Vincoli di sicurezza della sandbox
In questa pagina
Un ambiente isolato per progettazione
La sandbox Python per l’Esecuzione del codice è progettata per la sicurezza. Il codice viene eseguito in un ambiente isolato che protegge sia l’infrastruttura di xAI che i tuoi dati. Comprendere questi vincoli è essenziale per progettare integrazioni funzionanti e per sapere quando l’Esecuzione del codice risponde alle tue esigenze.
I cinque vincoli fondamentali
1. Nessun accesso alla rete
La sandbox non ha alcuna connessione a Internet o a una rete esterna. Il codice non può:
- Effettuare richieste HTTP (niente
requests, nienteurllib) - Connettersi a database remoti
- Chiamare API esterne
- Scaricare file dal web
- Inviare email o notifiche
Questo è il vincolo più restrittivo. Se il tuo caso d’uso richiede dati esterni, devi fornirli nel prompt o utilizzare la Ricerca Web in anticipo per recuperarli.
2. Accesso limitato al file system
Il codice viene eseguito in una directory temporanea con accesso limitato al file system:
- Lettura/scrittura consentite solo nella directory di lavoro temporanea
- Nessun accesso ai file di sistema
- Nessun accesso alle directory di altri utenti
- I file creati vengono eliminati dopo l’esecuzione
3. Contesto temporaneo e senza stato
Ogni esecuzione è indipendente. Non c’è persistenza tra due richieste API:
- Le variabili definite durante un’esecuzione non esistono nella successiva
- I file creati vengono eliminati
- Le librerie caricate in memoria vengono resettate
- Non viene mantenuto alcuno storico delle esecuzioni
Ciò significa che non puoi costruire una sessione interattiva in cui i risultati di un calcolo alimentano il successivo, almeno non automaticamente. Per simulare questo stato, devi includere i risultati precedenti nel tuo nuovo prompt.
4. Vincoli sul tempo di esecuzione
La sandbox impone un timeout sull’esecuzione del codice. Se un calcolo richiede troppo tempo, viene interrotto. Questo implica:
- Niente loop infiniti (verranno interrotti)
- Niente calcoli estremamente lunghi (grandi dataset, simulazioni pesanti)
- Niente operazioni di attesa (
time.sleepper lunghe durate)
Il modello è generalmente consapevole di questi limiti e scrive codice ottimizzato, ma richieste molto ambiziose potrebbero fallire a causa del timeout.
5. Limitazioni di memoria
La sandbox dispone di una quantità limitata di memoria. Le operazioni su volumi di dati molto grandi potrebbero fallire:
- I DataFrame di Pandas con milioni di righe rischiano di superare la memoria disponibile
- Matrici NumPy con dimensioni molto elevate possono causare problemi
- Le operazioni che duplicano i dati in memoria aumentano il rischio
Implicazioni per la progettazione
Cosa fa bene l’Esecuzione del codice
- Calcoli matematici e statistici precisi
- Analisi di dataset di dimensioni moderate (da centinaia a migliaia di righe)
- Verifica di formule e algoritmi
- Generazione di grafici e visualizzazioni
- Prototipazione rapida della logica di calcolo
Cosa non fa bene l’Esecuzione del codice
- Elaborazione di grandi volumi di dati (big data)
- Interazioni con sistemi esterni
- Calcoli iterativi su più richieste
- Machine learning e addestramento di modelli
- Operazioni lunghe (> pochi secondi)
Soluzioni alternative per superare i limiti
Se hai bisogno di superare questi vincoli:
- Dati esterni: usa la Ricerca Web per recuperare i dati, poi l’Esecuzione del codice per analizzarli
- Grandi volumi: estrai un campione rappresentativo e analizzalo nella sandbox, quindi applica i risultati all’intero set nel tuo ambiente
- Stato tra le richieste: archivia i risultati intermedi lato client e iniettali nelle richieste successive
Punti chiave
- La sandbox è isolata: niente rete, niente persistenza, nessun accesso al sistema
- Ogni esecuzione è indipendente (senza stato)
- Si applicano limiti di tempo e memoria
- L’Esecuzione del codice eccelle nei calcoli precisi e nell’analisi di dati moderati
- Per i casi limite, combina l’Esecuzione del codice con altri strumenti o con la tua infrastruttura