih –, dejanski uporabljeni model in razčlenjeno porabo žetonov. Navadi se, da te tri podatke beležiš že v svojih prvih skriptah. To ti bo omogočilo, da kasneje odgovoriš na vprašanje: „Zakaj se je račun ta mesec podvojil?”
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello, how are you?"
)
# Besedilo odgovora (bližnjica)
print(response.output_text)
# Edinstveni ID odgovora
print(f"ID: {response.id}")
# Uporabljeni model
print(f"Model: {response.model}")
# Porabljeni žetoni
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
Parametri, ki so pomembni
temperature ureja variabilnost generiranja. Pri 0,0 model sistematično izbere najbolj verjetno nadaljevanje: to je nastavitev za dejanska vprašanja, ekstrakcijo podatkov in vse, kar moraš reproducirati identično. Pri 1,0 raziskuje širše, kar želiš pri poimenovanju, kreativnem pisanju ali generiranju variant.
# Nizka temperatura (0,0) = deterministično, dejansko
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.
# Visoka temperatura (1,0) = kreativno, raznoliko
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.
Parameter instructions prevzame vlogo starega sistemskega sporočila: definira vlogo, ton in omejitve, ki jih mora model ohranjati skozi celotno izmenjavo, ne glede na zastavljeno vprašanje. V spodnjem primeru bi isto vprašanje brez navodil proizvedlo seznam splošnih nasvetov; z njimi pa proizvede recepte.
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...
Končno max_output_tokens omeji dolžino odgovora. To je proračunska varovalka, ne navodilo za pisanje: odgovor se nenadoma prereže, ko je dosežena omejitev. Če želiš kratek, dobro oblikovan odgovor, to zahtevaj tudi v pozivu.
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
Prehod na strukturiran vnos
Ko preprost niz ni dovolj, input sprejme seznam sporočil. Minimalna oblika vsebuje en obrat, a se korist pokaže takoj, ko zagotoviš zgodovino: model ima nato dostop do tega, kar je bilo že rečeno, in ustrezno odgovori. Tu je „napredek” razumljen v kontekstu Pythona, ne abstraktno.
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
# Z kontekstom pogovora
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...
Nikoli ne pusti klica nezavarovanega
Omrežni klici odpovejo in ključi potečejo. Tri izjeme pokrijejo večino primerov na začetku: AuthenticationError za manjkajoč ali neveljaven ključ, RateLimitError, ko presežeš dovoljeno prepustnost, in APIError kot splošna varnostna mreža. Celotna lekcija se bo vrnila k popolni strategiji, a že danes ovij svoje klice.
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}")
Da vse to utrdiš, napiši skripto, ki postavi tri vprašanja in sešteje porabljene žetone. Združil boš zanko klicev, temperaturo 0,0 za stabilne odgovore in branje usage – tri osnovne refleksne navade.
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")
Ključne ugotovitve
- Osnovni klic zahteva le
modelininput response.output_textzagotavlja besedilo odgovoraresponse.usagepodrobno opisuje porabo žetonovtemperaturenadzira kreativnost (0,0 = dejansko, 1,0 = kreativno)instructionsnadomeščajo sistemsko sporočilo iz Chat Completions- Napake vedno obravnavaj z bloki try/except