Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Αναζήτηση υβριδικού τύπου: συνδυασμός web και αρχείων

Μάθημα 9 / 20 Ενημερώθηκε 2 Νοεμβρίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Αναζήτηση υβριδικού τύπου: συνδυασμός web και αρχείων
  2. Ενεργοποίηση και των δύο εργαλείων
  3. Περίπτωση χρήσης: παρακολούθηση κανονισμών
  4. Περίπτωση χρήσης: εμπλουτισμός βάσης γνώσεων
  5. Προσθήκη προσαρμοσμένων συναρτήσεων στο μείγμα
  6. Διαχείριση προτεραιότητας πηγών
  7. Πλήρες πρότυπο: βοηθός υβριδικής αναζήτησης
  8. Βασικά σημεία

Μάθημα ενημερώθηκε στις 2 Νοεμβρίου 2026 με βάση την τεκμηρίωση της OpenAI: το εργαλείο Code Interpreter απαιτεί πλέον μια παράμετρο container (προστέθηκε σε όλα τα παραδείγματα), τα μέρη κειμένου εισόδου είναι τύπου input_text, και η αναζήτηση web χρησιμοποιεί το εργαλείο web_search (το web_search_preview είναι πλέον ένα παρωχημένο εργαλείο χωρίς φίλτρα τομέα). Τα παραγόμενα αρχεία ανακτώνται χρησιμοποιώντας τις συναρτήσεις fichiers_generes και telecharger από το Μάθημα 10. Πηγές: Code Interpreter · [Web search](https://developers.openai.com/api/docs/guides/tools-web-search].

Αναζήτηση υβριδικού τύπου: συνδυασμός web και αρχείων

Τα δύο εργαλεία αναζήτησης απαντούν σε διαφορετικά ερωτήματα και, όταν χρησιμοποιούνται μεμονωμένα, το καθένα παραμένει ημιτελές. Η Αναζήτηση Αρχείων (File Search) γνωρίζει τι έχετε γράψει εσείς· η Αναζήτηση Web γνωρίζει τι έχει δημοσιεύσει ο κόσμος. Πολλά χρήσιμα ερωτήματα βρίσκονται ακριβώς στη διασταύρωση των δύο: Είναι η διαδικασία μας ακόμη συμμορφούμενη; Είναι η τεκμηρίωσή μας ενημερωμένη; Πού βρισκόμαστε σε σχέση με την αγορά;

Αυτά τα ερωτήματα μοιράζονται μια κοινή ιδιότητα που εξηγεί την αξία τους: κανείς δεν μπορεί να τα απαντήσει χωρίς να διαβάσει και τις δύο πλευρές. Είναι αυτή η διασταύρωση, και όχι η ίδια η αναζήτηση, που καθιστά αυτό το μάθημα πολύτιμο.

Ενεργοποίηση και των δύο εργαλείων

Δηλώστε και τα δύο εργαλεία ταυτόχρονα στον πίνακα tools:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Compare our remote work policy with current market trends",
    tools=[
        {
            "type": "file_search",
            "vector_store_ids": ["vs_abc123"],
            "max_num_results": 10
        },
        {
            "type": "web_search",
            "search_context_size": "medium"
        }
    ]
)

print(response.output_text)

Το μοντέλο αποφασίζει μόνο του πότε θα χρησιμοποιήσει κάθε εργαλείο. Για ένα ερώτημα σχετικά με τα εσωτερικά σας έγγραφα, θα χρησιμοποιήσει την Αναζήτηση Αρχείων. Για δημόσια δεδομένα, θα χρησιμοποιήσει την Αναζήτηση Web. Για μια σύγκριση, θα χρησιμοποιήσει και τα δύο.

Περίπτωση χρήσης: παρακολούθηση κανονισμών

Η παρακολούθηση κανονισμών είναι το χαρακτηριστικό παράδειγμα, επειδή το χάσμα μεταξύ των δύο πηγών είναι ακριβώς αυτό που αναζητούμε. Ζητήστε ρητά τις διαφορές, όχι μια σύνοψη της κάθε πλευράς: ένα μοντέλο στο οποίο ζητείται να κάνει σύνοψη θα παράγει δύο σωστές συνθέσεις και θα σας αφήσει να κάνετε εσείς τη σύγκριση, που είναι το μόνο δύσκολο κομμάτι της εργασίας.

def audit_conformite(sujet: str, vs_processus: str) -> dict:
    """Compares internal processes with current regulations."""
    response = client.responses.create(
        model="gpt-5.6-terra",
        instructions=(
            "You are a compliance auditor. For each point, you must: "
            "1. Search internal documents for what is currently in place "
            "2. Search the web for current applicable regulations "
            "3. Identify gaps between the two "
            "4. Propose corrective actions"
        ),
        input=f"Audit the compliance of our processes on the topic: {sujet}",
        tools=[
            {
                "type": "file_search",
                "vector_store_ids": [vs_processus],
                "max_num_results": 15
            },
            {
                "type": "web_search",
                "search_context_size": "high"
            }
        ]
    )

    return {
        "rapport": response.output_text,
        "tokens_utilises": response.usage.total_tokens
    }

# Usage
rapport = audit_conformite(
    "personal data protection and GDPR",
    "vs_processus_internes"
)

Περίπτωση χρήσης: εμπλουτισμός βάσης γνώσεων

Ο ίδιος μηχανισμός, αντιστραμμένος, χρησιμεύει για να ελέγξετε την παλαίωση των δικών σας εγγράφων: αντί να επαληθεύετε τη συμμόρφωση, ρωτάτε τι έχει αλλάξει από τότε που γράφτηκαν. Αυτή είναι η πιο αποδοτική χρήση της υβριδικής αναζήτησης σε μια παλιά βάση εγγράφων—κανείς δεν έχει χρόνο να ξαναδιαβάσει εκατό σελίδες για να βρει τις τρεις που έχουν παλαιώσει.

def detecter_obsolescence(vs_id: str, sujets: list[str]) -> list[dict]:
    """Identifies potentially obsolete information."""
    resultats = []

    for sujet in sujets:
        response = client.responses.create(
            model="gpt-5.6-terra",
            instructions=(
                "Compare what our internal documents say with the most recent "
                "information from the web. Identify factual gaps, outdated figures, "
                "and obsolete procedures."
            ),
            input=f"Check the currency of our documents on: {sujet}",
            tools=[
                {"type": "file_search", "vector_store_ids": [vs_id]},
                {"type": "web_search"}
            ]
        )

        resultats.append({
            "sujet": sujet,
            "analyse": response.output_text
        })

    return resultats

Προσθήκη προσαρμοσμένων συναρτήσεων στο μείγμα

Η προσθήκη των δικών σας συναρτήσεων στο μείγμα μετατοπίζει τη ροή εργασίας από την ανάλυση στη δράση: το μοντέλο εντοπίζει ένα κενό και στη συνέχεια ανοίγει ένα ticket. Ωστόσο, διατηρήστε ένα σαφές όριο—η αναζήτηση και η ανάλυση μπορούν να παραμείνουν αυτοματοποιημένες, αλλά οι ενέργειες που δεσμεύουν πόρους (δημιουργία, αποστολή, τροποποίηση) αξίζουν ανθρώπινη επικύρωση μέχρι να μετρήσετε την αξιοπιστία της ροής για αρκετές εβδομάδες.

tools = [
    # Search your documents
    {
        "type": "file_search",
        "vector_store_ids": ["vs_contrats"],
        "max_num_results": 10
    },
    # Web search
    {
        "type": "web_search",
        "search_context_size": "medium"
    },
    # Business function: query the CRM
    {
        "type": "function",
        "name": "get_client_info",
        "description": "Retrieve client information from the CRM",
        "parameters": {
            "type": "object",
            "properties": {
                "client_id": {"type": "string"},
                "champs": {
                    "type": "array",
                    "items": {"type": "string"},
                    "description": "List of fields to return"
                }
            },
            "required": ["client_id"],
            "additionalProperties": False
        },
        "strict": True
    },
    # Business function: create an alert
    {
        "type": "function",
        "name": "creer_alerte",
        "description": "Create a follow-up alert for a contract or client",
        "parameters": {
            "type": "object",
            "properties": {
                "titre": {"type": "string"},
                "priorite": {"type": "string", "enum": ["basse", "moyenne", "haute", "critique"]},
                "description": {"type": "string"},
                "assignee": {"type": "string"}
            },
            "required": ["titre", "priorite", "description", "assignee"],
            "additionalProperties": False
        },
        "strict": True
    }
]

# The model can now:
# 1. Search for a contract in File Search
# 2. Verify a clause on the web
# 3. Retrieve client info from the CRM
# 4. Create an alert if a problem is detected
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Check if client CLI-42567's contract complies with the new European "
          "standards. If not, create a high-priority alert.",
    tools=tools
)

Διαχείριση προτεραιότητας πηγών

Χωρίς οδηγίες, το μοντέλο αντιμετωπίζει και τις δύο πηγές εξίσου. Αυτό σπάνια είναι αυτό που θέλετε: για εσωτερικά γεγονότα—αριθμούς, διαδικασίες, αποφάσεις—τα έγγραφά σας είναι αυθεντικά και το web είναι απλώς πιθανός θόρυβος· για ειδήσεις και κανονισμούς, ισχύει το αντίθετο. Ενσωματώστε αυτή την ιεραρχία στην προτροπή συστήματος (system prompt) και απαιτήστε οποιαδήποτε σύγκρουση μεταξύ των δύο να επισημαίνεται αντί να επιλύεται σιωπηλά.

response = client.responses.create(
    model="gpt-5.6-terra",
    instructions=(
        "Source priority rules: "
        "1. For internal facts (processes, policies, contracts) -> File Search "
        "2. For external facts (laws, market, trends) -> Web Search "
        "3. In case of conflict between internal and external sources, flag the gap "
        "4. NEVER answer based solely on your own knowledge "
    ),
    input="What is our standard payment term and is it compliant with the law?",
    tools=[
        {"type": "file_search", "vector_store_ids": [vs_id]},
        {"type": "web_search"}
    ]
)

Πλήρες πρότυπο: βοηθός υβριδικής αναζήτησης

class AssistantRecherche:
    def __init__(self, vector_store_ids: list[str]):
        self.client = OpenAI()
        self.vs_ids = vector_store_ids
        self.historique = []

    def rechercher(self, question: str, mode: str = "hybride") -> dict:
        tools = []

        if mode in ("hybride", "interne"):
            tools.append({
                "type": "file_search",
                "vector_store_ids": self.vs_ids,
                "max_num_results": 10
            })

        if mode in ("hybride", "web"):
            tools.append({
                "type": "web_search",
                "search_context_size": "medium"
            })

        response = self.client.responses.create(
            model="gpt-5.6-terra",
            instructions="Always cite your sources. Clearly distinguish "
                        "internal information from public information.",
            input=question,
            tools=tools
        )

        resultat = {
            "question": question,
            "reponse": response.output_text,
            "mode": mode,
            "tokens": response.usage.total_tokens
        }
        self.historique.append(resultat)
        return resultat

# Usage
assistant = AssistantRecherche(["vs_contrats", "vs_procedures"])
r = assistant.rechercher("Are our GTCs up to date with European law?")
print(r["reponse"])

Βασικά σημεία

  • Συνδυάστε τα file_search και web_search σε μια μόνο κλήση
  • Το μοντέλο επιλέγει αυτόματα το σωστό εργαλείο για κάθε ανάγκη
  • Η προτροπή συστήματος (system prompt) καθοδηγεί την προτεραιότητα μεταξύ εσωτερικών και εξωτερικών πηγών
  • Προσθέστε προσαρμοσμένες συναρτήσεις για πλήρεις ροές εργασίας
  • Η υβριδική αναζήτηση είναι ιδανική για ελέγχους συμμόρφωσης και παρακολούθηση