Vertrouwen opbouwen met LLM-bronnen
Je bouwt een assistent voor financiële analyse die gebruikers van actuele beursinformatie moet voorzien. Omdat LLMs een kennisafkapdatum hebben, moet je webzoekopdrachten inschakelen om realtime gegevens te kunnen ophalen. Daarnaast wil je, voor transparantie en betrouwbaarheid, laten zien welke bronnen tijdens de zoekopdracht zijn geraadpleegd.
De OpenAI-client is geïnitialiseerd als client, en je gaat zoeken naar de huidige koers van het Netflix-aandeel.
Deze oefening maakt deel uit van de cursus
Werken met de OpenAI Responses API
Oefeninstructies
- Maak een aanvraag met webzoekfunctie en zorg ervoor dat de bronnen van de webzoekopdracht in de response zijn opgenomen.
- Loop door de response-items en haal alleen items op met type
"web_search_call", en print vervolgens de.sourcesuit het.action-attribuut van elke webzoekoproep.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create a response with web search enabled and sources included
response = client.responses.create(
model="gpt-5-mini",
tools=[{"type": "web_search"}],
input="What is the current stock price of Netflix?",
include=["web_search_call.____.____"]
)
# Extract and print sources from web search calls
for item in response.output:
if ____:
print(item.action.sources)
print(response.output_text)