We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
ChatGPT 的付费会员不只是能调用 GPT-4 这么简单，还有很多宝藏功能有待探索。如果你还不了解 “代码解释器”，不妨来看看这三个真实案例，肯定对你有所启发。
“代码解释器” 是 ChatGPT 在发布 GPT-4 之后不久，面向付费用户推出的一项高级功能。
这项功能利用了 GPT-4 的代码生成能力，根据当前任务自动编写 Python 代码并执行，最终将结果返回给用户。更神奇的是，即使生成的代码有错误，它也可以根据代码运行的报错信息来改进代码，通过多次迭代来完成任务。
在每次调用代码解释器时，ChatGPT 会创建一个可运行 Python 代码的沙箱环境。用户上传的文档也会保存在这个沙箱环境中，因此代码解释器可以访问这些文件，它在沙箱中生成的文件也可以提供链接给用户下载。
如今这项功能已经融入了 OpenAI 产品的方方面面，包括 ChatGPT、GPTs、Assistants API 等等。在付费版的 ChatGPT 中，它也是默认开启的，不需要额外激活。我们只需要在对话中描述需求，ChatGPT 就会在合适的时机调用代码解释器来完成任务。
由于代码解释器具有执行 Python 代码、处理用户上传文件、生成图表的能力，因此它在数据分析领域有着广泛的应用，比如数据清洗、数据可视化、数据建模等等。
有段时间，这项功能就曾改名为 “高级数据分析（Advanced Data Analytics）”，可见 OpenAI 对它信心满满。
但是，如果你既不是数据分析师，也不是程序员，那这项功能是不是就没有用武之地了呢？其实我们不要被它的名字迷惑了，把它想像成一个 “程序员员工”，让它帮你干活就可以了。我们来看第一个案例吧！
我们先从一个简单的案例开始热热身。某天，魔法哥从网上下载了一个 docx 文档，需要转换为 Markdown 格式，而手边又没有合适的编辑软件，此时就可以让 ChatGPT 的代码解释器来试试身手。
我们进入 ChatGPT 的对话界面，把文件传上去，然后让它转换格式：
稍等片刻，ChatGPT 就完成任务了。我们点击它提供的链接，就可以下载转换好的文件了。
我们点开 “Finished analyzing” 折叠标记，可以看到代码解释器生成代码和执行代码的整个过程：
这个例子很好地演示了 Python 的强大生态，代码解释器可以引入丰富的 Python 包，帮助我们完成各种任务。
你平常有没有遇到批量处理文件的场景？比如这一天，魔法哥用某个软件抓取了一个网页上的所有图片，但图片的存储目录比较混乱，需要整理。
当前图片文件的目录结构是这样的：
├── aaaaaa │ └── index.html ├── bbbbbb │ └── index.html ├── cccccc │ └── index.html └── ...
我们期望的整理效果是这样的：
index.html
也就是说，整理完之后，文件目录结构应该是这样的：
├── aaaaaa.png ├── bbbbbb.png ├── cccccc.png └── ...
如果写一段 Node.js 脚本或 Shell 脚本，当然也可以完成这个任务。不过这次魔法哥想偷个懒，让代码解释器来帮忙。
我们把整个目录打个包，上传到 ChatGPT，然后把我们的要求告诉它：
如你所见，只要把需求描述清楚，ChatGPT 就可以生成合适的代码来完成文件的批量操作。在上面的截图中，我们还可以看到代码解释器的第一次尝试并不成功，但它会根据错误信息改进代码；而第二次尝试就圆满完成了。
我们都知道，大型语言模型是个 “偏科生”，在数学计算方面并不擅长。ChatGPT 在回答数学问题时，往往会掉链子。
比如某天魔法哥向 ChatGPT 提了这个问题：
不出意外地出意外了，ChatGPT 很漂亮地列出了算式，但最后一步的计算结果似乎不太对劲。
这时，我们可以召唤出代码解释器来救场。于是，魔法哥追加了一句 “请使用你的代码能力解答这个问题”：
接下来代码解释器生成了一段代码，然后执行，最终得到了正确的计算结果。我们可以看到，代码解释器可以很好地弥补大模型在数学计算方面的不足，给出令人放心的答案。
如果你经常需要调用代码解释器来处理某个重复的任务，那不妨把这项工作封装成一个 GPTs 机器人，以便重复调用。比如魔法哥经常需要处理上面的 “案例二”，于是就定制了一个名为 “图片整理” 的 GPTs。
在定制这个 GPTs 的时候，我们不仅要把任务描述填入 GPTs 的 “Instructions（指令）” 输入框，还要记得在 “Capabilities（能力）” 列表中勾选 “Code Interpreter”，为 GPTs 启用代码解释器的能力。
除了代码解释器之外，GPTs 还集成了外挂知识库、网页浏览、绘图、外部 API 等五大工具。关于 GPTs 的开发技巧，请参考魔法哥的系列文章：GPTs 完全指南：入门篇 | 如何开发 | 如何上架 | 如何赚钱。
代码解释器是一个强大的工具，但它也需要消耗可观的计算资源，它的运行环境也不得不设置一些安全限制。因此，这里也跟大家提醒一下代码解释器的主要局限：
ChatGPT 的代码解释器是一个强大而易用的工具，从现在开始，当你遇到一个新问题，不妨也试试能不能用上代码解释器，看它能为你带来什么惊喜吧！
魔法哥最近一年都在做 AI 领域的研发和探索，会陆续跟大家分享心得。新朋友请关注公众号，下次更新不迷路：
📣 AI 魔法群开放啦！ 对 AI 感兴趣的同学不妨扫码加群，与数百名同好交流分享：
对 AI 感兴趣的同学不妨扫码加群，与数百名同好交流分享：
© Creative Commons BY-NC-ND 4.0 | 我要订阅 | 我要打赏
The text was updated successfully, but these errors were encountered:
No branches or pull requests
ChatGPT 的付费会员不只是能调用 GPT-4 这么简单，还有很多宝藏功能有待探索。如果你还不了解 “代码解释器”，不妨来看看这三个真实案例，肯定对你有所启发。
什么是 “代码解释器”
功能简介
“代码解释器” 是 ChatGPT 在发布 GPT-4 之后不久，面向付费用户推出的一项高级功能。
这项功能利用了 GPT-4 的代码生成能力，根据当前任务自动编写 Python 代码并执行，最终将结果返回给用户。更神奇的是，即使生成的代码有错误，它也可以根据代码运行的报错信息来改进代码，通过多次迭代来完成任务。
在每次调用代码解释器时，ChatGPT 会创建一个可运行 Python 代码的沙箱环境。用户上传的文档也会保存在这个沙箱环境中，因此代码解释器可以访问这些文件，它在沙箱中生成的文件也可以提供链接给用户下载。
如今这项功能已经融入了 OpenAI 产品的方方面面，包括 ChatGPT、GPTs、Assistants API 等等。在付费版的 ChatGPT 中，它也是默认开启的，不需要额外激活。我们只需要在对话中描述需求，ChatGPT 就会在合适的时机调用代码解释器来完成任务。
“高级数据分析”
由于代码解释器具有执行 Python 代码、处理用户上传文件、生成图表的能力，因此它在数据分析领域有着广泛的应用，比如数据清洗、数据可视化、数据建模等等。
有段时间，这项功能就曾改名为 “高级数据分析（Advanced Data Analytics）”，可见 OpenAI 对它信心满满。
但是，如果你既不是数据分析师，也不是程序员，那这项功能是不是就没有用武之地了呢？其实我们不要被它的名字迷惑了，把它想像成一个 “程序员员工”，让它帮你干活就可以了。我们来看第一个案例吧！
案例一：文档格式转换
我们先从一个简单的案例开始热热身。某天，魔法哥从网上下载了一个 docx 文档，需要转换为 Markdown 格式，而手边又没有合适的编辑软件，此时就可以让 ChatGPT 的代码解释器来试试身手。
我们进入 ChatGPT 的对话界面，把文件传上去，然后让它转换格式：
稍等片刻，ChatGPT 就完成任务了。我们点击它提供的链接，就可以下载转换好的文件了。
我们点开 “Finished analyzing” 折叠标记，可以看到代码解释器生成代码和执行代码的整个过程：
这个例子很好地演示了 Python 的强大生态，代码解释器可以引入丰富的 Python 包，帮助我们完成各种任务。
案例二：批量处理文件
你平常有没有遇到批量处理文件的场景？比如这一天，魔法哥用某个软件抓取了一个网页上的所有图片，但图片的存储目录比较混乱，需要整理。
当前图片文件的目录结构是这样的：
我们期望的整理效果是这样的：
index.html其实都是 PNG 图片，只不过抓取软件在保存文件时把它们当作了 HTML 文件。我们需要纠正它们的扩展名。也就是说，整理完之后，文件目录结构应该是这样的：
如果写一段 Node.js 脚本或 Shell 脚本，当然也可以完成这个任务。不过这次魔法哥想偷个懒，让代码解释器来帮忙。
我们把整个目录打个包，上传到 ChatGPT，然后把我们的要求告诉它：
如你所见，只要把需求描述清楚，ChatGPT 就可以生成合适的代码来完成文件的批量操作。在上面的截图中，我们还可以看到代码解释器的第一次尝试并不成功，但它会根据错误信息改进代码；而第二次尝试就圆满完成了。
案例三：拯救大模型的短板
我们都知道，大型语言模型是个 “偏科生”，在数学计算方面并不擅长。ChatGPT 在回答数学问题时，往往会掉链子。
比如某天魔法哥向 ChatGPT 提了这个问题：
不出意外地出意外了，ChatGPT 很漂亮地列出了算式，但最后一步的计算结果似乎不太对劲。
这时，我们可以召唤出代码解释器来救场。于是，魔法哥追加了一句 “请使用你的代码能力解答这个问题”：
接下来代码解释器生成了一段代码，然后执行，最终得到了正确的计算结果。我们可以看到，代码解释器可以很好地弥补大模型在数学计算方面的不足，给出令人放心的答案。
补充一：代码解释器在 GPTs 中的应用
如果你经常需要调用代码解释器来处理某个重复的任务，那不妨把这项工作封装成一个 GPTs 机器人，以便重复调用。比如魔法哥经常需要处理上面的 “案例二”，于是就定制了一个名为 “图片整理” 的 GPTs。
在定制这个 GPTs 的时候，我们不仅要把任务描述填入 GPTs 的 “Instructions（指令）” 输入框，还要记得在 “Capabilities（能力）” 列表中勾选 “Code Interpreter”，为 GPTs 启用代码解释器的能力。
除了代码解释器之外，GPTs 还集成了外挂知识库、网页浏览、绘图、外部 API 等五大工具。关于 GPTs 的开发技巧，请参考魔法哥的系列文章：GPTs 完全指南：入门篇 | 如何开发 | 如何上架 | 如何赚钱。
补充二：代码解释器的局限
代码解释器是一个强大的工具，但它也需要消耗可观的计算资源，它的运行环境也不得不设置一些安全限制。因此，这里也跟大家提醒一下代码解释器的主要局限：
小结
ChatGPT 的代码解释器是一个强大而易用的工具，从现在开始，当你遇到一个新问题，不妨也试试能不能用上代码解释器，看它能为你带来什么惊喜吧！
魔法哥最近一年都在做 AI 领域的研发和探索，会陆续跟大家分享心得。新朋友请关注公众号，下次更新不迷路：
🔥 推荐阅读
AI 应用开发指南：
ChatGPT 高级技巧：
AI 资讯与评述：
© Creative Commons BY-NC-ND 4.0 | 我要订阅 | 我要打赏
The text was updated successfully, but these errors were encountered: