Урок из полного доступа, первые уроки курса бесплатно Официальный курс OpenAI Academy на русском
Урок 169 · Текст · ~5 мин

Агенты для глубоких исследований

Урок 169 из 303 курса «OpenAI Cookbook»: официальный курс OpenAI Academy (ОпенАИ) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Это руководство демонстрирует, как создавать рабочие процессы исследования с использованием агентов, используя OpenAI Deep Research API и Agents SDK. Оно является продолжением руководства по основам; если вы еще не ознакомились с этим материалом, пожалуйста, сделайте это.

Рассмотрите возможность использования Deep Research Agents для задач, требующих планирования, синтеза, использования инструментов или многоэтапного рассуждения. Не используйте Deep Research для тривиального поиска фактов, простых вопросов и ответов или коротких чатов; обычный openai.responsesAPI будет быстрее и дешевле.

  • Ключ OpenAI API (установленный как OPENAI_API_KEY в вашей среде)
  • Agents SDK и OpenAI Python SDK

Установка зависимостей

Нулевое хранение данных

Мы отключаем хранение данных с помощью настройки os.environ ниже. Это позволяет предприятиям работать в среде с нулевым хранением данных с Deep Research. Если хранение данных не является для вас активным ограничением, то рассмотрите возможность оставить его включенным, чтобы иметь автоматическую отслеживаемость для ваших рабочих процессов агентов и глубокую интеграцию с другими инструментами платформы, такими как оценки и тонкая настройка.

Базовый исследовательский агент выполняет глубокое исследование с использованием модели gpt-5.6-terra, которая обеспечивает баланс между интеллектом и стоимостью. Он использует WebSearchTool для доступа к общедоступному интернету и передает свои результаты непосредственно в ноутбук.

Цель обучения:

После этого вы сможете запустить задачу исследования с одним агентом и отслеживать ее ход.

Многоагентное глубокое исследование

Рассмотрим, как можно еще больше улучшить качество исследования, производимого "Deep Research". В этом случае мы используем многоагентную архитектуру для обогащения запроса дополнительной информацией о запросе пользователя и о том, что мы ожидаем увидеть в окончательном отчете об исследовании, прежде чем отправлять его агенту глубокого исследования.

Запросы вспомогательных агентов специально разработаны для улучшения качества конечного результата исследования путем придания структуры и строгости первоначальному запросу пользователя.

  1. Агент сортировки
  2. Проверяет запрос пользователя
  3. Если контекст отсутствует, направляет запрос агенту-уточнителю; в противном случае направляет агенту-инструктору
  4. Агент-уточнитель
  5. Задает уточняющие вопросы
  6. Ожидает ответов пользователя (или имитации)
  7. Агент-создатель инструкций
  8. Преобразует…

План урока

  1. Предварительные условия
  2. Настройка
  3. Импорт библиотек и настройка клиента
  4. Базовый агент глубокого исследования
  5. Многоагентное исследование с уточнением
  6. Обогащение запроса субагента
  7. Поток взаимодействия агентов
  8. Цитаты

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы OpenAI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от OpenAI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды