Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Izlazi strukturiranih podataka i izvršavanje koda

Lekcija 9 od 12 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Izvršavanje koda i strukturiranje rezultata
  2. Značajka za Grok 4 i novije verzije
  3. Tipičan slučaj upotrebe: precizni izračuni
  4. Primjer: statistička analiza
  5. Kombiniranje web pretraživanja i izvršavanja koda
  6. Ograničenja izvršavanja koda
  7. Ključne točke

Ažurirano 2. studenoga 2026. Na temelju dokumentacije xAI-ja: uz xai-sdk, strukturirani izlazi kombiniraju se s alatima tako da se prvo stvori razgovor (client.chat.create(..., tools=[code_execution()])), a zatim pozove chat.parse(Schema), što vraća odgovor i tipizirani objekt; prethodni je primjer koristio client.chat.parse(...) s argumentima za Chat Completions, metoda koja ne postoji ni u jednom SDK-u. Izvori: Structured Outputs · Code Execution.

Izvršavanje koda i strukturiranje rezultata

Kombinacija strukturiranih izlaza s izvršavanjem koda modelu omogućuje izračunavanje rezultata i njihov povrat u strukturiranom formatu. Model piše kod, izvršava ga u izoliranom okruženju (sandbox) i oblikuje izlaz prema tvojoj shemi.

Značajka za Grok 4 i novije verzije

Poput web pretraživanja, ova je kombinacija rezervirana isključivo za modele Grok 4 i novije – što znači cijelu trenutnu ponudu (Grok 4.5, Grok 4.3, varijante grok-4.20). Stariji modeli nisu podržavali kombiniranje alata sa strukturiranim izlazima.

Tipičan slučaj upotrebe: precizni izračuni

Glavna prednost izvršavanja koda uz strukturirane izlaze jest preciznost izračuna. LLM-ovi često griješe u aritmetici. Izvršavanjem koda rezultati su matematički točni.

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

client = Client()  # ključ se čita iz XAI_API_KEY

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("""Here are the quarterly sales:
- Product A: 150 units at €45, unit cost €28
- Product B: 320 units at €22, unit cost €15
- Product C: 85 units at €120, unit cost €78

Calculate the complete financial analysis."""))

response, parsed = chat.parse(FinancialAnalysis)

print(f"Gross margin: €{parsed.gross_margin}")
print(f"Margin: {parsed.margin_percentage}%")
print(f"Best product: {parsed.most_profitable_product}")

Model će napisati Python skriptu za provedbu izračuna, izvršiti je, a zatim rezultate formatirati u shemu FinancialAnalysis.

Primjer: statistička analiza

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("""Calculate the descriptive statistics for this data:
[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"Mean: {parsed.mean}")
print(f"Std dev: {parsed.std_dev}")

Kombiniranje web pretraživanja i izvršavanja koda

Oba alata možeš omogućiti istovremeno:

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("Analyze Apple stock over the last 30 days"))

response, parsed = chat.parse(MarketAnalysis)

Model će dohvatiti najnovije podatke s weba, a zatim upotrijebiti izvršavanje koda za izračun promjena i prosjeka.

Ograničenja izvršavanja koda

  • Izvršno je okruženje izolirano i privremeno
  • Uobičajeni Python paketi već su instalirani (NumPy, Pandas, Matplotlib, SciPy)
  • Vrijeme izvršavanja i memorija su ograničeni
  • Izvršeni kod nema pristup mreži
  • Datoteke stvorene tijekom izvršavanja ne persistiraju između poziva

Ključne točke

  • Izvršavanje koda uz strukturirane izlaze zahtijeva najmanje Grok 4 – cijela trenutna ponuda modela kompatibilna je
  • Model piše i izvršava kod radi preciznih izračuna
  • Alat omogući s code_execution() u xAI SDK-u ili s {"type": "code_interpreter"} u Responses API-ju, zatim dohvati tipizirani objekt pomoću chat.parse(Schema)
  • Moguće je kombinirati s web_search za pretraživanje, a zatim izračunavanje
  • Idealno za financijske, statističke i matematičke analize
  • Izračunati su rezultati točni, za razliku od procjena LLM-a