OpenAI od zera: billing, projekt, API key i pierwszy Conversation Agent w Home Assistant

Cloud AI łatwo uruchomić zbyt szybko: billing, nowy model, Voice PE, STT, TTS, narzędzia Home Assistant i Web Search można zmienić jednocześnie. Gdy coś wtedy nie działa, nie wiadomo, która warstwa zawiodła. W tej lekcji celowo zwalniamy. Najpierw udowadniamy, że samo API i Conversation Agent działają poprawnie, a dopiero później dokładamy kolejne elementy.

Wyjaśniamy, dlaczego abonament ChatGPT nie opłaca API używanego przez Home Assistant. Tworzymy osobny projekt Home Assistant LAB, żeby klucz, koszty i Usage nie mieszały się z innymi eksperymentami. Od początku wiemy więc, który ruch w panelu OpenAI dotyczy naszego domu.

Przechodzimy przez małe saldo prepaid, Auto-recharge OFF, budżet projektu i alerty. Nie traktujemy budżetu jako magicznego bezpiecznika. Sprawdzamy, co faktycznie kontroluje, gdzie pojawiają się koszty i dlaczego po pierwszych requestach zawsze zaglądamy do Usage.

Klucz ma należeć do właściwego projektu i służyć tylko temu laboratorium. Pokazujemy prosty baseline uprawnień oraz wariant Restricted. Równocześnie ustalamy miejsca, w których sekretu nigdy nie zapisujemy: publiczny YAML, Git, screenshot, forum ani opis skryptu.

W Home Assistant przechodzimy przez Ustawienia > Urządzenia i usługi, dodajemy OpenAI i wyjaśniamy aktualny układ podwpisów: Conversation, AI Task, Speech-to-text i Text-to-speech. Pierwszy agent OpenAI Baseline powstaje na ustawieniach rekomendowanych przez Home Assistant, ale bez prawa do sterowania domem.

Pierwszy request wykonujemy przez Conversation: Process conversation. Dzięki temu, jeśli coś zawiedzie, nie analizujemy wake wordu, STT ani TTS. Robimy również test negatywny: model bez Control Home Assistant ma przyznać, że nie zna realnego stanu domu, zamiast przekonująco go wymyślać.

Drugi Conversation Agent dostaje GPT-5.6 Luna, krótki polski prompt, niski reasoning, niską verbosity i limit odpowiedzi. Sprawdzamy conversation_id, rzeczywiste zużycie oraz koszt serii testowej. Na końcu wiemy dokładnie, co działa i czego jeszcze świadomie nie włączyliśmy.

• różnicę między ChatGPT Plus/Pro a płatnym OpenAI API
• osobny projekt Home Assistant LAB
• sprawdzenie właściwej organizacji i projektu przed utworzeniem klucza
• billing API i małe saldo prepaid
• Auto-recharge OFF jako bezpieczny start laboratorium
• budżet projektu i alerty kosztowe
• wyjaśnienie, czego budżet pilnuje, a czego nie gwarantuje
• project-scoped API key zamiast jednego klucza do wszystkiego
• wariant prostych uprawnień i wariant Restricted
• Models Read i Responses Write w macierzy uprawnień
• zasady bezpiecznego przechowywania sekretu
• dodanie oficjalnej integracji OpenAI w polskim Home Assistant
• wyjaśnienie, dlaczego nie używamy custom Base URL
• podwpisy Conversation, AI Task, Speech-to-text i Text-to-speech
• utworzenie OpenAI Baseline
• Recommended settings jako test zgodności, nie ślepy wybór produkcyjny
• Control Home Assistant OFF
• Web Search OFF
• Store requests and responses OFF
• pierwszy test przez Conversation: Process conversation
• przykład conversation.process z response_variable
• test odpowiedzi po polsku
• negatywny test pytania o realny stan domu
• negatywny test próby sterowania przy wyłączonych tools
• utworzenie OpenAI Luna LAB
• GPT-5.6 Luna jako tani baseline do kolejnych testów
• Maximum tokens 1000, reasoning low i verbosity low
• krótkie polskie Instructions
• test pięciu pytań na Baseline i Luna LAB
• conversation_id i różnicę między kontynuacją a świeżą sesją
• Usage filtrowane po projekcie Home Assistant LAB
• uwagę o czasie raportowanym w UTC
• opcjonalny debug input, cached, output, reasoning i total tokens
• rotację klucza API jako kontrolowany test
• rollback bez naruszania lokalnej Ollamy i Okay Nabu
• OpenAI Setup Checklist, API Key Permission Matrix, Test Pack i First Usage Log
• warunek PASS przed przejściem do Voice PE

Nie przeskakujemy od założenia konta prosto do działającego Jarvisa. Najpierw potwierdzamy projekt i billing, potem klucz, następnie integrację i dopiero na końcu Conversation Agent. Pierwszy test wykonujemy tekstowo, dlatego mikrofon, wake word, Whisper i Piper nie mogą ukryć prawdziwej przyczyny błędu.

Nie włączamy też kilku kosztownych funkcji jednocześnie. Control Home Assistant, Web Search, STT i TTS czekają na osobne etapy. Dzięki temu po pierwszym requestcie możemy otworzyć Usage i dokładnie wiedzieć, za co zapłaciliśmy.

Na końcu etap musi dać się zweryfikować. Baseline odpowiada, Luna LAB odpowiada, model nie udaje wiedzy o realnym stanie domu, Usage jest widoczne, koszt został zapisany, a lokalny tor z poprzednich lekcji pozostaje nietknięty.

OpenAI jest realnie podłączone do Home Assistant, ale nadal pracuje w kontrolowanej piaskownicy. Masz osobny projekt, bezpieczny klucz, działający OpenAI Baseline i OpenAI Luna LAB, potrafisz wykonać test przez conversation.process i widzisz rzeczywisty koszt w Usage. Model nadal nie steruje domem, a Voice PE nie został jeszcze przełączony na chmurę. Dzięki temu Lekcja 23 może dołożyć tylko jedną nową warstwę: dźwięk.

Ta lekcja jest częścią kursu Smart Home od Zera na platformie MarkLabs E-Learning. Pełna wersja prowadzi od projektu i billingu aż do dwóch działających Conversation Agentów, testu Usage i bezpiecznego rollbacku.