Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Säkerhetsbegränsningar i sandlådan

Lektion 14 av 16 Uppdaterad 30 juli 2026 Utvecklare
På denna sida
  1. En isolerad miljö by design
  2. De fem grundläggande begränsningarna
  3. Konsekvenser för design
  4. Lösningar för att kringgå begränsningar
  5. Viktiga punkter

En isolerad miljö by design

Python-sandlådan för kodexekvering är designad för säkerhet. Koden körs i en isolerad miljö som skyddar både xAI:s infrastruktur och dina data. Det är avgörande att du förstår dessa begränsningar för att kunna designa integrationer som fungerar korrekt och för att veta när kodexekvering passar dina behov.

De fem grundläggande begränsningarna

1. Ingen nätverksåtkomst

Sandlådan har ingen anslutning till internet eller ett externt nätverk. Koden kan inte:

  • Göra HTTP-förfrågningar (inga requests, inget urllib)
  • Ansluta till externa databaser
  • Anropa externa API:er
  • Ladda ner filer från webben
  • Skicka e-post eller notifieringar

Denna begränsning är den mest restriktiva. Om ditt användningsfall kräver externa data måste du tillhandahålla dem i prompten eller använda Web Search i förväg för att hämta dem.

2. Begränsad åtkomst till filsystemet

Koden körs i en temporär katalog med begränsad åtkomst till filsystemet:

  • Läs/skriv endast i den temporära arbetskatalogen
  • Ingen åtkomst till systemfiler
  • Ingen åtkomst till andra användares kataloger
  • Filerna som skapas raderas efter exekveringen

3. Temporär och tillståndslös kontext

Varje exekvering är oberoende. Det finns ingen beständighet mellan två API-förfrågningar:

  • Variabler som definieras under en exekvering finns inte i nästa
  • Skapade filer raderas
  • Bibliotek som laddats in i minnet återställs
  • Ingen exekveringshistorik sparas

Detta innebär att du inte kan bygga en interaktiv session där resultat från en beräkning matas in i nästa – åtminstone inte automatiskt. För att simulera detta tillstånd måste du inkludera tidigare resultat i din nya prompt.

4. Tidsbegränsningar för exekvering

Sandlådan har en tidsgräns (timeout) för kodexekvering. Om en beräkning tar för lång tid stoppas den. Detta innebär:

  • Inga oändliga loopar (de kommer att stoppas)
  • Inga extremt långa beräkningar (stora datamängder, tunga simuleringar)
  • Inga väntoperationer (time.sleep under långa perioder)

Modellen är generellt medveten om dessa gränser och skriver optimerad kod, men mycket ambitiösa förfrågningar kan misslyckas på grund av tidsöverskridande.

5. Minnesbegränsningar

Sandlådan har en begränsad mängd minne. Operationer på mycket stora datavolymer kan misslyckas:

  • Pandas DataFrames med miljontals rader riskerar att överskrida minnet
  • NumPy-matriser med mycket stora dimensioner kan orsaka problem
  • Operationer som duplicerar data i minnet ökar risken

Konsekvenser för design

Vad kodexekvering är bra på

  • Exakta matematiska och statistiska beräkningar
  • Analys av datamängder av måttlig storlek (hundratals till tusentals rader)
  • Verifiering av formler och algoritmer
  • Generering av diagram och visualiseringar
  • Snabb prototypframtagning av beräkningslogik

Vad kodexekvering inte är bra på

  • Bearbetning av stora datavolymer (big data)
  • Interaktion med externa system
  • Iterativa beräkningar över flera förfrågningar
  • Maskininlärning och modellträning
  • Långa operationer (> några sekunder)

Lösningar för att kringgå begränsningar

Om du behöver överskrida dessa begränsningar:

  • Externa data: använd Web Search för att hämta data och använd sedan kodexekvering för att analysera den
  • Stora volymer: extrahera ett representativt urval och analysera det i sandlådan, tillämpa sedan resultaten på hela mängden i din egen miljö
  • Tillstånd mellan förfrågningar: lagra mellanliggande resultat på klientsidan och injicera dem i efterföljande förfrågningar

Viktiga punkter

  • Sandlådan är isolerad: inget nätverk, ingen beständighet, ingen systemåtkomst
  • Varje exekvering är oberoende (tillståndslös)
  • Gränser för tid och minne gäller
  • Kodexekvering excellerar inom exakta beräkningar och analys av måttliga datamängder
  • För specialfall, kombinera kodexekvering med andra verktyg eller din egen infrastruktur