Prima ta aplicație AI în câteva linii
Chatboții, asistenții de suport și rezumatele automate pe care le folosești zilnic au în spate același lucru: un program care trimite text unui model AI printr-un API și primește un răspuns. În această lecție scrii primul tău astfel de program, în Python, în mai puțin de 10 linii.
Ce construiești în acest curs
Un model de limbaj (LLM, de la Large Language Model) precum Claude sau GPT primește text și scrie text. Singur, e doar o conversație într-o fereastră de chat. Puterea apare când aplicația ta vorbește cu el: îi dă datele firmei, îi cere răspunsuri în format JSON, îl lasă să apeleze funcțiile tale și îi verifică rezultatul.
În acest curs înveți exact asta: să construiești aplicații reale peste modele AI, cu API-urile Claude (Anthropic) și OpenAI. La final vei avea un chatbot pentru un site, un asistent de suport care răspunde din documentele unei firme și un agent care automatizează un flux de lucru.
Construiești aplicații care folosesc modele AI existente (Claude, GPT) prin API-urile lor: prompturi, răspunsuri JSON, tool use, RAG, agenți. Nu antrenezi modele și nu ai nevoie de matematică; dacă vrei să înveți cum se antrenează un model, acela e cursul de Machine Learning. Ce îți trebuie: bazele Python (variabile, liste, dicționare, funcții, bucle). Dacă nu le ai încă, începe cu cursul de Python și revino aici.
Răspunde la întrebări despre produse, livrare și retur, din informațiile magazinului.
Transformă emailuri, facturi și contracte în date structurate pe care aplicația le salvează.
Verifică o comandă, creează un tichet și trimite răspunsul, pas cu pas, cu reguli clare.
Cum vorbește aplicația ta cu un model
Modelul nu rulează pe calculatorul tău. Rulează pe serverele furnizorului (Anthropic pentru Claude, OpenAI pentru GPT). Programul tău îi trimite o cerere HTTP cu mesajul și câteva setări, iar serverul întoarce răspunsul. Biblioteca anthropic (SDK-ul oficial pentru Python) face pentru tine partea de HTTP: tu doar apelezi o funcție.
Ca să poți exersa oricât, fără cont, fără cheie și fără cost, în editorul din dreapta modulele anthropic și openai sunt simulate: au aceeași interfață ca bibliotecile oficiale, dar răspunsurile sunt pregătite pentru fiecare lecție. Așa poate fi verificat automat fiecare exercițiu (un model real răspunde puțin diferit la fiecare rulare). Codul pe care îl scrii aici rulează la fel în proiectele tale, după pip install anthropic. În lecțiile cheie din modulele plătite găsești și casete marcate model real: acolo răspunde Claude Haiku 5.5, prin serverul Academiei, cu un număr limitat de cereri. Diferențele dintre simulator și modelul real le vezi pe larg în lecția 26.
Primul apel, linie cu linie
import anthropic
MODEL = "claude-haiku-5-5"
client = anthropic.Anthropic()
raspuns = client.messages.create(
model=MODEL,
max_tokens=300,
messages=[{"role": "user", "content": "Ce este un API? Explică într-o frază."}],
)
print(raspuns.content[0].text)Un API este o interfață prin care un program cere servicii altui program, după reguli clare: trimiți o cerere, primești un răspuns.
Fiecare mesaj are un role (cine vorbește: "user" pentru om, "assistant" pentru model) și un content (textul). Chiar și pentru o singură întrebare trimiți o listă cu un mesaj.
Ce mai conține răspunsul
Obiectul primit are mai multe informații utile pentru o aplicație reală: de ce s-a oprit modelul și câți tokeni (bucăți de text) a consumat cererea. Tokenii sunt unitatea după care plătești, de aceea aplicațiile serioase îi urmăresc la fiecare apel.
import anthropic
MODEL = "claude-haiku-5-5"
client = anthropic.Anthropic()
raspuns = client.messages.create(
model=MODEL,
max_tokens=300,
messages=[{"role": "user", "content": "Scrie un slogan pentru o cafenea de cartier."}],
)
print("Text:", raspuns.content[0].text)
print("Motivul opririi:", raspuns.stop_reason)
print("Tokeni intrare:", raspuns.usage.input_tokens)
print("Tokeni ieșire:", raspuns.usage.output_tokens)Text: Cafeaua ta de dimineață, prăjită cu grijă la colțul străzii. Motivul opririi: end_turn Tokeni intrare: 22 Tokeni ieșire: 20
| Câmp | Ce înseamnă |
|---|---|
| content | lista blocurilor răspunsului (text, apeluri de tool-uri) |
| stop_reason | end_turn = modelul a terminat singur; max_tokens = s-a atins limita și răspunsul e tăiat |
| usage.input_tokens | tokenii trimiși (mesajele tale) |
| usage.output_tokens | tokenii scriși de model (costă de 5 ori mai mult la Haiku 5.5) |
Greșeli frecvente la primul apel
- Uiți max_tokens: biblioteca oprește programul cu TypeError: Missing required arguments, pentru că limita răspunsului e obligatorie la Claude.
- Scrii greșit numele modelului (de exemplu claude-haiku): API-ul răspunde cu eroarea 404 not_found_error: model. Copiază numele exact din documentație.
- Trimiți content ca număr sau listă goală: primești 400 content cannot be empty. Mesajul trebuie să fie un text.
- Afișezi raspuns direct în loc de raspuns.content[0].text: vezi tot obiectul, nu doar textul.
Răspunsurile unui model real diferă puțin de la o rulare la alta, chiar pentru aceeași întrebare. În simulator sunt mereu aceleași, ca exercițiile să poată fi verificate automat.
Scrie primul tău program care vorbește cu un model AI. Trimite modelului întrebarea Dă-mi 3 idei de aplicații AI pentru o firmă mică. și afișează textul răspunsului, apoi pe o linie separată Oprire: urmat de stop_reason.
- Creează clientul cu anthropic.Anthropic().
- Apelează client.messages.create cu model=MODEL, max_tokens=400 și un mesaj cu rolul user care conține exact întrebarea din enunț.
- Afișează raspuns.content[0].text.
- Afișează Oprire: + raspuns.stop_reason.
Soluția exercițiului
import anthropic
MODEL = "claude-haiku-5-5"
client = anthropic.Anthropic()
raspuns = client.messages.create(
model=MODEL,
max_tokens=400,
messages=[{"role": "user", "content": "Dă-mi 3 idei de aplicații AI pentru o firmă mică."}],
)
print(raspuns.content[0].text)
print("Oprire:", raspuns.stop_reason) 