Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Konfigurace a řízení výsledků webového vyhledávání

Lekce 6 z 20 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Konfigurace a řízení výsledků webového vyhledávání
  2. Parametr search_context_size
  3. Řízení vyhledávacích dotazů prostřednictvím promptu
  4. Extrakce a strukturování citací
  5. Vzor: vyhledávání s křížovou validací
  6. Zpracování případu bez výsledků
  7. Webové vyhledávání se streamováním
  8. Filtrace domén a seznam zdrojů
  9. Klíčové poznatky

Lekce aktualizována 2. listopadu 2026 na základě dokumentace OpenAI: nástroj Code Interpreter vyžaduje parametr container (přidán do všech příkladů), části vstupního textu jsou typu input_text a webové vyhledávání používá nástroj web_search (web_search_preview je nyní zastaralý nástroj bez filtrů domén). Vygenerované soubory se získávají pomocí funkcí fichiers_generes a telecharger z lekce 10. Zdroje: Code Interpreter · Web search.

Konfigurace a řízení výsledků webového vyhledávání

Povolení webového vyhledávání zabere jeden řádek; získání spolehlivých odpovědí však vyžaduje tři nastavení, která tato lekce podrobně popisuje. První rozhoduje o tom, kolik webového obsahu se vloží do kontextu, což přímo ovlivňuje vaše náklady. Druhé směruje dotazy, které si model formuluje sám – protože je píše on, ne ty. Třetí se týká citací; bez nich je odpověď s odkazy na zdroje jen prostým утверzením.

Parametr search_context_size

Parametr search_context_size řídí, kolik webového obsahu se vloží do kontextu modelu. Nemění ani počet vyhledávání, ani jejich kvalitu: určuje pouze, kolik textu se po nalezení stránek skutečně dostane do promptu. Je to kompromis mezi úplností a náklady, který bys měl ladit podle typu úkolu, nikoliv nastavit jednou a zapomenout na to.

from openai import OpenAI

client = OpenAI()

# Minimální kontext: rychlé, stručné odpovědi
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is France's GDP in 2025?",
    tools=[{
        "type": "web_search",
        "search_context_size": "low"
    }]
)

# Střední kontext: dobrý kompromis (výchozí)
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Summarize AI market trends in Europe",
    tools=[{
        "type": "web_search",
        "search_context_size": "medium"
    }]
)

# Velký kontext: hloubková analýza
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Compare AI strategies in France, Germany, and the Netherlands",
    tools=[{
        "type": "web_search",
        "search_context_size": "high"
    }]
)

Dopad na náklady a latenci

Zlaté pravidlo je jednoduché: zvyš úroveň pouze tehdy, když tě získaná odpověď konkrétně zklamala. Datum, číslo nebo faktické potvrzení nepotřebuje nic víc než low; použití high pro tento účel je jako platit za celou složku dokumentů, abys si přečetl jeden řádek.

VelikostTokeny kontextuLatenceNákladyVyužití
lowMinimálníRychláNízkéProstá fakta, čísla
mediumStředníStandardníStředníShrnutí, srovnání
highMaximálníPomalejšíVysokéHloubková analýza

Řízení vyhledávacích dotazů prostřednictvím promptu

Zde je bod, který většina lidí objeví příliš pozdě: model si formuluje vlastní vyhledávací dotazy. Napíšeš „jaké jsou nedávné regulační změny?“ a on to převede na klíčová slova, která nikdy neuvidíš. Kvalita výsledků tedy závisí na přeformulování, nad kterým máš pouze nepřímou kontrolu – systémový prompt. Jmenuj autoritativní zdroje ve svém oboru a období, které tě zajímá: to nejvíce změní výsledek.

response = client.responses.create(
    model="gpt-5.6-terra",
    instructions=(
        "You are a market analyst specializing in European technology. "
        "When you perform web searches, prioritize institutional sources "
        "(European Commission, INSEE, Eurostat) and specialized media "
        "(Les Echos, La Tribune, TechCrunch). "
        "Ignore personal blogs and forums."
    ),
    input="What is the state of AI startup funding in France?",
    tools=[{
        "type": "web_search",
        "search_context_size": "high"
    }]
)

Extrakce a strukturování citací

Citace přicházejí jako anotace připojené k odpovědi, nikoliv přímo v textu. Toto oddělení je dobrou zprávou: umožňuje ti zobrazit zdroje jakkoli chceš, ověřit je nebo odmítnout odpověď, která žádné nemá. V jakékoli aplikaci, kde má odpověď váhu – právní, lékařská, finanční – je bezpečnější považovat chybějící anotace za chybu, než slepě věřit textu.

def extract_sources(response) -> list[dict]:
    """Extract all URL citations from a Web Search response."""
    sources = []
    for item in response.output:
        if item.type == "message":
            for block in item.content:
                if hasattr(block, "annotations"):
                    for ann in block.annotations:
                        if ann.type == "url_citation":
                            sources.append({
                                "url": ann.url,
                                "title": ann.title,
                                "excerpt_start": ann.start_index,
                                "excerpt_end": ann.end_index
                            })
    return sources

# Usage
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What are the new GDPR rules for AI in 2026?",
    tools=[{"type": "web_search"}]
)

sources = extract_sources(response)
for s in sources:
    print(f"  {s['title']}: {s['url']}")

Vzor: vyhledávání s křížovou validací

Jediný zdroj zůstává jediným zdrojem, i když ho našel model. U informací, které řídí rozhodování, explicitně požaduj potvrzení z více nezávislých zdrojů a nech model označit neshody, místo aby je mlčky arbitroval: neshoda mezi dvěma zdroji je sama o sobě informací, často užitečnější než průměrování obou.

def validated_search(question: str, min_sources: int = 3) -> dict:
    """Web search requiring multiple sources."""
    response = client.responses.create(
        model="gpt-5.6-terra",
        instructions=(
            f"To answer this question, you must find at least "
            f"{min_sources} independent sources that confirm the information. "
            "If sources contradict each other, flag the discrepancies. "
            "Cite each source explicitly."
        ),
        input=question,
        tools=[{
            "type": "web_search",
            "search_context_size": "high"
        }]
    )

    sources = extract_sources(response)
    return {
        "answer": response.output_text,
        "sources": sources,
        "reliability": "high" if len(sources) >= min_sources else "verify"
    }

Zpracování případu bez výsledků

Existuje jeden případ, na který lidé zapomínají: vyhledávání nevrátí nic. Rizikem není absence odpovědi – rizikem je, že při nedostatku výsledků model odpoví ze svých interních znalostí, aniž by to signalizoval, a poskytne ti tak věrohodné, ale zastaralé informace. Požádej ho, aby to explicitně uvedl, a připrav se na přeformulování.

def search_with_fallback(question: str) -> dict:
    """Web search with failure detection and reformulation."""
    # First attempt
    response = client.responses.create(
        model="gpt-5.6-terra",
        input=question,
        tools=[{"type": "web_search"}]
    )

    sources = extract_sources(response)

    if len(sources) == 0:
        # Automatic reformulation
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=f"Rephrase this question for a more effective web search, "
                  f"then search: {question}",
            tools=[{"type": "web_search", "search_context_size": "high"}]
        )
        sources = extract_sources(response)

    return {
        "answer": response.output_text,
        "sources": sources
    }

Webové vyhledávání se streamováním

Webové vyhledávání trvá několik sekund, někdy i déle, pokud model řetězí několik dotazů. Díky streamování uživatel vidí, jak se odpověď postupně vytváří, místo aby zíral na indikátor načítání – a u tohoto typu latence je rozdíl ve vnímání obrovský při téměř nulových nákladech na implementaci.

stream = client.responses.create(
    model="gpt-5.6-terra",
    input="What are this week's tech news headlines?",
    tools=[{"type": "web_search"}],
    stream=True
)

for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    elif event.type == "response.completed":
        # Extract sources at the end
        sources = extract_sources(event.response)
        print(f"\n\n--- {len(sources)} sources consulted ---")

Filtrace domén a seznam zdrojů

Nástroj web_search přijímá parametr filters, který omezuje vyhledávání na seznam povolených domén (až 100) nebo vylučuje seznam (také až 100). Domény zapisuj bez http:// nebo https://. Filtrace existuje pouze u web_search v Responses API: zastaralý nástroj web_search_preview ji ignoruje.

response = client.responses.create(
    model="gpt-5.6-terra",
    tools=[{
        "type": "web_search",
        "filters": {"allowed_domains": ["service-public.fr", "legifrance.gouv.fr"]},
    }],
    include=["web_search_call.action.sources"],
    input="What are the price display requirements for retail stores in France?",
)
print(response.output_text)

Možnost include=["web_search_call.action.sources"] vrací úplný seznam konzultovaných URL, který je často delší než seznam citací. Samotné citace přicházejí jako anotace url_citation (URL, název, pozice v textu): dokumentace OpenAI žádá, abys je ve svém rozhraní zobrazil viditelně a jako klikatelné odkazy.

Klíčové poznatky

  • search_context_size řídí objem webových dat vkládaných do kontextu
  • filters omezují nebo vylučují domény (max 100); include vypisuje všechny konzultované zdroje
  • Systémový prompt směruje model ke správným zdrojům
  • Extrahuj anotace url_citation pro vysledování zdrojů
  • Implementuj křížovou validaci pro kritické informace
  • Zpracovávej chybějící výsledky pomocí automatického přeformulování