Łączenie sieci Web i X: zaawansowane strategie
Na tej stronie
Orkiestracja dwóch silników wyszukiwania
Masz już opanowane indywidualnie web_search i x_search. Prawdziwa moc API Grok ujawnia się, gdy łączysz je strategicznie. Ta lekcja pokaże Ci, jak orkiestrować oba narzędzia, aby budować wyrafinowane potoki informacyjne, utrzymując jednocześnie koszty i limity pod kontrolą.
Strategia 1: Komplementarność faktów i reakcji
Najbardziej naturalne połączenie wykorzystuje sieć Web do faktów, a X do reakcji. Model wybiera odpowiednie narzędzie w zależności od charakteru poszukiwanych informacji:
response = client.responses.create(
model="grok-4.5",
input="""Przeanalizuj niedawne ogłoszenie dotyczące europejskiego aktu o sztucznej inteligencji (AI Act).
CZĘŚĆ 1 (wyszukiwanie w sieci Web):
- Dokładna treść nowego rozporządzenia
- Daty wejścia w życie i obowiązki
- Dotknięte firmy i sektory
CZĘŚĆ 2 (wyszukiwanie w X):
- Reakcje firm technologicznych
- Krytyka i poparcie ekspertów
- Postrzegany wpływ na społeczność
SYNTESA: zbieżności i rozbieżności
między oficjalnymi faktami a percepcją publiczną.""",
tools=[
{"type": "web_search"},
{"type": "x_search"}
]
)
Strategia 2: Krzyżowa walidacja
Wykorzystaj oba źródła do walidacji informacji. Jeśli dane z sieci Web i X są zbieżne, poziom pewności rośnie:
response = client.responses.create(
model="grok-4.5",
input="""Słyszę, że [Firma X] przygotowuje
masowe zwolnienia.
Zweryfikuj tę informację:
1. Wyszukiwanie w sieci Web: artykuły prasowe, komunikaty prasowe
2. Wyszukiwanie w X: wpisy pracowników, informacje od osób wtajemniczonych
Oceń wiarygodność (1–10), konfrontując źródła.
Wyraźnie zaznacz, czy oba kanały są zbieżne.""",
tools=[
{"type": "web_search"},
{"type": "x_search"}
]
)
Strategia 3: Potok sekwencyjny
Czasami wykonanie dwóch oddzielnych wywołań jest bardziej efektywne niż jednego połączonego. Daje Ci to większą kontrolę nad parametrami dla każdego wyszukiwania:
# Krok 1: zbieranie danych z sieci Web ze ścisłym filtrowaniem
web_result = client.responses.create(
model="grok-4.5",
input="Najnowsze osiągnięcia w dziedzinie komputerów kwantowych",
tools=[{
"type": "web_search",
"allowed_domains": ["arxiv.org", "nature.com", "science.org"]
}]
)
# Krok 2: reakcje na X filtrowane według nazw użytkowników
x_result = client.responses.create(
model="grok-4.5",
input=f"""Biorąc pod uwagę te osiągnięcia:
{web_result.output_text[:500]}
Jakie są reakcje badaczy na X?""",
tools=[{
"type": "x_search",
"allowed_x_handles": [
"PeterShor_MIT",
"ScottAaronson"
]
}]
)
Zarządzanie kosztami
Każde wywołanie narzędzia kosztuje 0,005 USD, niezależnie od liczby wyników. Gdy model używa obu narzędzi w tym samym wywołaniu, koszt podwaja się. Jeśli model wywołuje narzędzie wielokrotnie (na przykład dwa kolejne wyszukiwania w sieci Web w celu doprecyzowania), każde wywołanie jest rozliczane osobno:
# Koszt minimalny: 1 narzędzie x 1 wywołanie = 0,005 USD
tools=[{"type": "web_search"}]
# Koszt potencjalny: 2 narzędzia = minimum 0,01 USD
# Model może jednak wywołać każde narzędzie
# wielokrotnie, jeśli zajdzie taka potrzeba
tools=[
{"type": "web_search"},
{"type": "x_search"}
]
Optymalizacja stosunku jakości do kosztu
- Łącz tylko wtedy, gdy to konieczne: jeśli pytanie dotyczy wyłącznie faktów, samo
web_searchwystarczy - Filtruj z wyprzedzeniem: parametry domen i nazw użytkowników redukują szum i poprawiają trafność bez dodatkowych kosztów
- Używaj potoku sekwencyjnego do złożonych analiz: pierwszy krok informuje drugi, redukując niepotrzebne wyszukiwania
Zarządzanie limitami API
Limity parametrów
Każde narzędzie ma własne ograniczenia. Nie mieszaj ich:
web_search:allowed_domainsLUBexcluded_domains(maksymalnie 5 dla każdego)x_search:allowed_x_handlesLUBexcluded_x_handles(maksymalnie 10 dla każdego) +from_date/to_date
Niedeterministyczne zachowanie
Model samodzielnie decyduje, kiedy i ile razy użyć każdego narzędzia. Dwa identyczne żądania mogą dać różne wzorce wyszukiwania. Jeśli reprodukowalność jest kluczowa, użyj potoku sekwencyjnego z ukierunkowanymi żądaniami.
Opóźnienia
Żądania z dwoma narzędziami są wolniejsze. Zaplanuj odpowiednie limity czasu oczekiwania (timeouts) w swoich aplikacjach, zwłaszcza jeśli włączona jest analiza obrazów lub wideo.
Ćwiczenia praktyczne
Zaimplementuj wszystkie trzy strategie (komplementarność, krzyżowa walidacja, potok sekwencyjny) na ten sam temat bieżących wydarzeń. Porównaj jakość wyników, czas odpowiedzi i całkowity koszt dla każdego podejścia. Zidentyfikuj, która strategia najlepiej odpowiada Twojemu przypadkowi użycia.
Kluczowe wnioski
- Dwa narzędzia w tym samym wywołaniu: model automatycznie wybiera, którego użyć
- Strategia komplementarna (Web = fakty, X = reakcje) jest najczęstsza
- Krzyżowa walidacja zwiększa pewność co do informacji
- Potok sekwencyjny oferuje większą kontrolę nad parametrami
- Każde wywołanie narzędzia kosztuje 0,005 USD, niezależnie od liczby wyników
- Optymalizuj koszty, łącząc źródła tylko wtedy, gdy każde z nich wnosi odrębną wartość