EsempioscriptintermediateEseguibileresearch-brief
Prompt Testuale
Esempio rieseguibile intermediate di tipo script che usa openai.
Fatti chiave
- Livello
- intermediate
- Runtime
- Python • API OpenAI
- Pattern
- Ricerca supportata dal contesto con evidenza esplicita
- Interazione
- Sandbox live • Script
- Aggiornato
- 14 marzo 2026
Naviga questo esempio
Libreria
Sfoglia gli esempiRiapri la libreria completa per confrontare pattern vicini e percorsi collegati.Interazione
Esegui ora nel sandboxProva l'interazione direttamente nella superficie guidata di questo esempio.Sorgente
Apri codice completoLeggi l'implementazione reale, i punti evidenziati e i requisiti runtime.MCP
Chiama via MCPUsa la stessa risorsa dentro agenti, export deterministici e setup MCP.
Principi collegati
02-text-prompting.py
python
from openai import OpenAI
client = OpenAI()
"""
Model spec: https://model-spec.openai.com/2025-02-12.html
Dashboard: https://platform.openai.com/logs?api=responses
"""
# --------------------------------------------------------------
# Introducing instructions
# --------------------------------------------------------------
"""
Inputs can now be a single string or a list of messages.
The list of roles can now be:
- system
- developer
- user
- assistant
"""
response = client.responses.create(
model="gpt-4o",
instructions="Talk like a pirate.",
input="Are semicolons optional in JavaScript?",
)
print(response.output_text)
# --------------------------------------------------------------
# Which would be similar to:
# --------------------------------------------------------------
response = client.responses.create(
model="gpt-4o",
input=[
{"role": "developer", "content": "Talk like a pirate."},
{"role": "user", "content": "Are semicolons optional in JavaScript?"},
],
)
print(response.output_text)
# --------------------------------------------------------------
# The chain of command (hierarchical instructions)
# --------------------------------------------------------------
"""
https://model-spec.openai.com/2025-02-12.html#chain_of_command
"""
response = client.responses.create(
model="gpt-4o",
input=[
{"role": "system", "content": "Talk like a pirate."},
{"role": "developer", "content": "don't talk like a pirate."},
{"role": "user", "content": "Are semicolons optional in JavaScript?"},
],
)
print(response.output_text) # talks like a pirate
response = client.responses.create(
model="gpt-4o",
input=[
{"role": "system", "content": "Don't talk like a pirate."},
{"role": "developer", "content": "Talk like a pirate."},
{"role": "user", "content": "Are semicolons optional in JavaScript?"},
],
)
print(response.output_text) # doesn't talk like a pirate
Principi correlati
- P4trustApplicare la divulgazione progressiva all'agenzia del sistemaFornire per impostazione predefinita le informazioni minime necessarie, consentendo agli utenti di ispezionare ulteriori dettagli quando è richiesta fiducia, comprensione o intervento.Apri il principio →
- P6visibilityEsporre uno stato operativo significativo, non la complessità internaPresentare lo stato del sistema in linguaggio e strutture rilevanti per l'utente, piuttosto che esporre dettagli interni di basso livello che non supportano l'azione o la comprensione.Apri il principio →
- P7trustStabilire fiducia attraverso l'ispezionabilitàGli utenti dovrebbero essere in grado di esaminare come è stato prodotto un risultato quando la fiducia, la responsabilità o la qualità della decisione sono importanti.Apri il principio →
- P9orchestrationRappresentare il lavoro delegato come un sistema, non solo come una conversazioneDove il lavoro coinvolge più passaggi, agenti, dipendenze o attività concorrenti, dovrebbe essere rappresentato come un sistema strutturato piuttosto che solo come un flusso di messaggi.Apri il principio →