DeepSeek otvára API na vyhľadávanie a načítanie, čím AI aplikáciám poskytuje nové pripojenie k webu

DeepSeek vydal svoje najnovšie vývojárske nástroje, ktoré ponúkajú dve nové API, ktoré umožňujú AI aplikáciám vyhľadávať a vyhľadávať webové stránky. Vyhľadávacie API spoločnosti vracia štruktúrované webové výsledky na základe dotazu, zatiaľ čo Fetch API získava obsah špecifikovanej stránky vo formáte Markdown.

Správa sa zaoberá bežným problémom, ktorému čelia AI asistenti: ich neschopnosťou pristupovať k aktuálnym informáciám na webe. Jazykové modely sa učia z trénovacích dát, ale tento proces automaticky neudržiava každú odpoveď synchronizovanú s webom. Produkt sa môže meniť, dokumentácia sa môže presúvať a presný popis z minulosti sa môže stať dnešnou korekciou.

Získavanie externých informácií dáva aplikácii možnosť konzultovať dostupné dôkazy pri odpovedaní na otázky. Napríklad namiesto úplného spoliehania sa na zapamätanú dokumentáciu môže asistent nájsť aktuálnu oficiálnu príručku a preskúmať príslušný úryvok. To vytvára príležitosť na lepšie podloženú odpoveď.

Vyhľadávacie API podporuje operátorov na zúženie dotazov, vrátane obmedzení stránky, jazykových filtrov, presných fráz a dátumových hraníc. Tieto kontroly môžu aplikácii pomôcť preložiť širokú požiadavku na cielenejšie vyšetrovanie. Hypotetický vývojár, ktorý skúma aktualizáciu knižnice, by mohol prvý dotaz obmedziť na oficiálnu webovú stránku projektu.

DeepSeek uvádza obe API samostatne na 0,75 $ za každých 1 000 úspešných požiadaviek. Pri týchto rýchlostiach by 1 000 vyhľadávaní nasledovaných 1 000 načítaniami stránok stálo 1,50 $ na poplatkoch za požiadavky na nástroje. Tento príklad nezahŕňa používanie jazykových modelov a ďalšie prevádzkové náklady.

Sprievodca fakturáciou spoločnosti uvádza, že neúspešné požiadavky, prázdne výsledky vyhľadávania a časové limity neznamenajú tieto poplatky za požiadavky. Predvídateľné jednotky pomáhajú vývojárom odhadnúť experimenty pred zaviazaním sa k väčšiemu nasadeniu. Avšak kompletný rozpočet aplikácie musí zahŕňať, ako často systém vyhľadáva, koľko strán získa a koľko materiálu model následne spracuje.

Výskumné návyky agenta formujú účet. Nízke ceny na požiadanie môžu sprístupniť experimentovanie, ale správanie aplikácie určuje celkovú spotrebu. Predstavte si dvoch asistentov, ktorí skúmajú tú istú otázku: jeden okamžite identifikuje relevantný oficiálny zdroj, zatiaľ čo druhý opakovane vyhľadáva široké frázy a získava množstvo prekrývajúcich sa stránok.

Obe môžu nakoniec priniesť podobné odpovede s veľmi odlišnými nákladmi a časmi odozvy. Vývojári potrebujú rozumné pravidlá zastavenia, aby rozpoznali, kedy majú dostatok dôkazov, kedy by druhý zdroj vyriešil neistotu a kedy ďalšie prehliadanie prináša len málo. Získanie všetkého môže vytvoriť ďalší problém: väčšiu kopu materiálu, ktorý model interpretuje.

Fetch API ponúka spôsob, ako získať obsah vybranej stránky vo forme, ktorú aplikácia dokáže spracovať. Markdown uchováva užitočné prvky ako nadpisy a zoznamy bez toho, aby model musel interpretovať celú vizuálnu webovú stránku. DeepSeek však uvádza, že načítavanie závisí od prístupnosti a prístupových pravidiel cieľovej webovej stránky.

Aplikácie musia spracovávať stránky, ktoré nie je možné získať alebo neposkytujú použiteľný obsah. Zodpovedná odpoveď by mala uznať chýbajúce dôkazy. Asistent môže vyhľadať iný prístupný zdroj alebo vysvetliť obmedzenie, pričom sa vyhne pokušeniu písať, akoby kontroloval stránku, ktorú nedokáže prečítať.

Jednou z možných žiadostí je asistent, ktorý zhromažďuje materiály pred vypracovaním brífingu. Napríklad malý podnik môže chcieť týždenný prehľad oznamov, ktoré ovplyvňujú jeho odvetvie. Žiadosť môže identifikovať stránky kandidátov, získať vybrané zdroje a zorganizovať zistenia na preskúmanie.

Toto opisuje možný pracovný postup, nie hotový produkt, ktorý DeepSeek oznámil. Jeho užitočnosť by závisela od redakčných rozhodnutí vývojára. Ktoré organizácie sú relevantné? Ako by mal nástroj odlíšiť oznámenie od komentára alebo recyklovanej tlačovej správy?

Vydavatelia by mohli profitovať z silnejšieho spracovania dôkazov. Hypotetický asistent redakcie by mohol zbierať oficiálne oznámenia, uchovávať ich URL adresy a označovať tvrdenia, ktoré vyžadujú druhý zdroj. Môže tiež pomôcť porovnať aktualizovanú stránku s predchádzajúcou redakčnou poznámkou.

Najsilnejší pracovný postup by udržiaval dôkazy prepojené s jednotlivými tvrdeniami počas celého procesu písania. Editor by mal byť schopný skontrolovať, odkiaľ výrok pochádza a či zdroj podporuje jeho formuláciu. To môže ušetriť čas pri posudzovaní článku alebo odpovedaní na opravu.

Vývojári by mohli vytvoriť aktuálnejšiu pomoc s programovaním s dokumentáciou softvéru. Asistent kódovania môže vyhľadať nedávno zmenené rozhranie, vyhľadať relevantnú dokumentáciu a použiť ju pri navrhovaní implementácie. Systém však musí prispôsobiť dokumentáciu skutočnému prostrediu projektu.

Najnovšie inštrukcie môžu byť nevhodné pre softvér používajúci staršiu verziu. Tiež musí oddeliť oficiálne usmernenia od komunitných obchádzaní a príkladov, ktorých predpoklady sa líšia. Vyhľadávanie poskytuje kontext; testovanie určuje, či navrhovaná zmena funguje správne.

Limity kapacity sú dôležité, keď aplikácie rastú. Príručka DeepSeek uvádza samostatné limity na úrovni účtu: päť požiadaviek za sekundu pre vyhľadávanie a päť pre Fetch. Použitie viacerých API kľúčov tieto kvóty účtov neznásobuje. Fetch má tiež dodatočný limit priradený k jednotlivým cieľovým doménam.

Tieto obmedzenia sú dôležité, keď sa prototyp stáva zdieľanou aplikáciou. Viacerí používatelia, ktorí si súčasne vyžiadajú výskum, môžu vytvárať výbuchy, ktoré presahujú dostupnú kapacitu. Vývojári môžu potrebovať fronty, kontrolované opakovania a jasné správy o priebehu, aby používatelia pochopili, prečo úloha trvá dlhšie.

Dočasná bezplatná ponuka na vyhľadávanie a načítanie volaní cez serverové nástroje v DeepSeek Harness, Claude Code a Codex pre používateľov DeepSeek API má špecifický rozsah. Začiatok fakturácie týchto hovorov je 31. októbra o 16:00 UTC, čo zodpovedá 1. novembru o polnoci filipínskeho času.

Vývojári používajúci bežné koncové body by mali rozpočtovať podľa príslušných zverejnených cien. Propagačné obdobie môže tímu pomôcť vyhodnotiť pracovný tok, ale jeho dlhodobý obchodný plán by mal zostať funkčný aj po začiatku bežných poplatkov. Inak môže prototyp priniesť prekvapenie v podobe účtovníctva.

Užitočné hodnotenie by malo pripomínať otázky, ktoré aplikácia skutočne dostane. Výskumní asistenti by mohli byť testovaní, či nájdu pôvodné oznámenie, identifikujú správny dátum a presne reprezentujú zdroj. Nástroje na kódovanie by sa mohli hodnotiť podľa toho, či nájdu dokumentáciu zodpovedajúcu požadovanej verzii softvéru.

Tímy by mali tiež merať zlyhania pri vyhľadávaní, časy odozvy, opakované požiadavky a množstvo potrebnej ľudskej korekcie. Atraktívna odpoveď sama o sebe poskytuje len obmedzený dôkaz spoľahlivosti. Viac odhaľujúcou otázkou je, či niekto iný dokáže vystopovať jej tvrdenia a reprodukovať základné kroky výskumu.

Malý stavebný kameň s širokými možnosťami, vydanie Search and Fetch od DeepSeek ponúka vývojárom ďalší spôsob, ako prepojiť AI softvér s informáciami dostupnými na webe. Príležitosť spočíva v aplikáciách, ktoré dokážu nájsť relevantné dôkazy, preskúmať ich a ponúknuť užitočné odpovede s jasnou stopou späť k ich zdrojom.