Использование средства web_search

Средство web_search позволяет модели получать свежие сведения из Интернета при создании ответа.

Что такое средство web_search?

Инструмент web_search предоставляет генеративной модели ИИ доступ к актуальной внешней информации непосредственно во время выполнения. Вместо того чтобы полагаться только на обучающие данные, модель может формировать поисковый запрос, просматривать соответствующие источники и формировать ответы, основанные на актуальном содержимом.

Это особенно полезно, если факты могут часто изменяться, например цены, выпуски продуктов, обновления политики или текущие события.

К ключевым функциям относятся:

• Получение сведений в реальном времени — получение последних сведений, недоступных в данных обучения статических моделей
• Исходные ответы — создание ответов из полученного веб-содержимого
• Снижение риска галлюцинации — повышение надежности путем проверки внешних источников
• Автоматическое создание запросов — модель решает, когда и как выполнять поиск на основе намерения пользователя.
• Простой пользовательский интерфейс . Создание поиска и ответа происходит в одном потоке

Распространенные варианты использования

Простой пример

Ниже приведен минимальный пример использования API ответов OpenAI с включенным веб-поиском:

from openai import OpenAI

client = OpenAI(
    base_url={openai_endpoint},
    api_key={auth_key_or_token}
)

# Get response using the web_search tool
response = client.responses.create(
    model={model_deployment},
    instructions="You are an AI assistant. Use web search when current information is required.",
    input="What are three major announcements from Microsoft Build this week?",
    tools=[{"type": "web_search"}]
)

print(response.output_text)

Выходные данные будут отличаться в зависимости от текущих веб-результатов, но он должен включать краткий ответ, основанный на последних источниках.

Как работает средство web_search

Общий процесс использования средства web_search:

1. Вы отправляете запрос - Включите в массив инструментов средство веб-поиска.
2. Модель оценивает вопрос . Определяет, нужны ли свежие веб-данные.
3. Выполняется поиск . Модель выдает один или несколько поисковых запросов.
4. Результаты проверяются . Соответствующие страницы выбираются и суммируются.
5. Ответ создается . Модель объединяет результаты поиска в окончательный ответ.

Лучшие практики

• Четко задавать вопросы с учетом времени . При необходимости включите такие слова, как "последние", "текущие" или диапазоны дат.
• Установка ожиданий для источников — запрос на авторитетные или официальные источники, когда точность имеет значение
• Запрашивайте краткие выводы — просите краткие сводки с основными моментами для снижения уровня шума
• Проверка критических фактов . Для сценариев с высокими ставками независимо проверять важные утверждения
• Отслеживание использования и задержки - Веб-извлечение может увеличить время отклика и использование токенов.

Ограничения, о которые следует знать

• Результаты зависят от того, что является общедоступным и индексируемым на момент запроса.
• Качество источника может отличаться, поэтому выходные данные могут по-прежнему требовать проверки человека
• Полученное содержимое может меняться с течением времени, поэтому повторяющиеся запуски могут создавать различные ответы
• Некоторые среды могут применять региональные, политики или ограничения сети к веб-доступу

При правильном использовании web_search помогает вашей модели переходить от статических знаний к актуальным и учитывающим источник ответам, которые более полезны в реальных рабочих процессах.