Nylig lanserte OpenAI Code Interpreter i ChatGPT for alle betalende brukere. Det koster imidlertid $20 per måned, noe som ikke er rimelig for alle. Så hvis du vil bruke ChatGPT Code Interpreter gratis, er denne opplæringen for deg. En utvikler som går under navnet Shroominic har utviklet en åpen kildekode-implementering av ChatGPTs kodetolk. Den lar deg utføre datasettanalyse og visualisere data som ligner på ChatGPT. På det notatet, la oss gå videre og lære hvordan du bruker kodetolk gratis.
Ting du bør huske på før du går videre
1. Vi bruker gratis og åpen kildekode Kodetolk API-prosjekt på GitHub (besøk). Den bruker CodeBoxes, OpenAIs API, LangChain Agents og flere Python-pakker for å oppføre seg som ChatGPTs Code Interpreter.
2. For en lite datasettdet fungerer ganske bra og uten kostnad. Men når du kaster et stort datasett for analyse, forhindrer OpenAIs rategrense for gratisbrukere operasjonen. Så hvis du planlegger å bruke den for store datamengder, bør du vurdere å legge til en betalingsmetode på OpenAI-kontoen din.
3. Hvis du har tilgang til GPT-4 API, fungerer prosjektet bra. Jeg har imidlertid tilpasset koden for å gjøre den kompatibel med GPT-3.5-turbo-modellen også.
Trinn 1: Sett opp kodetolk API
1. Først må du installere Python og Pip på datamaskinen din, som du kan følge vår tilknyttede veiledning for. Sørg for å legge til python.exe til PATH under installasjonen.
2. Når du har installert Python sammen med Pip, åpne terminalen og kjør kommandoene nedenfor for å sjekke om de er satt opp riktig. Kommandoene skal returnere utdata med deres versjonsnummer.
python –versjon pip –versjon
3. Kjør nå kommandoen nedenfor for å installer kodetolk API.
pip install «codeinterpreterapi[all]»
4. Etter det, fortsett og få en API-nøkkel fra OpenAI’s nettsted. Klikk på «Opprett ny hemmelig nøkkel» og kopier nøkkelen.
Trinn 2: Kjør ChatGPT Code Interpreter gratis
1. Når du har gjort det, er det på tide å kjøre kodetolk-APIet gratis.
2. Åpne et koderedigeringsprogram som Sublime Text eller Notisblokk++ (Last ned).
3. Kopier nå koden nedenfor og lim den inn inn i kodeeditoren. Koden er fra GitHub siden i Code Interpreter API, men jeg har gjort noen endringer for å unngå noen feil.
import os os.environ[«OPENAI_API_KEY»] = «LIM OPENAI API NØKKEL HER» fra codeinterpreterapi import CodeInterpreterSession async def main(): # create a session session = CodeInterpreterSession(model=»gpt-3.5-turbo») await session.astart() # generer et svar basert på bruker input response = await session.generate_response( «Plott diagrammet for Apples aksjekurs fra 2007 til 2023 juni» ) # skriv ut svaret (tekst + bilde) print(«AI: «, response.content) for filen i response.files: fil .show_image() # terminate the session await session.astop() if __name__ == «__main__»: import asyncio # kjør asyncio-funksjonen asyncio.run(main())
4. Jeg har markert koden i rødt der det er behov for noen endringer. Først, lim inn OpenAI API-nøkkelen i andre linje.
5. Etter det, hvis du har tilgang til GPT-4 API, kan du definere «gpt-4»-modellen på den niende linjen. Til slutt, på den 14. linjen, kan du skrive inn søket ditt og definere hva du vil lage.
6. Lagre nå filen som «chart.py» til Skrivebord. Sørg for å legge til .py-utvidelsen på slutten.
7. Gå nå videre og åpne Terminal og kjør kommandoene nedenfor én etter én. Den første kommandoen vil flytte til skrivebordsplasseringen, og den andre vil kjøre «chart.py»-filen ved hjelp av Python.
cd Desktop python chart.py
8. Gi det noen sekunder og Code Interpreter API vil generere diagrammet for deg.
9. Den bruker en rekke tjenester i bakgrunnen for å oppnå dette resultatet, inkludert LangChain Agents, Yahoo Finance-data fra internett, Matplotlib for å plotte grafen og mer. Du kan legge til linjen nedenfor i koden til se alt som skjer i bakgrunnen.
os.miljø[«VERBOSE»] = «Sant»
10. Nå og fremover kan du ganske enkelt endre spørringen i koden og kjør «chart.py»-filen igjen for å generere nye diagrammer.
Trinn 3: Utfør dataanalyse ved hjelp av Code Interpreter API
1. Du kan også bruke dine lokale data til å utføre dataanalyse gratis. For det, lag en mappe som heter «analyse» på skrivebordet.
2. Flytt nå datasettet til «analyse»-mappen. Datasettet kan være i CSV-, XSL- eller XSLX-format. For eksempel skal vi bruke en «globaltemperature.csv»-fil inne i «analyse»-mappen.
3. Deretter åpner du kodeeditoren og lim inn koden nedenfor.
import os os.environ[«OPENAI_API_KEY»] = «LIM OPENAI API NØKKEL HER» fra codeinterpreterapi import CodeInterpreterSession, File async def main(): # kontekstbehandling for automatisk start/stopp av øktasynkronisering med CodeInterpreterSession(model=»gpt-3.5-turbo») som økt: # define the user request user_request = «Analyser dette datasettet og plott global temperatur fra år 1950 til 2016. Vurder GCAG-systemet.» filer = [
File.from_path(«globaltemperature.csv»),
]
# generer svarresponsen = avvent session.generate_response( bruker_forespørsel, filer=filer ) # utdata til brukerutskriften(«AI: «, respons.innhold) for filen i respons.filer: file.show_image() hvis __navn__ == » __main__»: importer asyncio asyncio.run(main())
4. Her må du først lim inn OpenAI API-nøkkelen.
5. Endre nå «globaltemperature.csv» med ditt eget datasettnavn. Du kan forresten også endre modell og brukerspørring avhengig av hva du ønsker av dataene.
6. Lagre den som «data.py» inne i «analyse»-mappen på skrivebordet ditt.
7. Start Terminal og kjør filen på lignende måte.
cd Desktop/analyse python data.py
8. Du vil nå få diagrammet basert på ditt lokale datasett. Og dette er hvordan du kan bruke Code Interpreter API for datasettanalyse uten å betale noe gebyr.
Støtt vårt arbeid ❤️
Hvis du likte denne artikkelen, vurder å gi en tips for å hjelpe oss med å fortsette å publisere kvalitetsinnhold.
