前言

代码解译器到底是什么？它能干是什么？对哪些人有用？存在什么问题？今天这个视频把它讲清楚！

视频观看

点击进入：YouTue视频

文字内容

代码解译器Code Interpreter最近已经全面开放给ChatGPT Plus用户，然后就被各个大小博主吹得天花乱坠，什么GPT4.5、最新重磅、核弹级，王炸。被他们各种夸张的描述，我想说AI爆炸的月份3月份已经炸过了，还要再炸一次吗？地球都要被你们炸了！请不要再制造AI恐慌了，好吧。

问题一：代码解译器到底是什么？

简单来说是它一个可以将 Python代码写入 Jupyter Notebook，并在linux沙盒中执行的ChatGPT 模型。有点绕，不知道你听明白没有，下面我具体解释下。

我们正常的ChatGPT访问流程是：用户——GPT4大模型——结果输出。而现在Code Interpreter就在原有的GPT4大模型基础上增加了一个新功能，这个功能就是如果在与ChatGPT的对话当中有Python 代码时候，就会把代码送给Linux服务器中的沙盒环境执行。然后再把执行的结果返回出来，最后输出给用户。那么这个过程中，最关键的一环就是这个Linux服务器中沙盒。

沙盒是什么？沙盒（Sandbox）是为我们程序的运行提供一种隔离的环境，也就是说这个盒子中的程序只能在这里面运行。他无法访问外面的服务器或者系统，更无法对服务器造成干扰，几乎是绝对的安全运行。类似于虚拟机或Docker，但又不完全是。

那么现在这个沙盒里装了什么东西呢。我估计大概有这些东西：临时磁盘空间、Python环境、Python库、Python解释器、Jupyter Notebook等。并且刚刚我们说过沙盒是封闭运行的，所以沙盒中自带的Python库，就决定了代码解释器的能力。这些Python库有哪些呢？预安装超过 330 个库，比如 pandas（数据分析）、matplotlib（数据图形处理）、seaborn（数据可视化）、folium（地理信息可视化）、pytesseract（OCR）、Pillow（图像处理）、Pymovie、ffmpeg音视频处理、Scikit-Learn 和 PyTorch 和 Tensorflow（机器学习）等等

所以Code Interpreter之所以厉害就是把原来Python能做的事融入到了AI当中，让Python能更加高效和快捷的完成我们的需要的工作而已。相比于ChatGPT Default最重要的就是多了这个能运行python的沙盒。就比如我之前用ChatGPT写的这个发票终结者软件，GPT4同样可以为我生成代码，只是没有运行环境。我自己需要在Vscode中反复高度运行，再反馈给GPT4。但是现在Code Interpreter可以省略了我自己运行的这个过程，大大提高了编写代码的效率。

那么最终的结论就是，Code Interpreter就是 AI+Python+ Jupyter Notebook。所以它是一个新事物吗？是的！它把AI+Python进行了充分的结合，大提高了使用Python的效率。但它又不是一个新事物，因为它能生成的结果都是以前python可以处理的东西。但是可以肯定的是，它不是GPT4.5，更不会把地球炸了。

问题二：代码解译器能干是什么？

答案就是：在沙盒环境中Python能干的事，代码解译器就能干。不过openAI把绝大多数Python包都安装到了沙盒中，所以再笼统一点的讲就是Python能干的绝大多数事，代码解译器就能干，最重要的效率极高。以下是我做的功能划分。

1. 数据处理与分析：
   这是python非常强大的能力，而现在解释器继成了这个能力，并可能高效的完成各种数据清洗、转换和分析的任务。比如我们有一个数据表格，可以上传到然后就可以生成我们想要用数据分析方式。比如柱状图 (Bar Chart)、堆积柱状图 (Stacked Bar Chart)、饼图 (Pie Chart)、直方图 (Histogram)、散点图 (Scatter Plot)、箱线图 (Box Plot)、小提琴图 (Violin Plot)、等高线图 (Contour Plot)、雷达图 (Radar Chart)、3D 图 (Three-Dimensional Plot)、面积图 (Area Plot)、误差条图 (Error Bar Plot)、填充图 (Fill Between Plot)、阶梯图 (Step Plot)、复合图 (Composite Plot)、蜡烛图 (Candlestick Chart)、词云图 (Word Cloud)、极坐标图 (Polar Plot)等等，只要是你知道的数据分析处理方面内容，他都可以处理。
   
   
2. 数学和科学计算：
   顾名思义，代码解释器可以执行各种数学和科学计算，并生成各种图表和可视化效果，包括线性代数、统计分析、信号处理等。你知道3Blue1Brown，他的视频就是Python写的吗？并用他有一个库，就叫Manim，在上面可以完成各种数学与科学计算，你看看他的视频就知道了，线性代码，傅里叶变换，概率论，微分与积分问题应有尽有。所以只要你愿意，现在在代码解释器的支持下，你稍微会一点python就可以轻松的完成各种数学与科学相关的内容。比如，画出这个函数的图像x^3+y^3=3axy，在复平面内画出复数z^z的图像，或者股票走势等等。只要你像得出来像不出来的图像它都能画。
   
   
3. 机器学习：
   Python在机器学习以及AI方面，可以说是绝中绝的厉害。现在有了代码解释器的加持，机器学习和人工智能将会让普通人更容易接触，并大大降低了这方面的门槛。并且大大提高了机器学习建模的能力。但是有一点需要提醒大家，”Code Interpreter” 的算力很小和计算时间也非常短。你想在沙盒中跑工程可能会让你有所失望。
   
   
4. 文本处理：
   代码解释器可以进行各种文本处理任务，包括pdf、txt、json、html等文件的处理。
   
   
5. 文件处理和交互：
   除了刚刚的文本处理，还可以读写文件，并处理文件系统中的的任务。

问题三：代码解译器对哪些人有用？

不得不说代码解译器功能很强大，但我觉得代码解译器对很多人其实都没什么用。为什么这么说？因为我相信在屏幕前的你肯定没有在工作和生活中，把代码解释器用在具体事情当中，有，也只是用来玩玩而已。而我刚刚说的那些处理数据处理等，有几个是你知道的，又有几个是你会用上的？

下面是我的一个大概估计，精确来说是和我ChatGPT探讨后的估计。按全球职业和Python编程语言使用情况的大致的估计。

• 非常有用（约5%）：
  这一类人包括了数据科学家，软件工程师，研究员和其他专门用Python作为主要工具的工作人员。他们的工作很大程度上依赖于Python编程。
  
  
• 有用（约15%）：
  这一类人包括了一些科技行业的工作者，比如网络工程师，系统管理员，以及一些在科技公司工作但不直接编写代码的职业。那么对于这些人来讲，代码解释器的能力可以帮助他们更好地完成工作。
  
  
• 基本有用（约30%）：
  这一类人可能包括了一些需要处理数据但不需要编写复杂代码的职业，比如市场分析师，财务分析师，或者一些在科学和工程领域的工作者。对于这些人来说，他们可能会偶尔需要使用代码解释器，但这并不是他们工作的主要部分。
  
  
• 无用（约50%）：
  这一类人包括了那些工作基本上不涉及编程的职业，如销售，人力资源，医生，律师，艺术家等。对于这些人来说，他们可能很少或者根本不需要使用Python，甚至都用不到电脑。

请注意，这只是一个大概的估计，并且是基于全球范围内的职业分布。实际的比例会根据具体的地区和行业有所不同。

问题四：代码解译器存在什么问题？

可以说代码解译器是一种强大的工具，可以执行 Python 代码并返回结果。然而，就像任何技术一样，它也有一些潜在的问题和限制。以下是一些可能的问题：

1. 环境限制：
   代码解译器运行在一个沙盒环境中，这个环境不包含所有的 Python 库。这意味着，如果你的代码需要用到一个沙盒环境中没有的库，那么你将无法运行你的代码。并且受环境的限制，沙盒的文件系统访问权限也是受限的，不能访问沙盒之外的文件系统。
   
   
2. 网络访问：
   出于安全和隐私的考虑，代码解译器通常不能访问网络。这意味着任何需要网络访问的代码，如下载数据、访问 API 等，都不能被执行。
   
   
3. 资源和运行时间限制：
   代码解译器的计算资源（如 CPU 和内存）是很有限的。如果你的代码需要大量的计算资源，比如涉及复杂的机器学习建模，那么它可能无法在代码解译器中运行。代码解译器的最大运行时间限制是60秒，超过60会自动中断限制
   
   
4. 实时交互限制：
   你有没有发现，你在历史记录中想要继续之前的代码解译器对话，是不可行的？这是因为代码解译器通常只支持一次性运行代码并返回结果。并且它对你上传的数据所记忆的时间是有限制的，超过了时间限制你可能需要重新上传数据。
   
   
5. 缺少一些中文支持：
   就是在数据分析过程中，最好还是用英文来对话，否则可能会显示不正常或者分析的能力会不如英文环境。

不过请注意，上面列出的问题并不是代码解译器的问题，而是openai出于安全和隐私的需求，以及技术实现的限制，导致的问题。我也希望这些问题也可能在未来的版本中得到改进。

最后我的总结就是：小事可以找代码解释器，重要的事，专业的事，还是得自己来。

如有问题可以加入我的讨论群组（主）：TG ，qq群（副）：32782385