Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Automatinės citatos ir geriausios praktikos

Paskaita 16 iš 16 Atnaujinta 2026 m. liepos 30 d. Kūrėjas
Šiame puslapyje
  1. Šaltiniais pagrįsti ir patikimi atsakymai
  2. Kaip veikia citatos
  3. Citatų rodymas tavo programoje
  4. Geriausios gamybinės praktikos
  5. Diegimo kontrolinis sąrašas
  6. Svarbiausi punktai
  7. Patikrink savo žinias

Šaltiniais pagrįsti ir patikimi atsakymai

Kai modelis naudoja žiniatinklio arba X paiešką, „Responses“ API automatiškai į atsakymą įtraukia citatas. Šios citatos leidžia tavo vartotojams patikrinti šaltinius ir sustiprina pasitikėjimą sugeneruotais atsakymais.

Kaip veikia citatos

Citatos atsiranda kiekvieno turinio elemento masyve annotations:

{
  "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
        }
      ]
    }]
  }]
}

Citatų laukai

LaukasAprašymas
typeVisada url_citation
urlŠaltinio URL
titleŠaltinio puslapio pavadinimas
start_indexPradinė pozicija tekste
end_indexGalutinė pozicija tekste

Citatų rodymas tavo programoje

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

# Sukuriame tekstą su išnašomis
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)

Naudojant HTML

def render_with_citations(text, annotations):
    # Rūšiuojame pagal poziciją (nuo galo į pradžią, kad nepasikeistų indeksai)
    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

Geriausios gamybinės praktikos

1. Visada tikrink būseną

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

2. Apdorok tuščius atsakymus

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. Registruok metrikas

Kiekvienam gamybiniam užklausimui registruok:

  • response.id atsekamumui užtikrinti
  • usage.total_tokens suvartojimui stebėti
  • usage.cost_in_nano_usd išlaidoms fiksuoti
  • Kliento pusės atsako laikas
  • Atsako būsena

4. Apsaugok savo API raktą

  • Saugok jį aplinkos kintamajame, niekada ne kode
  • Gamyboje naudok paslapčių valdyklę („Vault“, „AWS Secrets Manager“)
  • Reguliariai keisk raktus
  • Niekada neatskleisk jų kliento pusėje (naršyklėje)

5. Valdyk sugeneruotą turinį

Modelio atsakymai, nepaisant filtrų, gali turėti netinkamo turinio. Jei rodai atsakymus viešai, įdiek moderavimo sluoksnį.

6. Planuok mastelio didinimą

  • Naudok srautinį perdavimą (streaming), kad sumažintum laukimo laiką
  • Įdiek eilių sistemą sudėtingoms užklausoms
  • Talpykloje saugok dažnus atsakymus
  • Stebėk savo užklausų ribojimo (rate limiting) kvotas

Diegimo kontrolinis sąrašas

  • Laiko limitas nustatytas į 3600 sekundžių
  • Kartojimas su eksponentine pauze (exponential backoff)
  • Kliento pusės užklausų ribojimas
  • Metrikų registravimas (tokenai, išlaidos, delsos)
  • Klaidų apdorojimas (401, 429, 500, laiko limito viršijimas)
  • Saugus API raktas
  • Turinio moderavimas, jei reikia
  • Išlaidų stebėsena ir įspėjimai
  • Grandinės pertraukiklis (circuit breaker) atsparumui užtikrinti

Svarbiausi punktai

  • Citatos yra automatinės, kai modelis naudoja web_search arba x_search
  • Jose pateikiamas URL, pavadinimas ir pozicija tekste
  • Visada tikrink būseną ir apdorok tuščius atsakymus
  • Apsaugok savo API raktą – niekada neįtrauk jo į源代码 ar kliento pusės kodą
  • Prieš pereinant į gamybą, įdiek registravimą, kartojimą, užklausų ribojimą ir stebėseną

Patikrink savo žinias

Išsamus „Responses“ API nagrinėjimas: galutinis patikrinimas.

1. Ką „Responses“ API siūlo, palyginti su „Chat Completions“?

Atsakymas: Šiuolaikinį formatą: atsakymų išsaugojimą serverio pusėje (GET/DELETE, grandininimas pagal ID), integruotus įrankius ir naujausias funkcijas – tai API, kuriai xAI skiria evoliucijos dėmesį.

2. Kaip sujungti pokalbį į vieną grandinę?

Atsakymas: Nuoroda į ankstesnį atsakymą: kontekstas išsaugomas serverio pusėje – nereikia siųsti visos istorijos kiekviename etape.

3. Kas yra šifruotas samprotavimas?

Atsakymas: Modelio vidinis samprotavimas, grąžinamas šifruota forma: panaudojamas vėlesniuose etapuose neskaitytinu pavidalu – minties procesas keliauja, konfidencialumas išlieka.

4. Ką leidžia derinti serverio ir kliento įrankius?

Atsakymas: Sujungti xAI vykdomus integruotus įrankius (žiniatinklio paiešką ir kt.) su tavo pačio kodu vykdomomis tinkintomis funkcijomis – kiekvienas įrankis savo vietoje, suorchestruotas tame pačiame užklausime.

5. Kokios yra geriausios gamybinės praktikos?

Atsakymas: Valdyk laiko limitus ir kartojimus, stebėk atsiskaitymus (tokenai, įrankiai) ir naudok automatines citatas patikrinamiems atsakymams – patikimumas ir pasitikėjimas kartu.

Išsaugojimas, įrankiai, šifruotas samprotavimas, citatos: „Responses“ API yra šiuolaikinis pamatas – čia kuriamos tavo „Grok“ programos.