API Assistants dan Thread OpenAI
Agen terkelola OpenAI: tanpa infrastruktur, tetapi terikat pada vendor dan memiliki kekurangan dalam kemampuan observabilitas.
API Assistants dan Thread OpenAI adalah pelajaran AI Agents gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Agents, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Agents mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
Apa Itu?
OpenAI Assistants API adalah produk agen terkelola. Anda menentukan sebuah asisten (model + instruksi + alat); pengguna berinteraksi melalui "utas" (percakapan). OpenAI menangani keadaan, RAG, penerjemah kode, dan penyimpanan berkas.
Dua Keunggulan Utama
- Pencarian berkas bawaan — RAG terkelola, tanpa perlu menjalankan basis data vektor
- code_interpreter bawaan — Eksekusi Python dalam lingkungan terisolasi
Jika Anda menginginkan fitur-fitur tersebut tanpa harus membangunnya sendiri, Assistants adalah pilihan yang cepat.
Creating an Assistant
from openai import OpenAI
client = OpenAI()
assistant = client.beta.assistants.create(
name='Support Bot',
instructions='You help customers with orders.',
model='gpt-4o-mini',
tools=[{'type': 'file_search'}, {'type': 'code_interpreter'}]
)Threads = Conversations
thread = client.beta.threads.create()
client.beta.threads.messages.create(
thread_id=thread.id,
role='user',
content='Where is my order?'
)
run = client.beta.threads.runs.create(
thread_id=thread.id,
assistant_id=assistant.id
)Memeriksa hingga Selesai
Eksekusi berjalan secara asinkron. Periksa statusnya hingga selesai:
import time
while run.status not in ('completed', 'failed', 'requires_action'):
time.sleep(1)
run = client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)Pemanggilan Fungsi
Polanya sama seperti alat pada chat.completions. Saat run.status == 'requires_action', jalankan pemanggilan alat dan kirimkan hasilnya:
if run.status == 'requires_action':
tool_outputs = []
for tc in run.required_action.submit_tool_outputs.tool_calls:
result = dispatch(tc)
tool_outputs.append({'tool_call_id': tc.id, 'output': json.dumps(result)})
client.beta.threads.runs.submit_tool_outputs(thread_id=thread.id, run_id=run.id, tool_outputs=tool_outputs)File Search (Vector Store)
vector_store = client.beta.vector_stores.create(name='docs')
client.beta.vector_stores.file_batches.upload_and_poll(
vector_store_id=vector_store.id,
files=[open('handbook.pdf', 'rb')]
)
assistant = client.beta.assistants.update(assistant.id, tool_resources={'file_search': {'vector_store_ids': [vector_store.id]}})Interpreter Kode
Tambahkan code_interpreter dan asisten akan mendapatkan lingkungan Python terisolasi. Sangat berguna untuk tugas-tugas data:
{'type': 'code_interpreter'}Streaming
with client.beta.threads.runs.stream(thread_id=thread.id, assistant_id=assistant.id) as stream:
for event in stream:
print(event)Kompromi
- + Tanpa infrastruktur untuk penyimpanan vektor dan lingkungan terisolasi
- + Memori dan status utas yang dikelola
- + Sitasi bawaan dari file_search
- - Ketergantungan pada vendor
- - Kontrol yang lebih terbatas atas strategi pengambilan
- - Latensi lebih tinggi daripada chat.completions langsung
- - Kemampuan pemantauan lebih terbatas
Peta Jalan
OpenAI mengumumkan Responses API sebagai penerus Assistants. Beberapa tim menunda penggunaan Assistants sampai Responses API lebih stabil.
Gunakan untuk Prototipe
Membuat bot QA dokumen dalam 50 baris? Assistants sulit dikalahkan. Untuk produksi dengan SLA ketat dan pengambilan khusus? Bangun sendiri.
Biaya
Assistants mengenakan biaya untuk:
- Biaya token normal
- file_search: penyimpanan per hari per-GB
- code_interpreter: per sesi
Murah untuk volume rendah, tetapi biayanya dapat menumpuk jika digunakan secara intensif.
Kecocokan Terbaik Assistants
Kasus penggunaan apa yang paling sesuai untuk API Assistants?
Ringkasan
Assistants = produk agen terkelola. file_search + code_interpreter + utas. Sangat baik untuk prototipe, tetapi kurang ideal untuk produksi berskala besar. Perhatikan Responses API.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “API Assistants dan Thread OpenAI” gratis?
Ya — teks lengkap “API Assistants dan Thread OpenAI” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Agents, upgrade ke CoddyKit PRO. Kursus AI Agents mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “API Assistants dan Thread OpenAI”?
Agen terkelola OpenAI: tanpa infrastruktur, tetapi terikat pada vendor dan memiliki kekurangan dalam kemampuan observabilitas. Kamu berlatih AI Agents dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AI Agents?
Tidak diperlukan pengalaman sebelumnya. AI Agents di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “API Assistants dan Thread OpenAI” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Agents ini?
Ya. Setiap pelajaran AI Agents menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- LangGraph vs CrewAI vs AutoGen
- Letta (sebelumnya MemGPT) untuk Agen Berumur Panjang
- API Assistants dan Thread OpenAI
- Memilih Kerangka Kerja yang Tepat untuk Setiap Kasus Penggunaan