Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Praktinės ribos ir geriausios praktikos

Paskaita 15 iš 16 Atnaujinta 2026 m. liepos 30 d. Kūrėjas
Šiame puslapyje
  1. Kaip išgauti maksimalią naudą iš kodo vykdymo
  2. Modelio pasirinkimas
  3. Temperatūros nustatymas
  4. Užklausų struktūravimas
  5. Klaidų valdymas
  6. Rezultatų tikrinimas
  7. Kodo vykdymo derinimas su žiniatinklio paieška
  8. Svarbiausi punktai

Kaip išgauti maksimalią naudą iš kodo vykdymo

Dabar, kai supranti techninius smėlio dėžės (sandbox) apribojimus, šioje pamokoje sutelksime dėmesį į geriausias praktikas, kaip gauti patikimus rezultatus ir optimaliai naudoti kodo vykdymą. Šios rekomendacijos paremtos realiu naudojimu gamybinėje aplinkoje bei xAI gairėmis.

Modelio pasirinkimas

xAI rekomenduoja kodui generuoti naudoti grok-4.20-0309-reasoning. Šis modelis sugeneruoja labiau struktūruotą, geriau pakomentuotą kodą su mažiau klaidų nei modeliai, neturintys samprotavimo gebėjimų. Skirtumas ypač pastebimas sprendžiant sudėtingus uždavinius, kuriems reikia kelių žingsnių samprotavimo.

Temperatūros nustatymas

Matematiniams skaičiavimams ir duomenų analizei naudokite žemą temperatūrą:

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: gryni matematiniai skaičiavimai, deterministiniai rezultatai
  • 0.1–0.3: duomenų analizė su interpretacija
  • 0.3–0.7: kūrybinis kodo generavimas (venkite naudoti kritiniams skaičiavimams)

Aukšta temperatūra gali lemti tai, kad kiekvieno užklausos metu bus pasirenkami skirtingi algoritminiai sprendimai, todėl rezultatai taps nepakartojami.

Užklausų struktūravimas

Įtraukite duomenis į užklausą

Kadangi smėlio dėžė neturi prieigos prie interneto, visus analizuotinus duomenis privalote įtraukti tiesiai į užklausą:

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
)

Nurodykite pageidaujamą išvesties formatą

Modelis pateikia geresnius rezultatus, kai tiksliai nurodote, ko tikitės:

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.
"""

Suskirstykite sudėtingas problemas į dalis

Atlikdami daugiažingsnę analizę, suformuluokite užklausą nuosekliai:

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
"""

Klaidų valdymas

Modelis vykdymo metu gali susidurti su klaidomis. Tokiu atveju jis paprastai bando ištaisyti kodą ir jį paleisti iš naujo. Tai reiškia, kad:

  • Už vieną užklausą gali būti nuskaičiuotas mokestis už kelis vykdymo bandymus
  • Galutinis rezultatas gali užtrukti ilgiau
  • Retais atvejais modelis gali nepajėgti ištaisyti klaidos

Kad sumažintumėte klaidų tikimybę, būkite tikslūs savo instrukcijose ir pateikite duomenis aiškiu, struktūruotu formatu (CSV, JSON, lentelės).

Rezultatų tikrinimas

Kodo vykdymas yra galingas įrankis, tačiau jis nėra neklystantis. Atlikdami kritinius skaičiavimus:

  • Patikrinkite rezultatus naudodami žinomą duomenų poaibį
  • Prašykite modelio paaiškinti savo metodiką
  • Palyginkite su rezultatais, gautais kitais būdais
  • Prašykite pateikti源代码, jei reikia peržiūrėti logiką

Modelis dažnai įtraukia vykdytą kodą į savo atsakymą, todėl galite patys patikrinti jo logiką.

Kodo vykdymo derinimas su žiniatinklio paieška

Pažengusi naudojimo situacija apima abiejų įrankių derinimą:

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
)

Modelis naudoja žiniatinklio paiešką duomenims gauti, o tada kodo vykdymą – jiems analizuoti. Šis darbo procesas yra visiškai automatinis.

Svarbiausi punktai

  • Geriausiai kodo kokybei naudokite grok-4.20-0309-reasoning
  • Skaičiavimams naudokite žemą temperatūrą (0.0–0.3), kūrybiniam kodui – aukštesnę
  • Įtraukite duomenis į užklausą (smėlio dėžė neturi prieigos prie tinklo)
  • Struktūruokite savo užklausas: nurodykite pageidaujamą formatą ir nuoseklius žingsnius
  • Patikrinkite kritinius rezultatus – modelis nėra neklystantis
  • Žiniatinklio paieškos ir kodo vykdymo derinys yra galingas darbo procesas