如何免费使用ChatGPT代码解释器-极客小站

最近，OpenAI 在 ChatGPT 中为所有付费用户发布了代码解释器。不过，它的月租费为 20 美元，不是每个人都能负担得起的。因此，如果你想免费使用 ChatGPT 代码解释器，本教程就是为你准备的。一位名叫 Shroominic 的开发者开发了 ChatGPT 代码解释器的开源实现。通过它，你可以像 ChatGPT 一样进行数据集分析和数据可视化。下面我们就来学习如何免费使用代码解释器。

步骤 1：设置代码解释器 API
步骤 2：免费运行 ChatGPT 代码解释器
步骤 3：使用代码解释器 API 进行数据分析

下一步工作前的注意事项

1. 我们使用的是 GitHub 上免费开源的 Code Interpreter API 项目（请访问）。它使用了 CodeBoxes、OpenAI 的 API、LangChain Agents 和多个 Python 软件包，其行为类似于 ChatGPT 的代码解释器。

2. 对于小数据集来说，它运行得很好，而且不收取任何费用。但是，当你抛出一个大数据集进行分析时，OpenAI 对免费用户的费率限制会阻碍操作。因此，如果您打算使用它来分析大量数据，请考虑在 OpenAI 账户中添加付费方式。

3. 如果您能访问 GPT-4 API，该项目就能很好地运行。不过，我对代码进行了定制，使其也能与 GPT-3.5 涡轮增压模型兼容。

步骤 1：设置代码解释器 API

1. 首先，您需要在计算机上安装 Python 和 Pip，具体步骤请参考我们的链接教程。请确保在安装时将 python.exe 添加到 PATH。

2. 安装好 Python 和 Pip 后，打开终端并运行以下命令，检查它们是否设置正确。这些命令的输出结果应包含它们的版本号。

python -version
pip -version

3. 现在，运行以下命令安装代码解释器 API。

pip install codeinterpreterapi

4. 然后，继续从 OpenAI 网站获取 API 密钥。点击 “Create new secret key” 并复制密钥。

步骤 2：免费运行 ChatGPT 代码解释器

1. 完成上述操作后，就可以免费运行代码解释器 API 了。

2. 打开 Sublime Text 或 Notepad++ 等代码编辑器（下载）。

3. 现在，复制下面的代码并粘贴到代码编辑器中。代码来自代码解释器 API 的 GitHub 页面，但我做了一些改动，以避免一些错误。

import os
os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE"

from codeinterpreterapi import CodeInterpreterSession


async def main():
    # create a session
    session = CodeInterpreterSession(model="gpt-3.5-turbo")
    await session.astart()

    # generate a response based on user input
    response = await session.generate_response(
        "Plot the Apple stock price chart from 2007 to 2023 june"
    )

    # output the response (text + image)
    print("AI: ", response.content)
    for file in response.files:
        file.show_image()

    # terminate the session
    await session.astop()


if __name__ == "__main__":
    import asyncio
    # run the async function
    asyncio.run(main())

4. 我用红色标出了需要修改的代码。首先，在第二行粘贴 OpenAI API 密钥。

5. 之后，如果可以访问 GPT-4 API，则可以在第九行定义 “gpt-4” 模型。最后，在第 14 行，您可以输入您的查询并定义要创建的内容。

6. 现在，将文件保存为 “chart.py” 到桌面。确保在最后添加 .py 扩展名。

7. 现在，打开终端，逐一运行下面的命令。第一条命令将移动到桌面位置，第二条命令将使用 Python 执行 “chart.py” 文件。

cd Desktop
python chart.py

8. 只需几秒钟，Code Interpreter API 就会为您生成图表。

9. 它在后台使用了大量服务来实现这一结果，包括 LangChain 代理、来自互联网的雅虎财经数据、用于绘制图表的 Matplotlib 等。你可以在代码中添加下面一行，查看后台发生的一切。

os.environ["VERBOSE"] = "True"

10. 现在，您只需更改代码中的查询，然后再次执行 “chart.py” 文件，即可生成新图表。

步骤 3：使用代码解释器 API 进行数据分析

1. 您还可以免费使用本地数据进行数据分析。为此，请在桌面上创建一个名为 “analysis” 的文件夹。

2. 现在，将数据集移动到 “analysis” 文件夹。数据集可以是 CSV、XSL 或 XSLX 格式。例如，我们将在 “analysis” 文件夹中使用 “globaltemperature.csv” 文件。

3. 接下来，打开代码编辑器，粘贴下面的代码。

import os
os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE"

from codeinterpreterapi import CodeInterpreterSession, File

async def main():
    # context manager for auto start/stop of the session
    async with CodeInterpreterSession(model="gpt-3.5-turbo") as session:
        # define the user request
        user_request = "Analyze this dataset and plot global temperature from the year 1950 to 2016. Consider the GCAG system."
        files = [
            File.from_path("globaltemperature.csv"),
        ]

        # generate the response
        response = await session.generate_response(
            user_request, files=files
        )

        # output to the user
        print("AI: ", response.content)
        for file in response.files:
            file.show_image()


if __name__ == "__main__":
    import asyncio

    asyncio.run(main())

4. 在这里，您首先需要粘贴 OpenAI API 密钥。

5. 现在，将 “globaltemperature.csv” 改为您自己的数据集名称。顺便说一下，您还可以根据自己对数据的需求更改模型和用户查询。

6. 将其保存为 “data.py”，放在桌面上的 “analyze” 文件夹中。

7. 启动终端，以类似方式运行文件。