最近，OpenAI 在 ChatGPT 中為所有付費使用者釋出了程式碼直譯器。不過，它的月租費為 20 美元，不是每個人都能負擔得起的。因此，如果你想免費使用 ChatGPT 程式碼直譯器，本教學就是為你準備的。一位名叫 Shroominic 的開發者開發了 ChatGPT 程式碼直譯器的開源實現。通過它，你可以像 ChatGPT 一樣進行資料集分析和資料視覺化。下面我們就來學習如何免費使用程式碼直譯器。
下一步工作前的注意事項
1. 我們使用的是 GitHub 上免費開源的 Code Interpreter API 專案（請訪問）。它使用了 CodeBoxes、OpenAI 的 API、LangChain Agents 和多個 Python 軟體包，其行為類似於 ChatGPT 的程式碼直譯器。
2. 對於小資料集來說，它執行得很好，而且不收取任何費用。但是，當你丟擲一個大資料集進行分析時，OpenAI 對免費使用者的費率限制會阻礙操作。因此，如果您打算使用它來分析大量資料，請考慮在 OpenAI 賬戶中新增付費方式。
3. 如果您能訪問 GPT-4 API，該專案就能很好地執行。不過，我對程式碼進行了定製，使其也能與 GPT-3.5 渦輪增壓模型相容。
步驟 1：設定程式碼直譯器 API
1. 首先，您需要在計算機上安裝 Python 和 Pip，具體步驟請參考我們的連結教學。請確保在安裝時將 python.exe 新增到 PATH。
2. 安裝好 Python 和 Pip 後，開啟終端並執行以下命令，檢查它們是否設定正確。這些命令的輸出結果應包含它們的版本號。
python -version pip -version
3. 現在，執行以下命令安裝程式碼直譯器 API。
pip install codeinterpreterapi
4. 然後，繼續從 OpenAI 網站獲取 API 金鑰。點選 “Create new secret key” 並複製金鑰。
步驟 2：免費執行 ChatGPT 程式碼直譯器
1. 完成上述操作後，就可以免費執行程式碼直譯器 API 了。
2. 開啟 Sublime Text 或 Notepad++ 等程式碼編輯器（下載）。
3. 現在，複製下面的程式碼並貼上到程式碼編輯器中。程式碼來自程式碼直譯器 API 的 GitHub 頁面，但我做了一些改動，以避免一些錯誤。
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. 我用紅色標出了需要修改的程式碼。首先，在第二行貼上 OpenAI API 金鑰。
5. 之後，如果可以訪問 GPT-4 API，則可以在第九行定義 “gpt-4” 模型。最後，在第 14 行，您可以輸入您的查詢並定義要建立的內容。
6. 現在，將檔案儲存為 “chart.py” 到桌面。確保在最後新增 .py 副檔名。
7. 現在，開啟終端，逐一執行下面的命令。第一條命令將移動到桌面位置，第二條命令將使用 Python 執行 “chart.py” 檔案。
cd Desktop python chart.py
8. 只需幾秒鐘，Code Interpreter API 就會為您生成圖表。
9. 它在後臺使用了大量服務來實現這一結果，包括 LangChain 代理、來自網際網路的雅虎財經資料、用於繪製圖表的 Matplotlib 等。你可以在程式碼中新增下面一行，檢視後臺發生的一切。
os.environ["VERBOSE"] = "True"
10. 現在，您只需更改程式碼中的查詢，然後再次執行 “chart.py” 檔案，即可生成新圖表。
步驟 3：使用程式碼直譯器 API 進行資料分析
1. 您還可以免費使用本地資料進行資料分析。為此，請在桌面上建立一個名為 “analysis” 的資料夾。
2. 現在，將資料集移動到 “analysis” 資料夾。資料集可以是 CSV、XSL 或 XSLX 格式。例如，我們將在 “analysis” 資料夾中使用 “globaltemperature.csv” 檔案。
3. 接下來，開啟程式碼編輯器，貼上下面的程式碼。
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. 在這裡，您首先需要貼上 OpenAI API 金鑰。
5. 現在，將 “globaltemperature.csv” 改為您自己的資料集名稱。順便說一下，您還可以根據自己對資料的需求更改模型和使用者查詢。
6. 將其儲存為 “data.py”，放在桌面上的 “analyze” 資料夾中。
7. 啟動終端，以類似方式執行檔案。
cd Desktop/analysis python data.py
8. 現在，您將獲得基於本地資料集的圖表。這就是您如何使用程式碼直譯器 API 進行資料集分析而無需支付任何費用的方法。
評論留言