Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Limites Práticos e Melhores Práticas

Aula 15 de 16 Atualizada a 30 de julho de 2026 Programador
Nesta página
  1. Aproveitar ao Máximo a Execução de Código
  2. Seleção do Modelo
  3. Definição da Temperatura
  4. Estruturação dos Seus Prompts
  5. Gestão de Erros
  6. Validação de Resultados
  7. Combinação da Execução de Código com Pesquisa na Web
  8. Pontos-chave

Aproveitar ao Máximo a Execução de Código

Agora que compreende as restrições técnicas da sandbox, esta lição foca-se nas melhores práticas para obter resultados fiáveis e otimizar a utilização da Execução de Código. Estas recomendações derivam de utilização em produção e de orientações da xAI.

Seleção do Modelo

A xAI recomenda a utilização do modelo grok-4.20-0309-reasoning para geração de código. Este modelo produz código mais estruturado, melhor comentado e com menos erros do que os modelos sem capacidade de raciocínio. A diferença é particularmente visível em problemas complexos que exigem raciocínio em várias etapas.

Definição da Temperatura

Para cálculos matemáticos e análise de dados, utilize temperaturas baixas:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Calculate the weighted standard deviation of these values: ...",
    tools=[client.tools.code_execution()],
    temperature=0.1
)
  • 0,0 a 0,1: cálculos matemáticos puros, resultados determinísticos
  • 0,1 a 0,3: análise de dados com interpretação
  • 0,3 a 0,7: geração de código criativo (evitar para cálculos críticos)

Uma temperatura elevada pode gerar diferentes abordagens algorítmicas em cada chamada, tornando os resultados não reproduzíveis.

Estruturação dos Seus Prompts

Incluir Dados no Prompt

Uma vez que a sandbox não tem acesso à rede, deve incluir quaisquer dados a analisar diretamente no prompt:

data = """
Month,Sales,Costs
Jan,15000,8000
Feb,18000,9500
Mar,22000,11000
Apr,19000,10000
"""

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=f"Analyze this sales data and calculate monthly margins:\n{data}",
    tools=[client.tools.code_execution()],
    temperature=0.1
)

Especificar o Formato de Saída Esperado

O modelo produz melhores resultados quando especifica o que espera:

input_text = """
Data: [2.5, 3.1, 4.7, 2.8, 5.2, 3.9, 4.1]

Calculate:
1. The mean and median
2. The standard deviation
3. The coefficient of variation
4. Identify outliers (IQR method)

Present the results in a formatted table.
"""

Decompor Problemas Complexos

Para análises em várias etapas, estruture o seu prompt de forma sequencial:

input_text = """
Step 1: Load this portfolio return data
Step 2: Calculate the annualized return
Step 3: Calculate volatility (annualized standard deviation)
Step 4: Calculate the Sharpe ratio (risk-free rate = 4%)
Step 5: Present a summary with all indicators
"""

Gestão de Erros

O modelo pode encontrar erros de execução. Nesse caso, geralmente tenta corrigir o seu código e voltar a executá-lo. Isto significa que:

  • Várias invocações podem ser faturadas para um único pedido
  • O resultado final pode demorar mais tempo a chegar
  • Em casos raros, o modelo pode não conseguir corrigir o erro

Para minimizar erros, seja preciso nas suas instruções e forneça dados num formato claro e estruturado (CSV, JSON, tabelas).

Validação de Resultados

A Execução de Código é uma ferramenta poderosa, mas não é infalível. Para cálculos críticos:

  • Verifique os resultados num subconjunto conhecido
  • Peça ao modelo que explique a sua metodologia
  • Compare com resultados obtidos por outros meios
  • Solicite o código-fonte para revisão, se necessário

O modelo inclui frequentemente o código executado na sua resposta, permitindo-lhe verificar a lógica.

Combinação da Execução de Código com Pesquisa na Web

Um caso de uso avançado envolve combinar as duas ferramentas:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Find the current stock prices for Apple, Google, and Microsoft, then calculate their correlation over the last month",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ],
    temperature=0.1
)

O modelo utiliza a Pesquisa na Web para recuperar dados e, em seguida, a Execução de Código para os analisar. Este fluxo de trabalho é totalmente automático.

Pontos-chave

  • Utilize grok-4.20-0309-reasoning para a melhor qualidade de código
  • Temperatura baixa (0,0–0,3) para cálculos, mais elevada para código criativo
  • Inclua dados no prompt (a sandbox não tem acesso à rede)
  • Estruture os seus pedidos: formato esperado, etapas sequenciais
  • Valide resultados críticos — o modelo não é infalível
  • A combinação Pesquisa na Web + Execução de Código é um fluxo de trabalho poderoso