GPT-4o mini Search Preview

gpt-4o-mini-search-preview کی تکنیکی وضاحتیں

gpt-4o-mini-search-preview کیا ہے؟

gpt-4o-mini-search-preview GPT-4o خاندان کا ایک کومپیکٹ ملٹی موڈل ماڈل ہے جو سرچ مرکوز تجربات اور ریٹریول سے بہتر بنائی گئی ایپلی کیشنز کے لیے بنایا گیا ہے۔ یہ ان سسٹمز کے لیے موزوں ہے جنہیں صارف کے ارادے کی تفہیم، کوئریز کی دوبارہ تعبیر یا تقسیم، حاصل شدہ معلومات سے مختصر جوابات کی ترکیب، اور بیرونی سرچ کے انضمام کے ذریعے گراؤنڈڈ ورک فلو کی سپورٹ درکار ہو۔

چونکہ یہ متن اور تصویر دونوں ان پٹس قبول کرتا ہے، یہ سادہ ٹیکسٹ سرچ سے آگے وسیع دریافت اور معاونت کے تجربات میں حصہ لے سکتا ہے۔ یہ خاص طور پر ان ایپلی کیشنز میں مفید ہے جہاں تیز کوئری فہم، کنٹرولڈ ریسپانس فارمیٹنگ، اور ٹول سے چلنے والی آرکیسٹریشن طویل شکل کی جنریشن کے مقابلے میں زیادہ اہم ہو۔ عام مثالوں میں کسٹمر فیسنگ سرچ کوپائلٹس، داخلی نالج اسسٹنٹس، پراڈکٹ ڈسکوری فلو، اور وہ ریٹریول پائپ لائنز شامل ہیں جو کوئری کلاسیفکیشن، رینکنگ میں معاونت، اور جواب جنریشن پر انحصار کرتی ہیں۔

gpt-4o-mini-search-preview کی اہم خصوصیات

• سرچ پر مبنی استدلال: مبہم صارف ارادے کی تشریح، کوئریز کی دوبارہ تشکیل، اور ریٹریول مرکوز تعاملات کی معاونت میں مدد کرتا ہے۔
• ملٹی موڈل ان پٹ سپورٹ: متن اور تصویر دونوں ان پٹس قبول کرتا ہے، جس سے زیادہ بھرپور سرچ اور ڈسکوری ورک فلو ممکن ہوتے ہیں۔
• مختصر جواب کی ترکیب: سرچ اسٹائل UX کے مطابق مختصر، کارآمد خلاصے اور براہِ راست جوابات تیار کرتا ہے۔
• ٹول انٹیگریشن کی تیاری: سرچ، براؤزنگ، اور RAG آرکیسٹریشن کے لیے فنکشن کالنگ اور بیرونی ٹولز کے ساتھ مؤثر طریقے سے کام کرتا ہے۔
• ساختہ آؤٹ پٹس کے ساتھ مطابقت: JSON جیسے منظم فارمیٹس میں جوابات تیار کر سکتا ہے تاکہ ڈاؤن اسٹریم سسٹمز میں استعمال ہوں۔
• انسٹرکشن فالوونگ کا برتاؤ: گائیڈڈ پرامپٹس کے مطابق کلاسیفکیشن، روٹنگ، ایکسٹریکشن، اور جواب کی فارمیٹنگ جیسے کام قابلِ اعتماد انداز میں سنبھالتا ہے۔
• نالج بیس QA کی سپورٹ: ایسے سسٹمز کے لیے موزوں جو پہلے دستاویزات ریٹریو کریں اور پھر ماڈل سے گراؤنڈڈ جوابات تیار کروائیں۔
• ای کامرس اور کیٹلاگ ڈسکوری: شاپنگ ارادے کی تفہیم، فلٹرز کی نفاست، اور پروڈکٹ سرچ انٹریکشنز میں بہتری کے لیے مفید۔
• رینکنگ اور روٹنگ میں معاونت: کوئریز کی درجہ بندی میں مدد دے سکتا ہے اور انہیں ریٹریول، رینکنگ، یا ورک فلو برانچنگ لاجک کے لیے تیار کر سکتا ہے۔
• مؤثر ڈپلائمنٹ پروفائل: ایک کومپیکٹ ماڈل کے طور پر بڑے پیمانے، کم لاگت اور ہائی تھروپٹ انٹیگریشنز کے لیے موزوں۔

gpt-4o-mini-search-preview تک رسائی اور انضمام کیسے کریں

مرحلہ 1: API Key کے لیے سائن اپ کریں

شروع کرنے کے لیے CometAPI پر اکاؤنٹ بنائیں اور ڈیش بورڈ سے اپنی API key جنریٹ کریں۔ اس کے بعد، key کو محفوظ طریقے سے ذخیرہ کریں اور تمام درخواستوں کے لیے اسے Authorization ہیڈر میں استعمال کریں۔

مرحلہ 2: gpt-4o-mini-search-preview API کو درخواستیں بھیجیں

CometAPI کے OpenAI-compatible اینڈ پوائنٹ کا استعمال کریں اور ماڈل کو gpt-4o-mini-search-preview کے طور پر متعین کریں۔

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)

مرحلہ 3: نتائج حاصل کریں اور توثیق کریں

اپنی ایپلیکیشن میں ماڈل کے آؤٹ پٹ کو پارس کریں اور ضرورت پڑنے پر اسے ریٹریول، ری رینکنگ، یا ویریفیکیشن مراحل کے ساتھ چین کریں۔ پروڈکشن سرچ اور RAG سسٹمز کے لیے، مستند ذرائع کے خلاف آؤٹ پٹس کی توثیق کرنا اور کوالٹی مانیٹرنگ کے لیے جوابات لاگ کرنا ایک اچھا طریقہ کار ہے۔