Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Praktična ograničenja i najbolje prakse

Lekcija 15 od 16 Ažurirano 30. srpnja 2026. Programer
Na ovoj stranici
  1. Kako izvući maksimum iz izvršavanja koda
  2. Odabir modela
  3. Postavka temperature
  4. Strukturiranje tvojih upita
  5. Rukovanje pogreškama
  6. Validacija rezultata
  7. Kombiniranje izvršavanja koda s web pretraživanjem
  8. Ključne točke

Kako izvući maksimum iz izvršavanja koda

Sada kada razumiješ tehnička ograničenja izoliranog okruženja (sandboxa), ova lekcija fokusira se na najbolje prakse za postizanje pouzdanih rezultata i optimiziranu upotrebu izvršavanja koda. Ove preporuke proizlaze iz proizvodne upotrebe i smjernica tvrtke xAI.

Odabir modela

xAI preporučuje korištenje modela grok-4.20-0309-reasoning za generiranje koda. Taj model stvara strukturiraniji kod s boljim komentarima i manje pogrešaka od modela koji nemaju sposobnost rezoniranja. Razlika je posebno vidljiva kod složenih problema koji zahtijevaju višekorakno rezoniranje.

Postavka temperature

Za matematičke izračune i analizu podataka koristi niske temperature:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Calculate the weighted standard deviation of these values: ...",
    tools=[client.tools.code_execution()],
    temperature=0.1
)
  • 0.0 do 0.1: čisti matematički izračuni, deterministički rezultati
  • 0.1 do 0.3: analiza podataka s interpretacijom
  • 0.3 do 0.7: kreativno generiranje koda (izbjegavaj za kritične izračune)

Visoka temperatura može proizvesti različite algoritamske pristupe pri svakom pozivu, što rezultate čini neproducibilnima.

Strukturiranje tvojih upita

Uključi podatke u upit

Budući da izolirano okruženje nema pristup mreži, moraš uključiti sve podatke koje treba analizirati izravno u upit:

data = """
Month,Sales,Costs
Jan,15000,8000
Feb,18000,9500
Mar,22000,11000
Apr,19000,10000
"""

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=f"Analyze this sales data and calculate monthly margins:\n{data}",
    tools=[client.tools.code_execution()],
    temperature=0.1
)

Odredi očekivani format izlaza

Model daje bolje rezultate kada preciziraš što očekuješ:

input_text = """
Data: [2.5, 3.1, 4.7, 2.8, 5.2, 3.9, 4.1]

Calculate:
1. The mean and median
2. The standard deviation
3. The coefficient of variation
4. Identify outliers (IQR method)

Present the results in a formatted table.
"""

Razdvoj složene probleme

Za analize koje uključuju više koraka, strukturiraj svoj upit sekvencijalno:

input_text = """
Step 1: Load this portfolio return data
Step 2: Calculate the annualized return
Step 3: Calculate volatility (annualized standard deviation)
Step 4: Calculate the Sharpe ratio (risk-free rate = 4%)
Step 5: Present a summary with all indicators
"""

Rukovanje pogreškama

Model može naići na pogreške tijekom izvršavanja. U tom slučaju obično pokušava ispraviti svoj kod i ponovno ga izvršiti. To znači da:

  • Jedan zahtjev može biti naplaćen kao više poziva
  • Konačni rezultat može stići kasnije
  • U rijetkim slučajevima model možda neće uspjeti ispraviti pogrešku

Kako bi smanjio broj pogrešaka, budi precizan u svojim uputama i dostavi podatke u jasnom, strukturiranom formatu (CSV, JSON, tablice).

Validacija rezultata

Izvršavanje koda moćan je alat, ali nije nepogrešiv. Za kritične izračune:

  • Provjeri rezultate na poznatom podskupu
  • Zatraži od modela da objasni svoju metodologiju
  • Usporedi s rezultatima dobivenim drugim sredstvima
  • Zatraži izvorni kod za pregled ako je potrebno

Model često uključuje izvršeni kod u svoj odgovor, što ti omogućuje provjeru logike.

Kombiniranje izvršavanja koda s web pretraživanjem

Napredni slučaj upotrebe uključuje kombiniranje ova dva alata:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Find the current stock prices for Apple, Google, and Microsoft, then calculate their correlation over the last month",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ],
    temperature=0.1
)

Model koristi web pretraživanje za dohvaćanje podataka, a zatim izvršavanje koda za njihovu analizu. Ovaj tijek rada potpuno je automatiziran.

Ključne točke

  • Koristi grok-4.20-0309-reasoning za najbolju kvalitetu koda
  • Niska temperatura (0.0–0.3) za izračune, viša za kreativni kod
  • Uključi podatke u upit (izolirano okruženje nema pristup mreži)
  • Strukturiraj svoje zahtjeve: očekivani format, sekvencijalni koraci
  • Validiraj kritične rezultate – model nije nepogrešiv
  • Kombinacija web pretraživanja i izvršavanja koda moćan je tijek rada