Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Gyakorlati korlátok és legjobb gyakorlatok

15. lecke 16 közül Frissítve 2026. július 30. Fejlesztő
Ezen az oldalon
  1. A kódvégrehajtás maximális kihasználása
  2. Modellválasztás
  3. Hőmérséklet-beállítás (Temperature)
  4. Promptok strukturálása
  5. Hibakezelés
  6. Eredmények ellenőrzése
  7. Kódvégrehajtás kombinálása webes kereséssel
  8. Főbb megállapítások

A kódvégrehajtás maximális kihasználása

Most, hogy már ismered a homokozó technikai korlátait, ez a lecke a megbízható eredmények eléréséhez és a kódvégrehajtás optimalizált használatához szükséges legjobb gyakorlatokra fókuszál. Ezeket az ajánlásokat éles környezetben szerzett tapasztalatok és az xAI útmutatásai alapján állítottuk össze.

Modellválasztás

Az xAI a grok-4.20-0309-reasoning modellt javasolja kódgeneráláshoz. Ez a modell strukturáltabb, jobban kommentezett kódot hoz létre, kevesebb hibával, mint a nem következtető modellek. A különbség különösen összetett, több lépéses következtetést igénylő feladatoknál szembetűnő.

Hőmérséklet-beállítás (Temperature)

Matematikai számításokhoz és adatelemzéshez alacsony hőmérsékleti értékeket használj:

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
)
  • 0,0–0,1: tiszta matematikai számítások, determinisztikus eredmények
  • 0,1–0,3: adatelemzés értelmezéssel
  • 0,3–0,7: kreatív kódgenerálás (kritikus számításokhoz kerülendő)

A magas hőmérséklet minden hívásnál eltérő algoritmikus megközelítéseket eredményezhet, ami miatt az eredmények nem lesznek reprodukálhatók.

Promptok strukturálása

Adatok belefoglalása a promptba

Mivel a homokozónak nincs hálózati hozzáférése, minden elemzendő adatot közvetlenül a promptban kell megadnod:

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
)

A várt kimeneti formátum meghatározása

A modell jobb eredményeket produkál, ha pontosan megadod, mit vársz tőle:

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.
"""

Összetett problémák lebontása

Több lépésből álló elemzések esetén strukturáld a promptot szekvenciálisan:

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
"""

Hibakezelés

A modell futtatási hibákba ütközhet. Ilyenkor általában megpróbálja kijavítani a kódját, és újra lefuttatni. Ez azt jelenti, hogy:

  • Egyetlen kérésért több hívást is számlázhatnak
  • A végső eredmény megérkezése tovább tarthat
  • Ritka esetekben a modellnek nem sikerül kijavítania a hibát

A hibák minimalizálása érdekében légy precíz az utasításaidban, és az adatokat világos, strukturált formátumban (CSV, JSON, táblázatok) add meg.

Eredmények ellenőrzése

A kódvégrehajtás мощный eszköz, de nem tévedhetetlen. Kritikus számítások esetén:

  • Ellenőrizd az eredményeket egy ismert részhalmazon
  • Kérd meg a modellt, hogy magyarázza el a módszertanát
  • Hasonlítsd össze más módon kapott eredményekkel
  • Kérd le a forráskódot szükség esetén átvizsgálásra

A modell gyakran mellékeli a lefuttatott kódot a válaszában, így ellenőrizheted a logikát.

Kódvégrehajtás kombinálása webes kereséssel

Egy fejlett használati eset a két eszköz kombinálása:

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
)

A modell a webes keresést az adatok lekérésére, a kódvégrehajtást pedig azok elemzésére használja. Ez a munkafolyamat teljesen automatikus.

Főbb megállapítások

  • A legjobb kódminőség érdekében használd a grok-4.20-0309-reasoning modellt
  • Számításokhoz alacsony hőmérsékletet (0,0–0,3) alkalmazz, kreatív kódhoz magasabbat
  • Foglald bele az adatokat a promptba (a homokozónak nincs hálózati hozzáférése)
  • Strukturáld a kéréseidet: várt formátum, szekvenciális lépések
  • Ellenőrizd a kritikus eredményeket – a modell nem tévedhetetlen
  • A webes keresés és a kódvégrehajtás kombinációja egy мощный munkafolyamat