Korzystanie z narzędzia file_search
Wskazówka
Aby uzyskać więcej szczegółów, zobacz kartę Tekst i obrazy .
Narzędzie file_search umożliwia modelowi pobieranie odpowiednich informacji z własnych przekazanych dokumentów podczas odpowiedzi.
Co to jest narzędzie file_search?
Narzędzie file_search pomaga modelowi odpowiedzieć na pytania przy użyciu plików prywatnych lub specyficznych dla domeny, takich jak dokumenty zasad, podręczniki, kontrakty i wewnętrzne bazy wiedzy. Zamiast polegać tylko na ogólnych danych treningowych, model może przeszukiwać indeksowaną zawartość pliku i zwracać uziemione odpowiedzi.
Jest to szczególnie przydatne, gdy potrzebujesz dokładnych odpowiedzi z zaufanych dokumentów wewnętrznych.
Najważniejsze funkcje obejmują:
- Odpowiedzi uziemione w dokumencie — odpowiedzi są oparte na przekazanych plikach
- Pobieranie semantyczne — odnajduje odpowiednie fragmenty według znaczenia, a nie tylko dokładne dopasowania słów kluczowych
- Integracja bazy danych wektorowej — wyszukiwanie w jednej lub kilku indeksowanych kolekcjach dokumentów
- Cytaty i transparentność — zawierają dopasowane wyniki do debugowania i śledzenia
- Lepsze znaczenie dla przedsiębiorstw — używanie wiedzy specyficznej dla organizacji w danych wyjściowych modelu
Typowe przypadki użycia
| Przypadek użycia | Przykład |
|---|---|
| Pytania i Odpowiedzi dotyczące zasad | Odpowiadanie na pytania pracowników z plików PDF zasad kadr |
| Asystenci pomocy technicznej | Uzyskaj kroki dotyczące produktu z wewnętrznych przewodników rozwiązywania problemów |
| Przegląd prawny | Lokalizowanie określonych klauzul między dokumentami kontraktu |
| Odkrywanie wiedzy | Podsumowanie odpowiedzi z zestawów dokumentacji technicznej |
Prosty przykład
Oto przykład użycia interfejsu API OpenAI Responses z włączoną opcją file_search:
from openai import OpenAI
client = OpenAI(
base_url={openai_endpoint},
api_key={auth_key_or_token}
)
# Create vector store and upload a file
vector_store = client.vector_stores.create(name="policy-docs")
client.vector_stores.files.upload_and_poll(
vector_store_id=vector_store.id,
file=open("expenses_policy.pdf", "rb")
)
# Get response using the file_search tool
response = client.responses.create(
model=model_deployment,
instructions="You are an AI assistant that provides information from HR policy documents.",
input="What's the maximum amount I can claim for a taxi ride?",
tools=[{
"type": "file_search",
"vector_store_ids": [vector_store.id]
}],
include=["file_search_call.results"]
)
print(response.output_text)
W tym przepływie model przeszukuje indeksowany plik zasad i używa pobranych fragmentów do utworzenia uziemienia odpowiedzi.
Jak działa narzędzie file_search
Ogólny proces korzystania z narzędzia file_search to:
- Przygotowujesz pliki — przekazywanie dokumentów do magazynu wektorów.
- Wysyłasz żądanie — dołącz file_search do listy narzędzi z identyfikatorami magazynu wektorów.
- Model wykonuje pobieranie — wyszukuje indeksowane fragmenty odpowiedniej zawartości.
- Wyniki są wprowadzane — pasujące fragmenty są dostarczane do modelu.
- Odpowiedź jest generowana — model odpowiada, korzystając z pobranego kontekstu dokumentu.
Najlepsze rozwiązania
- Używanie plików źródłowych wysokiej jakości — czyszczenie bieżących dokumentów poprawia dokładność pobierania
- Pisz ukierunkowane polecenia — Stawiaj konkretne pytania, aby uniknąć niejednoznacznych dopasowań.
- Starannie zarządzaj zakresem wektorów — oddzielaj domeny (HR, prawne, finanse), gdy jest to pomocne
- Uwzględnij wyniki pobierania w rozwoju — użyj zawartości odpowiedzi do rozwiązywania problemów
- Przejrzyj odpowiedzi dotyczące krytycznych przepływów pracy — zachowaj weryfikację przez człowieka w scenariuszach o wysokich stawkach
Ograniczenia, o których warto wiedzieć
- Jakość odpowiedzi zależy od jakości dokumentu, pokrycia i istotności fragmentu
- Bardzo duże lub sklepy z mieszanym asortymentem mogą zwracać mniej precyzyjny kontekst.
- Zaktualizowane pliki źródłowe mogą wymagać ponownego indeksowania, zanim będzie można przeszukiwać nową zawartość
- Przywoływanie poprawia ugruntowanie, jednak nie zastępuje przeglądu dokonywanego przez człowieka w przypadku podejmowania wrażliwych decyzji.
Przy odpowiednim użyciu, file_search zamienia model ogólnego przeznaczenia w asystenta z wiedzą domenową, który może odpowiadać na podstawie dokumentów rzeczywiście używanych przez twój zespół.
Uwaga / Notatka
Narzędzie file_search to doskonały sposób na oparcie modelu na określonym zestawie dokumentów lub plików danych. Jednak w przypadku agentów o skali przedsiębiorstwa, którzy muszą uzyskać dostęp do dużych ilości danych w wielu magazynach danych, należy rozważyć użycie rozwiązania Foundry IQ magazynu wiedzy z agentem Microsoft Foundry. Aby dowiedzieć się więcej, zobacz Build knowledge-enhanced AI agents with Foundry IQ (Tworzenie agentów sztucznej inteligencji z użyciem IQ usługi Foundry)