ข้อกำหนดทางเทคนิคของ gpt-4o-mini-search-preview
| ข้อมูลจำเพาะ | รายละเอียด |
|---|---|
| รหัสรุ่น | gpt-4o-mini-search-preview |
| ตระกูลโมเดล | GPT-4o mini |
| รูปแบบหลัก | มัลติโมดัล |
| อินพุตที่รองรับ | ข้อความ, ภาพ |
| จุดเด่นหลัก | ปฏิสัมพันธ์ที่มุ่งเน้นการค้นหา, ความเข้าใจคำค้น, การสังเคราะห์คำตอบที่กระชับ, การรองรับเวิร์กโฟลว์การค้นคืน |
| ความสามารถในการทำตามคำสั่ง | รองรับการกำกับพรอมป์และการจัดรูปแบบงานได้อย่างแข็งแกร่ง |
| ผลลัพธ์แบบมีโครงสร้าง | เหมาะสำหรับ JSON และรูปแบบคำตอบที่อิงสคีมาอื่นๆ |
| การใช้เครื่องมือ | ออกแบบมาให้ทำงานได้ดีกับการค้นหาภายนอกและการเรียกฟังก์ชัน/เครื่องมือ |
| โปรไฟล์ความหน่วง/ต้นทุนโดยทั่วไป | โมเดลขนาดกะทัดรัดที่ปรับแต่งเพื่อการใช้งานที่เบาและกรณีใช้งานที่ต้องการปริมาณงานสูง |
| กรณีใช้งานทั่วไป | ผู้ช่วยค้นหาในผลิตภัณฑ์, คำถาม-คำตอบจากคลังความรู้, การค้นพบในอีคอมเมิร์ซ, ความเข้าใจคำค้นเพื่อการจัดอันดับ/การกำหนดเส้นทาง, ไปป์ไลน์ RAG |
gpt-4o-mini-search-preview คืออะไร?
gpt-4o-mini-search-preview เป็นโมเดลมัลติโมดัลขนาดกะทัดรัดในตระกูล GPT-4o ที่สร้างขึ้นเพื่อประสบการณ์แบบเน้นการค้นหาและแอปที่เสริมด้วยการค้นคืนข้อมูล เหมาะอย่างยิ่งสำหรับระบบที่ต้องตีความเจตนาผู้ใช้ เขียนใหม่หรือแยกย่อยคำค้น สังเคราะห์คำตอบที่กระชับจากข้อมูลที่ค้นคืน และรองรับเวิร์กโฟลว์ที่มีการอ้างอิงผ่านการผสานการค้นหาภายนอก
เนื่องจากรองรับอินพุตทั้งข้อความและภาพ โมเดลจึงสามารถเข้าร่วมประสบการณ์การค้นหาและช่วยเหลือที่กว้างกว่าการค้นหาข้อความธรรมดา โดยเฉพาะอย่างยิ่งมีประโยชน์ในแอปที่ให้ความสำคัญกับความเร็วในการทำความเข้าใจคำค้น การควบคุมรูปแบบคำตอบ และการประสานงานด้วยเครื่องมือ มากกว่าการสร้างข้อความยาว ตัวอย่างที่พบบ่อยได้แก่ โคไพลอตสำหรับการค้นหาที่เผชิญหน้าลูกค้า ผู้ช่วยความรู้ภายใน กระบวนการค้นพบสินค้า และไปป์ไลน์การค้นคืนที่อาศัยการจัดหมวดหมู่คำค้น การช่วยจัดอันดับ และการสร้างคำตอบ
คุณสมบัติหลักของ gpt-4o-mini-search-preview
- การให้เหตุผลที่มุ่งเน้นการค้นหา: ช่วยตีความเจตนาผู้ใช้ที่คลุมเครือ ปรับรูปแบบคำค้นใหม่ และรองรับปฏิสัมพันธ์ที่เน้นการค้นคืนข้อมูล
- รองรับอินพุตแบบมัลติโมดัล: รับทั้งข้อความและภาพ ทำให้เวิร์กโฟลว์การค้นหาและค้นพบมีความหลากหลายมากขึ้น
- การสังเคราะห์คำตอบที่กระชับ: สรุปสั้น กระชับ ตรงประเด็น เหมาะกับ UX แบบค้นหา
- พร้อมผสานเครื่องมือ: ทำงานได้ดีกับการเรียกฟังก์ชันและเครื่องมือภายนอกสำหรับการค้นหา การท่องเว็บ และการจัดการ RAG
- เข้ากันได้กับผลลัพธ์แบบมีโครงสร้าง: สร้างคำตอบในรูปแบบที่จัดระเบียบ เช่น JSON สำหรับระบบถัดไป
- ความสามารถในการทำตามคำสั่ง: รองรับพรอมป์แบบมีแนวทางอย่างน่าเชื่อถือสำหรับงานจัดหมวดหมู่ การกำหนดเส้นทาง การสกัด และการจัดรูปแบบคำตอบ
- รองรับ QA จากคลังความรู้: เหมาะกับระบบที่ดึงเอกสารมาก่อนแล้วให้โมเดลสร้างคำตอบที่อ้างอิงข้อมูล
- การค้นพบในอีคอมเมิร์ซและแค็ตตาล็อก: ช่วยตีความเจตนาการช้อปปิ้ง ปรับแต่งฟิลเตอร์ และปรับปรุงการค้นหาสินค้า
- ช่วยจัดอันดับและกำหนดเส้นทาง: จัดหมวดหมู่คำค้นและเตรียมให้พร้อมสำหรับการค้นคืน การจัดอันดับ หรือการแตกแขนงเวิร์กโฟลว์
- โปรไฟล์การปรับใช้อย่างมีประสิทธิภาพ: ในฐานะโมเดลขนาดกะทัดรัด เหมาะสำหรับการผสานใช้งานที่ขยายได้และคุ้มค่า แต่ยังรองรับมัลติโมดัลและการใช้เครื่องมือ
วิธีเข้าถึงและผสานใช้งาน gpt-4o-mini-search-preview
ขั้นตอนที่ 1: สมัครเพื่อรับ API Key
เริ่มต้นโดยสร้างบัญชีบน CometAPI และสร้าง API key จากแดชบอร์ด จากนั้นเก็บคีย์ไว้อย่างปลอดภัยและใช้ในส่วนหัว Authorization สำหรับทุกคำขอ
ขั้นตอนที่ 2: ส่งคำขอไปยัง API ของ gpt-4o-mini-search-preview
ใช้ endpoint ของ CometAPI ที่เข้ากันได้กับ OpenAI และระบุโมเดลเป็น gpt-4o-mini-search-preview.
curl https://api.cometapi.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $COMETAPI_API_KEY" \
-d '{
"model": "gpt-4o-mini-search-preview",
"messages": [
{
"role": "user",
"content": "Summarize the main intent behind this search query: best running shoes for flat feet"
}
]
}'
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_API_KEY",
base_url="https://api.cometapi.com/v1"
)
response = client.chat.completions.create(
model="gpt-4o-mini-search-preview",
messages=[
{
"role": "user",
"content": "Summarize the main intent behind this search query: best running shoes for flat feet"
}
]
)
print(response.choices[0].message.content)
ขั้นตอนที่ 3: ดึงและตรวจสอบผลลัพธ์
แยกวิเคราะห์ผลลัพธ์จากโมเดลในแอปของคุณ และเมื่อจำเป็นให้เชื่อมต่อกับขั้นตอนการค้นคืน การจัดอันดับใหม่ หรือการตรวจสอบความถูกต้อง สำหรับระบบค้นหาและ RAG ในการผลิต ควรตรวจสอบความถูกต้องของผลลัพธ์กับแหล่งข้อมูลที่เชื่อถือได้และบันทึกคำตอบเพื่อการติดตามคุณภาพ