第六章：Code Execution 与数据分析原型 | XRoot 课程

——让模型在需要计算时先跑代码

有些问题不适合只靠语言模型“想”。

比如：

计算。
统计。
排序。
数据清洗。
表格分析。
简单图表。
批量文本处理。

这类任务如果只让模型口算或凭感觉判断，容易出错。

Code Execution 的作用是：

让模型在需要时生成并运行 Python 代码，再根据运行结果回答。

你可以先这样理解：

普通回答：模型直接说
Code Execution：模型先算，再说

一、什么时候适合 Code Execution？

适合：

1. 数学计算
2. 数据统计
3. CSV 分析
4. 表格清洗
5. 文本批量处理
6. 简单可视化
7. 验证某个计算结果

比如：

请计算这 100 条销售线索中，不同预算等级的占比。

这类任务最好让模型跑代码。

二、什么时候不适合？

不适合：

1. 单纯写文案
2. 单纯总结文章
3. 高风险财务决策
4. 生产数据库操作
5. 需要访问外部系统但没有工具的任务
6. 需要长期保存状态的任务

Code Execution 是数据分析原型工具，不是自动接管业务系统的工具。

三、一个简单计算示例

你可以在 API 中开启 code execution 工具。

示意：

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="请计算前 50 个质数的和。请生成并运行代码确认结果。",
    config=types.GenerateContentConfig(
        tools=[types.Tool(code_execution=types.ToolCodeExecution)]
    ),
)

print(response.text)

模型会生成 Python 代码、运行，并根据结果回答。

重点不是让你记住每个参数。

重点是理解：

开启 Code Execution 后，模型可以通过运行 Python 来辅助回答。

四、销售线索数据分析原型

假设你有一批销售线索：

name,company,budget,urgency
张先生,星河科技,50000,high
王女士,云舟教育,100000,medium
李先生,北辰咨询,20000,low

你可以让模型分析：

请分析这份销售线索数据：
1. 总线索数
2. 平均预算
3. 高紧急程度客户数量
4. 按预算从高到低排序
5. 给出优先跟进建议

请使用代码计算，不要口算。

如果数据量稍大，Code Execution 比纯文本推理更稳。

五、让模型展示计算过程

数据分析场景里，建议要求：

1. 说明使用了哪些字段
2. 说明做了哪些清洗
3. 输出关键统计结果
4. 标出异常数据
5. 给出业务解释

示例：

请分析这份 CSV。
要求：
1. 先检查缺失值和异常值
2. 再统计预算分布
3. 最后给出销售优先级建议
4. 如果数据不足，请说明不足，不要强行下结论

六、Code Execution 不等于结果一定正确

它能运行代码，但仍然可能：

1. 选错字段
2. 理解错业务含义
3. 清洗规则不合理
4. 代码写得能跑但逻辑错
5. 对结果解释过度

所以要看：

代码做了什么。
数据是否完整。
字段含义是否正确。
结论是否过度。

数据分析不是只看最终答案。

要看过程。

七、不要把敏感数据直接拿来练习

练习时不要用真实客户数据。

可以使用：

1. 自造数据
2. 脱敏数据
3. 公开数据
4. 小规模测试数据

不要上传：

客户手机号
身份证号
订单明细
财务流水
医疗数据
员工隐私

数据分析能力越强，越要注意数据边界。

八、推荐练习

练习 1：做一个销售线索 CSV

手动写 10 条测试数据。

字段：

name
company
budget
urgency
source

让模型统计：

预算平均值
最高预算客户
紧急客户数量
推荐优先跟进列表

练习 2：故意加入异常数据

比如：

budget 为空
budget 写成“十万”
urgency 缺失
公司名重复

观察模型是否能发现问题。

练习 3：要求模型输出业务解释

不要只输出数字。

要求它说明：

这些数字对销售跟进意味着什么。

九、常见问题

1. Code Execution 可以运行所有语言吗？

不适合这样理解。

在 Gemini API 中，Code Execution 主要是让模型生成并运行 Python 代码。它可以生成其他语言代码，但不能用这个工具运行所有语言。

2. 它能直接改我的本地文件吗？

不要把它理解成本地开发环境。

Code Execution 更像模型可用的计算沙盒，不等于你电脑里的终端。

3. 数据分析结果能直接用于决策吗？

不建议。

它可以辅助分析，但关键业务决策仍要人工确认。

十、安全提醒

Code Execution 的核心风险是：

1. 数据敏感
2. 字段误解
3. 计算逻辑错误
4. 结论过度
5. 把原型结果当成正式报表

所以要记住：

先用测试数据。
再看计算过程。
最后人工确认结论。

十一、本章检查清单

完成本章后，你应该确认：

1. 知道 Code Execution 适合计算和数据分析。
2. 知道它不适合替代完整业务系统。
3. 知道它主要通过运行 Python 辅助回答。
4. 知道数据分析要看过程，不只看最终结论。
5. 知道不要用真实敏感数据练习。
6. 知道原型结果不能直接当正式报表。