🗂️ Terug naar start

OpenAI Agents SDK

Chat GPT
💡In Chat GPT kun je in het tekst veld een “@” typen om een eigen GPT toe te voegen aan de chat.

Hier vind je uitleg en de details om specifieke tools te koppelen aan custom GPTs

A3D Custom GPTs:
A3D AI Agent Assistent (nl)
Informele assistent voor het bouwen van Python-apps met AI-agenten, uitgebreide uitleg over LangGraph en gebruik van Streamlit voor GUI.
A3D GPT Ontwikkel Assistent (nl)
Geeft uitleg en optimaliseert Nederlandstalige GPT's voor bouwen en instructies.
A3D Prompt Meester (nl)
Helpt bij het maken, verfijnen en optimaliseren van Nederlandstalige AI-prompts en systeemprompts, met de nadruk op slimme optimalisatie
A3D Streamlit Assistent GPT (nl)
Een formele Nederlandstalige assistent gespecialiseerd in Python en Streamlit voor het bouwen van GUIs.

Gemini
NotebooksLM

Bing

Consensus is een door AI aangedreven academische zoekmachine die gebruikers helpt sneller wetenschappelijke inzichten te vinden en samen te vatten. Het platform doorzoekt meer dan 200 miljoen wetenschappelijke artikelen en maakt gebruik van geavanceerde zoekalgoritmes en taalmodellen om relevante onderzoeksresultaten te vinden. Het is vooral nuttig voor onderzoekers, studenten en professionals die betrouwbare, op bewijs gebaseerde informatie nodig hebben.

Elicit is een AI-ondersteunde onderzoeksassistent die het wetenschappelijke onderzoeksproces automatiseert, vooral voor literatuur- en systematische reviews. Het helpt onderzoekers snel relevante artikelen te vinden, gegevens uit wetenschappelijke artikelen te extraheren en deze informatie te organiseren. Elicit is zeer geschikt voor het uitvoeren van systematische reviews en meta-analyses, waarbij het tot 50-80% tijd en kosten kan besparen in vergelijking met handmatige methoden. Het biedt ook functies om meerdere artikelen te vergelijken en te analyseren, en stelt gebruikers in staat om aangepaste zoekcriteria in te stellen en gegevens uit tabellen te extraheren.

Chat GPT
GPT DOCS
GPT API ref
OpenAI Academy✨
OpenAI Cookbook
OpenAI Billing overview✨
Overzicht gebruik✨

OpenAI Agents SDK

Installeer openAI pakket

pip install openai

Bij problemen met gewoon installeren de onderstaande methode gebruiken

python -m pip install openai

GPT DOCS
GPT API ref
OpenAI Models
OpenAI Embeddings
Embeddings tutorial: How to build an AI that can answer questions about your website
Gids/Docs OpenAI Prompt Engeneering
https://platform.openai.com/playground. Menu links van de pagina is uitklapmenu waar playground ed.
→ Assistenten Tools: Hulpmiddelen Menu links van de pagina is uitklapmenu waar playground ed.

NIEUW: YouTube: Getting Started with OpenAI Assistants - Retrieval

💡 Hier de meest simpele vorm om een LLM te gebruiken via de OpenAI API (zonder langChain)

import openai
from openai import OpenAI

def vraag_naar_zoekterm(self, input_text):
        system_prompt = "Beschrijf hier wat van de llmverwacht wordt/wat deze moet doen met de input_text (user content)"
        completion = client.chat.completions.create(       
            model="gpt-4o-mini-2024-07-18",
            temperature=0.2,
            max_tokens=50,
            messages=[
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": input_text}
            ]
        )
        zTerm = completion.choices[0].message.content
        zTerm = zTerm.replace('"', '').replace("'", "")
        return zTerm

Voorbeeld van het gebruik van gpt-5 API. Er worden twee prompts geladen in de vorm van .md bestanden en er wordt een json object meegestuurd naar de llm

import json
import openai

class CheckClientAI():
    def __init__(self):
        self.client = openai.OpenAI()

    def checkClientObject(self, clientObject):
        systemPrompt = self.haalSysteemPrompt()
        clientPrompt = self.haalClientPrompt()

        response = self.client.chat.completions.create(
            model="gpt-5-mini",
            messages=[
                {"role": "system", "content": systemPrompt},
                {"role": "user", "content": f"{clientPrompt}: {json.dumps(clientObject, indent=2, ensure_ascii=False)}"}
            ],
            reasoning_effort="medium",
            verbosity="medium"
        )
        return response.choices[0].message.content

    def haalSysteemPrompt(self):
        bestandspad = "a3d/prompts/p_systeemprompt_checkclient_object.md"
        with open(bestandspad, "r", encoding="utf-8") as f:
            return ''.join(f.readlines())

    def haalClientPrompt(self):
        bestandspad = "a3d/prompts/p_userprompt_checkerclient_object.md"
        with open(bestandspad, "r", encoding="utf-8") as f:
            return ''.join(f.readlines())

ℹ️ reasoning_effort=“medium” en verbosity=“medium” zijn nieuwe sleutelwaarden voor gpt-5

easoning_effort Met reasoning_effort bepaal je hoe intensief het model redeneert voordat het antwoord geeft. Mogelijke waarden: “minimal”, “low”, “medium” (standaard), “high”.

• minimal: Model redeneert nauwelijks—snel, efficiënt, bruikbaar voor simpele taken of data-extractie.
• low: Iets meer denkwerk, nog steeds snel; voor eenvoudige analyse, korte samenvattingen.
• medium: Balans tussen snelheid en kwaliteit; goed voor contentcreatie, codegeneratie, complexe instructies.
• high: Maximale inspanning; model neemt ruim de tijd, het antwoord is diepgaand en gedetailleerd, maar gaat ten koste van snelheid en kosten—ideaal bij onderzoek, complexe analyses, strategisch plannen of diep debuggen.

verbosity Met verbosity stuur je hoe uitgebreid het antwoord is qua lengte en detailniveau. Mogelijke waarden: “low”, “medium” (standaard), “high”.

• low: Kort, to-the-point antwoord.
• medium: Normale, goed onderbouwde uitleg.
• high: Uitgebreid, met veel details of context. Het model geeft langere, meer beschrijvende antwoorden, waar mogelijk voorzien van extra uitleg of achtergrondinformatie.

💡 Deze parameters kun je combineren om het model precies af te stemmen op de gewenste snelheid, kosten, inhoud en diepgang van het antwoord geschikt voor jouw taak of prompt

OpenAI Agents SDK