Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Struktureeritud väljundid ja koodi täitmine

Õppetund 9 / 12 Värskendatud 2. november 2026 Arendajatele
Sellel lehel
  1. Koodi täitmine ja tulemuste struktureerimine
  2. Grok 4 ja uuemate mudelite funktsioon
  3. Tüüpiline kasutusjuhtum: täpsed arvutused
  4. Näide: statistiline analüüs
  5. Veebiotsingu ja koodi täitmise kombineerimine
  6. Koodi täitmise piirangud
  7. Peamised punktid

Uuendatud 2. novembril 2026. Põhineb xAI dokumentatsioonil: kasutades xai-sdk, kombineeritakse struktureeritud väljundid tööriistadega, luues esmalt vestluse (client.chat.create(..., tools=[code_execution()])) ja seejärel kutsumes chat.parse(Schema), mis tagastab vastuse ja tüübitud objekti; eelmine näide kutsus client.chat.parse(...) Chat Completionsi argumentidega, mis meetod üheski SDK-s ei eksisteeri. Allikad: Structured Outputs · Code Execution.

Koodi täitmine ja tulemuste struktureerimine

Struktureeritud väljundite kombineerimine koodi täitmisega võimaldab mudelil arvutada tulemusi ja tagastada need struktureeritud vormingus. Mudel kirjutab koodi, käivitab selle liivakastikeskkonnas ja vormindab väljundi vastavalt sinu skeemile.

Grok 4 ja uuemate mudelite funktsioon

Nagu veebiotsing, on ka see kombinatsioon reserveeritud Grok 4 ja uuematele mudelitele – see hõlmab kogu praegust valikut (Grok 4.5, Grok 4.3, grok-4.20 variandid). Varasemad mudelid ei toetanud tööriistade kombineerimist struktureeritud väljunditega.

Tüüpiline kasutusjuhtum: täpsed arvutused

Koodi täitmise peamine eelis koos struktureeritud väljunditega on arvutuste täpsus. Suured keelemudelid (LLM) teevad sageli aritmeetilisi vigu. Koodi käivitades on tulemused matemaatiliselt täpsed.

from pydantic import BaseModel
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import code_execution

client = Client()  # võti loetakse XAI_API_KEY muutujast

class FinancialAnalysis(BaseModel):
    total_revenue: float
    total_cost: float
    gross_margin: float
    margin_percentage: float
    most_profitable_product: str
    least_profitable_product: str

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[code_execution()],
)
chat.append(user("""Siin on kvartali müügitulemused:
- Toode A: 150 ühikut hinnaga 45 €, ühiku hind 28 €
- Toode B: 320 ühikut hinnaga 22 €, ühiku hind 15 €
- Toode C: 85 ühikut hinnaga 120 €, ühiku hind 78 €

Teosta täielik finantsanalüüs."""))

response, parsed = chat.parse(FinancialAnalysis)

print(f"Brutokasum: {parsed.gross_margin} €")
print(f"Kasumlikkus: {parsed.margin_percentage}%")
print(f"Parim toode: {parsed.most_profitable_product}")

Mudel kirjutab arvutuste teostamiseks Pythoni skripti, käivitab selle ja vormindab seejärel tulemused FinancialAnalysis skeemi järgi.

Näide: statistiline analüüs

class DescriptiveStatistics(BaseModel):
    mean: float
    median: float
    std_dev: float
    minimum: float
    maximum: float
    quartile_1: float
    quartile_3: float
    value_count: int

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[code_execution()],
)
chat.append(user("""Arvuta kirjeldav statistika järgnevate andmete põhjal:
[23, 45, 12, 67, 34, 89, 56, 78, 41, 33, 61, 25,
 72, 48, 55, 39, 64, 71, 28, 50]"""))

response, parsed = chat.parse(DescriptiveStatistics)

print(f"Keskmine: {parsed.mean}")
print(f"Standardhälve: {parsed.std_dev}")

Veebiotsingu ja koodi täitmise kombineerimine

Saad mõlemad tööriistad korraga lubada:

class MarketAnalysis(BaseModel):
    company: str
    current_price: float
    change_30d: float
    avg_volume: float
    trend: str
    recommendation: str

from xai_sdk.tools import web_search

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[web_search(), code_execution()],
)
chat.append(user("Analüüsi Apple'i aktsiat viimase 30 päeva jooksul"))

response, parsed = chat.parse(MarketAnalysis)

Mudel hangib veebist värsked andmed ja kasutab seejärel koodi täitmist muutuste ja keskmiste arvutamiseks.

Koodi täitmise piirangud

  • Täitmiskeskkond on isoleeritud ja ajutine
  • Levinud Pythoni paketid on eelinstalleeritud (NumPy, Pandas, Matplotlib, SciPy)
  • Täitmisaeg ja mälu on piiratud
  • Käivitataval koodil puudub võrguühendus
  • Loodud failid ei püsi kõnede vahel

Peamised punktid

  • Koodi täitmine koos struktureeritud väljunditega nõuab vähemalt Grok 4 – kogu praegune valik on ühilduv
  • Mudel kirjutab ja käivitab koodi täpsete arvutuste tegemiseks
  • Luba tööriist kasutades code_execution() xAI SDK-s või {"type": "code_interpreter"} Responses API-s, seejärel saada tüübitud objekt käsuga chat.parse(Schema)
  • Kombineeritav web_search-iga, et otsida ja seejärel arvutada
  • Ideaalne finants-, statistika- ja matemaatiliseks analüüsiks
  • Arvutatud tulemused on täpsed, erinevalt LLM-i hinnangutest