Utilize a ferramenta "code_interpreter"
A ferramenta code_interpreter fornece ao seu modelo um runtime em Python no qual pode gerar e executar código em Python.
Qual é a ferramenta code_interpreter?
A ferramenta code_interpreter permite que modelos de IA generativa escrevam e executem código Python dinamicamente durante uma conversa. Em vez de apenas discutir código ou algoritmos, o modelo pode testar a sua lógica, processar dados e devolver resultados reais do código. Isto transforma o modelo de pensador em fazedor.
Os principais recursos incluem:
- Execução Dinâmica em Python: O modelo escreve e executa código Python num ambiente sandboxing
- Gestão de ficheiros: Carregar, processar e descarregar ficheiros (CSV, JSON, imagens, etc.)
- Análise de Dados: Realizar cálculos, análises estatísticas e transformações de dados em tempo real
- Feedback em Tempo Real: O modelo vê resultados de execução de código e pode iterar ou corrigir erros
- Resolução de Problemas Complexos: Abordar problemas matemáticos, simulações e enigmas lógicos através de código executável
Casos comuns de utilização
| Caso de uso | Exemplo |
|---|---|
| Análise de Dados | Analise um ficheiro CSV e gere estatísticas resumo |
| Matemática & Física | Resolver equações diferenciais ou simular cenários de física |
| Conversão de ficheiros | Converter entre formatos de dados (JSON ↔, CSV, e assim por diante) |
| Prototipagem | Algoritmos de teste e ideias antes da implementação formal |
Um exemplo simples
Aqui está como usar code_interpreter com a API OpenAI Responses:
from openai import OpenAI
client = OpenAI(
base_url={openai_endpoint},
api_key={auth_key_or_token}
)
# Get response using the code_interpreter tool
response = client.responses.create(
model={model_deployment},
instructions="You are an AI assistant that provides information. Use the python tool to run code for math problems.",
input="What is the square root of 16?",
tools=[{"type": "code_interpreter",
"container": {"type": "auto"}}]
)
print(response.output_text)
A saída deste código é semelhante a esta:
The square root of 16 is 4.
Mais importante ainda, inspecionar os detalhes do objeto resposta devolvido pelo modelo revela que o resultado foi calculado e devolvido ao modelo usando código Python gerado dinamicamente como este:
import math
# Calculate the square root of 16
square_root = math.sqrt(16)
square_root
Como funciona a ferramenta code_interpreter
O processo geral para usar a ferramenta code_interpreter é:
- Envia um pedido: Inclua-code_interpreter no seu conjunto de ferramentas.
- O modelo analisa a tarefa: O modelo determina se é necessária a execução de código.
- O modelo gera código: O modelo escreve código Python para realizar a tarefa.
- Execuções de código: O código corre num ambiente sandbox com acesso a bibliotecas comuns (por exemplo, pandas, numpy e math).
- Resultados retornados: O modelo recebe a saída e incorpora-a na sua resposta.
Melhores práticas
- Seja específico: Descreva claramente o formato dos dados e o resultado esperado. Muitos modelos usam internamente a ferramenta python para identificar a ferramenta code_interpreter – por isso usa esta linguagem nas tuas instruções.
- Forneça contexto: Inclua conhecimento relevante do domínio nos seus prompts
- Validar resultados: Sempre rever o código gerado por IA para verificar a correção antes de o usar em produção
- Monitorizar custos: A execução do código adiciona tokens; Operações complexas podem usar mais recursos
- Utilizar bibliotecas: Pacotes comuns como pandas, numpy e matplotlib estão pré-instalados
- Gestão de erros: O modelo pode detetar erros e tentará corrigi-los automaticamente
Limitações a conhecer
- As execuções são executadas num ambiente sandbox, sem acesso à rede externa
- Algumas bibliotecas podem não estar disponíveis; Informe o modelo se uma biblioteca padrão falhar
- Os limites de timeout aplicam-se a operações de longa duração
- O código corre com restrições de memória — conjuntos de dados massivos podem precisar de streaming ou fragmentação