Open Interpreter：2023 年本地代码执行演示

ChatGPT 的 Code Interpreter 可以通过自然语言处理上传的 PDF、图像和数据。我介绍 Open Interpreter，让用户在自己的电脑上运行模型生成的代码并处理本地文件。这是 2023 年 9 月的演示，安装步骤和模型选项可能已经变化。

该项目介绍了一个终端界面，能够执行 Python、JavaScript、shell 命令等。可能的用途包括编辑文件、分析数据、控制浏览器和更改电脑设置。这些能力取决于环境、权限和生成的代码；本地执行并不能保证每项任务可靠，也不能消除所有限制。

视频包含 CapCut Online 的付费赞助，Berman 推广了其脚本转视频和编辑工具。随后，他回到 Open Interpreter 的安装演示。

我打开已安装 Anaconda 的终端，使用 Python 3.11.4 创建一个名为 oi 的 Conda 环境。用 `conda activate oi` 激活后，我通过 `pip install open-interpreter` 安装软件包。在这个配置中，启动工具时需要激活该环境；这些是 2023 年演示的命令，不保证与当前版本兼容。

我用当时默认的 GPT-4 选项启动 `interpreter`，并提供 OpenAI API 密钥。尽管命令在我的电脑上执行，GPT-4 推理使用的是托管 API，而不是在本地运行模型；提示词和相关内容可能会发送给服务提供商。我表示会撤销录制时显示的密钥。

我询问桌面上有哪些文件。工具提出一条 Windows shell 命令，询问是否执行，遇到错误后再次尝试并成功。当时的 `interpreter -y` 选项会跳过审批提示，但这样会失去在命令访问或修改本地资源之前进行检查的机会。

接着，我询问桌面上的一个 Excel 文件包含什么内容。工具安装依赖库，在出错后重试，并展示时尚品牌数据集的示例行。然后我问该数据集中最近一年增长率最高的是哪家公司；它返回 Nike，我确认这与数据一致。

我要求绘制各公司增长率的图表。工具安装 matplotlib 并生成图表，然后我让它把电子表格改成更简单的名称。它遇到错误后尝试另一条命令并成功；我在桌面上验证了重命名后的文件。

对于 PDF，我只要求总结 Attention Is All You Need 的第一页。过程中出现多个问题，包括已弃用的 PDF 读取器、软件包问题和缺失的 NLTK 数据。尝试替代方法、安装依赖并重试后，工具生成了摘要。这个例子展示了迭代恢复过程，而不是一次顺畅完成或对全文的总结。

最后，我尝试当时提供的 Code Llama 路径 `interpreter --local`，选择较小的模型并使用 GPU。但其接口在我的系统上安装失败，因此我无法演示本地推理。我仍然期待开源、完全本地化的配置，并邀请观众提出其他用途。