點樣幫數據分析程式接入網絡搜尋？Chat Completions 會唔會記得你之前餵過嘅資料？

如果你而家用緊第三方 OpenAI 兼容接口，單靠改 chat.completions.create()，未必可以直接開啟官方內置網頁搜尋。官方 OpenAI 嘅網頁搜尋主要透過 Responses API 提供，但第三方 base_url 未必兼容呢套工具。5

較穩陣、亦較通用嘅做法係將流程拆開兩步：

1. 程式先用 Tavily 搜尋互聯網；
2. 再將搜尋結果、網頁摘要同 TXT 數據一齊交畀模型分析。

Tavily 搜尋接口使用 API Key 認證，並會返回包含標題、網址及摘要等欄位嘅結構化結果。13

Chat Completions 會唔會有記憶？

唔會自動有。

你每次呼叫 chat.completions.create()，模型通常只會睇到今次請求入面傳入嘅 messages。即使你用返同一個 client、同一個模型，或者同一條 API Key，都唔代表模型會自動記住上一次分析過嘅內容。對話狀態需要由應用程式自行管理。26

換句話講，以下兩種情況要分清楚：

• 模型記憶：呢段程式冇自動提供。
• 程式記憶：你可以將報告、摘要或對話歷史寫入檔案、資料庫，之後再傳返畀模型。

用本地檔案做一個簡單記憶

原本方案提供咗一個可選設定：

ENABLE_PERSISTENT_MEMORY = False
MEMORY_FILE = Path("analysis_memory.txt")

將 ENABLE_PERSISTENT_MEMORY 改成 True 之後，程式會：

1. 啟動時讀取 analysis_memory.txt；
2. 將之前嘅分析報告當成輔助背景，傳畀模型；
3. 今次分析完成後，將最終報告追加到記憶檔案。

但要留意，呢個記憶功能保存嘅係之前嘅最終分析報告，唔係完整原始 TXT 數據。程式亦設定咗讀取上限同檔案大小上限，避免記憶檔案無限膨脹。

如果你分析緊完全唔同嘅項目，建議保持：

ENABLE_PERSISTENT_MEMORY = False

否則舊項目嘅結論可能會干擾今次分析。即使開啟記憶，提示詞亦應該明確要求模型：當歷史記憶同當前 TXT 數據有衝突時，以當前數據為準。

網絡搜尋部分嘅核心設定

可以用環境變量保存密鑰，避免直接將 Key 寫死喺程式入面：

Windows PowerShell：

$env:AI_API_KEY="你嘅 AI API Key"
$env:AI_BASE_URL="你嘅 Base URL"
$env:TAVILY_API_KEY="你嘅 Tavily API Key"

Windows CMD：

set AI_API_KEY=你嘅 AI API Key
set AI_BASE_URL=你嘅 Base URL
set TAVILY_API_KEY=你嘅 Tavily API Key

Python 設定可以寫成：

API_KEY = os.getenv("AI_API_KEY", "")
BASE_URL = os.getenv("AI_BASE_URL", "")
TAVILY_API_KEY = os.getenv("TAVILY_API_KEY", "")

MODEL_NAME = "deepseek-v4-flash"
ENABLE_WEB_SEARCH = True
TAVILY_SEARCH_URL = "https://api.tavily.com/search"
SEARCH_RESULTS_PER_QUERY = 5
MAX_SEARCH_QUERIES = 4
SEARCH_DEPTH = "advanced"

程式會先根據 TXT 數據嘅欄名及內容預覽，產生最多幾條一般性技術搜尋詞，例如 MOSFET、DIBL、threshold voltage、subthreshold swing 等；如果自動產生失敗，就使用預先寫好嘅 USER_SEARCH_QUERIES。

網絡資料應該點樣交畀模型？

搜尋結果唔應該直接當成模型指令，而係整理成參考資料，例如：

[W1]
標題：……
URL：……
搜索關鍵詞：……
摘要：……

之後喺提示詞中要求模型：

• 只可以根據實際提供嘅數據同網絡資料分析；
• x 或 X 代表缺失、無效或無法計算，唔可以當成數字 0；
• 涉及網絡資料嘅句子，使用 [W1]、[W2] 等來源標記；
• 唔可以將一般性網絡規律冒充成當前 TXT 數據嘅直接結論；
• 如果網絡資料同當前數據唔一致，要清楚指出；
• 證據不足時，直接寫明「證據不足」。

呢種做法可以將「數據事實」、「網絡資料」同「模型推斷」分開，減少模型將背景知識誤當成實測結果。

一個重要嘅程式修正

你提供嘅程式碼入面，讀取模型回覆嗰行應該確認係取第一個選項。一般寫法係：

content = response.choices.message.content

如果寫成：

content = response.choices.message.content

就會因為 choices 通常係列表而報錯。實際上，第三方兼容接口嘅回覆格式可能略有不同，所以最好先檢查接口文件；如果回覆格式跟 OpenAI 兼容格式一致，就應該使用 `` 取第一個選項。

建議嘅整體流程

讀取 data.txt
    ↓
將大型 TXT 分成多個數據塊
    ↓
根據欄名及數據內容產生搜尋關鍵詞
    ↓
呼叫 Tavily 搜尋網絡資料
    ↓
整理搜尋結果及來源編號
    ↓
逐個數據塊交畀模型分析
    ↓
合併階段報告
    ↓
輸出 analysis_result.txt
    ↓
如有需要，追加保存到 analysis_memory.txt

總結嚟講，最實際嘅方案唔係假設第三方模型接口一定有原生聯網能力，而係由你嘅 Python 程式負責搜尋，再將有來源標記嘅資料交畀模型。至於「記憶」，模型本身唔會自動保留你之前餵過嘅內容；你要自行選擇用文字檔、資料庫，或者保存完整對話歷史，再喺下一次請求傳入。對唔同項目分開保存記憶，通常會比所有報告塞入同一個檔案更加穩陣。