Как подключить нейросети OpenAI к своему коду на Python: API ключ, библиотека openai, простой запрос и ответ, структурированный ответ в JSON, картинки как контекст и потоковый вывод (stream).
Где смотреть модели OpenAI и цены API: Pricing и цена за миллион токенов, карточка модели, алиас и снимок, gpt-5-nano для тестов, client.models.list().
Роли сообщений в API OpenAI: developer (system), user и assistant, передача истории переписки, текста, картинок и файлов во входных данных и аргумент instructions.
Первый запрос к API OpenAI на Python: установка openai и python-dotenv, ключ OPENAI_API_KEY в .env и .gitignore, виртуальное окружение, client.responses.create.
Потоковый ответ API OpenAI на Python: метод responses.stream, цикл по событиям, response.output_text.delta, итоговый ответ и токены, вывод текста частями в чат.
Что такое AI-агент: два определения, отличия от чат-бота, из чего он состоит (модель, инструкции, инструменты, контекст, цикл), пример цикла и инструменты агентов.
Что собой представляет AI-агент технически: LLM-модель, инструменты и цикл принятия решений, Agent Loop и путь от обычного запроса к агентам и фреймворкам.
Инструменты (tools) AI-модели: зачем они нужны LLM, почему tool - это программная функция, как harness вызывает её и как работает агентский цикл Agent Loop.
Параметр tools в OpenAI API на примерах: описание функции для Responses API и Chat Completions, типы параметров, strict, tool_choice и сколько токенов стоят инструменты.
Результат остановки LLM-модели: finish_reason и status, значения stop, tool_calls, length, как вызывать инструменты в цикле и когда отдавать ответ пользователю.
Практика вызова инструмента в OpenAI API: модель возвращает finish_reason tool_calls, программа вызывает функцию get_weather. Код для Chat Completions и Responses API.
Простой AI агент на Python без фреймворков: цикл while, который возвращает модели результат инструмента до finish_reason stop. Код для Chat Completions и Responses API.
Как показать шаги AI-агента в терминале: агент составляет чек-лист и отмечает выполненное, вывод через rich Live. Полный код на Python и OpenAI Responses API.
Объект Agent в OpenAI Agents SDK: из чего состоит агент (модель, инструкции, tools), пример кода на Python и когда нужен агент, а когда хватит обычного вызова API.
Класс Runner в OpenAI Agents SDK: как он запускает агента и ведёт цикл до ответа, run_sync, что возвращает (final_output, new_items, to_input_list) и ограничение max_turns.
Трассировка trace в OpenAI Agents SDK: как увидеть шаги агента, время и токены в OpenAI Traces, with trace в коде, что искать в трассе и как её отключить.
Декоратор function_tool в OpenAI Agents SDK: как превратить функцию Python в инструмент агента без JSON-схемы, docstring с Args и полный пример с Runner.
Переписываем AI-агента с цикла на чистом Python на OpenAI Agents SDK: Agent, Runner, function_tool и trace, установка openai-agents, полный код и трасса запуска.
Режимы запуска Runner в OpenAI Agents SDK: run_sync, асинхронный run и run_streamed. Когда какой выбирать, замер скорости и примеры стриминга на Python.
Что такое Workflow в агентной разработке, чем он отличается от AI-агентов, как сравнить предсказуемость, цену и тестирование, и почему бизнесу лучше Workflow.
Шесть паттернов Anthropic для построения LLM workflow: цепочка промптов, маршрутизация, распараллеливание, оркестратор и исполнители, оценщик и оптимизатор, агент.
Чтобы оставить сообщение, зарегистрируйтесь/войдите на сайт через:
Email - зарегистрироваться / войти