Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Strukturirani izhodi in izvajanje kode

Lekcija 9 od 12 Posodobljeno 2. november 2026 Razvijalec
Na tej strani
  1. Izvajanje kode in strukturiranje rezultatov
  2. Funkcija za Grok 4 in novejše različice
  3. Tipičen primer uporabe: Natančni izračuni
  4. Primer: Statistična analiza
  5. Združevanje spletnega iskanja in izvajanja kode
  6. Omejitve izvajanja kode
  7. Ključne ugotovitve

Posodobljeno 2. novembra 2026. Na podlagi dokumentacije xAI: pri uporabi xai-sdk se strukturirani izhodi združujejo z orodji tako, da najprej ustvarite pogovor (client.chat.create(..., tools=[code_execution()])), nato pa pokličete chat.parse(Schema), kar vrne odgovor in tipiziran objekt; prejšnji primer je klical client.chat.parse(...) z argumenti za dopolnitve klepeta (Chat Completions), kar je metoda, ki v nobenem SDK-ju ne obstaja. Viri: Structured Outputs · Code Execution.

Izvajanje kode in strukturiranje rezultatov

Kombinacija strukturiranih izhodov z izvajanjem kode modelu omogoča izračun rezultatov in njihov vračil v strukturirani obliki. Model napiše kodo, jo izvrši v peskovniškem okolju in izhod oblikuje skladno z vašo shemo.

Funkcija za Grok 4 in novejše različice

Tako kot spletno iskanje je tudi ta kombinacija rezervirana za modele Grok 4 in novejše – kar zajema celoten trenutni nabor (Grok 4.5, Grok 4.3, različice grok-4.20). Starejši modeli niso podpirali združevanja orodij s strukturiranimi izhodi.

Tipičen primer uporabe: Natančni izračuni

Glavna prednost izvajanja kode s strukturiranimi izhodi je natančnost izračunov. Jezikovni modeli (LLM) pogosto delajo aritmetične napake. Z izvajanjem kode so rezultati matematično točni.

from pydantic import BaseModel
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import code_execution

client = Client()  # ključ prebran iz XAI_API_KEY

class FinancialAnalysis(BaseModel):
    total_revenue: float
    total_cost: float
    gross_margin: float
    margin_percentage: float
    most_profitable_product: str
    least_profitable_product: str

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[code_execution()],
)
chat.append(user("""Here are the quarterly sales:
- Product A: 150 units at €45, unit cost €28
- Product B: 320 units at €22, unit cost €15
- Product C: 85 units at €120, unit cost €78

Calculate the complete financial analysis."""))

response, parsed = chat.parse(FinancialAnalysis)

print(f"Gross margin: €{parsed.gross_margin}")
print(f"Margin: {parsed.margin_percentage}%")
print(f"Best product: {parsed.most_profitable_product}")

Model bo napisal skript v Pythonu za izvedbo izračunov, ga izvršil in nato rezultate oblikoval v shemo FinancialAnalysis.

Primer: Statistična analiza

class DescriptiveStatistics(BaseModel):
    mean: float
    median: float
    std_dev: float
    minimum: float
    maximum: float
    quartile_1: float
    quartile_3: float
    value_count: int

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[code_execution()],
)
chat.append(user("""Calculate the descriptive statistics for this data:
[23, 45, 12, 67, 34, 89, 56, 78, 41, 33, 61, 25,
 72, 48, 55, 39, 64, 71, 28, 50]"""))

response, parsed = chat.parse(DescriptiveStatistics)

print(f"Mean: {parsed.mean}")
print(f"Std dev: {parsed.std_dev}")

Združevanje spletnega iskanja in izvajanja kode

Obe orodji lahko omogočite hkrati:

class MarketAnalysis(BaseModel):
    company: str
    current_price: float
    change_30d: float
    avg_volume: float
    trend: str
    recommendation: str

from xai_sdk.tools import web_search

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[web_search(), code_execution()],
)
chat.append(user("Analyze Apple stock over the last 30 days"))

response, parsed = chat.parse(MarketAnalysis)

Model bo pridobil najnovejše podatke s spleta, nato pa uporabil izvajanje kode za izračun sprememb in povprečij.

Omejitve izvajanja kode

  • Izvajalno okolje je izolirano in prehodno
  • Običajni paketi za Python so prednameščeni (NumPy, Pandas, Matplotlib, SciPy)
  • Čas izvajanja in poraba pomnilnika sta omejena
  • Izvršena koda nima dostopa do omrežja
  • Datoteke, ustvarjene med izvajanjem, se med klici ne ohranijo

Ključne ugotovitve

  • Izvajanje kode + strukturirani izhodi zahtevata vsaj Grok 4 – celoten trenutni nabor je združljiv
  • Model napiše in izvrši kodo za natančne izračune
  • Orodje omogočite z code_execution() v xAI SDK ali z {"type": "code_interpreter"} v Responses API, nato pa pridobite tipiziran objekt s chat.parse(Schema)
  • Združljivo z web_search za iskanje in nato izračun
  • Idealno za finančne, statistične in matematične analize
  • Izračunani rezultati so točni, za razliko od ocen jezikovnih modelov