Sicherheitsbeschränkungen der Sandbox
Auf dieser Seite
Eine isolierte Umgebung nach Design
Die Python-Sandbox für die Code-Ausführung wurde aus Sicherheitsgründen entwickelt. Der Code läuft in einer isolierten Umgebung, die sowohl die Infrastruktur von xAI als auch Ihre Daten schützt. Das Verständnis dieser Beschränkungen ist unerlässlich, um Integrationen korrekt zu gestalten und zu erkennen, wann die Code-Ausführung Ihre Anforderungen erfüllt.
Die fünf grundlegenden Beschränkungen
1. Kein Netzwerkzugriff
Die Sandbox verfügt über keine Verbindung zum Internet oder zu einem externen Netzwerk. Code kann nicht:
- HTTP-Anforderungen stellen (keine
requests, keinurllib) - Sich mit entfernten Datenbanken verbinden
- Externe APIs aufrufen
- Dateien aus dem Web herunterladen
- E-Mails oder Benachrichtigungen senden
Diese Beschränkung ist die restriktivste. Wenn Ihr Anwendungsfall externe Daten erfordert, müssen Sie diese im Prompt bereitstellen oder zuvor die Websuche verwenden, um sie zu beschaffen.
2. Begrenzter Dateisystemzugriff
Der Code läuft in einem temporären Verzeichnis mit eingeschränktem Dateisystemzugriff:
- Nur Lese-/Schreibzugriff im temporären Arbeitsverzeichnis
- Kein Zugriff auf Systemdateien
- Kein Zugriff auf Verzeichnisse anderer Benutzer
- Erstellte Dateien werden nach der Ausführung gelöscht
3. Temporärer und zustandsloser Kontext
Jede Ausführung ist unabhängig. Es gibt keine Persistenz zwischen zwei API-Anfragen:
- Variablen, die während einer Ausführung definiert wurden, existieren in der nächsten nicht
- Erstellte Dateien werden gelöscht
- In den Speicher geladene Bibliotheken werden zurückgesetzt
- Es wird keine Ausführungsverlaufshistorie gespeichert
Dies bedeutet, dass Sie keine interaktive Sitzung aufbauen können, bei der Ergebnisse einer Berechnung automatisch in die nächste einfließen. Um diesen Zustand zu simulieren, müssen Sie vorherige Ergebnisse in Ihren neuen Prompt aufnehmen.
4. Zeitliche Beschränkungen der Ausführung
Die Sandbox legt ein Timeout für die Codeausführung fest. Wenn eine Berechnung zu lange dauert, wird sie abgebrochen. Dies impliziert:
- Keine unendlichen Schleifen (diese werden gestoppt)
- Keine extrem langen Berechnungen (große Datensätze, aufwändige Simulationen)
- Keine Warteoperationen (
time.sleepfür lange Zeiträume)
Das Modell ist im Allgemeinen über diese Grenzen informiert und schreibt optimierten Code, aber sehr ambitionierte Anforderungen können aufgrund eines Timeouts fehlschlagen.
5. Speicherbeschränkungen
Die Sandbox verfügt über einen begrenzten Speicherplatz. Operationen mit sehr großen Datenmengen können fehlschlagen:
- Pandas-DataFrames mit Millionen von Zeilen riskieren, den Speicher zu überschreiten
- Sehr große NumPy-Matrizen mit hoher Dimensionalität können Probleme verursachen
- Operationen, die Daten im Speicher duplizieren, erhöhen das Risiko
Designimplikationen
Was die Code-Ausführung gut kann
- Präzise mathematische und statistische Berechnungen
- Analyse von Datensätzen mittlerer Größe (hundert bis tausend Zeilen)
- Überprüfung von Formeln und Algorithmen
- Generierung von Diagrammen und Visualisierungen
- Schnelles Prototyping von Berechnungslogik
Was die Code-Ausführung nicht gut kann
- Verarbeitung großer Datenmengen (Big Data)
- Interaktionen mit externen Systemen
- Iterative Berechnungen über mehrere Anfragen hinweg
- Maschinelles Lernen und Modelltraining
- Lange Operationen (> einige Sekunden)
Workarounds für Beschränkungen
Wenn Sie diese Beschränkungen überschreiten müssen:
- Externe Daten: Verwenden Sie die Websuche, um Daten zu beschaffen, und analysieren Sie sie anschließend mit der Code-Ausführung.
- Große Volumina: Extrahieren Sie eine repräsentative Stichprobe und analysieren Sie diese in der Sandbox, wenden Sie die Ergebnisse dann in Ihrer eigenen Umgebung auf den gesamten Datensatz an.
- Zustand zwischen Anfragen: Speichern Sie Zwischenergebnisse clientseitig und injizieren Sie sie in nachfolgende Anfragen.
Kernaussagen
- Die Sandbox ist isoliert: kein Netzwerk, keine Persistenz, kein Systemzugriff.
- Jede Ausführung ist unabhängig (zustandslos).
- Es gelten zeitliche und speicherbezogene Grenzen.
- Die Code-Ausführung eignet sich hervorragend für präzise Berechnungen und die Analyse moderater Datenmengen.
- Für Sonderfälle kombinieren Sie die Code-Ausführung mit anderen Tools oder Ihrer eigenen Infrastruktur.