● 开放解释器
让语言模型在您的计算机上运行代码。
OpenAI的代码解释器的开源、本地运行实现。
pip install open-interpreterinterpreter
开放解释器 允许LLMs在本地运行代码（Python、Javascript、Shell等）。安装后，通过在终端中运行 $ interpreter，您可以通过类似ChatGPT的界面与开放解释器聊天。
这为您的计算机的通用功能提供了自然语言界面：
- 创建和编辑照片、视频、PDF等。
- 控制Chrome浏览器进行研究
- 绘制、清理和分析大型数据集
- …等等。
⚠️ 注意：在代码运行之前，您会被要求批准。
演示
https://github.com/KillianLucas/open-interpreter/assets/63927363/37152071-680d-4423-9af3-64836a6f7b60
快速开始
pip install open-interpreter终端
安装后，简单地运行 interpreter：
interpreterPython
import interpreter
interpreter.chat("Plot AAPL and META's normalized stock prices") # 执行单一命令
interpreter.chat() # 开始交互式聊天与ChatGPT的代码解释器比较
OpenAI发布的 Code Interpreter 和 GPT-4 提供了一个与ChatGPT完成实际任务的绝佳机会。
但是，OpenAI的服务是托管的，闭源的，并且受到严格限制：
- 没有互联网访问。
- 预装包限制。
- 最大上传100 MB，运行时间限制为120.0秒。
- 当环境死亡时，状态会被清除（以及任何生成的文件或链接）。
开放解释器通过在您的本地环境上运行来克服这些限制。它可以完全访问互联网，不受时间或文件大小的限制，并可以使用任何包或库。
这结合了GPT-4的代码解释器的功能和您的本地开发环境的灵活性。
命令
交互式聊天
要在终端中开始交互式聊天，从命令行运行 interpreter：
interpreter或者从.py文件中运行 interpreter.chat()：
interpreter.chat()程序化聊天
为了更精确的控制，您可以直接传递消息给 .chat(message)：
interpreter.chat("Add subtitles to all videos in /videos.")
# ... Streams output to your terminal, completes task ...
interpreter.chat("These look great but can you make the subtitles bigger?")
# ...开始新的聊天
在Python中，开放解释器会记住对话历史。如果您想重新开始，您可以重置它：
interpreter.reset()保存和恢复聊天
interpreter.chat() 当 return_messages=True 时返回一系列消息，它可以被用来通过 interpreter.load(messages) 恢复对话：
messages = interpreter.chat("My name is Killian.", return_messages=True) # 保存消息到 'messages'
interpreter.reset() # 重置解释器 ("Killian" 将被遗忘)
interpreter.load(messages) # 从 'messages' 恢复聊天 ("Killian" 将被记住)自定义系统消息
您可以查看和配置 Open Interpreter 的系统消息以扩展其功能、修改权限或给它更多上下文。
interpreter.system_message += """
使用 -y 运行 shell 命令，这样用户就不必确认它们。
"""
print(interpreter.system_message)更改模型
ⓘ 在本地运行时遇到问题？ 阅读我们的新 GPU设置指南 和 Windows设置指南。
您可以从命令行在本地模式下运行 interpreter 以使用 Code Llama：
interpreter --local对于 gpt-3.5-turbo，使用快速模式：
interpreter --fast在 Python 中，您需要手动设置模型：
interpreter.model = "gpt-3.5-turbo"Azure 支持
要连接到 Azure 部署，--use-azure 标志将指导您完成此设置：
interpreter --use-azure在 Python 中，设置以下变量：
interpreter.use_azure = True
interpreter.api_key = "your_openai_api_key"
interpreter.azure_api_base = "your_azure_api_base"
interpreter.azure_api_version = "your_azure_api_version"
interpreter.azure_deployment_name = "your_azure_deployment_name"
interpreter.azure_api_type = "azure"调试模式
为了帮助贡献者查看 Open Interpreter，--debug 模式非常详细。
您可以通过使用它的标志激活调试模式（interpreter --debug），或在聊天中间：
$ interpreter
...
> %debug # <- 开启调试模式使用 .env 配置
Open Interpreter 允许您使用 .env 文件设置默认行为。这提供了一种灵活的方式，无需每次更改命令行参数即可配置解释器。
这是一个 .env 配置的示例：
INTERPRETER_CLI_AUTO_RUN=False
INTERPRETER_CLI_FAST_MODE=False
INTERPRETER_CLI_LOCAL_RUN=False
INTERPRETER_CLI_DEBUG=False
INTERPRETER_CLI_USE_AZURE=False您可以在 .env 文件中修改这些值，以更改 Open Interpreter 的默认行为。
安全通知
由于生成的代码在您的本地环境中执行，它可以与您的文件和系统设置互动，可能导致数据丢失或安全风险等意外结果。
⚠️ 在执行代码之前，Open Interpreter 会要求用户确认。
您可以运行 interpreter -y 或设置 interpreter.auto_run = True 来绕过此确认，此时：
- 在请求修改文件或系统设置的命令时要小心。
- 观察 Open Interpreter 就像观察自动驾驶汽车，并准备通过关闭终端来结束进程。
- 考虑在 Google Colab 或 Replit 这样的受限环境中运行 Open Interpreter。这些环境更加孤立，减少了执行任意代码的风险。
它是如何工作的？
Open Interpreter 配备了一个 函数调用语言模型 和一个 exec() 函数，它接受一个 language（如 "python" 或 "javascript"）和要运行的 code。
我们然后将模型的消息、代码和您的系统输出流式传输到终端作为 Markdown。
贡献
感谢您对贡献的兴趣！我们欢迎社区的参与。
请查看我们的 贡献指南 以获取更多关于如何参与的详情。
许可
Open Interpreter 根据 MIT 许可证授权。您被允许使用、复制、修改、分发、再许可并出售软件副本。
注意：此软件与 OpenAI 无关。
有一个速度如指尖般快速工作的初级程序员的访问权限… 可以使新的工作流程变得轻而易举和高效，同时还可以为新的受众带来编程的好处。
— OpenAI的代码解释器发布
注意：此翻译是由人工智能创建的。我们确信它包含了一些不准确之处。
请通过为我们提供您的纠正意见的拉取请求，帮助Open Interpreter走向世界各地！
