Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Kombination af web og X: Avancerede strategier

Lektion 13 af 14 Opdateret 30. juli 2026 Begynder
På denne side
  1. Orkestrering af de to søgemaskiner
  2. Strategi 1: Komplementaritet mellem fakta og reaktioner
  3. Strategi 2: Krydsvalidering
  4. Strategi 3: Sekventiel pipeline
  5. Håndtering af omkostninger
  6. Håndtering af API-begrænsninger
  7. Praktisk øvelse
  8. Vigtige pointer

Orkestrering af de to søgemaskiner

Du har nu styr på web_search og x_search hver for sig. Grok API’s virkelige kraft kommer til syne, når du kombinerer dem strategisk. Denne lektion viser dig, hvordan du orkestrerer begge værktøjer til at opbygge sofistikerede informationspipelines, samtidig med at du holder omkostninger og begrænsninger i skak.

$5
/ 1.000 tool calls
2x
værktøjer pr. anmodning
Multi
invokationer mulige
Auto
valg af modellen

Strategi 1: Komplementaritet mellem fakta og reaktioner

Den mest naturlige kombination bruger webbet til fakta og X til reaktioner. Modellen vælger det passende værktøj baseret på arten af den ønskede information:

response = client.responses.create(
    model="grok-4.5",
    input="""Analyser den seneste annoncering af den europæiske AI-lov.

    DEL 1 (websøgning):
    - Det nøjagtige indhold af den nye forordning
    - Ikrafttrædelsesdatoer og forpligtelser
    - Berørte virksomheder og sektorer

    DEL 2 (X-søgning):
    - Reaktioner fra tech-virksomheder
    - Ekspertkritik og støtte
    - Oplevet påvirkning af fællesskabet

    SYNTES: Konvergens og divergens
    mellem officielle fakta og offentlig opfattelse.""",
    tools=[
        {"type": "web_search"},
        {"type": "x_search"}
    ]
)

Strategi 2: Krydsvalidering

Brug begge kilder til at validere information. Hvis webbet og X konvergerer, øges tilliden:

response = client.responses.create(
    model="grok-4.5",
    input="""Jeg hører, at [Virksomhed X] forbereder
    massive fyringer.

    Verificer denne information:
    1. Websøgning: presseartikler, pressemeddelelser
    2. X-søgning: medarbejderopslag, insiders

    Vurdér troværdigheden (1-10) ved at krydsreferere kilderne.
    Angiv eksplicit, om begge kanaler konvergerer.""",
    tools=[
        {"type": "web_search"},
        {"type": "x_search"}
    ]
)

Strategi 3: Sekventiel pipeline

Nogle gange er det mere effektivt at lave to separate kald end ét kombineret kald. Dette giver dig større kontrol over parametrene for hver søgning:

# Trin 1: Web-indsamling med streng filtrering
web_result = client.responses.create(
    model="grok-4.5",
    input="Seneste fremskridt inden for kvantecomputing",
    tools=[{
        "type": "web_search",
        "allowed_domains": ["arxiv.org", "nature.com", "science.org"]
    }]
)

# Trin 2: X-reaktioner filtreret efter handles
x_result = client.responses.create(
    model="grok-4.5",
    input=f"""Under hensyntagen til disse fremskridt:
    {web_result.output_text[:500]}

    Hvad er forskernes reaktioner på X?""",
    tools=[{
        "type": "x_search",
        "allowed_x_handles": [
            "PeterShor_MIT",
            "ScottAaronson"
        ]
    }]
)

Håndtering af omkostninger

Hver tool-invokation koster $0,005, uanset antallet af resultater. Når modellen bruger begge værktøjer i samme kald, fordobles omkostningen. Hvis modellen kalder et værktøj flere gange (f.eks. to successive websøgninger for at forfine), faktureres hvert kald:

# Minimumsomkostning: 1 værktøj x 1 invokation = $0,005
tools=[{"type": "web_search"}]

# Potentiel omkostning: 2 værktøjer = mindst $0,01
# Men modellen kan invokere hvert værktøj
# flere gange, hvis det er nødvendigt
tools=[
    {"type": "web_search"},
    {"type": "x_search"}
]

Optimering af kvalitet/omkostnings-forhold

  • Kombinér kun ved behov: Hvis spørgsmålet er rent faktuel, er web_search alene tilstrækkeligt.
  • Filtrér på forhånd: Parametre for domæner og handles reducerer støj og forbedrer relevansen uden ekstra omkostninger.
  • Brug den sekventielle pipeline til komplekse analyser: Det første trin informerer det andet, hvilket reducerer unødvendige søgninger.

Håndtering af API-begrænsninger

Parameterbegrænsninger

Hvert værktøj har sine egne begrænsninger. Bland dem ikke:

  • web_search: allowed_domains ELLER excluded_domains (maks. 5 af hver)
  • x_search: allowed_x_handles ELLER excluded_x_handles (maks. 10 af hver) + from_date/to_date

Ikke-deterministisk adfærd

Modellen beslutter autonomt, hvornår og hvor mange gange den skal bruge hvert værktøj. To identiske anmodninger kan give forskellige søgemønstre. Hvis reproducerbarhed er afgørende, skal du bruge den sekventielle pipeline med målrettede anmodninger.

Latens

Anmodninger med to værktøjer er langsommere. Planlæg for passende timeouts i dine applikationer, især hvis billede- eller videoanalyse er aktiveret.

Praktisk øvelse

Implementér alle tre strategier (komplementaritet, krydsvalidering, sekventiel pipeline) på samme aktuelle emne. Sammenlign resultatkvalitet, svartid og samlede omkostninger for hver tilgang. Identificér hvilken strategi, der passer bedst til dit brugstilfælde.

Vigtige pointer

  • To værktøjer i samme kald: Modellen vælger automatisk, hvilket der skal bruges.
  • Den komplementære strategi (web = fakta, X = reaktioner) er den mest almindelige.
  • Krydsvalidering styrker tilliden til informationen.
  • Den sekventielle pipeline giver mere kontrol over parametre.
  • Hver tool-invokation koster $0,005, uanset antallet af resultater.
  • Optimér omkostninger ved kun at kombinere, når begge kilder tilfører distinkt værdi.