10.3 网络搜索与外部信息调用

大模型的训练数据存在截止时间，且无法获取用户的实时私有数据。为了让 AI 回答"今天北京的天气"或"公司最新的季度营收"，必须让模型具备调用外部工具的能力。

核心机制：Function Calling（工具调用）
现代大模型（GPT-4、Claude、Kimi 等）支持在对话中识别何时需要外部数据，并生成标准化的工具调用请求。流程如下：

用户提问 → 2. 模型判断需搜索 → 3. 系统执行搜索 → 4. 结果回传给模型 → 5. 模型生成最终回答

基础实现示例

以下使用 OpenAI 接口演示如何让模型自主调用搜索工具：

import openai
import requests

# 1. 定义工具（JSON Schema 格式）
tools = [{
    "type": "function",
    "function": {
        "name": "web_search",
        "description": "搜索实时网络信息",
        "parameters": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "搜索关键词"}
            },
            "required": ["query"]
        }
    }
}]

# 2. 模拟搜索函数（实际可替换为 Serper/Google API）
def web_search(query):
    # 这里调用真实的搜索 API，如 Serper.dev 或 Bing API
    return f"搜索结果：关于'{query}'的最新信息是..."

# 3. 对话流程
messages = [{"role": "user", "content": "Python 3.12 有什么新特性？"}]

# 第一次调用：模型决定使用工具
response = openai.chat.completions.create(
    model="gpt-4",
    messages=messages,
    tools=tools,
    tool_choice="auto"
)

# 4. 如果模型要求调用工具
if response.choices[0].finish_reason == "tool_calls":
    tool_call = response.choices[0].message.tool_calls[0]
    query = eval(tool_call.function.arguments)["query"]
    
    # 执行搜索
    search_result = web_search(query)
    
    # 将结果追加到对话历史
    messages.append(response.choices[0].message)
    messages.append({
        "role": "tool",
        "tool_call_id": tool_call.id,
        "content": search_result
    })
    
    # 第二次调用：模型基于搜索结果回答
    final_response = openai.chat.completions.create(
        model="gpt-4",
        messages=messages
    )
    print(final_response.choices[0].message.content)

实际应用中的关键点

| 考量项 | 建议做法 |
|--------|----------|
| 搜索 API 选择 | 开发测试可用 DuckDuckGo（免费），生产环境推荐 Serper.dev 或 Bing Search API（稳定且支持中文） |
| 延迟控制 | 网络搜索增加 1-3 秒延迟，需在前端添加"正在搜索..."状态提示 |
| 上下文长度 | 搜索结果通常截取前 3-5 条网页摘要（约 1000 tokens），避免超出模型上下文限制 |
| 成本控制 | 搜索 API 按次计费（约 $0.001-0.005/次），建议对常见问题启用本地缓存 |

常见陷阱

循环调用：模型可能对模糊问题反复搜索，需设置最大调用次数（如最多 3 次）。
信息过时：搜索引擎返回的网页可能包含旧信息，建议在 prompt 中要求模型关注发布日期。
隐私风险：用户敏感信息（如病历、密码）不应发送至公共搜索引擎，需先做脱敏或改用私有知识库。

通过 Function Calling 接入外部信息，是解决大模型"幻觉"和"知识过期"最直接有效的方式，也是构建 Agent 的基础能力。