Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Haku hybridinä: verkon ja tiedostojen yhdistäminen

Oppitunti 9 / 20 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Haku hybridinä: verkon ja tiedostojen yhdistäminen
  2. Ota molemmat työkalut käyttöön
  3. Käyttötapaus: sääntelyn seuranta
  4. Käyttötapaus: tietopankin rikastaminen
  5. Lisää mukautettuja funktioita yhdistelmään
  6. Hallitse lähteiden prioriteettia
  7. Täydellinen malli: hybridihaun avustaja
  8. Keskeiset asiat

Oppitunti päivitetty 2. marraskuuta 2026 OpenAI:n dokumentaation perusteella: Code Interpreter -työkalu vaatii nyt container-parametrin (lisätty kaikkiin esimerkkeihin), syöttötekstiosat ovat tyyppiä input_text, ja verkkohaku käyttää web_search-työkalua (web_search_preview on nyt vanhentunut työkalu ilman toimialasuodattimia). Generoidut tiedostot haetaan käyttämällä oppitunnin 10 funktioita fichiers_generes ja telecharger. Lähteet: Code Interpreter · Web search.

Haku hybridinä: verkon ja tiedostojen yhdistäminen

Nämä kaksi hakutyökalua vastaavat erilaisiin kysymyksiin, ja erillisinä käytettyinä kumpikin jää puutteelliseksi. File Search tietää, mitä sinä olet kirjoittanut; Web Search tietää, mitä maailma on julkaissut. Monet hyödylliset kysymykset sijaitsevat nimenomaan näiden leikkauspisteessä: Onko menettelytapamme edelleen vaatimusten mukainen? Onko dokumentaatiomme ajantasalla? Missä asemassa olemme suhteessa markkinoihin?

Näillä kysymyksillä on yhteinen ominaisuus, joka selittää niiden arvon: kukaan ei voi vastata niihin lukematta molempia puolia. Juuri tämä risteymä, ei itse haku, tekee tästä oppitunnista arvokkaan.

Ota molemmat työkalut käyttöön

Määritä molemmat työkalut samanaikaisesti tools-taulukossa:

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)

Malli päättää itse, milloin käyttää kumpaakin työkalua. Kysymyksessä, joka koskee sisäisiä dokumenttejasi, se käyttää File Searchia. Julkisen datan kohdalla se käyttää Web Searchia. Vertailussa se käyttää molempia.

Käyttötapaus: sääntelyn seuranta

Sääntelyn seuranta on oppikirjaesimerkki, koska juuri näiden kahden lähteen välinen kuilu on se, mitä etsimme. Pyydä nimenomaan eroja, älä kummankin puolen yhteenvetoa: malli, jota pyydetään tekemään yhteenveto, tuottaa kaksi oikeaa synteesiä ja jättää vertailun sinulle, mikä on työn ainoa vaikea osa.

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"
)

Käyttötapaus: tietopankin rikastaminen

Sama mekanismi käänteisenä toimii omien dokumenttiesi ikääntymisen tarkistamiseen: vaatimustenmukaisuuden varmistamisen sijaan kysyt, mitä on muuttunut niiden kirjoittamisen jälkeen. Tämä on kustannustehokkain tapa käyttää hybridihakua vanhaan dokumenttikantaan – kenelläkään ei ole aikaa lukea sataa sivua löytääkseen kolme vanhentunutta.

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

Lisää mukautettuja funktioita yhdistelmään

Omien funktioidesi lisääminen yhdistelmään siirtää työnkulun analyysistä toimintaan: malli havaitsee puutteen ja avaa sitten tiketin. Pidä kuitenkin selkeä raja: haku ja analyysi voivat pysyä automaattisina, mutta resursseja sitovat toimet (luominen, lähettäminen, muokkaaminen) ansaitsevat ihmisen vahvistuksen, kunnes olet mitannut virran luotettavuuden useiden viikkojen ajan.

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
)

Hallitse lähteiden prioriteettia

Ilman ohjeistusta malli kohtelee molempia lähteitä tasavertaisina. Tämä on harvoin toivottavaa: sisäisten faktojen – lukujen, menettelytapojen, päätösten – osalta dokumenttisi ovat auktoriteetti ja verkko on vain uskottavaa kohinaa; uutisten ja sääntelyn osalta tilanne on päinvastainen. Kirjoita tämä hierarkia järjestelmäkehotteeseen ja vaadi, että kaikki kahden lähteen väliset ristiriidat merkitään lipulla sen sijaan, että ne ratkaistaisiin hiljaisesti.

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"}
    ]
)

Täydellinen malli: hybridihaun avustaja

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"])

Keskeiset asiat

  • Yhdistä file_search ja web_search samaan kutsuun
  • Malli valitsee automaattisesti oikean työkalun kullekin tarpeelle
  • Järjestelmäkehote ohjaa sisäisten ja ulkoisten lähteiden prioriteettia
  • Lisää mukautettuja funktioita täydellisiä työnkulkuja varten
  • Hybridihaku on ihanteellinen vaatimustenmukaisuustarkastuksiin ja seurantaan