Wyjścia strukturalne i wykonywanie kodu
Na tej stronie
Zaktualizowano 2 listopada 2026 r. Na podstawie dokumentacji xAI: w przypadku
xai-sdkwyjścia strukturalne łączą się z narzędziami poprzez utworzenie konwersacji (client.chat.create(..., tools=[code_execution()])), a następnie wywołaniechat.parse(Schema), które zwraca odpowiedź oraz typowany obiekt; poprzedni przykład wywoływałclient.chat.parse(...)z argumentami Chat Completions, co jest metodą nieistniejącą w żadnym SDK. Źródła: Structured Outputs · Code Execution.
Wykonywanie kodu i strukturyzowanie wyników
Połączenie wyjść strukturalnych z wykonywaniem kodu pozwala modelowi obliczać wyniki i zwracać je w sformatowanej strukturze. Model pisze kod, wykonuje go w środowisku piaskownicy (sandbox), a następnie formatuje wynik zgodnie z Twoim schematem.
Funkcja dostępna od Grok 4 i nowszych
Podobnie jak wyszukiwanie w sieci, to połączenie jest zarezerwowane dla modeli Grok 4 i nowszych – oznacza to całą obecną linię produktową (Grok 4.5, Grok 4.3, warianty grok-4.20). Wcześniejsze modele nie obsługiwały łączenia narzędzi z wyjściami strukturalnymi.
Typowy przypadek użycia: precyzyjne obliczenia
Główną zaletą wykonywania kodu wraz z wyjściami strukturalnymi jest precyzja obliczeń. Modele LLM regularnie popełniają błędy arytmetyczne. Dzięki wykonaniu kodu wyniki są matematycznie dokładne.
from pydantic import BaseModel
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import code_execution
client = Client() # klucz odczytany z 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("""Oto sprzedaż kwartalna:
- Produkt A: 150 sztuk po 45 €, koszt jednostkowy 28 €
- Produkt B: 320 sztuk po 22 €, koszt jednostkowy 15 €
- Produkt C: 85 sztuk po 120 €, koszt jednostkowy 78 €
Oblicz kompletną analizę finansową."""))
response, parsed = chat.parse(FinancialAnalysis)
print(f"Marża brutto: {parsed.gross_margin} €")
print(f"Marża: {parsed.margin_percentage}%")
print(f"Najlepszy produkt: {parsed.most_profitable_product}")
Model napisze skrypt w języku Python, aby przeprowadzić obliczenia, execute go, a następnie sformatuje wyniki zgodnie ze schematem FinancialAnalysis.
Przykład: analiza statystyczna
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("""Oblicz statystyki opisowe dla tych danych:
[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"Średnia: {parsed.mean}")
print(f"Odchylenie std: {parsed.std_dev}")
Łączenie wyszukiwania w sieci i wykonywania kodu
Możesz włączyć oba narzędzia jednocześnie:
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("Przeanalizuj akcje Apple z ostatnich 30 dni"))
response, parsed = chat.parse(MarketAnalysis)
Model pobierze najnowsze dane z sieci, a następnie użyje wykonywania kodu, aby obliczyć zmiany i średnie.
Ograniczenia wykonywania kodu
- Środowisko wykonawcze jest izolowane i efemeryczne
- Popularne pakiety Pythona są preinstalowane (NumPy, Pandas, Matplotlib, SciPy)
- Czas wykonania i zużycie pamięci są ograniczone
- Brak dostępu do sieci z poziomu wykonywanego kodu
- Pliki utworzone podczas wykonania nie są zachowywane między wywołaniami
Kluczowe wnioski
- Wykonywanie kodu + wyjścia strukturalne wymagają co najmniej Grok 4 – cała obecna linia modelowa jest kompatybilna
- Model pisze i wykonuje kod, aby uzyskać precyzyjne obliczenia
- Włącz narzędzie za pomocą
code_execution()w xAI SDK lub{"type": "code_interpreter"}w Responses API, a następnie pobierz typowany obiekt poprzezchat.parse(Schema) - Możliwość łączenia z
web_searchw celu wyszukiwania, a następnie obliczania - Idealne rozwiązanie do analiz finansowych, statystycznych i matematycznych
- Obliczone wyniki są dokładne, w przeciwieństwie do szacunków generowanych przez LLM