Salt la conținutul principal
Română— Alege o limbă
Meniu

Combinarea raționamentului cu instrumentele

Lecția 10 din 12 Actualizată 5 noiembrie 2026 Intermediar
Pe această pagină
  1. Aprofundați utilizarea instrumentelor avansate
  2. Raționamentul ca motor al instrumentelor
  3. Trei tipare de combinare
  4. Recâștigarea controlului asupra instrumentelor
  5. Vizualizări care necesită judecată
  6. Pe rândul dumneavoastră
  7. Puncte cheie

Aprofundați utilizarea instrumentelor avansate

Acum știți cum să combinați raționamentul cu executarea de cod și căutarea pe web. Această lecție explorează combinații avansate: înlănțuirea strategică a instrumentelor, utilizarea raționamentului pentru a le ghida și construirea unor fluxuri de lucru cu adevărat autonome.

Raționamentul ca motor al instrumentelor

Diferența dintre un model care răspunde fără a gândi și un model de raționament care utilizează instrumente este fundamentală. Începând cu un nivel de efort medium—recomandat de OpenAI ori de câte ori planificarea contează—modelul poate planifica ce instrumente să utilizeze și în ce ordine, poate evalua rezultatele fiecărui instrument înainte de a continua, își poate adapta strategia când un instrument nu returnează ceea ce se aștepta și poate combina ieșirile într-o concluzie coerentă. Concret, nu execută doar cod atunci când îi cereți: analizează problema, decide că codul este cea mai bună metodă de rezolvare, scrie codul adecvat, analizează rezultatul și apoi decide dacă este necesar să meargă mai departe. Nuanța poate părea subtilă, dar schimbă totul într-un flux de lucru cu patru instrumente, unde o decizie inițială greșită se propagă până la final.

Din perspectiva API-ului, două mecanisme susțin această logică. În cazul apelurilor de funcții (function calling), OpenAI recomandă returnarea elementelor de raționament produse împreună cu ultimul apel către model, pe lângă rezultatul funcției: acest lucru menține modelul aliniat cu ceea ce planificase. Cu Programmatic Tool Calling, modelul scrie un program JavaScript, executat într-un mediu izolat, care orchestrează apelurile de instrumente și filtrează rezultatele intermediare. În final, în ChatGPT Work și Codex, Ultra distribuie sarcinile cele mai grele către sub-agenți, cu costul unui consum semnificativ mai ridicat.

Trei moduri de a înlănțui instrumentele Trei coloane. Căutare mai întâi: începeți de pe web, evaluați sursele, apoi calculați și reprezentați grafic. Datele dumneavoastră mai întâi: începeți din fișierul dumneavoastră, calculați în Python, apoi comparați cu web-ul. Cod iterativ: încercați o metodă, evaluați rezultatul, treceți la metoda de rezervă. TIPARE DE COMBINARE Trei moduri de a înlănțui instrumentele Căutare mai întâi Start Web-ul Urmează Evaluarea surselor Sfârșit Calcul și grafic Datele dumneavoastră mai întâi Start Fișierul dumneavoastră Urmează Calcule Python Sfârșit Comparare cu web-ul Cod iterativ Start O primă metodă Urmează Rezultat evaluat Sfârșit Metodă de rezervă În API, returnați elementele de raționament împreună cu rezultatul fiecărei funcții.
Bazat pe ghidul modelelor de raționament din API-ul OpenAI și Centrul de ajutor OpenAI (noiembrie 2026).

Trei tipare de combinare

Primul tipar—Căutare, apoi Analiză, apoi Cod—se potrivește analizelor de piață și benchmark-urilor, adică situațiilor în care datele nu există încă în posesia dumneavoastră.

„Căutați cotele de piață ale primilor 5 furnizori de cloud din Europa în 2025. Apoi, pe baza acestor date, creați o diagramă cu bare și calculați rata de concentrare a pieței (indicele HHI). Interpretați rezultatul.“

Modelul înlănțuie apoi patru faze distincte.

  1. Căutarea pe web pentru colectarea datelor
  2. Raționament privind fiabilitatea surselor
  3. Executarea codului pentru diagramă și calcul
  4. Raționament privind interpretarea economică

A doua fază este cea pe care oamenii o uită adesea când scriu promptul, deși ea este cea care vă împiedică să construiți un indice HHI pe baza unor cifre aproximative.

Al doilea tipar inversează punctul de plecare: începe cu datele dumneavoastră pentru a le îmbogăți din exterior—Date, Cod, Căutare, Sinteză.

„Iată fișierul meu de vânzări pe țări (CSV). Calculați rata de creștere pe țară, apoi căutați rata de creștere a PIB-ului pentru fiecare țară în aceeași perioadă. Identificați țările în care creșterea noastră depășește creșterea PIB-ului (performanță superioară) și pe cele în care se întâmplă invers.”

Al treilea tipar, cod iterativ cu raționament, valorifică capacitatea modelului de a scrie cod, de a analiza rezultatul, de a identifica o problemă și de a rescrie—totul automat. Puteți chiar să specificați metoda de rezervă (fallback).

„Iată un set de date de tranzacții (CSV). Detectați anomaliile statistice. Dacă prima metodă (z-score) nu produce rezultate clare, încercați metoda intervalului interquartilic. Alegeți metoda cea mai relevantă și explicați de ce.”

Recâștigarea controlului asupra instrumentelor

Lăsarea deciziei la latitudinea modelului este convenabilă, dar uneori știți deja ce instrument se potrivește—iar indicarea acestuia este mai eficientă decât a-l lăsa să exploreze. Prin urmare, îl puteți restricționa: „Fără a căuta pe web, analizează doar datele din fișierul atașat și oferă-mi concluziile exclusiv pe baza acestor date“ sau „Nu executa cod pentru această întrebare. Raționează doar pe baza informațiilor pe care ți le furnizez.“

Pentru fluxurile de lucru lungi, inserați puncte de control în loc să lansați totul într-un singur bloc: „Pasul 1: calculează metricile de bază și arată-mi rezultatele înainte de a continua. Pasul 2 (după validarea mea): îmbogățește cu date de pe web. Pasul 3: generează raportul final.“ Acest lucru vă menține capacitatea de a opri procesul înainte ca o eroare să se propage către pași costisitori.

Vizualizări care necesită judecată

Combinația dintre raționament și executarea codului strălucește în mod deosebit atunci când vizualizarea în sine implică decizii: ce tip de diagramă, ce praguri, ce evidențieri.

„Iată datele mele de performanță (Excel). Creează un tablou de bord de o pagină cu: (1) cea mai relevantă diagramă pentru fiecare metrică—alegeți singur tipul de diagramă în funcție de natura datelor, (2) evidențierea automată a anomaliilor, (3) un cod de culori verde/galben/roșu bazat pe praguri pe care le veți determina în funcție de distribuția datelor.”

Modelul raționează asupra tipului optim de diagramă pentru fiecare metrică în parte, calculează praguri statistic relevante în loc să le inventeze și produce codul corespunzător. Aceasta este exact munca pe care un analist ar face-o înainte de a-și deschide editorul.

Pe rândul dumneavoastră

Un flux de lucru complet. Testați acest flux de lucru la un nivel ridicat de raționament (High în Chat, high în API).

„Îți voi oferi un fișier CSV cu cheltuielile lunare pe categorii pe o perioadă de 24 de luni. Doresc:

  1. Identificarea celor 3 categorii cu cea mai mare creștere (calcul în Python)
  2. Pentru fiecare, caută dacă aceasta este o tendință națională sau specifică cazului meu (căutare pe web)
  3. Produ o diagramă comparativă: cheltuielile mele vs. tendința națională (Python)
  4. Scrie un rezumat cu recomandări (raționament pur) Prezintă rezultatul fiecărui pas.”

În timpul exercițiului, observați ce se întâmplă când executarea codului eșuează. Modelul poate reîncerca singur, ceea ce este un lucru bun; dar dacă problema stă în datele dumneavoastră, nicio rescriere nu o va rezolva: verificați fișierul în loc să repetați procesul. Și dacă cererea devine prea grea, descompuneți-o în pași validați unul câte unul.

Surse oficiale: Modele de raționament (API OpenAI: niveluri de efort, returnarea elementelor de raționament cu apelurile de funcții) · Programmatic Tool Calling · Analiza datelor cu ChatGPT (executarea codului în ChatGPT) · Modele (Ultra)

Puncte cheie

  • La un nivel suficient de efort, raționamentul ghidează instrumentele strategic, nu mecanic
  • Trei tipare cheie: căutare, analiză apoi cod; date, cod apoi căutare; cod iterativ
  • Din perspectiva API-ului, returnați elementele de raționament împreună cu rezultatele funcțiilor și luați în considerare Programmatic Tool Calling
  • Puteți forța sau restricționa utilizarea instrumentelor în funcție de nevoile dumneavoastră
  • Inserați puncte de control în fluxurile de lucru lungi pentru a menține controlul