OpenAI API 文件检索(File Search / Vector Stores)怎么用:上传知识库文档、自动分块向量化与引用返回

想让 OpenAI Responses API 在几十份私有文档里按需检索回答?使用内置 file_search 工具搭配 Vector Stores 即可。本文按官方文档整理上传入库、自动分块向量化、限制返回条数、提取文件引用与计费构成。

NNathaniel bigo··原创首发·AI 辅助撰写
11 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. File Search 是 Responses API 内置的托管检索工具,配合向量库(Vector Stores)使用,由 OpenAI 自动完成文档解析、分块、向量化(Embedding)以及语义加关键词混合检索。
  2. 接入只需四步:上传文件拿到 file_id、创建 vector_store 并挂载文件、等状态变为 completed、在 responses.create 的 tools 里加上 file_search 和 vector_store_ids。
  3. 支持返回精确引用与原始片段:模型回答正文里的 annotations 会附带 file_citation(来源文件 ID 与文件名);想在调试时拿到命中的原始文本块,请求里加 include=["file_search_call.results"]。
  4. 单文件上限 512 MB(最多 500 万 token),默认按约 800 token 一块、400 token 重叠自动切分,也支持自定义分块大小与按元数据(Metadata)过滤文件。
  5. 计费分三块:向量库存储费(官方提供前 1 GB 免费额度,超出按日按 GB 计费)、file_search 工具调用费,以及检索出的文本块送进上下文产生的常规输入 token 费。
  6. 国内免境外卡开通入口:若没有境外银行卡或遇到支付被拒,可在本站通过支付宝、微信支付或 AlipayHK 自助获取兑换码开通 ChatGPT Plus 或 ChatGPT Pro,团队多席位支持联系客服定制 ChatGPT Business 团队版。

OpenAI File Search 四步接入流程

图:本站根据 OpenAI 官方文档:File search 整理的示意图

本文根据 OpenAI 官方文档《File search》与官方定价页整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 OpenAI 官方网站。

适用于谁

  • 有多份产品手册、规章制度或技术文档,想在 OpenAI API 里做知识库问答(RAG)却不想自己搭向量数据库的开发者;
  • 用过单次文件输入(见 /guides/openai-api-file-inputs-pdf),发现每次把整份大文件塞进请求既慢又费 token 的人;
  • 需要在前端展示回答具体引用了哪份文档片段的人。

一、它和直接传文件、自建向量库有什么区别

在决定要不要用 File Search 之前,先看清官方提供的三条路径各自适合什么情况:

三种给模型读文档的方式怎么选

图:本站根据 OpenAI 官方文档:File search 与《File inputs》整理的示意图

简单判断:只让模型总结手头一两份 50 MB 以内的 PDF,直接用 input_file 最省事;有一批知识库文档要反复跨文件查细节,用本文的 File Search 最快落地;如果公司数据必须留在自有 PostgreSQL 或本地库里,再自己调 /guides/openai-api-embeddings 建库。

如果你并不打算自己写代码调 API,只是日常办公想把几份资料放进项目空间反复提问,可以直接在 ChatGPT 网页端的项目(Projects)里传文件使用;需要更高对话与文件额度时,可以在本站了解 ChatGPT Plus,注意网页会员订阅与本文讲的开发者 API 账单完全分开计算。

二、完整 Python 接入步骤(创建向量库到发起检索)

前提是已经在平台拿到密钥并配好环境变量 OPENAI_API_KEY(未配置的可先看 /guides/openai-api-key)。

1. 上传文档并创建向量库

先把本地文档传到 Files API(用于检索工具时,purpose 填 assistants),再创建向量库并把文件挂进去。官方 SDK 提供了带轮询的辅助方法,不用自己手写循环等索引完成:

python
from openai import OpenAI

client = OpenAI()

# 1. 创建向量库(Vector Store)
vector_store = client.vector_stores.create(name="产品售后知识库")

# 2. 上传文档并挂入向量库,等待解析与分块完成
with open("return_policy.pdf", "rb") as f:
    file_batch = client.vector_stores.file_batches.upload_and_poll(
        vector_store_id=vector_store.id,
        files=[f],
    )

print("批次状态:", file_batch.status)
print("文件统计:", file_batch.file_counts)

只有当状态变成 completed 后,新传的文档才能被搜到。官方支持 PDF、DOCX、TXT、Markdown、JSON 及多种常见代码文件,单文件最大 512 MB、上限 500 万 token。

2. 在 Responses API 里启用 file_search

把刚拿到的 vector_store.id 放进 tools 列表即可(Responses API 的基础结构见 /guides/openai-responses-api):

python
response = client.responses.create(
    model="gpt-4o",  # 请替换为官方模型页当前推荐的型号
    input="拆封后的配件支持几天内退换?有什么限制条件?",
    tools=[
        {
            "type": "file_search",
            "vector_store_ids": [vector_store.id],
            "max_num_results": 5,
        }
    ],
    include=["file_search_call.results"],
)

print(response.output_text)

模型会自动判断当前问题需不需要查库:需要时先生成检索词去向量库拉取片段,再结合片段生成回答。

本站订阅与团队开通提示:如果你在国内遇到银行卡被拒或急需提升对话与推理配额,可前往本站 ChatGPT Plus 充值说明页 或 ChatGPT Pro 5x/20x 充值页 自助获取卡密完成开通(全程无需交出账号密码,可开增值税发票);企业多成员协作可直接查看 ChatGPT Business 团队定制方案。

三、怎么读取来源引用(Annotations)与原始片段

返回结果里的 response.output 通常包含两类关键项:

  1. file_search_call:记录这次工具调用的 ID、状态;如果请求时加了 include=["file_search_call.results"],这里还会列出命中的原始文本块、得分和所属文件名,排查“为什么答偏了”全靠看这一项。
  2. message(模型回答):在正文内容块的 annotations 数组里,每处引用的类型都是 file_citation,包含 file_id、filename 和字符位置索引。前端可以据此渲染“参考来源:《xxx.pdf》”。

四、控制成本与精度的三个常用参数

  • 限制召回块数(max_num_results):检索出来的每一块文本都会塞进模型上下文按输入 token 计费。把 max_num_results 调小(例如设为 4 到 8)能明显降低延迟和单次 token 开销,但设得太小可能漏掉跨段落信息。
  • 元数据过滤(filters):给向量库里的文件打上键值对属性(如 category: "billing" 或年份),提问时在 file_search 工具里传 filters 条件,只搜指定范围的文档,减少无关干扰。
  • 设置过期清理(expires_after):如果是给临时会话建的向量库,创建时设好闲置自动过期天数,防止废弃库一直占着容量产生按日存储费。各档位具体单价请核对 /guides/openai-api-price-official-table。

常见问题

问:文档刚传上去就提问,为什么模型说找不到相关内容?

大PDF解析、切块和算向量需要时间。文件还在 in_progress 状态时搜不到,务必用 upload_and_poll 或先查 vector_stores.files 确认状态已是 completed,若变成 failed 需检查文件是否加密损坏或超出 500 万 token 上限。

问:扫描版纯图片 PDF 能用 File Search 检索吗?

File Search 依赖从文件里提取出的文本建索引;纯扫描件若没有内嵌文字层,提取出的文本为空就无法检索。这类带大量版面图像的少页数 PDF,改用 input_file 走视觉解析更合适。

问:删除向量库(Vector Store)会把原始上传的文件一起删掉吗?

不会。向量库只是索引容器,删掉向量库只会停止继续计收该库的向量存储费,Files API 里的原始文件仍保留在后台,需要彻底清理时另调 client.files.delete。

问:国内没有境外信用卡,怎么开通或续费 ChatGPT Plus / Pro?

答:可在本站使用支付宝、微信支付或 AlipayHK 下单获取卡密自助兑换(支持 ChatGPT Plus、Pro 5x 可覆盖档 与 Pro 5x 空白号档),实时价格、兑换前提与售后规则(掉订阅按剩余天数折退,封号不在质保范围)以对应页面说明为准。

相关教程

参考资料

  • OpenAI 官方文档:File search — https://developers.openai.com/api/docs/guides/tools-file-search
  • OpenAI 官方定价页 — https://developers.openai.com/api/docs/pricing

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同产品的其他教程

  1. 01

    用 ChatGPT 整理家庭装修预算明细、隐蔽工程验收清单与主材优缺点对比表实战

    第一次装修面对几十页施工报价单、密密麻麻的水电防水隐蔽项目与五花八门的主材参数,极易踩坑增项。本文梳理用 ChatGPT 审查装修报价漏项、生成带公式的预算明细表、定制工地隐蔽工程验收单与主材对比表的实战提示词。

    ChatGPT0
  2. 02

    用 ChatGPT 做费曼学习法读书共读:反向追问检验自己是否真读懂专业书籍与整理书单笔记

    读完一本专业硬书常感觉「合上书就忘」,直接让 AI 概括全书又容易产生懂了的错觉。本文介绍用 ChatGPT 结合 Study Mode 与费曼学习法做反向追问共读,通过通俗复述、挑刺盲区到沉淀书单卡片的完整流程与提示词。

    ChatGPT0
  3. 03

    用 ChatGPT 做外贸产品多语种目录、展会邀约与客户跟进节奏表(附脱敏与本地化提示词)

    做外贸展会与海外推广时,手工翻译十几款产品目录费时且容易留下一堆中式英文,展后客户跟进也常缺节奏。本文梳理用 ChatGPT 先脱敏建术语库、再批量产出多语种目录、展前邀约函与展后 21 天跟进节奏表的实战流程与提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写高质量技术专栏文章、开源项目 Release Notes 与版本更新日志实战

    让 AI 直接凭空写技术文章容易满篇空洞套话,直接甩 Git 记录写更新日志又常常漏掉破坏性变更。本文整理用 ChatGPT 结合真实代码片段、压测数据与 PR 摘要,高效产出深度技术专栏、GitHub Release Notes 与 CHANGELOG 的实战工作流。

    ChatGPT0
  5. 05

    用 ChatGPT 做产品用户访谈纪要编码、提炼高频痛点需求池与 RICE 优先级打分实战

    手头攒了十几份用户访谈逐字稿,手工贴便利贴归纳痛点耗时又容易带入主观偏见。本文分享用 ChatGPT 完成脱敏检查、逐份开放式编码、跨样本聚类高频痛点并搭建 RICE 优先级打分表的 5 步实战流,附可直接复制的三段核心提示词。

    ChatGPT0
  6. 06

    ChatGPT 网页版上传超过 10 个文件或回形针附件按钮变灰怎么办:打包合并与配额限制排查

    在 ChatGPT 网页版批量分析文档时,常遇到一次选超 10 个文件被拦截或输入框回形针按钮变灰。本文依据 OpenAI 文件上传与存储说明,梳理 6 类常见报错的分流排查法,提供 ZIP 打包、本地合并与 Projects 复用方案及可直接复制的解包提示词。

    ChatGPT0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~