Filtrování domén při webovém vyhledávání
Na této stránce
Kontrola zdrojů pro spolehlivé výsledky
Když integruješ webové vyhledávání do firemní aplikace, nechceš, aby model čerpal informace odkudkoli. Právní chatbot se musí obracet na oficiální zdroje, lékařský asistent se musí držet vědeckých publikací a nástroj pro monitorování technologií by měl cílit na referenční weby.
API Grok nabízí dva filtrační parametry pro kontrolu zdrojů: allowed_domains a excluded_domains. Tyto parametry ti dávají granularní kontrolu nad rozsahem vyhledávání.
Dva režimy filtrování
Whitelist: allowed_domains
Tento parametr omezuje vyhledávání pouze na domény, které specifikuješ. Model nebude konzultovat žádné jiné stránky:
response = client.responses.create(
model="grok-4.5",
input="What are the latest advancements in AI?",
tools=[{
"type": "web_search",
"allowed_domains": ["arxiv.org", "nature.com", "science.org"]
}]
)
Blacklist: excluded_domains
Tento parametr povoluje všechny zdroje kromě těch, které uvedeš. Je užitečný pro vyloučení nespolehlivých webů nebo konkurence:
response = client.responses.create(
model="grok-4.5",
input="SaaS market analysis in France",
tools=[{
"type": "web_search",
"excluded_domains": ["reddit.com", "quora.com"]
}]
)
Pravidlo vzájemné výlučnosti
Parametry allowed_domains a excluded_domains jsou vzájemně výlučné. Nemůžeš je použít oba současně v jediném volání. Pokud se je pokusíš zkombinovat, API vrátí chybu.
Svou strategii zvol podle případu použití:
- Whitelist (
allowed_domains): když přesně víš, které zdroje jsou spolehlivé a vše ostatní je podezřelé - Blacklist (
excluded_domains): když je většina zdrojů přijatelná, ale několik jich působí problémy
Limit pěti domén
Každý parametr přijímá maximálně 5 domén. Toto omezení tě nutí upřednostnit své zdroje. Pokud potřebuješ pokrýt více webů, zvaž provedení více volání s různými seznamy, nebo použij blacklist pro zablokování několika problematických domén.
Syntaxe domény
Domény specifikuj bez protokolu nebo koncového lomítka:
# Správně
"allowed_domains": ["arxiv.org", "nature.com"]
# Nesprávně
"allowed_domains": ["https://arxiv.org/", "www.nature.com"]
Praktické případy použití
Asistent pro vědecký výzkum
tools=[{
"type": "web_search",
"allowed_domains": [
"arxiv.org",
"pubmed.ncbi.nlm.nih.gov",
"scholar.google.com",
"nature.com",
"science.org"
]
}]
Monitorování evropské regulace
tools=[{
"type": "web_search",
"allowed_domains": [
"eur-lex.europa.eu",
"legifrance.gouv.fr",
"cnil.fr",
"ec.europa.eu"
]
}]
Firemní chatbot bez sociálních sítí
tools=[{
"type": "web_search",
"excluded_domains": [
"twitter.com",
"facebook.com",
"reddit.com",
"tiktok.com"
]
}]
Dynamická strategie filtrování
V reálné aplikaci můžeš přizpůsobit filtrování podle kontextu uživatelova požadavku:
def get_search_config(category):
configs = {
"legal": {
"allowed_domains": ["legifrance.gouv.fr", "eur-lex.europa.eu"]
},
"tech": {
"excluded_domains": ["pinterest.com", "quora.com"]
},
"general": {}
}
return configs.get(category, {})
search_params = get_search_config(user_category)
tools = [{"type": "web_search", **search_params}]
Praktické cvičení
Vytvoř asistenta specializovaného na oblast dle tvého výběru (právo, věda, technologie). Nakonfiguruj vhodné filtrování domén a otestuj jej pomocí několika otázek. Porovnej získané výsledky s filtrováním a bez něj, abys změřil dopad na relevanci odpovědí.
Klíčové poznatky
allowed_domainsomezuje vyhledávání na whitelist stránekexcluded_domainsvylučuje konkrétní stránky z vyhledávání- Oba parametry jsou vzájemně výlučné: v jednom volání použij pouze jeden
- Maximálně 5 domén na parametr
- Domény specifikuj bez protokolu (
arxiv.org, nikolihttps://arxiv.org) - Přizpůsob strategii případu použití: whitelist pro citlivé domény, blacklist pro lehké filtrování