Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Konfiguriranje in nadzorovanje spletnih rezultatov

Lekcija 6 od 20 Posodobljeno 2. november 2026 Razvijalec
Na tej strani
  1. Konfiguriranje in nadzorovanje spletnih rezultatov
  2. Parameter search_context_size
  3. Usmerjanje iskalnih poizvedb prek poziva
  4. Izluščevanje in strukturiranje citatov
  5. Vzorec: iskanje s navzkrižno validacijo
  6. Obravnava primera brez rezultatov
  7. Spletno iskanje s pretokom (streaming)
  8. Filtriranje domen in izpis virov
  9. Ključne ugotovitve

Lekcija posodobljena 2. novembra 2026 na podlagi dokumentacije OpenAI: orodje Code Interpreter zahteva parameter container (dodan vsem primerom), vhodni deli besedila so tipa input_text, spletno iskanje pa uporablja orodje web_search (web_search_preview je zdaj zastarelo orodje brez filtrov domen). Ustvarjene datoteke se pridobijo s funkcijama fichiers_generes in telecharger iz lekcije 10. Viri: Code Interpreter · Web search.

Konfiguriranje in nadzorovanje spletnih rezultatov

Omogočanje spletnega iskanja zahteva eno vrstico kode; za zanesljive odgovore pa so potrebne tri nastavitve, ki jih podrobno opisuje ta lekcija. Prva določa, koliko spletnih vsebin se vbrizga v kontekst, kar neposredno vpliva na vaše stroške. Druga usmerja poizvedbe, ki jih model oblikuje sam – saj jih piše on, ne ti. Tretja se nanaša na citate; brez njih je odgovor z viri le trditev brez dokazov.

Parameter search_context_size

Parameter search_context_size nadzoruje, koliko spletnih vsebin se vbrizga v kontekst modela. Ne spreminja niti števila iskanj niti njihove kakovosti: določa le, koliko besedila dejansko vstopi v poziv, ko so strani najdene. To je kompromis med izčrpnostjo in stroški, zato ga prilagajaj glede na vrsto naloge, namesto da ga enkrat nastaviš in pozabiš.

from openai import OpenAI

client = OpenAI()

# Minimalen kontekst: hitri, jedrnati odgovori
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is France's GDP in 2025?",
    tools=[{
        "type": "web_search",
        "search_context_size": "low"
    }]
)

# Srednji kontekst: dober kompromis (privzeto)
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Summarize AI market trends in Europe",
    tools=[{
        "type": "web_search",
        "search_context_size": "medium"
    }]
)

# Velik kontekst: poglobljena analiza
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Compare AI strategies in France, Germany, and the Netherlands",
    tools=[{
        "type": "web_search",
        "search_context_size": "high"
    }]
)

Vpliv na stroške in zakasnitev

Preprosto pravilo je: povečaj vrednost za eno stopnjo le, če te je dobljeni odgovor konkretno razočaral. Za datum, številko ali faktografsko potrditev ne potrebuješ ničesar več kot low; uporaba high v tem primeru je kot plačilo za celoten dosje, da bi prebral eno vrstico.

VelikostŽetoni kontekstaZakasnitevStrošekUporaba
lowMinimalnoHitroNizkoPreprosta dejstva, številke
mediumZmernoStandardnoSrednjePovzetki, primerjave
highMaksimalnoPočasnejeVisokoPoglobljena analiza

Usmerjanje iskalnih poizvedb prek poziva

Tu je točka, ki jo večina odkrije prepozno: model sam oblikuje svoje iskalne poizvedbe. Ti napišeš „kakšne so nedavne regulativne spremembe?”, on pa to prevede v ključne besede, ki jih nikoli ne vidiš. Kakovost rezultatov je torej odvisna od preoblikovanja, nad katerim imaš le posreden nadzor – to je sistemski poziv. Imenuj avtoritativne vire na svojem področju in obdobje, ki te zanima: to najbolj premakne kazalce.

response = client.responses.create(
    model="gpt-5.6-terra",
    instructions=(
        "You are a market analyst specializing in European technology. "
        "When you perform web searches, prioritize institutional sources "
        "(European Commission, INSEE, Eurostat) and specialized media "
        "(Les Echos, La Tribune, TechCrunch). "
        "Ignore personal blogs and forums."
    ),
    input="What is the state of AI startup funding in France?",
    tools=[{
        "type": "web_search",
        "search_context_size": "high"
    }]
)

Izluščevanje in strukturiranje citatov

Citati prispejo kot opombe, pripete odgovoru, ne kot del samega besedila. Ta ločenost je dobra novica: omogoča ti, da vire prikažeš poljubno, jih preveriš ali zavrneš odgovor, ki jih nima. V vsaki aplikaciji, kjer ima odgovor težo – pravni, medicinski, finančni sektor – je obravnava manjkajočih opomb kot napake varnejša od slepega zaupanja v besedilo.

def extract_sources(response) -> list[dict]:
    """Extract all URL citations from a Web Search response."""
    sources = []
    for item in response.output:
        if item.type == "message":
            for block in item.content:
                if hasattr(block, "annotations"):
                    for ann in block.annotations:
                        if ann.type == "url_citation":
                            sources.append({
                                "url": ann.url,
                                "title": ann.title,
                                "excerpt_start": ann.start_index,
                                "excerpt_end": ann.end_index
                            })
    return sources

# Usage
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What are the new GDPR rules for AI in 2026?",
    tools=[{"type": "web_search"}]
)

sources = extract_sources(response)
for s in sources:
    print(f"  {s['title']}: {s['url']}")

Vzorec: iskanje s navzkrižno validacijo

En sam vir ostaja en sam vir, tudi če ga je našel model. Za informacije, ki poganjajo odločitve, izrecno zahtevaj potrditev iz več neodvisnih virov in naj model označi neskladja, namesto da bi jih tiho arbitriral: neskladje med dvema viroma je samo po sebi informacija, pogosto koristnejša od povprečenja obeh.

def validated_search(question: str, min_sources: int = 3) -> dict:
    """Web search requiring multiple sources."""
    response = client.responses.create(
        model="gpt-5.6-terra",
        instructions=(
            f"To answer this question, you must find at least "
            f"{min_sources} independent sources that confirm the information. "
            "If sources contradict each other, flag the discrepancies. "
            "Cite each source explicitly."
        ),
        input=question,
        tools=[{
            "type": "web_search",
            "search_context_size": "high"
        }]
    )

    sources = extract_sources(response)
    return {
        "answer": response.output_text,
        "sources": sources,
        "reliability": "high" if len(sources) >= min_sources else "verify"
    }

Obravnava primera brez rezultatov

Obstaja en primer, na katerega ljudje pozabijo: iskanje ne vrne ničesar. Tveganje ni v odsotnosti odgovora, temveč v tem, da model ob pomanjkanju rezultatov odgovori iz svojega notranjega znanja, ne da bi to signaliziral, in ti tako ponudi verjetne, a zastarele informacije. Zahtevaj, da to izrecno pove, in načrtuj preoblikovanje poizvedbe.

def search_with_fallback(question: str) -> dict:
    """Web search with failure detection and reformulation."""
    # First attempt
    response = client.responses.create(
        model="gpt-5.6-terra",
        input=question,
        tools=[{"type": "web_search"}]
    )

    sources = extract_sources(response)

    if len(sources) == 0:
        # Automatic reformulation
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=f"Rephrase this question for a more effective web search, "
                  f"then search: {question}",
            tools=[{"type": "web_search", "search_context_size": "high"}]
        )
        sources = extract_sources(response)

    return {
        "answer": response.output_text,
        "sources": sources
    }

Spletno iskanje s pretokom (streaming)

Spletno iskanje traja nekaj sekund, včasih tudi več, če model veriži več poizvedb. S pretokom uporabnik vidi, kako se odgovor gradi, namesto da bi strmel v indikator nalaganja – pri tovrstni zakasnitvi je razlika v zaznavi ogromna, stroški implementacije pa skoraj ničelni.

stream = client.responses.create(
    model="gpt-5.6-terra",
    input="What are this week's tech news headlines?",
    tools=[{"type": "web_search"}],
    stream=True
)

for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    elif event.type == "response.completed":
        # Extract sources at the end
        sources = extract_sources(event.response)
        print(f"\n\n--- {len(sources)} sources consulted ---")

Filtriranje domen in izpis virov

Orodje web_search sprejme parameter filters, ki omeji iskanje na seznam dovoljenih domen (do 100) ali izključi seznam (prav tako do 100). Domene zapiši brez http:// ali https://. Filtriranje obstaja le pri web_search v API-ju Responses: zastarelo orodje web_search_preview ga ignorira.

response = client.responses.create(
    model="gpt-5.6-terra",
    tools=[{
        "type": "web_search",
        "filters": {"allowed_domains": ["service-public.fr", "legifrance.gouv.fr"]},
    }],
    include=["web_search_call.action.sources"],
    input="What are the price display requirements for retail stores in France?",
)
print(response.output_text)

Možnost include=["web_search_call.action.sources"] vrne celoten seznam uporabljenih URL-jev, ki je pogosto daljši od seznama citatov. Sami citati prispejo kot opombe url_citation (URL, naslov, položaj v besedilu): dokumentacija OpenAI zahteva, da jih v svojem vmesniku prikažeš vidno in kot klikljive povezave.

Ključne ugotovitve

  • search_context_size nadzoruje količino vbrizganih spletnih podatkov
  • filters omejuje ali izključuje domene (največ 100); include izpiše vse uporabljene vire
  • Sistemski poziv usmerja model k pravim virom
  • Izlušči opombe url_citation za sledenje virom
  • Implementiraj navzkrižno validacijo za kritične informacije
  • Obravnavaj manjkajoče rezultate z avtomatskim preoblikovanjem