Casos de Uso Práticos
Nesta página
Execução de Código em Produção
Esta última lição aborda casos de uso práticos da Execução de Código para lhe dar uma visão clara do que pode construir. Cada exemplo ilustra um domínio de aplicação com o respetivo prompt e lógica.
Análise Financeira
Otimização de Carteira
A Execução de Código é particularmente adequada para modelação financeira. A sandbox inclui NumPy e SciPy, que tratam dos cálculos de otimização necessários:
input_text = """
Portfolio of 5 assets with the following monthly returns (12 months):
Asset A: [2.1, -0.5, 1.8, 3.2, -1.1, 2.5, 0.8, 1.2, -0.3, 2.8, 1.5, 0.9]
Asset B: [1.5, 0.2, 2.1, 1.8, 0.5, 1.2, 2.3, -0.1, 1.6, 0.8, 1.9, 2.2]
Asset C: [-0.3, 3.5, -1.2, 4.1, -0.8, 2.9, -0.5, 3.2, -1.0, 3.8, -0.2, 2.7]
Asset D: [0.8, 0.9, 0.7, 1.1, 0.6, 0.8, 1.0, 0.5, 0.9, 0.7, 1.2, 0.8]
Asset E: [3.5, -2.1, 4.2, -1.5, 3.8, -0.9, 2.7, -1.8, 3.1, -0.5, 4.5, -1.2]
Calculate:
1. The correlation matrix between assets
2. The minimum variance portfolio
3. The optimal portfolio (maximum Sharpe ratio, risk-free rate = 4% annual)
4. The efficient frontier (10 points)
Present allocations as percentages.
"""
O modelo escreverá código utilizando NumPy para a matriz de correlação e SciPy para a otimização com restrições.
Rácio de Sharpe e Indicadores de Risco
input_text = """
Daily returns of a fund over 20 days:
[0.12, -0.05, 0.08, 0.15, -0.03, 0.22, -0.11, 0.06, 0.09, -0.07,
0.14, 0.03, -0.08, 0.18, 0.01, -0.04, 0.11, 0.07, -0.02, 0.13]
Calculate the Sharpe ratio, Sortino ratio, Value at Risk (95%),
and maximum drawdown. Annual risk-free rate = 4%.
"""
Análise Estatística
Testes de Hipóteses
O SciPy permite realizar testes estatísticos rigorosos:
input_text = """
Group A (treatment): [85, 88, 91, 87, 93, 89, 86, 92, 90, 88]
Group B (control): [78, 82, 80, 85, 79, 83, 81, 77, 84, 80]
Perform a Student's t-test to determine if the difference between
the two groups is statistically significant (alpha = 0.05).
Include hypotheses, test statistic, p-value, and conclusion.
"""
Regressão e Previsão
input_text = """
Monthly sales data (in thousands of euros):
Month (x): [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
Sales (y): [45, 52, 48, 61, 55, 67, 72, 68, 75, 80, 78, 85]
1. Perform linear regression
2. Calculate R² and standard error
3. Predict sales for months 13, 14, 15
4. Test if the trend is significant
"""
Computação Científica
Resolução de Equações Diferenciais
input_text = """
Solve the second-order differential equation:
y'' + 2y' + 5y = 0
Initial conditions: y(0) = 1, y'(0) = 0
Interval: t from 0 to 10
Plot the solution and identify the behavior (damped oscillation,
critical, overdamped).
"""
Simulações de Monte Carlo
input_text = """
Monte Carlo simulation to estimate the probability that a project
is profitable.
Parameters (normal distributions):
- Monthly revenue: mean = €50,000, std dev = €10,000
- Monthly fixed costs: €30,000
- Variable costs: 15% to 25% of revenue (uniform)
- Project duration: 12 months
Run 10,000 simulations. Calculate the probability of profitability
and the net profit distribution. Present the 5th, 50th, and 95th percentiles.
"""
Processamento e Limpeza de Dados
input_text = """
Raw data (CSV with common issues):
name,age,salary,city
Alice,32,45000,Paris
Bob,,52000,Lyon
Charlie,28,NA,Marseille
Diana,45,62000,paris
Eve,33,48000,LYON
Frank,-5,55000,Toulouse
Grace,29,999999,Bordeaux
1. Identify and handle missing values
2. Correct inconsistencies (negative age, outlier salary)
3. Normalize city names (consistent casing)
4. Calculate descriptive statistics on cleaned data
5. Document each transformation performed
"""
Arquitetura Completa de Fluxo de Trabalho
Para aplicações em produção, combine ferramentas num fluxo de trabalho estruturado:
- A Pesquisa Web recupera dados atualizados (preços, indicadores, notícias)
- A Execução de Código analisa os dados recuperados (cálculos, estatísticas, gráficos)
- A sua aplicação formata e apresenta os resultados ao utilizador
Este padrão aplica-se a muitos domínios: finanças, inteligência competitiva, análise de mercado, relatórios automatizados.
Pontos-chave
- A Execução de Código destaca-se na análise financeira (Sharpe, otimização de carteira, VaR)
- Testes estatísticos e regressões são um caso de uso natural com o SciPy
- Simulações de Monte Carlo funcionam bem dentro dos limites de memória da sandbox
- A limpeza de dados com Pandas é um caso de uso prático diário
- Combine Pesquisa Web + Execução de Código para fluxos de trabalho automatizados completos
- Forneça dados estruturados e instruções precisas para obter melhores resultados
Teste os Seus Conhecimentos
Web, X, código: as ferramentas de servidor do Grok em cinco verificações.
1. Quais são as duas categorias de ferramentas do Grok?
Resposta: Ferramentas integradas, executadas no servidor pela xAI (pesquisa web, pesquisa X, execução de código), e as suas funções personalizadas, executadas pelo seu código — dois mundos que se combinam.
2. Como funciona o fluxo de execução de uma ferramenta integrada?
Resposta: Em cinco passos no lado do servidor: o modelo decide, a ferramenta executa na xAI, os resultados retornam ao modelo, que responde — recebe a resposta final com registos e citações.
3. O que permitem os filtros de Pesquisa Web e Pesquisa X?
Resposta: Delimitar fontes: domínios permitidos na web, handles e datas no X — a atualidade e a fiabilidade são controladas, e as citações documentam cada resposta.
4. O que pode fazer a Execução de Código?
Resposta: Executar Python numa sandbox — bibliotecas comuns disponíveis, restrições de segurança rigorosas: cálculos, transformações e verificações são delegados a código exato.
5. O que deve monitorizar relativamente aos custos?
Resposta: Cada invocação de ferramenta é faturada adicionalmente aos tokens: direcione as pesquisas, limite as profundidades e ative apenas as ferramentas úteis ao pedido.
Capacidades de servidor prontas a usar, controladas pelos seus filtros e orçamento: as ferramentas integradas tornam o Grok num agente — você permanece o diretor.