Ograniczenia bezpieczeństwa środowiska izolowanego (sandbox)
Na tej stronie
Środowisko izolowane z założenia
Piaskownica Code Execution dla języka Python została zaprojektowana z myślą o bezpieczeństwie. Kod uruchamia się w odizolowanym środowisku, które chroni zarówno infrastrukturę xAI, jak i Twoje dane. Zrozumienie tych ograniczeń jest kluczowe, aby projektować integracje działające poprawnie i wiedzieć, kiedy Code Execution spełni Twoje oczekiwania.
Pięć fundamentalnych ograniczeń
1. Brak dostępu do sieci
Piaskownica nie ma połączenia z Internetem ani żadną siecią zewnętrzną. Kod nie może:
- Wysyłać żądań HTTP (brak
requests, brakurllib) - Łączyć się ze zdalnymi bazami danych
- Wywoływać zewnętrznych API
- Pobierać plików z sieci
- Wysyłać e-maili ani powiadomień
To ograniczenie jest najbardziej restrykcyjne. Jeśli Twój przypadek użycia wymaga danych zewnętrznych, musisz dostarczyć je w prompcie lub wcześniej użyć Web Search, aby je pobrać.
2. Ograniczony dostęp do systemu plików
Kod działa w katalogu tymczasowym z ograniczonym dostępem do systemu plików:
- Odczyt/zapis możliwy tylko w tymczasowym katalogu roboczym
- Brak dostępu do plików systemowych
- Brak dostępu do katalogów innych użytkowników
- Pliki utworzone podczas działania są usuwane po zakończeniu wykonania
3. Tymczasowy i bezstanowy kontekst
Każde wykonanie jest niezależne. Nie ma trwałości danych między dwoma żądaniami API:
- Zmienne zdefiniowane podczas jednego wykonania nie istnieją w kolejnym
- Utworzone pliki są usuwane
- Biblioteki załadowane do pamięci są resetowane
- Nie jest prowadzona historia wykonań
Oznacza to, że nie możesz zbudować sesji interaktywnej, w której wyniki jednego obliczenia są automatycznie przekazywane do następnego. Aby zasymulować taki stan, musisz dołączyć poprzednie wyniki do nowego promptu.
4. Ograniczenia czasu wykonania
Piaskownica narzuca limit czasu (timeout) na wykonanie kodu. Jeśli obliczenie trwa zbyt długo, zostaje przerwane. Implikuje to:
- Brak pętli nieskończonych (zostaną przerwane)
- Brak ekstremalnie długich obliczeń (duże zbiory danych, ciężkie symulacje)
- Brak operacji oczekiwania (
time.sleepdla długich okresów)
Model zazwyczaj świadomie tych limitów i pisze zoptymalizowany kod, ale bardzo ambitne żądania mogą zakończyć się niepowodzeniem z powodu przekroczenia czasu.
5. Ograniczenia pamięci
Piaskownica dysponuje ograniczoną ilością pamięci. Operacje na bardzo dużych wolumenach danych mogą się nie powieść:
- Obiekty Pandas DataFrame z milionami wierszy ryzykują przekroczenie limitu pamięci
- Bardzo duże macierze NumPy mogą powodować problemy
- Operacje duplikujące dane w pamięci zwiększają ryzyko awarii
Implikacje dla projektowania
Co Code Execution robi dobrze
- Precyzyjne obliczenia matematyczne i statystyczne
- Analiza zbiorów danych o umiarkowanym rozmiarze (od setek do tysięcy wierszy)
- Weryfikacja wzorów i algorytmów
- Generowanie wykresów i wizualizacji
- Szybkie prototypowanie logiki obliczeniowej
Czego Code Execution nie robi dobrze
- Przetwarzanie dużych wolumenów danych (big data)
- Interakcje z systemami zewnętrznymi
- Obliczenia iteracyjne rozłożone na wiele żądań
- Uczenie maszynowe i trenowanie modeli
- Długie operacje (trwające dłużej niż kilka sekund)
Sposoby obejścia ograniczeń
Jeśli musisz wyjść poza te ograniczenia:
- Dane zewnętrzne: użyj Web Search, aby pobrać dane, a następnie Code Execution, aby je przeanalizować
- Duże wolumeny: wyodrębnij reprezentatywną próbę i przeanalizuj ją w piaskownicy, a następnie zastosuj wyniki do całego zbioru we własnym środowisku
- Stan między żądaniami: przechowuj wyniki pośrednie po stronie klienta i wstrzykuj je do kolejnych żądań
Kluczowe wnioski
- Piaskownica jest izolowana: brak sieci, brak trwałości danych, brak dostępu do systemu
- Każde wykonanie jest niezależne (bezstanowe)
- Obowiązują limity czasu i pamięci
- Code Execution sprawdza się najlepiej w precyzyjnych obliczeniach i analizie danych o umiarkowanym rozmiarze
- W przypadkach brzegowych połącz Code Execution z innymi narzędziami lub własną infrastrukturą