Ir al contenido principal
Español— Elegir un idioma
Menú

Citas automáticas y buenas prácticas

Lección 16 de 16 Actualizado el 30 de julio de 2026 Desarrollador
En esta página
  1. Respuestas con fuentes y fiables
  2. Cómo funcionan las citas
  3. Mostrar citas en tu aplicación
  4. Buenas prácticas para producción
  5. Lista de comprobación para el despliegue
  6. Puntos clave
  7. Pon a prueba tus conocimientos

Respuestas con fuentes y fiables

Cuando el modelo utiliza la búsqueda web o la búsqueda en X, la API de Responses incluye automáticamente citas en la respuesta. Estas citas permiten a tus usuarios verificar las fuentes y generar confianza en las respuestas generadas.

Cómo funcionan las citas

Las citas aparecen en el array annotations de cada elemento de contenido:

{
  "output": [{
    "type": "message",
    "content": [{
      "type": "output_text",
      "text": "According to the latest data, the AI market...",
      "annotations": [
        {
          "type": "url_citation",
          "url": "https://example.com/article",
          "title": "AI Market Analysis in 2026",
          "start_index": 35,
          "end_index": 68
        }
      ]
    }]
  }]
}

Campos de la cita

CampoDescripción
typeSiempre url_citation
urlURL de la fuente
titleTítulo de la página de origen
start_indexPosición de inicio en el texto
end_indexPosición de fin en el texto

Mostrar citas en tu aplicación

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="What are the latest advancements in AI?",
    tools=[{"type": "web_search"}]
)

text = response.output[0].content[0].text
annotations = response.output[0].content[0].annotations

# Construir texto con notas al pie
footnotes = []
for i, ann in enumerate(annotations, 1):
    footnotes.append(f"[{i}] {ann.title} — {ann.url}")

print(text)
print("\n--- Fuentes ---")
for fn in footnotes:
    print(fn)

En HTML

def render_with_citations(text, annotations):
    # Ordenar por posición (de fin a inicio para evitar desplazar índices)
    sorted_anns = sorted(annotations, key=lambda a: a.start_index, reverse=True)
    html = text
    for i, ann in enumerate(sorted_anns):
        ref_num = len(sorted_anns) - i
        link = f'<a href="{ann.url}" title="{ann.title}" target="_blank">[{ref_num}]</a>'
        html = html[:ann.end_index] + link + html[ann.end_index:]
    return html

Buenas prácticas para producción

1. Validar siempre el estado

response = client.responses.create(...)
if response.status != "completed":
    handle_error(response)
    return

2. Gestionar respuestas vacías

if not response.output or not response.output[0].content:
    return "The model did not generate a response."
text = response.output[0].content[0].text

3. Registrar métricas

Para cada solicitud en producción, registra:

  • response.id para la trazabilidad
  • usage.total_tokens para el consumo
  • usage.cost_in_nano_usd para los costes
  • Tiempo de respuesta del lado del cliente
  • Estado de la respuesta

4. Proteger tu clave de API

  • Almacénala en una variable de entorno, nunca en el código
  • Utiliza un gestor de secretos en producción (Vault, AWS Secrets Manager)
  • Rota tus claves periódicamente
  • No las expongas nunca del lado del cliente (navegador)

5. Gestionar el contenido generado

Las respuestas del modelo pueden contener contenido inapropiado a pesar de los filtros. Implementa una capa de moderación si muestras respuestas públicamente.

6. Planificar la escalabilidad

  • Utiliza streaming para reducir el tiempo de espera percibido
  • Implementa un sistema de colas para solicitudes pesadas
  • Almacena en caché las respuestas frecuentes
  • Supervisa tus cuotas de limitación de tasa (rate limiting)

Lista de comprobación para el despliegue

  • Tiempo de espera (timeout) establecido en 3600 segundos
  • Reintento con retroceso exponencial (exponential backoff)
  • Limitación de tasa del lado del cliente
  • Registro de métricas (tokens, costes, latencia)
  • Gestión de errores (401, 429, 500, timeout)
  • Clave de API segura
  • Moderación de contenido si es necesario
  • Supervisión de costes y alertas
  • Interruptor de circuito (circuit breaker) para la resiliencia

Puntos clave

  • Las citas son automáticas cuando el modelo utiliza web_search o x_search
  • Contienen la URL, el título y la posición en el texto
  • Valida siempre el estado y gestiona las respuestas vacías
  • Protege tu clave de API: nunca en el código fuente ni del lado del cliente
  • Implementa registro, reintentos, limitación de tasa y supervisión antes de pasar a producción

Pon a prueba tus conocimientos

La API de Responses en profundidad: la comprobación final.

1. ¿Qué ofrece la API de Responses en comparación con Chat Completions?

Respuesta: El formato moderno: persistencia de respuestas del lado del servidor (GET/DELETE, encadenamiento por ID), herramientas integradas y funciones recientes; la API donde xAI centra su evolución.

2. ¿Cómo se encadena una conversación?

Respuesta: Haciendo referencia a la respuesta anterior: el contexto se mantiene del lado del servidor, sin necesidad de reenviar todo el historial en cada turno.

3. ¿Qué es el razonamiento cifrado?

Respuesta: El razonamiento interno del modelo devuelto en forma cifrada: reutilizable en turnos siguientes sin ser legible; el proceso de pensamiento viaja, la confidencialidad se mantiene.

4. ¿Qué permite combinar herramientas del servidor y del cliente?

Respuesta: Combinar herramientas integradas ejecutadas por xAI (búsqueda web, etc.) y tus funciones personalizadas ejecutadas por tu código; cada herramienta en su lugar, orquestadas en la misma solicitud.

5. ¿Cuáles son las buenas prácticas para producción?

Respuesta: Gestionar el tiempo de espera y los reintentos, rastrear la facturación (tokens, herramientas) y aprovechar las citas automáticas para respuestas verificables; robustez y confianza juntas.

Persistencia, herramientas, razonamiento cifrado, citas: la API de Responses es la base moderna; aquí es donde se construyen tus aplicaciones con Grok.