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：
├── aaaaaa
│ └── index.html
├── bbbbbb
│ └── index.html
├── cccccc
│ └── index.html
└── ...
我们期望的整理效果是这样的：
- 这些子目录中的
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。 - 为方便浏览，我们让所有图片文件都扁平地存放在同一个目录下，文件名取它原先所在的目录名即可。
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。
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，请关注魔法哥的后续文章。
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：
- 上传文件的体积限制。用户最多可以上传 512MB 的文件。如果我们想要处理的文件体积刚好超过了这个限制，可以试试以压缩包的形式来上传。
- 仅支持 Python 语言。考虑到 Python 强大的生态和表现力，这个限制并不算太大。
- 不可引用任意的 Python 包。这是一项安全措施，代码解释器的运行环境只预装了那些最常用的、经过 OpenAI 验证的 Python 包。不过这些预装包已经达到数百个之多，因此这个局限也算不上很严重。
- 沙箱的存活时间有限制。可以想像，ChatGPT 为用户创建的沙箱环境不可能长时间保留。在对话闲置一个小时之后，沙箱环境就会销毁，沙箱中的文件也就无法再次下载。我们点击过期的文件会看到 “Code interpreter session expired” 的错误提示，因此大家记得及时下载哈。
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。新朋友请点关注，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
