Markdown సంచిక

AI-translated from English; not yet reviewed by a fluent editor.

# ఏజెంట్ అవుట్‌పుట్‌ను సమీక్షించిన చర్యల రిజిస్టర్‌గా మార్చండి

> మీ నోట్స్ నుంచి OpenAI Agents SDKతో నిర్దిష్ట టైప్ ఫలితం తయారుచేసి మూల ఆధారాలు, అర్థాన్ని సమీక్షించండి. ఆమోదించిన ఫలితాన్ని హ్యాష్‌లు తిరిగి చదివి తనిఖీ చేసే స్థానిక Markdown చర్యల రిజిస్టర్‌కు ఇవ్వండి.

By BIG CHANGE Editorial

Published: 2026-10-20T12:52:38.610Z
Updated: 2026-10-20T12:52:38.610Z
Canonical: https://bigchange.ai/blog/agents-sdk-reviewed-action-register-guide

![Conceptual charcoal illustration of one person holding a larger blank ruled source page and a smaller blank candidate page, with an orange reading strip across the source.](https://bigchange.ai/api/media/file/source-candidate-human-review-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

ఏజెంట్ ఫలితం JSON ఆకృతి సరైనదైనా మూలాన్ని తప్పుగా అర్థం చేసుకోవచ్చు. ఈ గైడ్ Python డెవలపర్‌కు ఒక అనుమతించిన నోట్స్ ఫైల్ నుంచి స్థానిక చర్యల రిజిస్టర్ వరకు పూర్తి మార్గం ఇస్తుంది: నిర్దిష్ట టైప్ ఉత్పత్తిదారు ఫలితం, మూలం, అర్థం తనిఖీలు, ఖచ్చితమైన హ్యాష్‌లపై మానవ ఆమోదం, సమూహాల Markdown నివేదిక రాసి మళ్లీ చదివే వినియోగదారు. స్పష్టమైన చర్యా హామీలతో మీ సొంత నోట్స్ వాడండి. గైడ్ తయారీలో నిజమైన నోట్స్ లేదా మోడల్ ఫలితం వాడలేదు.

## పెద్ద మార్పు

- **ఏం మారింది:** OpenAI Agents SDK ఒక Pydantic `output_type` అంగీకరిస్తుంది. కాబట్టి అప్లికేషన్ నిర్వచించిన ఫలితం కోరి వాడే ముందు మళ్లీ తనిఖీ చేయవచ్చు. ఉదాహరణ ఫలితానికి మూల ఉటంకింపులు, వెర్షన్ ఉన్న ఒప్పందం జోడిస్తుంది.
- **ఇది ఎందుకు ముఖ్యం:** ఏజెంట్‌ను తర్వాతి దశతో కలిపే డెవలపర్ తప్పు ఆకృతి, అసంపూర్ణ లేదా ఆధారం లేని అవుట్‌పుట్‌ను చర్యల జాబితా కాకముందే ఆపవచ్చు. ఉటంకించిన నోట్స్ ప్రతి పని, బాధ్యతగల వ్యక్తి, తేదీకి నిజంగా ఆధారమా, మోడల్ ఏమైనా వదిలిందా అనేది మనిషి ఇంకా తేల్చాలి.
- **గమనించాల్సినవి:** నిర్ణయ స్థానం వినియోగదారు సరిహద్దు. ఖచ్చితమైన అమలు, మూలం, అభ్యర్థి ఆమోదం తర్వాతే ఈ విధానం స్థానిక వర్గీకరణ రిజిస్టర్ చేస్తుంది. తర్వాత పని వ్యవస్థలో దిగుమతికి ప్రత్యేక అధికారం, పునఃప్రయత్న విధానం, గమ్యం నుంచి తిరిగి చదవడం కావాలి.

## ఒక అనుమతించిన మూలం సిద్ధం చేయండి

Python 3.12, నోట్స్‌కు అనుమతించిన OpenAI API ఖాతా, అసలు ఫైల్ చదవగల సమీక్షకుడు, ఖాతాలో ప్రస్తుతం JSON-schema నిర్మిత అవుట్‌పుట్ మద్దతు నిర్ధారించిన మోడల్ కావాలి. ఉత్పత్తిదారును నడిపే ముందు డేటా నిబంధనలు, ప్రస్తుత ధర చూడండి. నోట్స్ లేదా ఆమోద ఫైల్‌లో గుర్తింపు రహస్యాలు పెట్టవద్దు. కింది ఏకైక మోడల్ కాల్ `produce`; మిగిలినది స్థానిక ప్రాసెసింగ్.

అసలు నోట్స్‌ను UTF-8గా `notes.txt` లో ఉంచండి. మీ పనిలోని నిజమైన స్పష్టమైన చర్యా హామీలు ఉండాలి. మీ రికార్డు గుర్తింపు వంటి స్థిరమైన `source_id` ఇచ్చి, సమీక్ష, వినియోగం వరకు ఫైల్ ప్రతి బైట్ మార్చకుండా ఉంచండి. ఉత్పత్తికి ముందు `candidate/` సృష్టించండి; అభ్యర్థి ఫైల్ కొత్తదై ఉండాలి. తర్వాతి స్థానిక నివేదికకు వేరే అవుట్‌పుట్ డైరెక్టరీ సిద్ధం చేయండి.

అమలుకు ముందు మూల బైట్‌ల హ్యాష్ నమోదు చేయండి:

```sh
python -c "from pathlib import Path; import hashlib; print(hashlib.sha256(Path('notes.txt').read_bytes()).hexdigest())"
```

విడిగా ఉన్న Python 3.12 వాతావరణంలో `recipe-requirements.txt` సృష్టించి, కచ్చితంగా ఈ వరుసలు పెట్టి ఇన్‌స్టాల్ చేయండి:

```text
openai-agents==0.24.0
pydantic==2.14.1
```

```sh
python -m pip install -r recipe-requirements.txt
mkdir candidate
```

ఈ వెర్షన్‌లు 20 అక్టోబర్ 2026న స్థానిక Python 3.12.7 వాతావరణంలో కలిసి ఇన్‌స్టాల్ అయ్యాయి. వాడేటప్పుడు అనుకూలత, మోడల్ లభ్యత నిర్ధారించండి. కింది పూర్తి స్క్రిప్ట్‌ను `action_register_recipe.py` గా అదే డైరెక్టరీలో ఉంచండి. రెండు కమాండ్లు ఉన్నాయి: `produce` అభ్యర్థి, అమలు రసీదు తయారు చేస్తుంది; `consume` ధ్రువీకరణ, ఆమోదం తర్వాతే నివేదిక చేస్తుంది.

## నిర్దిష్ట టైప్ ఉత్పత్తిదారు నడపండి

ఒప్పందం `Extraction` కు వెర్షన్ `action-register/v1`, స్థితి `ready`, `partial` లేదా `blocked`, మూల ID, ఖచ్చితమైన ఫైల్ బైట్‌ల SHA-256, చర్యలు, `gap_note` అవసరం. ప్రతి చర్యకు టెక్స్ట్‌, ఖచ్చితమైన ఉటంకింపు, 1 నుంచి లెక్కించిన మూల వరుసల పరిధి, null కావచ్చిన బాధ్యతగల వ్యక్తి, తేదీ, అలాగే `complete` లేదా `needs_review` ఆధార స్థితి అవసరం. బాధ్యతగల వ్యక్తి లేదా తేదీ null అంటే నోట్స్‌లో ఇవ్వలేదు. రెండింటినీ ఊహించవద్దని మోడల్‌కు సూచన ఉంటుంది. అన్ని ఫీల్డ్‌లు అవసరం; అదనపువి తిరస్కరిస్తుంది.

నిర్మిత అవుట్‌పుట్ మోడల్‌ను స్పష్టంగా ఎంచుకోండి. మీ అనుమతించిన పాత్‌, గుర్తింపు ఇవ్వండి:

```sh
python action_register_recipe.py produce --source-id OWNED-ID --source notes.txt --candidate candidate/actions.json --model YOUR-STRUCTURED-OUTPUT-MODEL
```

ఇది చదవండి: `candidate/actions.json` మరియు పక్కన `candidate/actions.run.json`. రెండో ఫైల్ UUID అమలు ID, మూలం, అభ్యర్థి హ్యాష్‌లు, చివరి ఏజెంట్‌, కోరిన మోడల్ నమోదు చేస్తుంది. వైఫల్యానికి బదులుగా అమలు ID చివర జోడించిన `.failure.json` నిర్ధారణ రికార్డు వస్తుంది. అంతరాయం, `None` లేదా సాధారణ స్ట్రింగ్ చివరి అవుట్‌పుట్‌, ఊహించని చివరి ఏజెంట్ విజయం కాదు. ఈ కమాండ్ SDK తిరిగి కొనసాగించగల స్థితి `RunState` ను ఉంచదు; వైఫల్య రసీదు అమలును కొనసాగించలేదు. కొత్త అమలు సరైనదో నిర్ణయించే ముందు అభ్యర్థన, అభ్యర్థి, తర్వాతి స్థితి చూడండి.

## అర్థం సమీక్షించి ఖచ్చితమైన అభ్యర్థిని ఆమోదించండి

అప్లికేషన్ కఠిన టైప్‌లు, అవసర ఫీల్డ్‌లు, మూల గుర్తింపు, సిద్ధ స్థితి, కనీసం ఒక పూర్తి చర్య, సరైన వరుస పరిధులు, వాటిలో ఉటంకింపు, ఖాళీ కాని పని లేదా బాధ్యతగల వ్యక్తి, ప్రామాణిక `YYYY-MM-DD` తేదీలను తనిఖీ చేస్తుంది. ఇది ఆకృతి, ఉటంకింపు స్థానం మాత్రమే నిరూపిస్తుంది. వాక్యం నిజంగా హామీనా, పేరు లేదా తేదీ అభ్యర్థి చెప్పిన అర్థమేనా, అన్ని హామీలు దొరికాయా అనేది నిర్ధారించదు.

అసలు నోట్స్‌, ప్రతి ప్రతిపాదిత చర్య చదవండి. అర్థం, బాధ్యతగల వ్యక్తి, తేదీ, ఉటంకింపు, వదిలినవాటిని పోల్చండి. మూలం లేదా అభ్యర్థి అస్పష్టతను కొత్త సమీక్షిత అమలుతో పరిష్కరించండి; ఆధారంలేని, పాక్షిక లేదా ఆపిన అభ్యర్థిని ఆమోదించవద్దు. మారని ఫైల్‌, అభ్యర్థి `actions.run.json` తో సరిపోతాయని చూసి `approval.json` ను కచ్చితంగా ఈ ఏడు కీలు ఉపయోగించి రాయండి. తనిఖీ రసీదు నుంచి అమలు ID, హ్యాష్‌లు కాపీ చేయండి. సమీక్షకుడి నిజమైన గుర్తింపు, వాస్తవ తనిఖీల స్పష్టమైన వివరణ ఇవ్వండి:

```json
{
  "approved": true,
  "run_id": "COPY-RUN-ID",
  "source_id": "OWNED-ID",
  "source_sha256": "COPY-SOURCE-SHA256",
  "payload_sha256": "COPY-PAYLOAD-SHA256",
  "reviewer": "YOUR-REVIEWER-ID",
  "review_note": "Describe the source, task, owner, date, quotation and omission checks actually performed."
}
```

`approved` అనేది JSON బూలియన్ `true` అయి ఉండాలి; స్ట్రింగ్ లేదా సంఖ్య కాదు. మిగిలినవి స్ట్రింగ్‌లు; సమీక్షకుడు, గమనిక ఖాళీ ఉండకూడదు. అదనపు ఫీల్డ్‌లు విఫలమవుతాయి. ఆమోదం ఒక అభ్యర్థి, మూల సంస్కరణకు మాత్రమే, తర్వాతి పునర్లేఖనానికి కాదు.

## వినియోగించి నివేదిక తిరిగి చదవండి

```sh
python action_register_recipe.py consume --source-id OWNED-ID --source notes.txt --candidate candidate/actions.json --approval approval.json --out private-output
```

వినియోగదారు ఆమోదించిన చర్యలను **Assigned with dates**, **Needs an owner** మరియు **Needs a date** గా సమూహీకరిస్తుంది. ప్రతి అంశంలో పని, బాధ్యతగల వ్యక్తి/తేదీ స్థితి, ఉటంకింపు, మూల వరుసలు ఉంటాయి. ఇది `action-register-<payload-hash-prefix>.md` మరియు పక్కన `.receipt.json` రాస్తుంది; అందులో అమలు, మూలం, అభ్యర్థి, నివేదిక హ్యాష్‌లు ఉంటాయి. రెండూ తెరిచి ఉటంకించిన చర్యలను నోట్స్‌తో పోల్చి `report_sha256` ను Markdown ఫైల్ బైట్‌లతో తనిఖీ చేయండి. సరైన రసీదు స్థానిక ఫైల్ సృష్టించి తిరిగి చదివినట్లు మాత్రమే; బాహ్య పని వ్యవస్థలో రాయడానికి ఆమోదం కాదు.

వినియోగ కమాండ్ నివేదిక, రసీదు నిజమైన పాత్‌లు చూపిస్తుంది. బైట్ తనిఖీకి వాటిని వాడండి:

```sh
python -c "from pathlib import Path; import hashlib,json,sys; report=Path(sys.argv[1]); receipt=json.loads(Path(sys.argv[2]).read_text(encoding='utf-8')); assert hashlib.sha256(report.read_bytes()).hexdigest()==receipt['report_sha256']; print('report hash matches receipt')" PATH-PRINTED-FOR-REPORT PATH-PRINTED-FOR-RECEIPT
```

అభ్యర్థి ఉన్న తర్వాత స్పష్టంగా కృత్రిమమైన నిర్మాణ నమూనాతో తిరస్కరణ మార్గం పరీక్షించండి. JSON వేరే ఫైల్‌కు కాపీ చేసి మొదటి చర్యలో ఒక అవసర ఫీల్డ్ తొలగించి `consume` ను తప్పు ఫైల్‌, కొత్త ఖాళీ అవుట్‌పుట్ డైరెక్టరీతో నడపండి. ఫైల్ సృష్టికి ముందే విఫలమవాలి. నమూనాను వాస్తవ సంగ్రహణగా చూడవద్దు, ఆమోదించవద్దు. ఉదాహరణకు కింది స్థానిక పరీక్ష కాపీ నుంచి `evidence_quote` తొలగిస్తుంది:

```sh
python -c "import json; from pathlib import Path; p=json.loads(Path('candidate/actions.json').read_text(encoding='utf-8')); p['actions'][0].pop('evidence_quote'); Path('candidate/SYNTHETIC-malformed.json').write_text(json.dumps(p), encoding='utf-8')"
python action_register_recipe.py consume --source-id OWNED-ID --source notes.txt --candidate candidate/SYNTHETIC-malformed.json --approval approval.json --out synthetic-rejection-output
```

రెండో కమాండ్ విఫలమై అవుట్‌పుట్ డైరెక్టరీ లేకుండా ఉండాలి. నిజమైన అభ్యర్థిలో మొదటి చర్య లేకపోతే నమూనా వాడవద్దు; వినియోగదారుకు అది ఇప్పటికే అసంపూర్ణం. రాయడం అనిశ్చితమైతే పునఃప్రయత్నానికి ముందు నిర్ణీత నివేదిక, రసీదు చూడండి. ఇప్పటికే ఉన్న ఒకే బైట్‌లు తిరిగి వాడవచ్చు; వేరేవి అయితే సరిపోల్చేందుకు ఆగుతుంది. మూలం లేదా స్కీమా వెర్షన్ మారితే కొత్త సమీక్ష కావాలి. స్థానిక వినియోగదారు స్పందన అస్పష్టమని మోడల్ కాల్ తిరిగి చేయవద్దు.

## పూర్తి Python విధానం

ఈ స్క్రిప్ట్‌ను యథాతథంగా `action_register_recipe.py` లో కాపీ చేయండి:

```python
"""Private, bounded recipe. No model call occurs unless `produce` is explicitly run."""

import argparse
import hashlib
import json
import uuid
from datetime import date
from pathlib import Path
from typing import Literal

from pydantic import BaseModel, ConfigDict, StrictInt, StrictStr, ValidationError


class StrictModel(BaseModel):
    model_config = ConfigDict(extra="forbid", strict=True)


class Action(StrictModel):
    action_text: StrictStr
    evidence_quote: StrictStr
    line_start: StrictInt
    line_end: StrictInt
    owner: StrictStr | None
    due_date: StrictStr | None
    evidence_status: Literal["complete", "needs_review"]


class Extraction(StrictModel):
    schema_version: Literal["action-register/v1"]
    status: Literal["ready", "partial", "blocked"]
    source_id: StrictStr
    source_sha256: StrictStr
    actions: list[Action]
    gap_note: StrictStr | None


def digest(data: bytes) -> str:
    return hashlib.sha256(data).hexdigest()


def canonical(payload: Extraction) -> bytes:
    return json.dumps(payload.model_dump(mode="json"), sort_keys=True, ensure_ascii=False, separators=(",", ":")).encode("utf-8")


def check(payload: Extraction, source_id: str, source: bytes) -> None:
    if payload.source_id != source_id or payload.source_sha256 != digest(source):
        raise ValueError("source identity or revision mismatch")
    lines = source.decode("utf-8").splitlines()
    if payload.status == "ready" and (not payload.actions or payload.gap_note is not None):
        raise ValueError("ready requires actions and no gap")
    if payload.status != "ready":
        raise ValueError("partial or blocked result cannot reach consumer")
    for index, item in enumerate(payload.actions, 1):
        if item.evidence_status != "complete":
            raise ValueError(f"action {index}: evidence needs review")
        if not item.action_text.strip() or not item.evidence_quote.strip():
            raise ValueError(f"action {index}: empty task or evidence")
        if not 1 <= item.line_start <= item.line_end <= len(lines):
            raise ValueError(f"action {index}: invalid source line range")
        segment = "\n".join(lines[item.line_start - 1:item.line_end])
        if item.evidence_quote not in segment:
            raise ValueError(f"action {index}: quotation absent from source span")
        if item.owner is not None and not item.owner.strip():
            raise ValueError(f"action {index}: blank owner")
        if item.due_date is not None:
            try:
                if date.fromisoformat(item.due_date).isoformat() != item.due_date:
                    raise ValueError()
            except ValueError as exc:
                raise ValueError(f"action {index}: due date must be YYYY-MM-DD") from exc


def report(payload: Extraction) -> str:
    """Application consumer: a triage register grouped by missing ownership/date."""
    groups = [
        ("Assigned with dates", lambda x: x.owner is not None and x.due_date is not None),
        ("Needs an owner", lambda x: x.owner is None),
        ("Needs a date", lambda x: x.owner is not None and x.due_date is None),
    ]
    rows = ["# Action register for " + payload.source_id, "", "Review artifact; source meaning was approved separately.", ""]
    for heading, predicate in groups:
        rows += ["## " + heading, ""]
        matches = [(n, a) for n, a in enumerate(payload.actions, 1) if predicate(a)]
        for number, action in matches:
            rows += [f"{number}. {action.action_text}", f"   Owner: {action.owner or 'Unspecified'}; due: {action.due_date or 'Unspecified'}", f"   Source lines {action.line_start}-{action.line_end}: {action.evidence_quote}", ""]
        if not matches:
            rows += ["None.", ""]
    return "\n".join(rows)


def load_payload(path: Path) -> Extraction:
    return Extraction.model_validate_json(path.read_bytes(), strict=True)


def consume(source_id: str, source_path: Path, payload_path: Path, approval_path: Path, out_dir: Path) -> tuple[Path, Path]:
    source = source_path.read_bytes()
    payload = load_payload(payload_path)
    check(payload, source_id, source)
    run = json.loads(payload_path.with_suffix(".run.json").read_text(encoding="utf-8"))
    payload_hash = digest(canonical(payload))
    if run.get("source_id") != source_id or run.get("source_sha256") != digest(source) or run.get("payload_sha256") != payload_hash or run.get("last_agent") != "Owned-source action extractor" or not str(run.get("run_id", "")).strip():
        raise ValueError("producer receipt does not match accepted candidate")
    approval = json.loads(approval_path.read_text(encoding="utf-8"))
    if (type(approval) is not dict
            or set(approval) != {"approved", "run_id", "source_id", "source_sha256", "payload_sha256", "reviewer", "review_note"}
            or approval["approved"] is not True
            or any(type(approval[key]) is not str for key in ("run_id", "source_id", "source_sha256", "payload_sha256", "reviewer", "review_note"))
            or not approval["reviewer"].strip() or not approval["review_note"].strip()
            or approval["run_id"] != run["run_id"]
            or approval["source_id"] != source_id
            or approval["source_sha256"] != digest(source)
            or approval["payload_sha256"] != payload_hash):
        raise ValueError("human source/meaning approval must bind exact source and payload hashes")
    body = report(payload).encode("utf-8")
    stem = "action-register-" + payload_hash[:16]
    out_dir.mkdir(parents=True, exist_ok=True)
    target = out_dir / (stem + ".md")
    receipt = out_dir / (stem + ".receipt.json")
    record = {"run_id": run["run_id"], "source_id": source_id, "source_sha256": digest(source), "payload_sha256": payload_hash, "report_sha256": digest(body), "reviewer": approval["reviewer"], "operation": "local action-triage register"}
    encoded = (json.dumps(record, indent=2) + "\n").encode("utf-8")
    for path, data in [(target, body), (receipt, encoded)]:
        if path.exists():
            if path.read_bytes() != data:
                raise ValueError(f"uncertain prior output differs: {path}; inspect before retry")
        else:
            with path.open("xb") as handle:
                handle.write(data)
        if path.read_bytes() != data:
            raise IOError(f"readback failed: {path}")
    return target, receipt


def produce(source_id: str, source_path: Path, candidate_path: Path, model: str) -> None:
    from agents import Agent, Runner

    source = source_path.read_bytes()
    source_text = source.decode("utf-8")
    if not source_text.strip() or candidate_path.exists() or not candidate_path.parent.is_dir():
        raise ValueError("source must contain text; candidate must be new and its parent directory must already exist")
    run_id = str(uuid.uuid4())
    agent = Agent(
        name="Owned-source action extractor",
        model=model,
        instructions=("Extract only explicit action commitments from the supplied numbered source. "
                      "Return action-register/v1. Copy an exact quote with matching 1-based line span. "
                      "Use null for an unstated owner or due date; never infer them. "
                      "Use partial and needs_review for ambiguous evidence; blocked for unusable input. "
                      "Do not use tools or hand off."),
        output_type=Extraction,
    )
    numbered = "\n".join(f"{n}: {line}" for n, line in enumerate(source_text.splitlines(), 1))
    try:
        result = Runner.run_sync(agent, f"Source ID: {source_id}\nSHA-256: {digest(source)}\nNumbered source:\n{numbered}")
        if result.interruptions or result.last_agent is not agent or not isinstance(result.final_output, Extraction):
            raise ValueError("run interrupted, unfinished, or finished by unexpected agent; this CLI does not persist resumable RunState, so do not resume from its failure receipt")
        output = result.final_output
        if output.source_id != source_id or output.source_sha256 != digest(source):
            raise ValueError("producer returned wrong source identity")
        candidate = canonical(output)
        with candidate_path.open("xb") as handle:
            handle.write(candidate)  # Candidate only; consumer still requires review.
        receipt = {"run_id": run_id, "source_id": source_id, "source_sha256": digest(source), "payload_sha256": digest(candidate), "last_agent": result.last_agent.name, "model": model}
        with candidate_path.with_suffix(".run.json").open("x", encoding="utf-8") as handle:
            handle.write(json.dumps(receipt, indent=2) + "\n")
    except Exception as exc:
        failure = {"run_id": run_id, "source_id": source_id, "source_sha256": digest(source), "error_type": type(exc).__name__, "error": str(exc), "state": "unknown_or_blocked; inspect run and destination before retry"}
        with candidate_path.with_name(candidate_path.stem + "." + run_id + ".failure.json").open("x", encoding="utf-8") as handle:
            handle.write(json.dumps(failure, indent=2) + "\n")
        raise


def main() -> None:
    parser = argparse.ArgumentParser()
    sub = parser.add_subparsers(dest="command", required=True)
    for name in ("produce", "consume"):
        p = sub.add_parser(name)
        p.add_argument("--source-id", required=True)
        p.add_argument("--source", type=Path, required=True)
        if name == "produce":
            p.add_argument("--candidate", type=Path, required=True)
            p.add_argument("--model", required=True)
        else:
            p.add_argument("--candidate", type=Path, required=True)
            p.add_argument("--approval", type=Path, required=True)
            p.add_argument("--out", type=Path, required=True)
    args = parser.parse_args()
    if args.command == "produce":
        produce(args.source_id, args.source, args.candidate, args.model)
    else:
        print(*consume(args.source_id, args.source, args.candidate, args.approval, args.out), sep="\n")


if __name__ == "__main__":
    main()
```

## పరిమితులు, మూలాలు

స్క్రిప్ట్ ఒప్పందం, స్థానిక వినియోగదారును ఐదు ఆఫ్‌లైన్ పరీక్షలు, ఏడు కృత్రిమ ఉత్పత్తిదారు లేదా పునఃప్రయత్న కేసులతో తనిఖీ చేశారు. కఠిన స్కీమా సృష్టి, ఫైల్ సృష్టికి ముందు తిరస్కరణ, సమూహ ఫలితాలు, హ్యాష్‌లు, వైఫల్య నిర్వహణ తనిఖీ చేశారు. ప్రొవైడర్‌కు స్కీమా పంపలేదు, మోడల్ కాల్ చేయలేదు, నిజమైన నోట్స్ సంగ్రహించలేదు, వాస్తవ మానవ ఆమోదం పొందలేదు, నిజ మూల నివేదిక సృష్టించలేదు, బిల్లు లేదా నాణ్యత కొలవలేదు. API రుసుము ఖాతాపై ఆధారపడుతుంది; పంపే ముందు ప్రస్తుత అనుకూలత, ధర, డేటా అనుమతి చూడండి.

సంబంధిత సందర్భానికి BIG CHANGE [మీ సొంత పని నుంచి AI పని ఎంచుకునే గైడ్](https://bigchange.ai/blog/map-work-choose-first-ai-task-guide) ఏ పనిని పరీక్షించాలో అనే ముందు నిర్ణయాన్ని వివరిస్తుంది. ఈ గైడ్ ఎంపికైన అనుమతించిన సంగ్రహణ నుంచి నిర్దిష్ట టైప్ ఫలితాన్ని తనిఖీ చేసిన స్థానిక వినియోగదారుకు ఇస్తుంది.

### మూలాలు, మరింత చదవడానికి

- [OpenAI Agents SDK: Agents](https://openai.github.io/openai-agents-python/agents/) Pydantic `output_type` ను వివరిస్తుంది. ఈ విధానం మానవ ఆమోదం లేదా స్థానిక వినియోగదారును ఇవ్వదు.
- [OpenAI Agents SDK: Results](https://openai.github.io/openai-agents-python/results/) వీటిని వివరిస్తుంది: `final_output`, `last_agent`, అంతరాయాలు, `to_state()`. ఈ CLI తిరిగి కొనసాగించే స్థితి ఉంచదు.
- [OpenAI Agents SDK: Quickstart](https://openai.github.io/openai-agents-python/quickstart/) ఇన్‌స్టాలేషన్‌, API కీ అమరిక వివరిస్తుంది. కీని మూలం, రసీదులకు దూరంగా ఉంచండి.
- [OpenAI Structured Outputs](https://developers.openai.com/api/docs/guides/structured-outputs) కఠిన స్కీమా నియమాలు, మోడల్ మద్దతు వివరిస్తుంది. ఎంచుకున్న మోడల్ మద్దతు నిర్ధారించండి.
- [Pydantic ConfigDict](https://docs.pydantic.dev/latest/api/config/) కఠిన ధ్రువీకరణ, అదనపు ఫీల్డ్‌ల నిరాకరణ వివరిస్తుంది.
- [OpenAI Agents SDK 0.24.0](https://pypi.org/project/openai-agents/0.24.0/) మరియు [Pydantic 2.14.1](https://pypi.org/project/pydantic/2.14.1/) స్థానిక ఇన్‌స్టాల్ చేసిన నిర్దిష్ట వెర్షన్‌లను సూచిస్తాయి. ప్రొవైడర్ అంగీకారం పరీక్షించలేదు.

## Sources

- [OpenAI Agents SDK: Agents](https://openai.github.io/openai-agents-python/agents/) — Pydantic output_type అధికారిక మాన్యువల్. వ్యాసం మానవ ఆమోదం లేదా స్థానిక వినియోగదారును అమలు చేయదు.
- [OpenAI Agents SDK: Results](https://openai.github.io/openai-agents-python/results/) — final_output, last_agent, అంతరాయాలు, to_state అధికారిక ప్రవర్తన. విధానం RunState ఉంచదు లేదా తిరిగి కొనసాగించే సదుపాయం ఇవ్వదు.
- [OpenAI Agents SDK: Quickstart](https://openai.github.io/openai-agents-python/quickstart/) — అధికారిక ఇన్‌స్టాలేషన్‌, API కీ నేపథ్యం; తయారీలో కీ లేదా నిజమైన ప్రొవైడర్ కాల్ వాడలేదు.
- [OpenAI Agents SDK: అవుట్‌పుట్ స్కీమా సూచన](https://openai.github.io/openai-agents-python/ref/agent_output/) — కఠిన అవుట్‌పుట్ స్కీమా సృష్టి అధికారిక సూచన; స్థానిక పరిశీలన ప్రొవైడర్ అంగీకారం నిరూపించదు.
- [OpenAI Structured Outputs](https://developers.openai.com/api/docs/guides/structured-outputs) — అవసర ఫీల్డ్‌లు, additionalProperties కఠిన నియమాలు, మోడల్ అనుకూలత; వాడేటప్పుడు ఎంచుకున్న మోడల్‌ను తనిఖీ చేయాలి.
- [Pydantic ConfigDict](https://docs.pydantic.dev/latest/api/config/) — strict, extra-forbid అమరిక వివరిస్తుంది; అర్థం ఖచ్చితత్వం మానవ మూల సమీక్ష పని.
- [openai-agents 0.24.0 విడుదల](https://pypi.org/project/openai-agents/0.24.0/) — విడిగా స్థానిక Python 3.12.7 ఆఫ్‌లైన్ తనిఖీలో ఇన్‌స్టాల్ చేసిన ఖచ్చితమైన SDK వెర్షన్; మోడల్ కాల్ లేదా బిల్లు లేదు.
- [Pydantic 2.14.1 విడుదల](https://pypi.org/project/pydantic/2.14.1/) — SDK 0.24.0తో స్థానికంగా ఇన్‌స్టాల్ చేసిన ధ్రువీకరణ లైబ్రరీ ఖచ్చితమైన వెర్షన్.
- [BIG CHANGE: మీ పనిని మ్యాప్ చేసి AIతో పరీక్షించాల్సిన మొదటి పనిని ఎంచుకోండి](https://bigchange.ai/blog/map-work-choose-first-ai-task-guide) — ఈ అనుసంధాన విధానం ముందు పని ఎంచుకునే సంబంధిత గైడ్; ఇది విధానం సరైనదని నిరూపించదు.