OpenAI File Search RAG 入门：Responses API + 向量库

按 OpenAI 官方 File Search 指南，用 Responses API 跑通托管 RAG：上传文件、创建 Vector Store、挂载 file_search 工具、阅读 citations，并练习 max_num_results、include 检索片段与 metadata filters。含可抄 Python 代码与对照结果。

入门2 课时35 分钟图文实操

免费学习无需登录

开始学习查看课程目录

你将学会

用官方示例 PDF 上传文件并创建 Vector Store，等到 status=completed
在 Responses API 中挂载 file_search，读懂 file_search_call 与 file_citation
会用 max_num_results、include=["file_search_call.results"] 与 metadata filters 控制检索

适合谁

要把自有文档接到模型回答里的后端 / 全栈开发者
从 Assistants 迁移到 Responses API 托管检索的工程师
需要可审计引用（citations）的知识库问答搭建者

课前准备

已有 OpenAI API Key，并安装 openai Python SDK（pip install openai）
本机可运行 Python 3.10+，能访问 api.openai.com
了解基本 HTTP / JSON；不要求自建向量库

课程目录

2 课时 · 35 分钟

01上传文件、建向量库并用 file_search 提问按官方步骤：createFile → vectorStores.create → files.create → 轮询 completed → responses.create 挂载 file_search，核对 citations。图文22 分钟开始本课
02限制条数、带回检索片段与 metadata 过滤练习 max_num_results、include=["file_search_call.results"] 与 filters，并对照官方支持的文件类型表。图文13 分钟开始本课

课程说明

本课按 OpenAI 官方 File Search 指南整理成中文可跟做讲义，不是原文搬运。

来源：File search（OpenAI API Docs）。检索原理与属性过滤见 Retrieval；向量库 API 见 Vector Stores。

两课你会做完：上传示例 PDF、创建 Vector Store、在 Responses API 中挂载 file_search 并读懂 file_search_call / file_citation；再用 max_num_results、include=["file_search_call.results"] 与 metadata filters 调检索。File Search 是 OpenAI 托管工具，无需自写检索执行循环。