AI Agents · 课时

OpenAI Assistants API 与 Threads

OpenAI 托管的代理：无需基础设施，但会带来供应商锁定，并且可观测性仍有缺失。

第 3 / 4 课15 个步骤

OpenAI Assistants API 与 Threads 是 CoddyKit 上的免费 AI Agents 课时。这是第 3 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。

本课时的部分内容尚未翻译，以英文显示。

它是什么？

OpenAI Assistants API 是一种托管式智能体产品。您定义一个助手（模型 + 指令 + 工具）；用户通过“线程”（对话）与其交互。OpenAI 负责处理状态、RAG、代码解释器和文件存储。

两大吸引力

内置 file_search — 托管式 RAG，无需运行向量数据库
内置代码解释器 — 在沙箱中执行 Python

如果您希望使用这些功能，又不想自行构建，Assistants 的开发速度会很快。

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
)

轮询完成状态

运行是异步的。请持续轮询，直到完成：

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)

函数调用

模式与 chat.completions 工具相同。当 run.status == 'requires_action' 时，分发工具调用并提交结果：

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]}})

代码解释器

添加 code_interpreter 后，助手就能获得一个沙箱式 Python 环境。非常适合数据处理任务：

{'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)

权衡

+ 向量存储和沙箱无需基础设施
+ 托管式记忆和线程状态
+ file_search 内置引用
- 供应商锁定
- 对检索策略的控制较少
- 延迟高于直接使用 chat.completions
- 可观测性更加有限

路线图

OpenAI 宣布 Responses API 将作为 Assistants 的后继产品。一些团队会等 Responses 稳定后再采用 Assistants。

用于构建原型

用 50 行代码快速搭建一个文档问答机器人？Assistants 很难被超越。若要用于具有严格服务级别协议和自定义检索的生产环境？请自行构建。

成本

Assistants 的收费包括：

常规令牌费用
file_search：按天、按 GB 计费的存储费用
code_interpreter：按会话计费

低用量时成本很低；大量使用时费用可能会逐渐增加。

Assistants 最适用的场景

什么用例最适合 Assistants API？

在交互式课程中回答

回顾

Assistants = 托管式智能体产品。file_search + code_interpreter + 线程。非常适合构建原型；不太适合大规模生产环境。请关注 Responses API。

免费开始

用 AI 导师学习 AI Agents — 免费

在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。

课程: 60
课程: 239

免费开始学习查看完整课程

常见问题解答

「OpenAI Assistants API 与 Threads」课时是免费的吗？

是的 — 「OpenAI Assistants API 与 Threads」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。

「OpenAI Assistants API 与 Threads」这节课中我会学到什么？

OpenAI 托管的代理：无需基础设施，但会带来供应商锁定，并且可观测性仍有缺失。你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Agents 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 3 节课，共 4 节。

「OpenAI Assistants API 与 Threads」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Agents 课中编写并运行代码吗？

能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Agents