如何免費使用ChatGPT程式碼直譯器

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。

步驟 1：設定程式碼直譯器 API
步驟 2：免費執行 ChatGPT 程式碼直譯器
步驟 3：使用程式碼直譯器 API 進行資料分析

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。

安裝 Python 和 Pip

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

檢查 Python 和 Pip 版本

3. 現在，執行以下命令安裝程式碼直譯器 API。

pip install codeinterpreterapi

執行以下命令安裝程式碼直譯器 API

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。

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）。

Notepad++

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。

定義 "gpt-4" 模型

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。

將檔案儲存為 "chart.py"

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

執行終端命令

8. 只需幾秒鐘，Code Interpreter API 就會為您生成圖表。

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"

檢視後臺命令-1

檢視後臺命令-2

chart.py修改

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。

執行 "chart.py" 檔案

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。

將資料集移動到 "analysis" 資料夾

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。

貼上 OpenAI API 金鑰