OpenAI Assistants API i wątki
Zarządzane przez OpenAI agenty: brak infrastruktury po Państwa stronie, ale uzależnienie od dostawcy i braki w obserwowalności.
OpenAI Assistants API i wątki to bezpłatna lekcja AI Agents na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Agents, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Agents zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
Co to jest?
OpenAI Assistants API to zarządzany produkt do budowania agentów. Definiuje się asystenta (model + instrukcje + narzędzia), a użytkownicy wchodzą w interakcję za pośrednictwem „wątków” (konwersacji). OpenAI obsługuje stan, RAG, interpretator kodu i przechowywanie plików.
Dwie główne zalety
- Wbudowane file_search — zarządzane RAG, bez konieczności uruchamiania wektorowej bazy danych
- Wbudowane code_interpreter — wykonywanie kodu Python w izolowanym środowisku
Jeśli chcą Państwo korzystać z tych funkcji bez samodzielnego ich tworzenia, Assistants pozwala szybko rozpocząć pracę.
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
)Odpytywanie o zakończenie
Uruchomienia są asynchroniczne. Należy odpytywać o status aż do zakończenia:
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)Wywoływanie funkcji
To ten sam schemat co w przypadku narzędzi chat.completions. Gdy run.status == 'requires_action', należy rozesłać wywołania narzędzi i przesłać wyniki:
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]}})Code Interpreter
Po dodaniu code_interpreter asystent otrzymuje izolowane środowisko Python. To świetne rozwiązanie do zadań związanych z danymi:
{'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)Kompromisy
- + Brak konieczności zarządzania infrastrukturą magazynów wektorowych i piaskownicy
- + Zarządzana pamięć i stan wątków
- + Wbudowane cytowania z file_search
- - Uzależnienie od dostawcy
- - Mniejsza kontrola nad strategią wyszukiwania
- - Większe opóźnienia niż w przypadku bezpośredniego chat.completions
- - Bardziej ograniczone możliwości obserwacji
Plan rozwoju
OpenAI zapowiedziało Responses API jako następcę Assistants. Niektóre zespoły wstrzymują się z użyciem Assistants, dopóki Responses nie osiągnie stabilnej formy.
Zastosowanie do prototypów
Uruchomienie bota do pytań i odpowiedzi na podstawie dokumentów w 50 wierszach kodu? Assistants trudno przebić. W środowisku produkcyjnym, przy rygorystycznych SLA i niestandardowym wyszukiwaniu, lepiej zbudować rozwiązanie samodzielnie.
Koszt
Assistants nalicza opłaty za:
- standardowe koszty tokenów
- file_search: przechowywanie za każdy dzień i GB
- code_interpreter: za każdą sesję
Przy małym wolumenie jest tanio, ale przy intensywnym użyciu koszty mogą szybko wzrosnąć.
Najlepsze zastosowania Assistants
Jaki przypadek użycia najlepiej pasuje do Assistants API?
Podsumowanie
Assistants to zarządzany produkt do budowy agentów. Oferuje file_search, code_interpreter i wątki. Świetnie nadaje się do prototypów, ale mniej do produkcji na dużą skalę. Warto śledzić Responses API.
Często zadawane pytania
Czy lekcja „OpenAI Assistants API i wątki” jest bezpłatna?
Tak — pełny tekst „OpenAI Assistants API i wątki” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Agents, przejdź na CoddyKit PRO. Kurs AI Agents zawiera 4 lekcji w sumie.
Co nauczysz się w „OpenAI Assistants API i wątki”?
Zarządzane przez OpenAI agenty: brak infrastruktury po Państwa stronie, ale uzależnienie od dostawcy i braki w obserwowalności. Ćwiczysz AI Agents z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć AI Agents?
Nie wymagamy żadnego doświadczenia. AI Agents w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „OpenAI Assistants API i wątki”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji AI Agents?
Tak. Każda lekcja AI Agents zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- LangGraph vs CrewAI vs AutoGen
- Letta (dawniej MemGPT) dla długowiecznych agentów
- OpenAI Assistants API i wątki
- Wybór odpowiedniego frameworka do przypadku użycia