Praktické prípady použitia
Na tejto strane
Vykonávanie kódu v produkcii
Táto záverečná lekcia pokrýva praktické prípady použitia vykonávania kódu, aby si získal jasnú predstavu o tom, čo môžeš vytvoriť. Každý príklad ilustruje aplikačnú doménu spolu s príslušným promptom a logikou.
Finančná analýza
Optimalizácia portfólia
Vykonávanie kódu je obzvlášť vhodné pre finančné modelovanie. Sandbox obsahuje knižnice NumPy a SciPy, ktoré zvládajú potrebné optimalizačné výpočty:
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.
"""
Model napíše kód využívajúci NumPy pre korelačnú maticu a SciPy pre optimalizáciu s obmedzeniami.
Sharpeov pomer a ukazovatele rizika
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%.
"""
Štatistická analýza
Testovanie hypotéz
SciPy ti umožňuje vykonávať rigorózne štatistické testy:
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.
"""
Regresia a predikcia
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
"""
Vedecké výpočty
Riešenie diferenciálnych rovníc
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).
"""
Monte Carlo simulácie
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.
"""
Spracovanie a čistenie dát
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
"""
Architektúra kompletného pracovného postupu
Pre produkčné aplikácie kombinuj nástroje v štruktúrovanom pracovnom postupe:
- Webové vyhľadávanie získava aktuálne údaje (ceny, indikátory, správy)
- Vykonávanie kódu analyzuje získané údaje (výpočty, štatistiky, grafy)
- Tvoja aplikácia formátuje a prezentuje výsledky používateľovi
Tento vzor sa uplatňuje v mnohých doménach: financie, konkurenčný prieskum, analýza trhu, automatizované reportovanie.
Kľúčové poznatky
- Vykonávanie kódu vyniká vo finančnej analýze (Sharpeov pomer, optimalizácia portfólia, VaR)
- Štatistické testy a regresie sú prirodzeným prípadom použitia so SciPy
- Monte Carlo simulácie fungujú dobre v rámci limitov pamäte sandboxu
- Čistenie dát pomocou Pandas je praktickým každodenným prípadom použitia
- Kombinuj Webové vyhľadávanie + Vykonávanie kódu pre kompletné automatizované pracovné postupy
- Poskytuj štruktúrované údaje a presné inštrukcie pre lepšie výsledky
Otestuj si svoje vedomosti
Web, X, kód: serverové nástroje Grok v piatich kontrolách.
1. Aké sú dve kategórie nástrojov Grok?
Odpoveď: Integrované nástroje, vykonávané na strane servera xAI (webové vyhľadávanie, vyhľadávanie na X, vykonávanie kódu), a tvoje vlastné funkcie, vykonávané tvojím kódom – dva svety, ktoré sa spájajú.
2. Ako funguje tok vykonávania integrovaného nástroja?
Odpoveď: V piatich krokoch na strane servera: model sa rozhodne, nástroj sa vykoná na xAI, výsledky sa vrátia modelu, ktorý odpovie – ty dostaneš konečnú odpoveď so stopami a citáciami.
3. Čo umožňujú filtre Webového vyhľadávania a Vyhľadávania na X?
Odpoveď: Rámcovanie zdrojov: povolené domény na webe, účty a dátumy na X – čerstvosť a spoľahlivosť sú kontrolované a citácie dokumentujú každú odpoveď.
4. Čo dokáže Vykonávanie kódu?
Odpoveď: Vykonávať Python v sandboxe – dostupné bežné knižnice, prísne bezpečnostné obmedzenia: výpočty, transformácie a overenia sú delegované na presný kód.
5. Čo by si mal monitorovať v súvislosti s nákladmi?
Odpoveď: Každé vyvolanie nástroja je spoplatnené navyše k tokenom: cielené vyhľadávania, obmedzenie hĺbky a aktivácia len nástrojov užitočných pre požiadavku.
Serverové kapacity pripravené hneď z krabice, kontrolované tvojimi filtrami a rozpočtom: integrované nástroje robia z Grok agenta – ty zostávaš režisérom.