Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Automatikus hivatkozások és bevált gyakorlatok

16. lecke 16 közül Frissítve 2026. július 30. Fejlesztő
Ezen az oldalon
  1. Forrásolt és megbízható válaszok
  2. Így működnek a hivatkozások
  3. Hivatkozások megjelenítése az alkalmazásodban
  4. Bevált gyakorlatok éles környezetben
  5. Telepítési ellenőrzőlista
  6. Főbb megállapítások
  7. Teszteld a tudásod!

Forrásolt és megbízható válaszok

Amikor a modell webes keresést vagy X-keresést végez, a Responses API automatikusan hivatkozásokat (citations) illeszt a válaszba. Ezek a hivatkozások lehetővé teszik felhasználóid számára a források ellenőrzését, és bizalmat építenek a generált válaszok iránt.

Így működnek a hivatkozások

A hivatkozások minden tartalmi elem annotations tömbjében jelennek meg:

{
  "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
        }
      ]
    }]
  }]
}

A hivatkozások mezői

MezőLeírás
typeMindig url_citation
urlA forrás URL-je
titleA forrásoldal címe
start_indexKezdő pozíció a szövegben
end_indexZáró pozíció a szövegben

Hivatkozások megjelenítése az alkalmazásodban

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

# Szöveg összeállítása lábjegyzetekkel
footnotes = []
for i, ann in enumerate(annotations, 1):
    footnotes.append(f"[{i}] {ann.title} — {ann.url}")

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

HTML-ben

def render_with_citations(text, annotations):
    # Rendezés pozíció szerint (végtől az eleje felé, hogy ne csússzanak az indexek)
    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

Bevált gyakorlatok éles környezetben

1. Mindig ellenőrizd az állapotot

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

2. Kezeld le az üres válaszokat

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. Naplózz metrikákat

Minden éles környezeti kérésnél naplózd a következőket:

  • response.id a nyomon követhetőség érdekében
  • usage.total_tokens a fogyasztás mérésére
  • usage.cost_in_nano_usd a költségekhez
  • Kliens oldali válaszidőt
  • A válasz státuszát

4. Biztosítsd az API-kulcsodat

  • Tárold környezetváltozóban, soha ne a kódban
  • Éles környezetben használj titokkezelőt (Vault, AWS Secrets Manager)
  • Rendszeresen forgasd a kulcsokat
  • Soha ne tedd ki őket kliens oldalon (böngészőben)

5. Kezeld a generált tartalmat

A modellválaszok szűrők ellenére is tartalmazhatnak nem megfelelő tartalmat. Ha nyilvánosan jelenítesz meg válaszokat, implementálj egy moderációs réteget.

6. Tervezz skálázhatóságot

  • Használj streamelést a várakozási idő csökkentésére
  • Implementálj sorrendszert a nagy igénybevételt jelentő kérésekhez
  • Gyorsítótárazd a gyakori válaszokat
  • Figyeld a sebességkorlátozási (rate limiting) kvótáidat

Telepítési ellenőrzőlista

  • Időtúllépés (timeout) beállítva 3600 másodpercre
  • Újrapróbálkozás exponenciális visszalépéssel
  • Kliens oldali sebességkorlátozás
  • Metrikák naplózása (tokenek, költségek, késleltetés)
  • Hibakezelés (401, 429, 500, timeout)
  • Biztonságos API-kulcs
  • Tartalommoderáció szükség esetén
  • Költségfigyelés és riasztások
  • Áramkörmegszakító (circuit breaker) a rugalmasság érdekében

Főbb megállapítások

  • A hivatkozások automatikusak, amikor a modell a web_search vagy x_search eszközt használja
  • Tartalmazzák az URL-t, a címet és a szövegben elfoglalt pozíciót
  • Mindig ellenőrizd az állapotot és kezeld le az üres válaszokat
  • Biztosítsd az API-kulcsodat – soha ne legyen a forráskódban vagy kliens oldalon
  • Implementálj naplózást, újrapróbálkozást, sebességkorlátozást és monitorozást, mielőtt élesítenéd a rendszert

Teszteld a tudásod!

A Responses API mélyrehatóan: a végső ellenőrzés.

1. Mit kínál a Responses API a Chat Completionshez képest?

Válasz: A modern formátumot: szerveroldali válaszperzisztencia (GET/DELETE, láncolás ID alapján), beépített eszközök és legújabb funkciók – ez az API, ahol az xAI a fejlesztésekre fókuszál.

2. Hogyan láncolsz össze egy beszélgetést?

Válasz: Az előző válaszra hivatkozva: a kontextus szerveroldalon marad, így nem kell minden körben újra elküldeni a teljes előzményt.

3. Mi a titkosított következtetés (encrypted reasoning)?

Válasz: A modell belső következtetési folyamata, amely titkosított formában kerül visszaadásra: felhasználható a következő körökben anélkül, hogy olvasható lenne – a gondolatmenet továbbítódik, a bizalom megmarad.

4. Mit tesz lehetővé a szerveroldali és kliensoldali eszközök keverése?

Válasz: Lehetővé teszi az xAI által futtatott beépített eszközök (webes keresés stb.) és a saját kódod által futtatott egyéni funkcióid kombinálását – minden eszköz a megfelelő helyen, ugyanabban a kérésben orchestrálva.

5. Mik a legjobb gyakorlatok éles környezetben?

Válasz: Kezeld az időtúllépést és az újrapróbálkozást, kövesd nyomon a számlázást (tokenek, eszközök), és használd ki az automatikus hivatkozásokat az ellenőrizhető válaszokért – a robusztusság és a bizalom együtt.

Perzisztencia, eszközök, titkosított következtetés, hivatkozások: a Responses API a modern alap – itt épülnek fel a Grok alkalmazásaid.