Verwenden Sie das Tool "Web_Search"

  • 5 Minuten

Mit dem tool web_search kann Ihr Modell beim Generieren einer Antwort neue Informationen aus dem Web abrufen.

Was ist das web_search Tool?

Das web_search Tool bietet einem generativen KI-Modell Zugriff auf aktuelle, externe Informationen zur Laufzeit. Anstatt sich nur auf Trainingsdaten zu verlassen, kann das Modell eine Suchanfrage durchführen, relevante Quellen überprüfen und eine Antwort erstellen, die auf aktuellen Inhalten basiert.

Dies ist besonders hilfreich, wenn sich Fakten häufig ändern können, z. B. Preise, Produktversionen, Richtlinienupdates oder aktuelle Ereignisse.

Zu den wichtigsten Features gehören:

  • Abrufen von Liveinformationen – Abrufen aktueller Informationen, die in statischen Modellschulungsdaten nicht verfügbar sind
  • Quellenbasierte Antworten – Erstellen von Antworten aus abgerufenen Webinhalten
  • Verringertes Halluzinationsrisiko – Verbessern der Zuverlässigkeit durch Überprüfen externer Quellen
  • Automatische Abfragegenerierung – Das Modell entscheidet, wann und wie anhand der Benutzerabsicht gesucht werden soll.
  • Nahtlose Benutzererfahrung – Die Generierung von Such- und Reaktionsfunktionen erfolgt in einem Fluss.

Gängige Anwendungsfälle

Anwendungsfall Beispiel
Aktuelle Ereignisse Zusammenfassen wichtiger Updates zu einer bahnbrechenden Technologieankündigung
Marktforschung Vergleichen Sie die neuesten Produkteigenschaften oder Preise bei verschiedenen Anbietern
Richtlinienüberwachung Überprüfen, ob Vorschriften oder Anleitungen geändert wurden
Faktenüberprüfung Validierung von Aussagen anhand seriöser öffentlicher Quellen

Ein einfaches Beispiel

Hier ist ein minimales Beispiel für die Verwendung der OpenAI-Antwort-API mit aktivierter Websuche:

from openai import OpenAI

client = OpenAI(
    base_url={openai_endpoint},
    api_key={auth_key_or_token}
)

# Get response using the web_search tool
response = client.responses.create(
    model={model_deployment},
    instructions="You are an AI assistant. Use web search when current information is required.",
    input="What are three major announcements from Microsoft Build this week?",
    tools=[{"type": "web_search_preview"}]
)

print(response.output_text)

Die Ausgabe variiert je nach aktuellen Webergebnissen, sollte aber eine präzise Antwort enthalten, die in den letzten Quellen begründet ist.

Hinweis

Wenn Sie das web_search Tool mit Microsoft Foundry verwenden, verwenden Sie den Namen web_search_preview.

Funktionsweise des web_search Tools

Der allgemeine Prozess für die Verwendung des web_search Tools lautet:

  1. Sie senden eine Anforderung – Fügen Sie ein Websuchtool in das Toolsarray ein.
  2. Das Modell wertet die Frage aus – Es entscheidet, ob frische Webdaten benötigt werden.
  3. Die Suche wird ausgeführt – Das Modell gibt mindestens eine Suchabfrage aus.
  4. Ergebnisse werden überprüft – Relevante Seiten werden ausgewählt und zusammengefasst.
  5. Antwort wird generiert – Das Modell kombiniert Suchergebnisse in der endgültigen Antwort.

Bewährte Methoden

  • Stellen Sie zeitbewusste Fragen klar – Fügen Sie bei Bedarf Wörter wie "neueste", "aktuelle" oder Datumsbereiche hinzu.
  • Festlegen von Erwartungen für Quellen – Aufforderung für seriöse oder offizielle Quellen, wenn Genauigkeit wichtig ist
  • Anfordern konziser Ausgaben – Aufforderung zum Geben kurzer Zusammenfassungen mit zentralen Punkten, um Rauschen zu reduzieren
  • Überprüfen wichtiger Fakten – Für Szenarien mit hohem Einsatz überprüfen Sie wichtige Ansprüche unabhängig
  • Nachverfolgen von Nutzung und Latenz – Webabruf kann die Reaktionszeit und die Tokenverwendung erhöhen

Einschränkungen, die Sie kennen sollten

  • Die Ergebnisse hängen davon ab, was zur Abfragezeit öffentlich verfügbar und indiziert werden kann.
  • Die Quellqualität kann variieren, sodass die Ausgabe möglicherweise noch eine menschliche Überprüfung erfordert.
  • Abgerufene Inhalte können sich im Laufe der Zeit ändern, sodass wiederholte Läufe unterschiedliche Antworten liefern können.
  • Einige Umgebungen können Regionale, Richtlinien oder Netzwerkeinschränkungen auf den Webzugriff anwenden.

Wird gut verwendet, web_search hilft Ihrem Modell, von statischem Wissen zu zeitnahen, quellbasierten Antworten zu wechseln, die in realen Workflows nützlicher sind.