Den vollständigen Index der Dokumentation findest du in llms.txt. Die Markdown-Version einer Dokumentationsseite erhältst du, indem du .md an die URL der Seite anhängst.
Hauptnavigation
Design

Dateisuche

Lass Modelle deine Dateien nach relevanten Informationen durchsuchen, bevor sie antworten.

Die Dateisuche ist ein Tool der Responses API. Damit können Modelle eine Wissensbasis aus zuvor hochgeladenen Dateien sowohl semantisch als auch nach Schlüsselwörtern durchsuchen und relevante Informationen abrufen. Wenn du Vektorspeicher erstellst und Dateien dorthin hochlädst, gibst du den Modellen Zugriff auf diese Wissensbasen (vector_stores) und ergänzt so ihr vorhandenes Wissen.

Wie Vektorspeicher und semantische Suche funktionieren, erfährst du in unserem Leitfaden zum Informationsabruf.

OpenAI hostet und verwaltet das Tool. Du musst also keinen eigenen Code für die Ausführung schreiben. Wenn sich das Modell für die Dateisuche entscheidet, ruft es das Tool automatisch auf, ruft Informationen aus deinen Dateien ab und gibt ein Ergebnis zurück.

Dateisuche verwenden

Bevor du die Dateisuche mit der Responses API verwenden kannst, musst du eine Wissensbasis in einem Vektorspeicher einrichten und Dateien dorthin hochladen.

Sobald deine Wissensbasis bereit ist, kannst du file_search in die Liste der Tools aufnehmen, die dem Modell zur Verfügung stehen. Gib dabei die Liste der Vektorspeicher an, die das Tool durchsuchen soll.

Tool für die Dateisuche
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    input="What is deep research by OpenAI?",
    tools=[{"type": "file_search", "vector_store_ids": ["<vector_store_id>"]}],
)
print(response)

Wenn das Modell dieses Tool aufruft, enthält die API-Antwort mehrere Ausgabeelemente.

  1. Das Ausgabeelement file_search_call enthält die ID des Aufrufs der Dateisuche.
  2. Das Ausgabeelement message enthält die Antwort des Modells mit Quellenverweisen auf die Dateien.
Antwort der Dateisuche
{
  "output": [
    {
      "type": "file_search_call",
      "id": "fs_67c09ccea8c48191ade9367e3ba71515",
      "status": "completed",
      "queries": ["What is deep research?"],
      "search_results": null
    },
    {
      "id": "msg_67c09cd3091c819185af2be5d13d87de",
      "type": "message",
      "role": "assistant",
      "content": [
        {
          "type": "output_text",
          "text": "Deep research is a sophisticated capability that allows for extensive inquiry and synthesis of information across various domains. It is designed to conduct multi-step research tasks, gather data from multiple online sources, and provide comprehensive reports similar to what a research analyst would produce. This functionality is particularly useful in fields requiring detailed and accurate information...",
          "annotations": [
            {
              "type": "file_citation",
              "index": 992,
              "file_id": "file-2dtbBZdjtDKS8eqWxqbgDi",
              "filename": "deep_research_blog.pdf"
            },
            {
              "type": "file_citation",
              "index": 992,
              "file_id": "file-2dtbBZdjtDKS8eqWxqbgDi",
              "filename": "deep_research_blog.pdf"
            },
            {
              "type": "file_citation",
              "index": 1176,
              "file_id": "file-2dtbBZdjtDKS8eqWxqbgDi",
              "filename": "deep_research_blog.pdf"
            },
            {
              "type": "file_citation",
              "index": 1176,
              "file_id": "file-2dtbBZdjtDKS8eqWxqbgDi",
              "filename": "deep_research_blog.pdf"
            }
          ]
        }
      ]
    }
  ]
}

Informationsabruf anpassen

Anzahl der Suchergebnisse begrenzen

Wenn du die Dateisuche mit der Responses API verwendest, kannst du festlegen, wie viele Ergebnisse du aus den Vektorspeichern abrufen möchtest. Mit weniger Ergebnissen lassen sich Tokenverbrauch und Latenz reduzieren. Allerdings kann dadurch die Qualität der Antwort sinken.

Anzahl der Suchergebnisse begrenzen
response = client.responses.create(
    model="gpt-6-astra",
    input="What is deep research by OpenAI?",
    tools=[
        {
            "type": "file_search",
            "vector_store_ids": ["<vector_store_id>"],
            "max_num_results": 2,
        }
    ],
)
print(response)

Suchergebnisse in die Antwort aufnehmen

Im Ausgabetext kannst du Annotationen mit Verweisen auf Dateien sehen. Der Aufruf der Dateisuche gibt die Suchergebnisse selbst standardmäßig nicht zurück.

Um die Suchergebnisse in die Antwort aufzunehmen, kannst du beim Erstellen der Antwort den Parameter include verwenden.

Suchergebnisse in die Antwort aufnehmen
response = client.responses.create(
    model="gpt-6-astra",
    input="What is deep research by OpenAI?",
    tools=[
        {
            "type": "file_search",
            "vector_store_ids": ["<vector_store_id>"],
        }
    ],
    include=["file_search_call.results"],
)
print(response)

Nach Metadaten filtern

Du kannst die Suchergebnisse anhand der Metadaten der Dateien filtern. Unser Leitfaden zum Informationsabruf erklärt die einzelnen Schritte.

Nach Metadaten filtern
response = client.responses.create(
    model="gpt-6-astra",
    input="What is deep research by OpenAI?",
    tools=[
        {
            "type": "file_search",
            "vector_store_ids": ["<vector_store_id>"],
            "filters": {
                "type": "in",
                "key": "category",
                "value": ["blog", "announcement"],
            },
        }
    ],
)
print(response)

Unterstützte Dateiformate

Für MIME-Typen mit dem Präfix text/ muss die Zeichenkodierung utf-8, utf-16 oder ascii sein.

Dateiformat MIME-Typ
.c text/x-c
.cpp text/x-c++
.cs text/x-csharp
.css text/css
.doc application/msword
.docx application/vnd.openxmlformats-officedocument.wordprocessingml.document
.go text/x-golang
.html text/html
.java text/x-java
.js text/javascript
.json application/json
.md text/markdown
.pdf application/pdf
.php text/x-php
.pptx application/vnd.openxmlformats-officedocument.presentationml.presentation
.py text/x-python
.py text/x-script.python
.rb text/x-ruby
.sh application/x-sh
.tex text/x-tex
.ts application/typescript
.txt text/plain

Hinweise zur Nutzung

Verfügbarkeit nach APIRatenlimitsHinweise

Build
500 Anfragen pro Minute

Launch und Grow
1.000 Anfragen pro Minute

Preise
ZDR und Datenresidenz