Kombinera resonemang och verktyg
På denna sida
Gå vidare med avancerade verktyg
Du vet nu hur du kombinerar resonemang med kodexekvering och webbsökning. Den här lektionen utforskar avancerade kombinationer: att kedja verktyg strategiskt, använda resonemang för att styra dem och bygga verkligen autonoma arbetsflöden.
Resonemang som verktygsdrivrutin
Skillnaden mellan en modell som svarar utan att tänka och en resonemangsmodell som använder verktyg är fundamental. Genom att börja på en medium ansträngningsnivå – vilket OpenAI rekommenderar när planering spelar roll – kan modellen planera vilka verktyg som ska användas och i vilken ordning, utvärdera resultaten från varje verktyg innan den fortsätter, anpassa sin strategi när ett verktyg inte returnerar det förväntade, och kombinera utdata till en sammanhängande slutsats. Konkret betyder det att den inte bara exekverar kod när du ber om det: den tänker igenom problemet, avgör att kod är bästa sättet att lösa det, skriver lämplig kod, analyserar resultatet och avgör sedan om den ska gå vidare. Nyansen kan verka subtil; den ändrar allt i ett arbetsflöde med fyra verktyg, där ett dåligt första beslut fortplantas ända till slutet.
På API-sidan driver två mekanismer denna logik framåt. Med funktionsanrop rekommenderar OpenAI att du returnerar de resonemangsobjekt som producerades vid det senaste anropet till modellen, utöver funktionsresultatet: detta håller modellen på rätt spår med vad den hade planerat. Med Programmatisk verktygsanrop skriver modellen ett JavaScript-program, som exekveras i en isolerad miljö, som orkestrerar verktygsanrop och filtrerar mellanliggande resultat. Slutligen, i ChatGPT Work och Codex, distribuerar Ultra de tyngsta uppgifterna mellan underagenter, till priset av betydligt högre förbrukning.
Tre kombinationsmönster
Det första mönstret – Sök, analysera sedan, kod sedan – passar marknadsanalyser och benchmarking, det vill säga situationer där data ännu inte finns i din besittning.
“Sök efter marknadsandelarna för de 5 största molnleverantörerna i Europa år 2025. Skapa sedan, baserat på dessa data, ett stapeldiagram och beräkna marknadskoncentrationsgraden (HHI-index). Tolka resultatet.”
Modellen kedjar sedan fyra distinkta faser.
- Sök på webben för att samla in data
- Resonera om källornas tillförlitlighet
- Exekvera kod för diagrammet och beräkningen
- Resonera om den ekonomiska tolkningen
Den andra fasen är den som folk glömmer när de skriver prompten, ändå är det den som förhindrar att du bygger ett HHI-index på ungefärliga siffror.
Det andra mönstret vänder på startpunkten: det börjar med dina data för att berika dem utifrån – Data, kod, sök, syntes.
“Här är min försäljningsfil per land (CSV). Beräkna tillväxttakten per land, sök sedan efter BNP-tillväxten för varje land under samma period. Identifiera länder där vår tillväxt överstiger BNP-tillväxten (överprestation) och de där motsatsen gäller.”
Det tredje mönstret, iterativ kod med resonemang, utnyttjar modellens förmåga att skriva kod, analysera resultatet, upptäcka ett problem och skriva om – allt automatiskt. Du kan till och med ange reservmetoden.
“Här är en transaktionsdataset (CSV). Upptäck statistiska anomalier. Om den första metoden (z-score) inte ger tydliga resultat, prova metoden med interkvartilavstånd. Välj den mest relevanta metoden och förklara varför.”
Återta kontrollen över verktygen
Att låta modellen bestämma är bekvämt, men ibland vet du redan vilket verktyg som passar – och att tala om det är mer effektivt än att låta den utforska. Du kan därför begränsa den: “Utan att söka på webben, analysera endast data i den bifogade filen och ge mig dina slutsatser uteslutande baserat på dessa data,” eller “Exekvera inte kod för denna fråga. Resonera endast baserat på informationen jag tillhandahåller.”
För långa arbetsflöden, infoga kontrollpunkter istället för att lansera allt i ett block: “Steg 1: beräkna grundläggande mätvärden och visa mig resultaten innan du fortsätter. Steg 2 (efter min validering): berika med webbdata. Steg 3: producera den slutgiltiga rapporten.” Detta håller dig kapabel att stoppa processen innan ett fel fortplantas till kostsamma steg.
Visualiseringar som kräver omdöme
Kombinationen av resonemang plus kodexekvering lyser särskilt när själva visualiseringen implicerar beslut: vilken typ av diagram, vilka tröskelvärden, vilken markering.
“Här är mina prestandadata (Excel). Skapa en en-sides dashboard med: (1) det mest relevanta diagrammet för varje mätvärde – välj diagramtyp själv baserat på datans natur, (2) automatisk markering av anomalier, (3) en grön/gul/röd färgkod baserad på tröskelvärden som du kommer att bestämma baserat på datafördelningen.”
Modellen resonerar om optimal diagramtyp mätvärde för mätvärde, beräknar statistiskt relevanta tröskelvärden istället för att hitta på dem, och producerar motsvarande kod. Detta är exakt det arbete en analytiker skulle göra innan hen öppnar sin editor.
Din tur
Ett komplett arbetsflöde. Testa detta arbetsflöde på en hög resonemangsnivå (High i Chat, high i API:t).
“Jag kommer att ge dig en CSV-fil med månatliga utgifter per kategori över 24 månader. Jag vill ha:
- Identifiera de 3 kategorier med högst ökning (beräkning i Python)
- För var och en, sök om detta är en nationell trend eller specifik för mitt fall (webbsökning)
- Producera ett jämförande diagram: mina utgifter kontra den nationella trenden (Python)
- Skriv en sammanfattning med rekommendationer (rent resonemang) Presentera resultatet av varje steg.”
Under övningen, observera vad som händer när kodexekvering misslyckas. Modellen kan försöka igen på egen hand, vilket är bra; men om problemet ligger i dina data kommer ingen omskrivning att fixa det: kontrollera filen istället för att starta om. Och om begäran blir för tung, bryt ner den i steg som valideras ett efter ett.
Officiella källor: Resonemangsmodeller (OpenAI API: ansträngningsnivåer, returnera resonemangsobjekt med funktionsanrop) · Programmatisk verktygsanrop · Dataanalys med ChatGPT (kodexekvering i ChatGPT) · Modeller (Ultra)
Viktiga punkter
- På en tillräcklig ansträngningsnivå driver resonemang verktyg strategiskt, inte mekaniskt
- Tre nyckelmönster: sök, analysera sedan kod; data, kod sedan sök; iterativ kod
- På API-sidan, returnera resonemangsobjekt med funktionsresultat, och överväg Programmatisk verktygsanrop
- Du kan tvinga eller begränsa verktygsanvändning baserat på dina behov
- Infoga kontrollpunkter i långa arbetsflöden för att behålla kontrollen