Кидаешь свою таблицу — и правишь график словами, а модель не считает всё заново

Идея на одну строку: кидаешь свою выгрузку — траты, шаги, тренировки, историю заказов — и разговариваешь с ней словами. «Покажи по месяцам». «Убери выбросы». «А теперь только выходные». График каждый раз перерисовывается.

Почему это стало возможно только сейчас

Модели умели писать код и рисовать графики и раньше. Проблема была в другом: каждый твой следующий вопрос начинался с нуля.

Ты просишь «покажи траты по месяцам» — модель пишет скрипт: открыть файл, разобрать даты, сгруппировать, нарисовать. Ты говоришь «а теперь без декабря» — и она пишет тот же скрипт заново. Снова открыть, снова разобрать, снова сгруппировать. Как будто твой блокнот закрывали после каждой строчки.

18 июня в SDK приехала версия инструмента code_execution_20260120 — с сохранением состояния REPL. Простыми словами: питон-блокнот больше не закрывается. Переменные остаются жить между запросами, если переиспользовать тот же контейнер — передал его id, и df всё ещё на месте. Теперь «а теперь без декабря» — это одна дописанная строчка, а не заново весь разбор. 9 июля то же самое (programmatic tool calling) появилось у OpenAI в GPT-5.6 — то есть это уже не эксперимент одного вендора, а обычное дело.

Дальше приятное: контейнер живёт 30 дней. После пяти минут простоя он замораживается, а ты возвращаешься через неделю, шлёшь его id — и он оттаивает вместе с твоими переменными. Внутри уже стоят pandas, numpy, matplotlib и openpyxl, так что .csv и .xlsx он открывает сам. И это почти бесплатно: 1550 часов в месяц на организацию, дальше 5 центов за час контейнера.

Чему научишься

• Состояние против пересчёта. Почему «модель помнит переменную» — это не про память модели, а про живой процесс рядом с ней.
• Файл внутрь, картинка наружу. Как отдать модели свой .csv и забрать обратно готовый .png, а не простыню цифр.
• Песочница. Что такое контейнер, почему код гоняют там, а не у тебя на ноуте, и как вернуться в него завтра.
• Разговор вместо ТЗ. Правишь не промпт целиком, а одну деталь — и видишь результат сразу.

Готовый стартовый промпт

Слабый промпт просит «проанализируй» — получишь абзац общих слов про «наблюдается рост». Сильный задаёт механику: файл, инструмент, живой контейнер и картинку на выходе.

Ключевая строчка — третья. Без переиспользования контейнера всё это выродится в обычный «напиши скрипт заново», и весь смысл пропадёт.

Что получится в итоге

Ты кидаешь выписка.csv — через пару секунд столбики по месяцам. Смотришь и говоришь: «июль сломал масштаб, убери его». Правка приходит почти мгновенно — модель не открывает файл, он уже открыт. «А теперь раскрась выходные другим цветом». «Подпиши три самых больших». Ты не пишешь ни строчки кода, но ведёшь себя как аналитик: гипотеза → взгляд → следующая гипотеза.

А в понедельник возвращаешься, шлёшь тот же container id — и продолжаешь с того места, где остановился. Твой df всё это время лежал и ждал.

Начни с самой скучной своей таблицы — банковской выписки или выгрузки шагов. Скука тут плюс: ты уже знаешь, что в ней, и сразу увидишь, врёт модель или нет.

Источник: Anthropic — Code execution tool