О чём урок
В этом руководстве демонстрируется, как создавать агентные рабочие процессы для исследований с использованием OpenAI Deep Research API и OpenAI Agents SDK. Оно является продолжением руководства по основам; если вы еще не ознакомились с этим материалом, рекомендуем это сделать. Вы узнаете, как организовывать конвейеры с одним и несколькими агентами, обогащать пользовательские запросы для максимизации качества output, осуществлять потоковую передачу хода исследования, интегрировать веб-поиск и MCP для поиска внутренних файлов, а также проектировать надёжное исследовательское приложение. Рассмотрите возможность использования Deep Research Agents для задач, требующих планирования, синтеза, использования инструментов или многошагового рассуждения. Не используйте Deep Research для поиска тривиальных фактов, простых вопросов и ответов (Q&A) или коротких чатов; стандартный openai.responsesAPI был бы быстрее и дешевле. Ключ OpenAI API (установленный как OPENAI_API_KEY в вашем окружении) Agents SDK и OpenAI Python SDK Установка зависимостей Нулевое хранение данных Мы отключаем хранение данных (Data Retention) с помощью настройки os.environ, приведённой ниже. Это позволяет предприятиям работать в среде с нулевым хранением данных (Zero Data Retention) при использовании Deep Research. Если хранение данных не является для вас активным ограничением, то рассмотрите возможность оставить его включённым, чтобы иметь автоматическую отслеживаемость для ваших агентных рабочих процессов и глубокую интеграцию с другими инструментами платформы, такими как оценки и fine-tuning. Базовый исследовательский агент выполняет глубокие исследования, используя модель 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 notebook. Цель обучения: После этого вы сможете запустить исследовательскую задачу с одним агентом и отслеживать её прогресс в потоковом режиме. Многоагентное глубокое исследование Подумайте, как можно еще больше улучшить качество исследований, которые производит "Deep Research".
План урока
- Предварительные требования
- Настройка
- Импорт библиотек и настройка клиента
- Базовый агент для глубоких исследований
- Многоагентное исследование с уточнением
- Обогащение prompt-ов субагентов
- Поток взаимодействия агентов
- Цитаты
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.