Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Code Interpreter: Spúšťanie kódu v API

Lekcia 10 z 20 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. Code Interpreter: Spúšťanie kódu v API
  2. Povolenie Code Interpreter
  3. Kontrola vykonaného kódu
  4. Poskytnutie súborov ako vstup
  5. Získanie vygenerovaných súborov
  6. Kontajner a prostredie
  7. Reťazenie viacerých vykonaní
  8. Kombinácia s inými nástrojmi
  9. Vzorec: Kompletný analytický pipeline
  10. Kľúčové poznatky

Aktualizované 2. novembra 2026 na základe oficiálnej príručky Code Interpreter a SDK openai: nástroj vyžaduje parameter container (chybajúci vo všetkých predchádzajúcich príkladoch, ktoré by zlyhali), vygenerované súbory sa objavujú v anotáciách container_file_citation a sťahujú sa cez Containers API (nie client.files.content) a výstupy volaní sa nazývajú outputs (nie results). Časti vstupného textu používajú typ input_text. Súbory pripojené k správe sa nahrávajú s účelom user_data, čo OpenAI odporúča pre vstupy modelu (File inputs). Zdroje: Code Interpreter · File inputs.

Code Interpreter: Spúšťanie kódu v API

Jazykový model predpovedá text; nepočíta. Ak ho požiadaš o druhú odmocninu z 1764, vyprodukuje najpravdepodobnejší výsledok na základe svojho tréningu – často správny, niekedy chybný, bez možnosti rozlíšiť rozdiel. Code Interpreter odstraňuje túto neistotu tým, že modelu poskytne interpret Pythonu: napíše výpočet, vykoná ho a vráti získaný výsledok, nie hádanku.

Posun je hlbší, než sa zdá. Model vidí výstup svojho vlastného kódu, vrátane chýb, takže sa môže opraviť a skúsiť to znova. Pri dátovom súbore, kde nikto nepozná presnú štruktúru, tento cyklus porazí akúkoľvek vopred napísanú inštrukciu.

Povolenie Code Interpreter

Povolíš ho pridaním nástroja do poľa tools – nič na inštaláciu, žiadne prostredie na nasadenie. Model sa rozhodne, kedy napíše kód: na faktické otázky odpovedá priamo, ale pri výpočtoch alebo manipulácii s dátami prepne na vykonávanie.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Calculate the Fibonacci sequence up to the 20th term",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

print(response.output_text)

Model napíše kód v Pythone, vykoná ho v pieskovisku a integruje výsledky do svojej odpovede.

Kontrola vykonaného kódu

Zvykni si čítať tento kód, aspoň počas vývoja. Je to jediný spôsob, ako rozlíšiť dobrý výsledok od toho, ktorý je správny len náhodou: priemer vypočítaný pri tichom ignorovaní chýbajúcich hodnôt je numericky správny, ale analyticky falošný. Odpoveď ti to nepovie; kód áno.

Odpoveď obsahuje vygenerovaný kód a jeho výsledky:

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the square root of 1764? Verify by squaring the result.",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
    include=["code_interpreter_call.outputs"],  # to receive produced logs and images
)

for item in response.output:
    if item.type == "code_interpreter_call":
        print("--- Executed Code ---")
        print(item.code)
        print("--- Outputs ---")
        for output in item.outputs or []:
            print(output.logs if output.type == "logs" else output.url)

Poskytnutie súborov ako vstup

Nástroj prináša svoju plnú hodnotu pri práci so súbormi. Nahraš súbor, odkážeš naň vo volaní a model ho skutočne otvorí – číta skutočné stĺpce, skutočné typy a skutočné odľahlé hodnoty, namiesto toho, aby uvažoval o popise, ktorý si mu mohol poskytnúť.

# Upload the file
with open("sales_2025.csv", "rb") as f:
    file_obj = client.files.create(file=f, purpose="user_data")

# Use Code Interpreter with the file
response = client.responses.create(
    model="gpt-5.6-terra",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Analyze this sales file. "
                 "Give me the total by category and the best-performing month."},
                {"type": "input_file", "file_id": file_obj.id}
            ]
        }
    ],
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

print(response.output_text)

Získanie vygenerovaných súborov

Funguje aj opačný smer: kód vytvorí vyčistený CSV, graf alebo zošit Excelu a tieto súbory sa ti vrátia. Zostávajú v kontajneri a odpoveďová správa ich cituje vo svojich anotáciách typu container_file_citation, vrátane ID kontajnera, ID súboru a názvu súboru. Následne ich stiahneš cez Containers API. Dve malé funkcie, znovu použité v ďalších lekciách, zapuzdrujú tento tok:

def generated_files(response):
    """Files created by Code Interpreter, cited in message annotations."""
    for item in response.output:
        if item.type == "message":
            for part in item.content:
                for ann in getattr(part, "annotations", None) or []:
                    if ann.type == "container_file_citation":
                        yield ann


def download(client, ann, path):
    """Downloads a file from the container and returns its local path."""
    content = client.containers.files.content.retrieve(ann.file_id, container_id=ann.container_id)
    with open(path, "wb") as out:
        out.write(content.read())
    return path

Súbory, ktoré poskytuješ ako vstup (input_file), sa automaticky skopírujú do kontajnera: nemusíš nič ďalšie nahrávať.

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Create a chart of sales by month "
                 "and export the cleaned data as a CSV."},
                {"type": "input_file", "file_id": file_obj.id}
            ]
        }
    ],
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

# Retrieve generated files
for ann in generated_files(response):
    print(f"Generated file: {ann.filename}")
    download(client, ann, ann.filename)

Kontajner a prostredie

Poznanie pravidiel kontajnera šetrí čas pri ladení toho, čo nemôže fungovať. Podľa dokumentácie OpenAI:

  • ide o plne izolovaný virtuálny stroj (pieskovisko), kde model vykonáva Python;
  • nástroj vyžaduje parameter container: {"type": "auto"} vytvorí kontajner (alebo znovu použije jeden z predchádzajúceho volania prítomného v kontexte), zatiaľ čo ID získané cez client.containers.create(...) vynúti konkrétny kontajner;
  • pamäť sa nastavuje pomocou memory_limit: 1g (predvolené), 4g, 16g alebo 64g, pričom vyššie úrovne sa fakturujú podľa sadzieb integrovaných nástrojov;
  • kontajner vyprší po 20 minútach nečinnosti; jeho dáta sa potom stratia, takže si stiahni všetky súbory, ktoré chceš zachovať, kým je aktívny.

Nespoľahni sa na prístup k sieti z kódu: poskytni dáta ako vstup alebo deleguj vyhľadávanie na nástroj Web Search.

# Example: the model can use pandas directly
response = client.responses.create(
    model="gpt-5.6-terra",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Load this CSV with pandas, "
                 "calculate descriptive statistics, and identify outliers."},
                {"type": "input_file", "file_id": file_obj.id}
            ]
        }
    ],
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

Reťazenie viacerých vykonaní

Postupné vykonania zdieľajú rovnakú reláciu: premenné, DataFrame a importy z prvého bloku zostávajú dostupné v ďalšom, presne ako v zošite. Model to prirodzene využíva – načíta, preskúma, potom spracuje – čo umožňuje viackrokovú analýzu bez opätovného načítania všetkého v každej fáze.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="1. Generate 1000 random points from a normal distribution. "
          "2. Calculate the mean and standard deviation. "
          "3. Create a histogram. "
          "4. Perform a Shapiro-Wilk normality test.",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

# The model executes 4 code blocks sequentially
# Each block has access to variables from previous ones

Kombinácia s inými nástrojmi

Najužitočnejšia kombinácia spája zdroj dát so schopnosťou ich spracovať: File Search nájde relevantný úsek vo tvojich dokumentoch, Web Search prinesie trhové dáta a Code Interpreter porovná obe v tabuľke alebo grafe. Žiadny z týchto nástrojov nedokáže vykonať prácu tých ostatných.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Search the web for French GDP data from the last 10 years, "
          "then create a trend chart with a linear regression.",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter", "container": {"type": "auto"}}
    ]
)

Vzorec: Kompletný analytický pipeline

Posledný príklad spája všetko vyššie uvedené do realistického prípadu: vstupný súbor, viackroková analýza a výstupné výstupy. Zameraj sa najmä na formát promptu – číslovaný, explicitný ohľadom očakávaného výstupu – pretože práve to, oveľa viac než sprievodný kód Pythonu, určuje kvalitu výsledku.

def analyze_data(file_path: str, questions: list[str]) -> dict:
    """Data analysis pipeline with Code Interpreter."""
    # Upload
    with open(file_path, "rb") as f:
        file_obj = client.files.create(file=f, purpose="user_data")

    results = {}

    for question in questions:
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=[
                {
                    "role": "user",
                    "content": [
                        {"type": "input_text", "text": question},
                        {"type": "input_file", "file_id": file_obj.id}
                    ]
                }
            ],
            tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
            instructions="Write clean, commented Python code. "
                        "Display intermediate results."
        )

        results[question] = response.output_text

    return results

# Usage
results = analyze_data("sales.csv", [
    "Give descriptive statistics for each numeric column",
    "What are the top 5 best-selling products?",
    "Is there seasonality in sales?"
])

Kľúčové poznatky

  • Code Interpreter spúšta Python v izolovanom kontajneri; parameter container je povinný ({"type": "auto"} alebo ID)
  • Súbory poskytnuté ako input_file sa automaticky skopírujú do kontajnera
  • Vygenerované súbory sú citované ako container_file_citation a sťahujú sa cez client.containers.files.content.retrieve
  • Kontajner vyprší po 20 minútach nečinnosti: stiahni si to, čo chceš zachovať
  • Kombinuj s Web Search a File Search pre obohatenú analýzu