Menghasilkan Output Terstruktur

Bekerja dengan OpenAI Responses API

James Chapman

AI Curriculum Manager, DataCamp

Selanjutnya...

Perlunya Struktur

Bagian 1: Mendefinisikan Skema Output

from pydantic import BaseModel


class QuizResult(BaseModel):
    score: int
    passed: bool
    feedback: str

Bagian 1: Mendefinisikan Skema Output

from pydantic import BaseModel, Field

class QuizResult(BaseModel):
    score: int = Field(description="Jumlah jawaban benar dari 10")
    passed: bool = Field(description="True jika skor 7 atau lebih")
    feedback: str = Field(
        description="Pesan penyemangat dengan saran konkret untuk perbaikan"
    )

Bagian 2: Mengirim Permintaan

response = client.responses.parse(

    model="gpt-5-mini",

    instructions="Anda adalah tutor kosakata bahasa Spanyol. Nilai jawaban kuis siswa. Beri nilai 2 poin per jawaban benar.",
    input="""1. casa = house
             2. perro = dog
             3. gato = car
             4. libro = book
             5. agua = water""",

    text_format=QuizResult

)

Bagian 3: Mengekstrak Hasil

result = response.output_parsed

print(f"Score: {result.score}/10")
print(f"Passed: {result.passed}")
print(f"Feedback: {result.feedback}")

Score: 8/10
Passed: True
Feedback: Kerja bagus - Anda meraih 8/10 (4/5 benar). Satu-satunya kesalahan adalah #3: 'gato'
berarti 'cat', bukan 'car' (bahasa Spanyol untuk 'car' adalah 'coche' atau 'carro'). Saran: tinjau
kosakata hewan umum dengan kartu belajar dan kuis singkat untuk memperkuat ingatan.

Struktur Data yang Lebih Kompleks

class Mistake(BaseModel):
    word: str = Field(description="Kata bahasa Spanyol yang salah")
    student_answer: str = Field(description="Jawaban yang ditulis siswa")
    correct_answer: str = Field(description="Terjemahan yang benar")


class DetailedQuizResult(BaseModel):
    score: int = Field(description="Jumlah jawaban benar dari 10")
    passed: bool = Field(description="True jika skor 7 atau lebih")
    feedback: str = Field(description="Pesan penyemangat dengan saran spesifik")

    mistakes: list[Mistake] = Field(description="Daftar jawaban yang salah")

response = client.responses.parse(
    model="gpt-5-mini",
    instructions="Anda adalah tutor kosakata bahasa Spanyol. Nilai jawaban kuis siswa. Beri nilai 2 poin per jawaban benar.",
    input="""1. casa = house
             2. perro = dog
             3. gato = car
             4. libro = library
             5. agua = water""",

    text_format=DetailedQuizResult

)

result = response.output_parsed
print(f"Score: {result.score}/10")
print(f"Passed: {result.passed}")

for mistake in result.mistakes:
    print(f"{mistake.word}: '{mistake.student_answer}' -> '{mistake.correct_answer}'")

Score: 6/10
Passed: False
gato: 'car' -> 'cat'
libro: 'library' -> 'book'

Ringkasan

from pydantic import BaseModel, Field

class QuizResult(BaseModel):
    score: int = Field(...)
    passed: bool = Field(...)
    feedback: str = Field(...)

result = response.output_parsed

print(f"Score: {result.score}/10")
print(f"Passed: {result.passed}")
print(f"Feedback: {result.feedback}")

response = client.responses.parse(
    model="gpt-5-mini",
    instructions="...",
    input="...",

    text_format=QuizResult

)

Ayo berlatih!

Bekerja dengan OpenAI Responses API