Przejdź do głównej treści
Polski— Wybierz język
Menu

Limity, koszty i najlepsze praktyki

Lekcja 14 z 14 Zaktualizowano 30 lipca 2026 Początkujący
Na tej stronie
  1. Odpowiedzialne korzystanie z wyszukiwania
  2. Struktura kosztów
  3. Ograniczenia techniczne
  4. Najlepsze praktyki programistyczne
  5. Bezpieczeństwo i prywatność
  6. Lista kontrolna przed wdrożeniem
  7. Ćwiczenia praktyczne
  8. Kluczowe wnioski
  9. Sprawdź swoją wiedzę

Odpowiedzialne korzystanie z wyszukiwania

Samo opanowanie możliwości wyszukiwania API Grok to za mało. Musisz również zrozumieć limity techniczne, przewidzieć koszty produkcyjne i stosować najlepsze praktyki, aby budować niezawodne i opłacalne aplikacje.

Struktura kosztów

Rozliczenia za wyszukiwanie opierają się na dwóch odrębnych składnikach:

Koszt wywołania narzędzia

Każde wywołanie web_search lub x_search kosztuje 5 USD za 1000 wywołań, czyli 0,005 USD za pojedyncze zapytanie. Koszt ten jest stały, niezależnie od liczby zwróconych wyników czy złożoności wyszukiwania.

Koszty tokenów

Poza kosztami wywołań, tokeny wejściowe i wyjściowe są rozliczane według standardowych stawek. Wyniki wyszukiwania wstrzykiwane do kontekstu modelu zwiększają zużycie tokenów wejściowych. Szczegółowe odpowiedzi z cytowaniami zwiększają liczbę tokenów wyjściowych.

Szacowanie budżetu

Dla aplikacji monitorującej codziennie 5 tematów:

Wyszukiwań dziennie:
  5 tematów x 2 narzędzia (web + X) = 10 wywołań
  10 x 0,005 USD = 0,05 USD/dzień

Tokeny na wyszukiwanie (szacunek):
  ~2000 tokenów wejściowych + ~1000 tokenów wyjściowych = ~3000 tokenów
  10 wyszukiwań x 3000 tokenów ≈ 30 000 tokenów/dzień

Budżet miesięczny:
  Wywołania: 0,05 USD x 30 = 1,50 USD
  Tokeny: zmienne w zależności od użytego modelu
  Szacowany całkowity koszt: 5–15 USD/miesiąc w zależności od szczegółowości odpowiedzi

Ograniczenia techniczne

Aktualność wyników

Wyszukiwarka internetowa zwraca najnowsze wyniki, ale może wystąpić opóźnienie między publikacją treści a jej zaindeksowaniem przez silnik wyszukiwania xAI. W przypadku bieżących wydarzeń platforma X jest zazwyczaj bardziej reaktywna niż sieć web.

Zasięg językowy

Wyniki są lepsze dla języka angielskiego niż dla francuskiego czy innych języków. Przy wyszukiwaniu w języku francuskim formułuj polecenie po francusku, ale miej świadomość, że źródła anglojęzyczne będą często nadreprezentowane.

Głębokość wyszukiwania

Model nie przeszukuje całej sieci. Odpytuje silnik wyszukiwania i analizuje najlepsze wyniki. Dla niszowych tematów wyniki mogą być ograniczone.

Niezawodność cytowań

Cytowania są generowane automatycznie, ale nie są nieomylne. Treść pod adresem URL mogła ulec zmianie między momentem wyszukiwania a konsultacją przez użytkownika. Zawsze weryfikuj linki przed integracją ich z oficjalnymi dokumentami.

Najlepsze praktyki programistyczne

Obsługa błędów i przypadków brzegowych

def recherche_robuste(query, max_retries=2):
    for attempt in range(max_retries + 1):
        try:
            response = client.responses.create(
                model="grok-4.5",
                input=query,
                tools=[{"type": "web_search"}],
                timeout=30
            )
            if response.output_text:
                return response.output_text
        except Exception as e:
            if attempt == max_retries:
                return f"Search failed after {max_retries + 1} attempts: {e}"
    return "No results obtained"

Buforowanie wyników (Cache)

Dla powtarzających się zapytań wdróż mechanizm cache, aby uniknąć zbędnych wywołań:

from datetime import datetime, timedelta

cache = {}

def recherche_avec_cache(query, ttl_minutes=60):
    now = datetime.now()

    if query in cache:
        result, timestamp = cache[query]
        if now - timestamp < timedelta(minutes=ttl_minutes):
            return result

    result = client.responses.create(
        model="grok-4.5",
        input=query,
        tools=[{"type": "web_search"}]
    ).output_text

    cache[query] = (result, now)
    return result

Strukturyzowanie poleceń dla wyszukiwania

Dobrze zbudowane polecenia generują lepsze wyniki wyszukiwania:

  • Bądź konkretny: zapytanie kieruje modelem przy doborze haseł wyszukiwania.
  • Żądaj źródeł: wyraźne wspomnienie o cytowaniach poprawia ich uwzględnienie.
  • Ustal format: ustrukturyzowany format wyjścia ułatwia programowe wykorzystanie danych.
  • Ogranicz zakres: zbyt szeroki zakres rozmywa trafność wyników.

Unikaj przeciążania pojedynczego wywołania

Opieraj się pokusie żądania wszystkiego w jednym poleceniu. Wywołanie proszące o 10 różnych analiz na 5 tematów przyniesie powierzchowne rezultaty. Preferuj kilka ukierunkowanych wywołań zamiast jednego masywnego zapytania.

Bezpieczeństwo i prywatność

Dane wrażliwe w poleceniach

Żądania wysyłane do API zawierają Twoje polecenia. Nie przesyłaj danych poufnych w hasłach wyszukiwania. Jeśli Twój monitoring obejmuje tematy wrażliwe (niepubliczne fuzje i przejęcia, luki w zabezpieczeniach), formułuj zapytania tak, aby nie ujawniać informacji wewnętrznych.

Niefiltrowane wyniki

Wyniki wyszukiwania w sieci Web i na platformie X nie są moderowane przez Twoją aplikację. Wdróż warstwę filtrowania, jeśli wyniki są wyświetlane bezpośrednio użytkownikom końcowym, zwłaszcza w kontekście zawodowym lub edukacyjnym.

Lista kontrolna przed wdrożeniem

Przed wdrożeniem aplikacji korzystającej z wyszukiwania Grok:

  • Czy oszacowałeś miesięczny koszt wywołań i tokenów?
  • Czy Twoje limity czasu (timeout) są dostosowane do zapytań wyszukiwania (dłuższe)?
  • Czy obsługujesz błędy sieciowe i puste odpowiedzi?
  • Czy masz wdrożony cache dla częstych zapytań?
  • Czy cytowania są weryfikowane przed wyświetleniem?
  • Czy dane wrażliwe zostały wykluczone z poleceń?
  • Czy wdrożono filtrowanie wyników dla użytkowników końcowych?

Ćwiczenia praktyczne

Zbuduj kompletną aplikację monitorującą, stosując wszystkie najlepsze praktyki z tej lekcji: obsługę błędów, buforowanie, szacowanie kosztów i weryfikację cytowań. Uruchom ją przez tydzień i zmierz rzeczywiste koszty w odniesieniu do początkowego szacunku.

Kluczowe wnioski

  • Koszt wyszukiwania to 5 USD za 1000 wywołań plus zużyte tokeny.
  • Aktualność wyników webowych może się różnić; platforma X jest bardziej reaktywna w przypadku najnowszych wiadomości.
  • Wdróż cache dla powtarzających się zapytań, aby kontrolować koszty.
  • Obsługuj błędy i dostosuj limity czasu do zapytań wyszukiwania.
  • Nie przesyłaj danych poufnych w hasłach wyszukiwania.
  • Zawsze weryfikuj cytowania przed integracją ich z oficjalnymi dokumentami.
  • Preferuj kilka ukierunkowanych wywołań zamiast jednego zbyt ambitnego zapytania.

Sprawdź swoją wiedzę

Web + X: Wyszukiwanie w czasie rzeczywistym dzięki Grok w pięciu punktach kontrolnych.

1. Co umożliwia wyszukiwanie sieciowe w API Grok?

Odpowiedź: Odpowiedzi oparte na sieci w momencie zapytania, z cytowaniami – oraz kontrolą poprzez filtrowanie domen, aby ograniczyć akceptowalne źródła.

2. Co dodaje wyszukiwanie X w porównaniu do wyszukiwania sieciowego?

Odpowiedź: Dostęp do strumienia konwersacyjnego w czasie rzeczywistym na platformie X: posty, trendy, słabe sygnały – z możliwością filtrowania według nazw użytkowników i dat, czyli obszarów, których klasyczne wyszukiwanie sieciowe nie obejmuje.

3. Jak prawidłowo wykorzystywać cytowania?

Odpowiedź: Poprzez ich weryfikację: cytowanie dowodzi pochodzenia, a nie prawdy – w celu fact-checkingu wróć do źródła i skonfrontuj wiele odniesień.

4. Podaj dwa typowe przypadki użycia łączenia Web + X.

Odpowiedź: Zautomatyzowany wywiad konkurencyjny (oficjalne ogłoszenia w sieci + reakcje na X) oraz wykrywanie pojawiających się trendów – każdy kanał przechwytuje to, co umyka drugiemu.

5. Jakie limity i najlepsze praktyki należy mieć na uwadze?

Odpowiedź: Wyszukiwania mają koszt za zapytanie: celuj w filtry, ogranicz głębokość do rzeczywistej potrzeby i buforuj to, co jest wielokrotnie używane – skuteczny monitoring to monitoring o określonym zakresie.

Źródła w czasie rzeczywistym, opanowane filtry, systematyczna weryfikacja: wyszukiwanie Grok staje się instrumentem monitoringu – a nie wyrocznią.