Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Tvoj prvi klic API-ja

Lekcija 5 od 22 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Tvoj prvi klic API-ja
  2. Najpreprostejši klic
  3. Kaj odgovor dejansko vsebuje
  4. Parametri, ki so pomembni
  5. Prehod na strukturiran vnos
  6. Nikoli ne pusti klica nezavarovanega
  7. Ključne ugotovitve

Lekcija posodobljena 3. novembra 2026 na podlagi dokumentacije OpenAI: parametra temperature in top_p sta sprejeta le pri naporu razmišljanja (reasoning effort) vrednosti none, medtem ko modeli GPT-5.6 privzeto razmišljajo (medium). Klici, ki nastavljajo te parametre, morajo zato določiti reasoning={"effort": "none"} (Responses API) ali reasoning_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 model in input
  • response.output_text zagotavlja besedilo odgovora
  • response.usage podrobno opisuje porabo žetonov
  • temperature nadzira kreativnost (0,0 = dejansko, 1,0 = kreativno)
  • instructions nadomeščajo sistemsko sporočilo iz Chat Completions
  • Napake vedno obravnavaj z bloki try/except