Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Pesquisa híbrida: combinar a web e ficheiros

Aula 9 de 20 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. Pesquisa híbrida: combinar a web e ficheiros
  2. Ativar ambas as ferramentas
  3. Caso de uso: monitorização regulamentar
  4. Caso de uso: enriquecimento da base de conhecimento
  5. Adicionar funções personalizadas à mistura
  6. Gerir a prioridade das fontes
  7. Padrão completo: assistente de pesquisa híbrida
  8. Pontos-chave

Lição atualizada em 2 de novembro de 2026 com base na documentação da OpenAI: a ferramenta Code Interpreter requer agora um parâmetro container (adicionado a todos os exemplos), as partes de texto de entrada são do tipo input_text e a pesquisa na web utiliza a ferramenta web_search (web_search_preview é agora uma ferramenta legada sem filtros de domínio). Os ficheiros gerados são recuperados utilizando as funções fichiers_generes e telecharger da Lição 10. Fontes: Code Interpreter · Web search.

Pesquisa híbrida: combinar a web e ficheiros

As duas ferramentas de pesquisa respondem a perguntas diferentes e, quando usadas isoladamente, cada uma permanece incompleta. A Pesquisa de Ficheiros sabe o que você escreveu; a Pesquisa na Web sabe o que o mundo publicou. Muitas perguntas úteis situam-se exatamente na interseção das duas: O nosso procedimento continua em conformidade? A nossa documentação está atualizada? Qual é a nossa posição em relação ao mercado?

Estas perguntas partilham uma propriedade comum que explica o seu valor: ninguém as consegue responder sem ler ambos os lados. É esta intersecção, e não a pesquisa em si, que torna esta lição valiosa.

Ativar ambas as ferramentas

Declare ambas as ferramentas simultaneamente no array tools:

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)

O modelo decide por si próprio quando utilizar cada ferramenta. Para uma pergunta sobre os seus documentos internos, utilizará a Pesquisa de Ficheiros. Para dados públicos, utilizará a Pesquisa na Web. Para uma comparação, utilizará ambas.

Caso de uso: monitorização regulamentar

A monitorização regulamentar é o exemplo clássico, pois a lacuna entre as duas fontes é precisamente o que procuramos. Peça explicitamente diferenças, e não um resumo de cada lado: um modelo a quem se pede um resumo produzirá duas sínteses corretas e deixá-lo-á a si a fazer a comparação, que é a única parte difícil do trabalho.

def audit_conformite(sujet: str, vs_processus: str) -> dict:
    """Compara processos internos com a regulamentação atual."""
    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"
)

Caso de uso: enriquecimento da base de conhecimento

O mesmo mecanismo, invertido, serve para verificar a atualidade dos seus próprios documentos: em vez de verificar a conformidade, pergunta o que mudou desde que foram escritos. Esta é a utilização mais rentável da pesquisa híbrida numa base de documentos antigos — ninguém tem tempo para reler cem páginas para encontrar as três que envelheceram.

def detecter_obsolescence(vs_id: str, sujets: list[str]) -> list[dict]:
    """Identifica informações potencialmente obsoletas."""
    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

Adicionar funções personalizadas à mistura

Adicionar as suas funções à mistura altera o fluxo de trabalho da análise para a ação: o modelo deteta uma lacuna e, em seguida, abre um ticket. No entanto, mantenha uma fronteira clara — a pesquisa e a análise podem permanecer automáticas, mas as ações que comprometem recursos (criar, enviar, modificar) merecem validação humana até ter medido a fiabilidade do fluxo ao longo de várias semanas.

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
)

Gerir a prioridade das fontes

Sem instruções, o modelo trata ambas as fontes de forma igual. Raramente é isso que deseja: para factos internos — números, procedimentos, decisões — os seus documentos são autoritários e a web é apenas ruído plausível; para notícias e regulamentos, o inverso é verdadeiro. Escreva esta hierarquia no prompt do sistema e exija que qualquer conflito entre os dois seja assinalado, em vez de ser arbitrado silenciosamente.

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"}
    ]
)

Padrão completo: assistente de pesquisa híbrida

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"])

Pontos-chave

  • Combine file_search e web_search numa única chamada
  • O modelo escolhe automaticamente a ferramenta certa para cada necessidade
  • O prompt do sistema orienta a prioridade entre fontes internas e externas
  • Adicione funções personalizadas para fluxos de trabalho completos
  • A pesquisa híbrida é ideal para auditorias de conformidade e monitorização