MrGreyfun/Local-Code-Interpreter: A local implementation of OpenAI’s ChatGPT Code Interpre

ChatGPT账号购买平台发布时间：2024-03-08 浏览量：2

一、ChatGPT代码解释器插件概述

1. 插件介绍

Code Interpreter插件是OpenAI的官方插件之一，用于履行Python脚本。它提供了一个专业级别的代码解释器，可以利用于数据分析、图象转换、代码编辑等领域。

示例：

例如，您可使用Code Interpreter插件履行以下Python脚本：

import pandas as pd
data = pd.read_csv('data.csv')
print(data.head())

2. 插件限制

目前该插件仅对部份Plus用户开放，但OpenAI计划正式发布后向所有用户开放。如果您没法访问该插件，不要担心，有一名开发者在GitHub上开源了一个简化版的解决方案，名为GPT Code UI。虽然功能相对有限，但依然是基于ChatGPT开发的，并且可以满足一些基本需求。

示例：

GitHub上的GPT Code UI代码示例：

import gpt_code_ui import ChatGPT
chatgpt = ChatGPT()
chatgpt.enable_code_interpreter()

二、安装与使用Code Interpreter插件

1. 插件安装

安装Code Interpreter插件非常简单，只需使用pip命令安装便可。在终端中输入以下命令：

pip install open-interpreter

2. 插件功能

Code Interpreter插件可以履行Python脚本并具有代码解释器的特性。除履行代码外，它还可以转换文件格式，但功能遭到一定限制。另外，它还提供了浏览器插件，为ChatGPT增加了访问互联网的能力。

示例：

以下是使用Code Interpreter插件履行Python脚本的示例：

python code.py

三、开源库与高级利用

1. GPT Code UI

GPT Code UI是一个开源的ChatGPT代码解释器插件的简化版。它提供了类似的功能，但功能相对有限。您可以在GitHub上找到有关该库的代码和详细信息。

示例：

GPT Code UI的使用示例：

from gpt_code_ui import ChatGPT
chatgpt = ChatGPT()
chatgpt.enable_code_interpreter()

2. Chapyter

Chapyter是一个用于将GPT⑷与编码环境无缝连接的JupyterLab扩大。它提供了代码解释器，可将自然语言转换为编程代码。它支持运行任何语言和终端进程，并且可以自由使用文件系统和互联网。

示例：

以下是使用Chapyter进行代码解释的示例：

from chapyter import ChatGPT
chatgpt = ChatGPT()
chatgpt.enable_code_interpreter()

四、其他相关信息

1. Code Interpreter API

Code Interpreter API是CodeBoxes的一个实现，它支持ChatGPT的代码解释器API，并具有文件持久性和无超时的特点。使用Code Interpreter API，您可以履行沙盒式Python代码。

示例：

使用Code Interpreter API履行代码的示例：

from codeinterpreter import ChatGPT
chatgpt = ChatGPT()
chatgpt.enable_code_interpreter()

2. ChatGPT的利用领域

Code Interpreter插件可用于多个利用领域，例如数据分析、图象转换、代码编辑等。另外，在敏感数据处理方面，还可以通过GPT⑷或Llama 2进行解释和处理，以确保数据的安全性。

示例：

以下是ChatGPT在数据分析领域的一个示例利用：

import pandas as pd
data = pd.read_csv('data.csv')
print(data.describe())

chatgpt interpreter github的进一步展开说明

Introduction

The Local Code Interpreter is an implementation of OpenAI’s ChatGPT Code Interpreter (now called Advanced Data Analysis) that allows users to execute Python code within the AI model on their local device. This project aims to provide enhanced flexibility, security, and convenience compared to the online sandbox environment offered by the official Code Interpreter.

Key Advantages

Custom Environment: With the Local Code Interpreter, users can execute code in a customized environment of their choice, ensuring they have the necessary packages and settings for their specific requirements.
Seamless Experience: Unlike the online sandbox, Local Code Interpreter eliminates file size restrictions and internet connectivity issues while uploading code. Users have full control over their coding experience.
GPT⑶.5 Availability: While the official Code Interpreter is limited to the GPT⑷ model, the Local Code Interpreter allows users to switch between both GPT⑶.5 and GPT⑷ models, providing them with more options.
Enhanced Data Security: By running code locally, the Local Code Interpreter minimizes data transfer over the internet, keeping user data more secure compared to executing code within the online sandbox environment.

Note

It is essential to note that executing AI-generated code without human review on your own device can pose security risks. Users are responsible for taking necessary measures, such as using a virtual machine, to protect their device and data before using this program. Any consequences resulting from the use of this program are the sole responsibility of the user.

Usage

Installation

To get started with the Local Code Interpreter, follow these steps:

Clone the repository to your local device:
git clone https://github.com/MrGreyfun/Local-Code-Interpreter.git
cd Local-Code-Interpreter
Install the necessary dependencies. The program has been tested on Windows 10 and CentOS Linux 7.8, with Python 3.9.16. Required packages include:
Jupyter Notebook 6.5.4
gradio 3.39.0
openai 0.27.8
Other systems or package versions may also work. You can use the following command to directly install the required packages:
pip install -r requirements.txt
For newcomers to Python, an additional command is available to install commonly used packages for data processing and analysis:
pip install -r requirements_full.txt

Configuration

After installation, configure the Local Code Interpreter by following these steps:

Create a config.json file in the src directory, using the examples provided in the config_example directory.
Configure your API key in the config.json file.

Please note the following configurations:

Set the model_name correctly:
- This program relies on the function calling capability of the 0613 version of models, such as gpt⑶.5-turbo-0613 (and its 16K version).
- Older versions of the models will not work.
API Version Settings:
- If you’re using Azure OpenAI service, set the API_VERSION to 2023-07-01-preview in the config.json file. Note that other API versions do not support the necessary function calls for this program.
Alternate API Key Handling:
- If you prefer not to store your API key in the config.json file, you can set the environment variable OPENAI_API_KEY with your API key before running the program.
- On Windows: set OPENAI_API_KEY=<YOUR-API-KEY>
- On Linux: export OPENAI_API_KEY=<YOUR-API-KEY>

Getting Started

To start using the Local Code Interpreter, follow these steps:

Navigate to the src directory:
cd src
Run the following command:
python web_ui.py
Access the generated link in your browser to start using the Local Code Interpreter.

Example

Let’s consider an example where a user wants to upload a data file and request the model to perform linear regression and visualize the data. With the Local Code Interpreter, the user can seamlessly perform these actions.

By uploading the data file and executing the appropriate code, the Local Code Interpreter will execute the linear regression algorithm and generate a visualization of the data. This allows users to gain insights from their data in a user-friendly and efficient manner.

chatgpt interpreter github的常见问答Q&A

问题1：ChatGPT的Code Interpreter是甚么？

答案：ChatGPT的Code Interpreter是一个官方插件，用于解释和履行Python代码。它的目标是将ChatGPT转变成一个强大的代码解释器，使其能够履行编码任务。Code Interpreter可以帮助用户运行代码片断、调试代码、解析数据和履行其他与编码相关的操作。

子点1：使用Code Interpreter可以做甚么？

Code Interpreter可以履行以下任务：

运行和测试Python代码。
处理数据，进行数据分析和处理。
履行文件操作，如读取、写入和修改文件。
运行模型，包括机器学习和深度学习模型。
与其他API和服务进行交互。

子点2：Code Interpreter的使用限制有哪几种？

使用Code Interpreter时需要注意以下限制：

Code Interpreter当前仅支持Python语言。
某些敏感操作可能遭到限制，例如文件访问权限。
Code Interpreter的性能遭到限制，不适用于履行大范围、复杂的任务。
Code Interpreter插件目前仅对特定用户开放，还未完全面向公众开放。

子点3：Code Interpreter对开发者的意义是甚么？

Code Interpreter对开发者来讲具有以下意义：

方便快捷地履行和测试代码。
提供一个与ChatGPT集成的代码编辑环境，减少切换工具的时间。
在ChatGPT的基础上扩大代码履行能力，使其成为一个全能的开发辅助工具。
加速开发进程，节省开发者的时间和精力。

问题2：怎么安装和使用ChatGPT的Code Interpreter插件？

答案：安装和使用ChatGPT的Code Interpreter插件可以依照以下步骤进行：

在OpenAI平台上，选择相应的ChatGPT实例。
在ChatGPT实例中，下载和安装Code Interpreter插件。
启动Code Interpreter插件，进入代码编辑环境。
在代码编辑环境中，输入或粘贴要履行的Python代码。
点击运行按钮，履行代码并查看结果。
根据需要，进行调试和修改代码。

子点1：怎样在ChatGPT中安装Code Interpreter插件？

在ChatGPT中安装Code Interpreter插件的步骤以下：

登录OpenAI平台，选择相应的ChatGPT实例。
找到Code Interpreter插件，并点击下载按钮。
将下载的插件文件上传到ChatGPT实例。
在ChatGPT实例中履行安装命令，安装Code Interpreter插件。

子点2：怎样在Code Interpreter中履行Python代码？

在Code Interpreter中履行Python代码的步骤以下：

启动Code Interpreter插件，进入代码编辑环境。
在代码编辑环境中，输入或粘贴要履行的Python代码。
点击运行按钮，履行代码并查看履行结果。
根据需要，对代码进行调试和修改。

子点3：Code Interpreter支持的其他功能有哪几种？

除履行Python代码以外，Code Interpreter还支持以下功能：

处理数据和进行数据分析。
履行文件操作，如读取、写入和修改文件。
与其他API和服务进行交互。
运行模型，包括机器学习和深度学习模型。