Strukturētas izvades un koda izpilde
Šajā lapā
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 izsaucotchat.parse(Schema), kas atgriež gan atbildi, gan tipizēto objektu; iepriekšējais piemērs izsaucaclient.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 archat.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.