Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Flödet för exekvering i 5 steg

Lektion 2 av 16 Uppdaterad 30 juli 2026 Utvecklare
På denna sida
  1. Hur Grok beslutar om ett verktyg ska användas
  2. Flödets 5 steg
  3. Praktiska konsekvenser
  4. Viktiga punkter

Hur Grok beslutar om ett verktyg ska användas

När du aktiverar ett eller flera verktyg i din API-förfrågan använder modellen dem inte nödvändigtvis. Den följer en strukturerad beslutsprocess i fem steg för att avgöra om ett verktyg behövs, vilket som ska användas och hur resultaten integreras i svaret.

Att förstå detta flöde hjälper dig att förutse modellens beteende och optimera dina prompts för noggranna resultat.

Flödets 5 steg

Steg 1: Analys av förfrågan

Modellen börjar med att analysera användarens meddelande för att identifiera vad som efterfrågas. Den utvärderar frågans karaktär: Är det en faktabaserad förfrågan som kräver färska data? En komplex beräkning? En åsiktsfråga som inte kräver några verktyg?

Denna analys är avgörande. Om modellen redan har informationen i sin träningsdata och ingen realtidsdata krävs, kan den välja att svara direkt utan att aktivera ett verktyg.

Steg 2: Beslut om anrop

Baserat på sin analys beslutar modellen om den ska anropa ett verktyg eller svara direkt. Detta beslut vilar på tre faktorer. För det första frågans karaktär: en förfrågan om aktuella händelser pekar naturligt mot Web Search, medan en fråga om vad folk säger just nu om ett ämne pekar mot X Search. För det andra den omfattning du definierat: modellen väljer endast bland verktyg som är aktiverade i din tools-array – ett verktyg som saknas existerar helt enkelt inte för den. Slutligen dess egen tilltro: om den tror att den kan svara korrekt från minnet sparar den anropet, vilket är det önskvärda beteendet de flesta gånger.

Du behåller kontrollen över detta beslut via prompten: “Sök efter den senaste informationen om…” pekar tydligt mot Web Search, medan en neutral formulering låter modellen besluta själv.

Steg 3: Exekvering

Bearbetningen skiljer sig åt beroende på verktygskategori:

  • Inbyggt verktyg: Exekveringen är automatisk och transparent. xAI-servern utför sökningen eller kodkörningen, och resultatet skickas direkt till modellen. Du ser inte detta steg i API-svaret.
  • Function Calling: Modellen returnerar ett objekt som beskriver funktionen som ska anropas och dess argument. Din kod måste exekvera funktionen och returnera resultatet via en ny förfrågan.

Steg 4: Bearbetning av resultat

När resultaten har inhämtats utvärderar modellen dem innan den svarar – och det är här flödet blir verkligt agentiskt. Om resultaten räcker går den direkt vidare till att formulera det slutgiltiga svaret. Om de är otillräckliga – sökningen för snäv, resultaten ovidkommande – kan den göra ett nytt anrop med justerade parametrar, vidga eller förfina sin fråga, utan att du behöver ingripa. Och för en verkligt komplex fråga kedjar den ihop flera verktyg: en webbsökning för att samla in siffror, följt av Code Execution för att analysera dem, till exempel.

Detta iterativa beteende är värdefullt för svarskvaliteten, men det får en direkt konsekvens för fakturan: varje verktygsanrop debiteras separat, och en fråga som utlöser tre sökningar kostar tre anrop. Ha denna mekanism i åtanke när du uppskattar dina kostnader.

Steg 5: Slutgiltigt svar

Modellen formulerar sitt svar genom att integrera den insamlade informationen. Om källor från webben eller X har konsulterats inkluderar svaret automatiskt citat med de ursprungliga URL:erna. Dessa citat är tillgängliga i fältet citations i svarsobjektet.

Praktiska konsekvenser

Kumulativa kostnader

Modellen kan göra flera verktygsanrop för en enda användarförfrågan. Varje anrop debiteras oberoende utöver tokenförbrukningen. En tvetydig prompt kan generera onödiga anrop och öka dina kostnader.

Styrning via prompt

Du kan inte tvinga modellen att använda ett specifikt verktyg, men du kan styra den starkt via din systemprompt eller användarmeddelande. Tydliga instruktioner minskar onödiga anrop.

Icke-deterministiskt beteende

Valet att använda ett verktyg eller inte kan variera mellan två identiska anrop, särskilt vid höga temperaturinställningar. För reproducerbara resultat, använd en låg temperatur (0,0 till 0,3).

Viktiga punkter

  • Modellen följer ett flöde i 5 steg: analys, beslut, exekvering, bearbetning, svar
  • Den begär endast ett verktyg om den bedömer det som nödvändigt – det sker inte automatiskt
  • Flera anrop är möjliga och ökar kostnaderna
  • En precis prompt minskar onödiga anrop och förbättrar relevansen
  • Citat inkluderas automatiskt när källor har konsulterats