如何使用 ChatGPT 代码解释器

在线工具推荐：三维数字孪生场景工具 - GLTF/GLB在线编辑器 - Three.js AI自动纹理化开发 - YOLO 虚幻合成数据生成器 - 3D模型在线转换 -  3D模型预览图生成服务

聊天插件

ChatGPT的代码解释器是一个插件。是的，这是一个插件。ChatGPT 插件是增强功能，增强了 ChatGPT 可以为您做的事情。例如，Kayak和Expedia插件可以回答实时旅行问题。这些插件可以在 ChatGPT 插件商店中找到。

ChatGPT 插件商店（仅适用于 ChatGPT plus 用户）

事实上，代码解释器是OpenAI本身正式发布的两个插件之一。插件是专门为帮助 ChatGPT 访问最新信息、运行计算或使用第三方服务而设计的工具。

OpenAI在Code Interpreter之前发布的另一个插件是“Web浏览”。目前，由于 OpenAI 最近由于安全和隐私问题将其删除，因此无法使用 Web 浏览插件。

什么是 ChatGPT 代码解释器？

ChatGPT 是一个聊天机器人，它使用称为大型语言模型 （LLM） 的技术来回答问题。这项技术的工作原理是预测序列中的下一个单词以形成连贯的响应。但是，当代码解释器功能被激活时，ChatGPT 的功能会得到显着增强。

启用代码解释器后，ChatGPT 可以编写和执行计算机代码以提供答案。OpenAI引入的此功能允许聊天机器人执行以前无法完成的任务。例如，它可以执行复杂的计算，根据用户上传的数据生成图表等等，所有这些都通过代码的执行来实现。

代码解释器的引入被一些人视为减少不准确性的一种方式，这是与LLM相关的常见问题。通过执行代码来寻找答案，聊天机器人可以提供更精确和准确的响应，从而增强整体用户体验。

从技术上讲，ChatGPT 模型可以访问沙盒环境中的 Python 解释器，它不仅可以编写代码，还可以在 Python 环境中执行它并返回答案。如果代码失败（就像它多次失败一样），它还可以调试读取回调消息的代码，并自动进入循环以修复代码并使其工作。

代码解释器功能在整个聊天过程中保持活动状态，但有一个时间限制，以确保事情不会持续太久。很酷的是，您可以一个接一个地运行多段代码，它们可以一起工作。

另外，您可以将文件发送到此聊天对话。因此，如果您的代码需要从文件中读取数据，则可以发送该文件。代码完成后，您可以返回结果。例如，如果您的代码创建了一个新文件，则可以下载该文件并根据需要使用它。目前，输入文件大小的限制约为 500 MB。

以下是来自官方OpenAI文档的代码解释器的简单示例：

执行逻辑计算的代码解释器插件

代码解释器入门

入门很容易，但您确实需要一个 ChatGPT plus 帐户才能访问此功能。即使您有 ChatGPT plus，默认情况下无法使用该功能，因为它处于测试阶段，必须从设置中打开。

如果您有 ChatGPT plus，您需要做的就是单击左上角的设置并打开代码解释器的切换按钮：

从 ChatGPT 设置中的测试版功能启用代码解释器

ChatGPT 代码解释器的常见用例

到目前为止，ChatGPT 的代码解释器最常见的用例是分析数据。例如，如果您要求 ChatGPT 在您的数据中找到有趣的内容，它可以检查您的财务记录、健康统计数据或位置详细信息等信息，并为您提供一些见解。从事金融工作的人发现它对研究股票价格或计划预算等任务很有用。研究人员也在使用此工具进行独特的数据可视化。例如，这个世界人口的交互式图表是由ChatGPT的代码解释器创建的。

尽管数据分析是目前最常见的用例。从理论上讲，任何需要逻辑和计算的任务都应该是 ChatGPT 的代码解释器可以实现的。从最初的用户研究中，OpenAI已经确定了代码解释器特别有用的以下领域：

• 解决定量和定性的数学问题
• 进行数据分析和可视化
• 在格式之间转换文件

使用 ChatGPT 代码解释器的示例

示例 1 - 玩具数据集数据分析

首先，让我们用一个非常简单的数据集来尝试一下。数据集如下所示：

我将上传 csv 文件，并要求 ChatGPT 的代码解释器通过简单的提示分析数据。在你这样做之前，我们必须从下拉菜单中选择代码解释器到顶部（如果你没有 ChatGPT 加上你甚至不会看到下拉菜单）。

选择代码解释器后，您将在消息框中看到一个加号，您可以使用该符号上传文件。

输入提示后，ChatGPT 代码解释器开始处理。我无法在此处显示整个输出，因为它非常大，因为它包括过程本身，但这里有一些提取的见解。

在我判断这是相关的见解之前，我在这个数据集上工作过，令人印象深刻的是它的速度有多快。这也是我们要求的故事：

这令人印象深刻。但是，数据集相对简单，有 6,000 行和 7 列 - 非常干净和直接。让我们使用更有可能用于现实世界的数据集来尝试此示例。

访问 60+ ChatGPT 提示的数据科学任务，在此 ChatGPT 数据科学备忘单上的数据科学。

示例 2 - 对更复杂的数据集的数据见解

在此示例中，数据集是来自 StatsCan的加拿大 CPI 通货膨胀。这就是数据集的外观 - 它是原始的、具有重复项、缺失值、大量编码信息和地理编码。

让我们看看我们可以从这个数据集和一个简单的提示中获得什么样的见解。

1. 开发架构

2. 数据清洗

3. 数据可视化

4. 提取见解

这令人印象深刻。它在理解数据、清理数据、思考相关/适当的可视化、编写 Python 代码以生成该可视化，最后围绕它编写见解方面做得不错。它并不完美，但与我们过去看到的所有自动化洞察工具相比，它非常有前途。

您想学习如何在现实生活中的端到端数据科学项目中使用 ChatGPT 吗？立即查看此指南，了解如何在DataCamp上使用ChatGPT进行数据科学项目。

示例 3 - 使用 ChatGPT 的图像动画

您还可以做的是上传图像并使 ChatGPT 也编辑图像。例如，我将上传一个苹果的图像，并要求它对其进行动画处理。

它可能会问你一些澄清问题，但最终会根据您的要求编写一个代码来对图像进行动画处理。

从 ChatGPT 的代码解释器下载的动画输出（gif 文件）

结论

OpenAI的ChatGPT代码解释器是一项突破性功能，它扩展了AI驱动的聊天机器人的功能。通过启用代码解释器，ChatGPT 获得了编写和执行计算机代码的能力，使其能够执行复杂的任务，例如计算、数据分析和生成可视化。

此功能不仅提高了 ChatGPT 响应的准确性和精确性，还为用户提供了更具互动性和动态性的体验。从分析数据到解决数学问题，代码解释器为用户提供了广泛的可能性，使 ChatGPT 成为各种应用程序的强大工具。

由3D建模学习工作室 整理翻译，转载请注明出处！