Sikkerhedsbegrænsninger i sandboxen
På denne side
Et isoleret miljø af design
Python-sandboxen til kodeudførelse er designet med fokus på sikkerhed. Koden kører i et isoleret miljø, der beskytter både xAIs infrastruktur og dine data. Det er afgørende at forstå disse begrænsninger for at kunne designe integrationer, der fungerer korrekt, og for at vide, hvornår kodeudførelse passer til dit behov.
De fem grundlæggende begrænsninger
1. Ingen netværksadgang
Sandboxen har ingen forbindelse til internettet eller eksterne netværk. Koden kan ikke:
- Udføre HTTP-forespørgsler (ingen
requests, ingenurllib) - Oprette forbindelse til eksterne databaser
- Kalde eksterne API’er
- Downloade filer fra webbet
- Sende e-mails eller notifikationer
Denne begrænsning er den mest restriktive. Hvis dit brugstilfælde kræver eksterne data, skal du angive dem i prompten eller bruge Web Search på forhånd til at hente dem.
2. Begrænset adgang til filsystemet
Koden kører i en midlertidig mappe med begrænset adgang til filsystemet:
- Læs/skriv kun i den midlertidige arbejdsmappe
- Ingen adgang til systemfiler
- Ingen adgang til andre brugeres mapper
- Oprettede filer slettes efter udførelsen
3. Midlertidig og tilstandsløs kontekst
Hver udførelse er uafhængig. Der er ingen persistens mellem to API-forespørgsler:
- Variabler defineret under én udførelse eksisterer ikke i den næste
- Oprettede filer slettes
- Biblioteker indlæst i hukommelsen nulstilles
- Der gemmes ingen udførelseshistorik
Det betyder, at du ikke kan opbygge en interaktiv session, hvor resultater fra én beregning fødes videre til den næste – i hvert fald ikke automatisk. For at simulere denne tilstand skal du inkludere tidligere resultater i din nye prompt.
4. Begrænsninger for udførelsestid
Sandboxen pålægger en tidsfrist for kodeudførelsen. Hvis en beregning tager for lang tid, stoppes den. Det indebærer:
- Ingen uendelige løkker (de vil blive stoppet)
- Ingen ekstremt lange beregninger (store datasæt, tunge simuleringer)
- Ingen venteprocesser (
time.sleepi lange perioder)
Modellen er generelt opmærksom på disse grænser og skriver optimeret kode, men meget ambitiøse forespørgsler kan fejle på grund af timeout.
5. Begrænsninger for hukommelse
Sandboxen har en begrænset mængde hukommelse. Operationer på meget store datamængder kan fejle:
- Pandas DataFrames med millioner af rækker risikerer at overskride hukommelsen
- NumPy-matricer med meget store dimensioner kan forårsage problemer
- Operationer, der duplikerer data i hukommelsen, øger risikoen
Konsekvenser for design
Hvad kodeudførelse er god til
- Præcise matematiske og statistiske beregninger
- Analyse af datasæt af moderat størrelse (hundrede til tusindvis af rækker)
- Verifikation af formler og algoritmer
- Generering af diagrammer og visualiseringer
- Hurtig prototyping af beregningslogik
Hvad kodeudførelse ikke er god til
- Behandling af store datamængder (big data)
- Interaktion med eksterne systemer
- Iterative beregninger på tværs af flere forespørgsler
- Maskinlæring og modeltræning
- Lange operationer (> få sekunder)
Løsninger på begrænsninger
Hvis du har brug for at overskride disse begrænsninger:
- Eksterne data: Brug Web Search til at hente data, og brug derefter kodeudførelse til at analysere dem
- Store mængder: Udtræk en repræsentativ stikprøve og analyser den i sandboxen, og anvend derefter resultaterne på hele sættet i dit eget miljø
- Tilstand mellem forespørgsler: Gem mellemresultater på klientsiden og injicer dem i efterfølgende forespørgsler
Vigtige pointer
- Sandboxen er isoleret: ingen netværk, ingen persistens, ingen systemadgang
- Hver udførelse er uafhængig (tilstandsløs)
- Grænser for tid og hukommelse gælder
- Kodeudførelse excellerer i præcise beregninger og analyse af moderate datamængder
- Til særlige tilfælde skal du kombinere kodeudførelse med andre værktøjer eller din egen infrastruktur