Web Search API: Iskanje po spletu s programsko opremo
Na tej strani
Lekcija posodobljena 2. novembra 2026 na podlagi dokumentacije OpenAI: orodje Code Interpreter zdaj zahteva parameter
container(dodan vsem primerom), vhodni deli besedila so tipainput_text, spletno iskanje pa uporablja orodjeweb_search(web_search_previewje zdaj zastarelo orodje brez filtrov domen). Ustvarjene datoteke pridobite s funkcijamafichiers_generesintelechargeriz lekcije 10. Viri: Code Interpreter · Web search.
Web Search API: Iskanje po spletu s programsko opremo
Orodje Web Search modelu omogoča neposredno izvajanje iskanj po spletu v realnem času prek API-ja Responses. Več vam ni treba integrirati zunanjega iskalnika API: model sam oblikuje poizvedbo, izvede iskanje in sintetizira rezultate.
Omogočanje spletnega iskanja
Aktivacija zahteva le eno vrstico kode, kar prikrije temeljno spremembo: vaša aplikacija ni več omejena s časovnim razponom znanja modela. Vprašanja o včerajšnjih dogodkih, trenutnih cenah ali nedavnih predpisih postanejo odgovorljiva, ne da bi morali integrirati ali plačevati zunanji iskalni stroj.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Kateri so najnovejši rezultati lige 1?",
tools=[{"type": "web_search"}]
)
print(response.output_text)
Model se sam odloči, kdaj bo iskal, in ta točka si zasluži pozornost: ne išče sistematično. Na vprašanja, za katera meni, da spadajo v njegovo obstoječe znanje, odgovori neposredno – hitreje in ceneje, vendar s tveganjem, da zastarele informacije predstavi z enako stopnjo gotovosti. Ko je svežina podatkov ključna, to v pozivu izrecno navedite, namesto da upate, da bo model pravilno uganil.
Struktura odgovora
Viri prispejo kot opombe, priložene odgovoru, ločeno od besedila. To vam omogoča, da jih prikažete po svoje, preverite njihovo verodostojnost ali označite kot sumljiv vsak odgovor, ki nima virov, čeprav tema to zahteva.
response = client.responses.create(
model="gpt-5.6-terra",
input="Kakšna je trenutna cena delnice LVMH?",
tools=[{"type": "web_search"}]
)
# Sintetizirano besedilo
print(response.output_text)
# Pregled virov
for item in response.output:
if hasattr(item, "content"):
for block in item.content:
if hasattr(block, "annotations"):
for annotation in block.annotations:
if annotation.type == "url_citation":
print(f"Vir: {annotation.url}")
print(f"Naslov: {annotation.title}")
Uporabniški kontekst za večjo ustreznost
Lokacija bolj vpliva na rezultate, kot bi morda pričakovali, in to ne le pri očitno lokalnih iskanjih. Vprašanja o obdavčitvi, cenah, razpoložljivosti ali pravnih obveznostih dajejo različne odgovore glede na državo: brez parametra user_location model privzeto uporabi kontekst, ki je pogosto usmerjen v ZDA.
response = client.responses.create(
model="gpt-5.6-terra",
input="Katera japonska restavracija je nocoj odprta?",
tools=[{
"type": "web_search",
"user_location": {
"type": "approximate",
"city": "Pariz",
"country": "FR"
}
}]
)
Parameter user_location sprejema več ravni natančnosti:
# Približna lokacija
"user_location": {
"type": "approximate",
"city": "Lyon",
"region": "Auvergne-Rhone-Alpes",
"country": "FR"
}
Kombiniranje spletnega iskanja s prilagojenimi funkcijami
Najbolj produktivna kombinacija vedno sledi istemu vzorcu: splet prinaša zunanje informacije, vaše funkcije zagotavljajo notranji kontekst, model pa poveže pike. Prav v tej povezavi je vrednost – niti iskanje niti vaši podatki sami po sebi ne odgovorijo na vprašanje „ali to vpliva na nas?”.
tools = [
{"type": "web_search"},
{
"type": "function",
"name": "sauvegarder_veille",
"description": "Shrani rezultat spremljanja v bazo podatkov",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"resume": {"type": "string"},
"url_source": {"type": "string"},
"categorie": {
"type": "string",
"enum": ["concurrent", "marche", "reglementation", "technologie"]
}
},
"required": ["titre", "resume", "categorie"],
"additionalProperties": False
},
"strict": True
}
]
response = client.responses.create(
model="gpt-5.6-terra",
input="Poišči najnovejše novice o urejanju umetne inteligence v Evropi "
"in shrani pomembne rezultate",
tools=tools
)
Primeri uporabe v proizvodnem okolju
Avtomatizirana konkurenčna obveščevalna dejavnost
def veille_quotidienne(entreprises: list[str]):
"""Začne spletno spremljanje za vsakega konkurenta."""
resultati = []
for podjetje in entreprises:
response = client.responses.create(
model="gpt-5.6-terra",
input=f"Kakšne so najnovejše novice o {podjetje}? "
"Osredotoči se na napovedi izdelkov, kroge financiranja "
"in partnerstva v zadnjih 7 dneh.",
tools=[{"type": "web_search"}]
)
resultati.append({
"podjetje": podjetje,
"povzetek": response.output_text
})
return resultati
Preverjanje dejstev
def verifier_affirmation(affirmation: str) -> dict:
"""Preveri trditev s križnim sklicevanjem več spletnih virov."""
response = client.responses.create(
model="gpt-5.6-terra",
input=f"Preveri to trditev z iskanjem zanesljivih virov: "
f"'{affirmation}'. Navedi, ali je resnična, napačna ali negotova, "
f"in vključi vire, ki podpirajo tvoj zaključek.",
tools=[{"type": "web_search"}]
)
# Izloči citate
viri = []
for item in response.output:
if hasattr(item, "content"):
for block in item.content:
if hasattr(block, "annotations"):
for ann in block.annotations:
if ann.type == "url_citation":
viri.append(ann.url)
return {
"analiza": response.output_text,
"stevilo_virov": len(viri),
"viri": viri
}
Znane omejitve
- Model morda ne bo našel ustreznih rezultatov za zelo specifične teme
- Rezultati so odvisni od indeksiranja spleta v času zahteve
- Število iskanj na klic je omejeno: model optimizira z oblikovanjem natančnih poizvedb
- Vsebina za plačilnimi zidovi ali zasloni za prijavo je nedostopna
Ključne ugotovitve
- V
toolsz eno vrstico dodajteweb_search - Model se samostojno odloči, kdaj bo iskal po spletu
user_locationizboljša ustreznost za lokalne rezultate- Opombe
url_citationzagotavljajo vire - Združite Web Search s svojimi funkcijami za avtomatizacijo spremljanja