如何使用 ChatGPT 代码解释器免费吗？

让我们看看如何使用它 ChatGPT 代码解释器免费。 自从人工智能出现以来，分析和编码变得更加容易 OpenAI 发布其代码解释器 ChatGPT，压力也变得更小了。 问题是这个代码解释器已经可用 ChatGPT 仅供付费用户使用。 该口译员的费用为每月 20 美元，并不是每个人都能花得起这笔钱进行分析。 如果您一直在寻找一种方法来避免支付这笔费用并且仍然能够使用口译员，那么这里有一种方法可以解决所有问题 ChatGPT的代码解释器，无需付费。

一位名叫 Shroominic 的开发人员通过开发一个开源实现使这成为可能 ChatGPT的代码解释器。 特别是对于小数据集，该解决方案效果非常好并且以类似的方式 ChatGPT。 使用此解决方案处理大型数据集将导致 OpenAI 对免费用户施加关税限制。 因此，在应用此解决方案以免费使用 Code Interpreter 时，请记住使用较小的数据集。

使用步骤 ChatGPT 代码解释器免费：

第 1 步：代码解释器设置

  • 首先在您的计算机上安装 Python 和 Pip。
  • 在安装过程中，不要忘记选中“将 python.exe 添加到 PATH‘。
  • 安装过程完成后，检查设置是否正确完成。 为此，请打开终端并输入以下命令：
python --version
pip --version

这些命令的输出应该是您设备上安装的 Python 和 Pip 版本。

  • 接下来，您可以使用以下命令安装代码解释器 API：
pip install "codeinterpreterapi[all]"
  • 然后您可以在他们的网站上购买 API 密钥 OpenAI。 寻找选项“创建一个新的密钥‘并在单击后复制生成的密钥。

第2步：运行代码解释器

  • 输入您的代码编辑器。 根据您的喜好，您可以使用 Notepad++ 或 Sublime Text。
  • 将以下代码复制并粘贴到代码编辑器中。
import os
os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE"

from codeinterpreterapi import CodeInterpreterSession


async def main():
    # create a session
    session = CodeInterpreterSession(model="gpt-3.5-turbo")
    await session.astart()

    # generate a response based on user input
    response = await session.generate_response(
        "Plot the Apple stock price chart from 2007 to 2023 june"
    )

    # output the response (text + image)
    print("AI: ", response.content)
    for file in response.files:
        file.show_image()

    # terminate the session
    await session.astop()


if __name__ == "__main__":
    import asyncio
    # run the async function
    asyncio.run(main())

对以黄色突出显示的文本进行以下更改：

  • 在 Line 2. 输入生成并复制的API密钥 OpenAI。
  • 在 Line 9、编辑版本 ChatGPT 根据您有权访问的内容。 例如，如果您有权访问 GPT-4 API，第9行将模型定义为“gpt-4”。 不要忘记在这里进行必要的更改。
  • 最后，14号 Line 您可以在此处输入您的请求。
  • 进行必要的更改后，您可以将此文件保存到设备的桌面上。 保存时不要忘记在文件名中添加“.py”扩展名。 例如，如果您保存名为“Chart”的文件，请将其另存为“Chart.py”。
  • 您现在可以转到终端并运行以下命令来运行保存在设备桌面上的此文件：
cd Desktop
python chart.py
  • 执行时，代码解释器 API 会为您提供一个图表作为输出。
  • 如果您有兴趣查看用于创建输出的所有内容，您可以编辑代码并添加以下内容：
os.environ["VERBOSE"] = "True"
  • 现在，您可以轻松地在查询代码时进行必要的更改，并重新运行文件以获取新图表。

第三步：数据分析

如果您有自己的数据集，也可以用它进行分析。 只需在设备桌面上创建一个名为“Analysis”的文件夹，然后按照以下步骤操作：

  • 将数据集的副本保存到桌面上的此文件夹中。 该文件可以采用 CSV、XSL 或 XLSX 格式之一。 例如，假设我们使用 Analysis 文件夹中的 globalTemperatures.csv 文件。
  • 将数据集保存在正确的位置后，您可以继续进行编码过程。 将以下代码复制并粘贴到您选择的编辑器中：
import os
os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE"

from codeinterpreterapi import CodeInterpreterSession, File

async def main():
    # context manager for auto start/stop of the session
    async with CodeInterpreterSession(model="gpt-3.5-turbo") as session:
        # define the user request
        user_request = "Analyze this dataset and plot global temperature from the year 1950 to 2016. Consider the GCAG system."
        files = [
            File.from_path("globaltemperature.csv"),
        ]

        # generate the response
        response = await session.generate_response(
            user_request, files=files
        )

        # output to the user
        print("AI: ", response.content)
        for file in response.files:
            file.show_image()


if __name__ == "__main__":
    import asyncio

    asyncio.run(main())

和以前一样，对以黄色突出显示的文本进行必要的更改：

  • Enter 你的 OpenAI 第二行的 API 密钥和版本 ChatGPT 您可以在第八行访问 API。
  • 编辑代码中的文件名以匹配数据集的文件名。
  • 请注意，您可以根据您想要在数据集中查找的内容轻松编辑查询以及用于分析的模型。
  • 将此文件保存在设备桌面上的 Analysis 文件夹中，命名为 data.py。
  • 您现在可以进入终端并像以前一样运行此文件：
cd Desktop/analysis
python data.py
  • 这些步骤后生成的图表基于您的本地数据集。

对于无法以上述方式分析的较大数据集，您可能只需要成为付费用户即可 ChatGPT 实现平稳、快速的操作。 另一方面，可以通过代码解释器的开源替代方案自由使用较小的数据集 ChatGPT。 在代码中编辑时要记住的两件重要事情是关键 OpenAI 以及你的版本 ChatGPT API。 一旦这两个都确定了，你就可以开始分析了。 现在你知道如何使用它了 ChatGPT 代码解释器免费。

Related Posts