Pesquisa híbrida: combinar a web e ficheiros
Nesta página
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 tipoinput_texte a pesquisa na web utiliza a ferramentaweb_search(web_search_previewé agora uma ferramenta legada sem filtros de domínio). Os ficheiros gerados são recuperados utilizando as funçõesfichiers_generesetelechargerda 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_searcheweb_searchnuma 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