OpenAI最近为其Plus用户推出了一项新的服务——ChatGPT代码解释器。这项服务的最大亮点在于，它可以让无编程基础的用户，通过自然语言提问，完成需要复杂编程技术的任务。换句话说，你无需编程，ChatGPT就可以为你解决各种问题。但是，对于未订阅Plus用户，这项强大的功能可能就无法享受。那么，有没有可能在本地搭建一个类似的代码解释器，享受到类似的便利呢？答案是肯定的。

首先，我们来了解一下ChatGPT代码解释器的特性。这个解释器并不是一款普通的AI插件，它让最先进的人工智能——GPT-4，能够上传和下载信息，并在持久化的工作区内为你编写并执行程序。这意味着AI能够完成许多以前无法做到的任务，包括数据分析、创建图表、编辑文件、执行数据运算等。此外，你还可以利用代码解释器生成数据可视化和图形，分析音乐播放列表，创建交互式HTML文件，清理数据集，以及从图像中提取调色板。

简而言之，代码解释器为AI提供了一个通用的工具箱来解决问题（通过编写Python代码），提供了大量的工作内存（你可以上传高达100MB的文件，这些文件可以是压缩格式），并将这个工具箱与AI整合在一起，以发挥大型语言模型的优势。

那么，如果我们没有Plus订阅，又怎样才能享受到这些功能呢？今天，我将为大家介绍一个由国外开发者基于GPT API开发的开源版本的代码解释器，使用它你几乎可以在本地实现与ChatGPT代码解释器完全一致的功能。你可以在GitHub上找到它：https://github.com/ricklamers/gpt-code-ui 接下来，我将为你演示如何使用。

这个项目的安装非常简单，只需要在终端运行以下两条命令，就可以完成安装：

pip install gpt-code-ui & gptcode

为了使基本的依赖项可用，建议在运行gptcode的shell中的Python环境运行以下pip安装命令：

pip install "numpy>=1.24,<1.25" "dateparser>=1.1,<1.2" "pandas>=1.5,<1.6" "geopandas>=0.13,<0.14" "PyPDF2>=3.0,<3.1" "pdfminer>=20191125,<20191200" "pdfplumber>=0.9,<0.10" "matplotlib>=3.7,<3.8"

安装完成后界面如下：

这个开源版本的代码解释器的功能也非常强大，它支持文件上传、文件下载、上下文感知（可以参考你之前的消息）、生成代码、运行代码（Python内核）以及模型切换（GPT-3.5和GPT-4）等功能。

你可以通过在工作目录放置.env文件来加载OPENAI_API_KEY环境变量。此外，你还可以设置API_PORT、WEB_PORT、SNAKEMQ_PORT变量来覆盖默认值，设置OPENAI_BASE_URL来更改正在使用的OpenAI API端点（注意，此环境变量包括协议https://...）。对于Azure OpenAI服务，还有其他可配置的变量，如部署名称等，具体信息可以查看项目中.env.azure-example文件。

通过这个教程，你也可以在本地搭建一个强大的GPT代码解释器，享受AI带来的便利。ChatGPT代码解释器的出现，让我们看到了人工智能在代码生成和执行方面的强大潜力。未来，我们期待看到更多的人工智能技术被应用到实际的开发工作中，帮助我们更高效地完成任务。

你对ChatGPT代码解释器有什么看法？你觉得它在哪些场景下会特别有用？欢迎在评论区或者公众号后台分享你的想法！