Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Struktūrizuotos išvestys ir kodo vykdymas

Paskaita 9 iš 12 Atnaujinta 2026 m. lapkričio 2 d. Kūrėjas
Šiame puslapyje
  1. Kodo vykdymas ir rezultatų struktūrizavimas
  2. „Grok 4“ ir vėlesnių versijų funkcija
  3. Tipiškas naudojimo atvejis: tikslūs skaičiavimai
  4. Pavyzdys: statistinė analizė
  5. Žiniatinklio paieškos ir kodo vykdymo derinimas
  6. Kodo vykdymo apribojimai
  7. Svarbiausi punktai

Atnaujinta 2026 m. lapkričio 2 d. Remiantis „xAI“ dokumentacija: naudojant xai-sdk, struktūrizuotos išvestys derinamos su įrankiais sukuriant pokalbį (client.chat.create(..., tools=[code_execution()])), o tada kviečiant chat.parse(Schema), kas grąžina atsakymą ir tipizuotą objektą; ankstesnis pavyzdys kvietė client.chat.parse(...) su „Chat Completions“ argumentais – tokio metodo nėra nė viename SDK. Šaltiniai: Struktūrizuotos išvestys · Kodo vykdymas.

Kodo vykdymas ir rezultatų struktūrizavimas

Derindamas struktūrizuotas išvestis su kodo vykdymu, modelis gali apskaičiuoti rezultatus ir grąžinti juos struktūrizuotu formatu. Modelis parašo kodą, jį įvykdo izoliuotoje („smėlio dėžės“) aplinkoje ir suformatuoja išvestį pagal tavo schemą.

„Grok 4“ ir vėlesnių versijų funkcija

Kaip ir žiniatinklio paieška, šis derinys skirtas tik „Grok 4“ ir vėlesniems modeliams – tai apima visą dabartinę liniją („Grok 4.5“, „Grok 4.3“, „grok-4.20“ variantus). Ankstesni modeliai nepalaikė įrankių derinimo su struktūrizuotomis išvestimis.

Tipiškas naudojimo atvejis: tikslūs skaičiavimai

Pagrindinis kodo vykdymo su struktūrizuotomis išvestimis privalumas yra skaičiavimų tikslumas. Didieji kalbos modeliai (LLM) dažnai klysta atlikdami aritmetinius veiksmus. Vykdant kodą, rezultatai yra matematiškai tikslūs.

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

client = Client()  # raktas nuskaitytas iš 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}")

Modelis parašys „Python“ scenarijų skaičiavimams atlikti, jį įvykdys ir tada suformatuos rezultatus į FinancialAnalysis schemą.

Pavyzdys: statistinė analizė

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}")

Žiniatinklio paieškos ir kodo vykdymo derinimas

Abu įrankius gali įjungti vienu metu:

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)

Modelis iš žiniatinklio gaus naujausius duomenis, o tada naudos kodo vykdymą pokyčiams ir vidurkiams apskaičiuoti.

Kodo vykdymo apribojimai

  • Vykdymo aplinka yra izoliuota ir laikina.
  • Dažniausiai naudojami „Python“ paketai jau įdiegti („NumPy“, „Pandas“, „Matplotlib“, „SciPy“).
  • Vykdymo laikas ir atminties naudojimas yra ribojami.
  • Iš vykdomo kodo nėra prieigos prie tinklo.
  • Sukurti failai neišlieka tarp kvietimų.

Svarbiausi punktai

  • Kodo vykdymas + struktūrizuotos išvestys reikalauja bent „Grok 4“ – visa dabartinė linija yra suderinama.
  • Modelis rašo ir vykdo kodą tiksliems skaičiavimams atlikti.
  • Įgalink įrankį naudodamas code_execution() „xAI SDK“ arba {"type": "code_interpreter"} „Responses API“, tada gauk tipizuotą objektą su chat.parse(Schema).
  • Galima derinti su web_search, kad pirmiausia būtų atlikta paieška, o tada skaičiavimai.
  • Idealu finansinei, statistinei ir matematinei analizei.
  • Apskaičiuoti rezultatai yra tikslūs, skirtingai nei LLM įverčiai.