Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Strukturētas izvades un koda izpilde

Nodarbība 9 no 12 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. Koda izpilde un rezultātu strukturēšana
  2. Funkcija modeliem Grok 4 un jaunākiem
  3. Tipisks lietojums: precīzi aprēķini
  4. Piemērs: statistiskā analīze
  5. Meklēšanas tīmeklī un koda izpides kombinēšana
  6. Koda izpides ierobežojumi
  7. Galvenās atziņas

Atjaunināts 2026. gada 2. novembrī. Pamatojoties uz xAI dokumentāciju: izmantojot xai-sdk, strukturētās izvades tiek apvienotas ar rīkiem, vispirms izveidojot sarunu (client.chat.create(..., tools=[code_execution()])) un pēc tam izsaucot chat.parse(Schema), kas atgriež gan atbildi, gan tipizēto objektu; iepriekšējais piemērs izsauca client.chat.parse(...) ar Chat Completions argumentiem, taču šāda metode nevienā SDK nepastāv. Avoti: Strukturētās izvades · Koda izpilde.

Koda izpilde un rezultātu strukturēšana

Strukturēto izvadu apvienošana ar koda izpildi ļauj modelim aprēķināt rezultātus un atgriezt tos strukturētā formātā. Modelis uzraksta kodu, izpilda to izolētā vidē (smilškastē) un formatē izvadi saskaņā ar tavu shēmu.

Funkcija modeliem Grok 4 un jaunākiem

Tāpat kā meklēšana tīmeklī, šī kombinācija ir pieejama tikai modeliem Grok 4 un jaunākiem — tas attiecas uz visu pašreizējo līniju (Grok 4.5, Grok 4.3, grok-4.20 varianti). Vecāki modeļi neatbalstīja rīku kombinēšanu ar strukturētām izvadēm.

Tipisks lietojums: precīzi aprēķini

Galvenā koda izpides priekšrocība kopā ar strukturētām izvadēm ir aprēķinu precizitāte. LLM bieži pieļauj aritmētiskas kļūdas. Izpildot kodu, rezultāti ir matemātiski precīzi.

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

client = Client()  # atslēga tiek nolasīta no 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 uzrakstīs Python skriptu aprēķinu veikšanai, izpildīs to un pēc tam formatēs rezultātus atbilstoši FinancialAnalysis shēmai.

Piemērs: statistiskā analīze

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}")

Meklēšanas tīmeklī un koda izpides kombinēšana

Tu vari aktivizēt abus rīkus vienlaicīgi:

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 iegūs jaunākos datus no tīmekļa un pēc tam izmantos koda izpildi, lai aprēķinātu izmaiņas un vidējās vērtības.

Koda izpides ierobežojumi

  • Izpildes vide ir izolēta un īslaicīga.
  • Parastās Python pakotnes ir iepriekš instalētas (NumPy, Pandas, Matplotlib, SciPy).
  • Izpildes laiks un atmiņa ir ierobežoti.
  • Izpildītajam kodam nav piekļuves tīklam.
  • Starp izsaukumiem netiek saglabāti faili.

Galvenās atziņas

  • Koda izpide kopā ar strukturētām izvadēm prasa vismaz Grok 4 — visi pašreizējie modeļi ir saderīgi.
  • Modelis raksta un izpilda kodu, lai iegūtu precīzus aprēķinus.
  • Aktivizē rīku, izmantojot code_execution() xAI SDK vai {"type": "code_interpreter"} Responses API, un pēc tam iegūsti tipizēto objektu ar chat.parse(Schema).
  • Kombinējams ar web_search, lai vispirms meklētu un pēc tam aprēķinātu.
  • Ideāli piemērots finanšu, statistikas un matemātiskai analīzei.
  • Aprēķinātie rezultāti ir precīzi, atšķirībā no LLM aplēsēm.