万众期待的代码解释器上线了！

20 美元，雇佣一位非常擅长数据分析的个人 AI 助理，到底值不值？

现在，OpenAI 正在让用户这 20 美元花得更值。

今年 3 月，OpenAI 首次宣布为 ChatGPT 提供第三方软件应用程序插件，允许用户进一步拓展 ChatGPT 的功能。而就在上周，OpenAI 提前预告了内部插件之一的 ChatGPT 代码解释器（Code Interpreter）即将面向每月付 20 美元开通 ChatGPT Plus 的用户发布。

如今，翘首期盼已久，大家终能用上了。

1、万众期待的代码解释器上线了！

所谓代码解释器，即不会编码的人，面向几乎所有的问题时，只需用自然语言提问，ChatGPT 也可以完成需要复杂编程技术的任务。现实来看，ChatGPT 代码解释器并不是一款普通的 AI 插件。

根据 OpenAI 的描述，代码解释器允许 ChatGPT 运行代码，并且可以选择访问用户上传的文件。你还可以直接要求 ChatGPT 分析数据、创建图表、编辑文件、执行数据运算等。

除此之外，也有开发者发现，还可以使用代码解释器生成数据可视化和图形、分析音乐播放列表、创建交互式 HTML 文件、清理数据集以及从图像中提取调色板。

这款代码解释器释放了无数的功能，使其成为数据可视化、分析和操作的强大工具。

同时，ChatGPT 也可以用 Python 编写代码并操作最大为 100MB 的文件。

这也正如网友所说，“带上 ChatGPT，键盘我有，天下随便走”。

又如沃顿商学院教授 Ethan Mollick 评价的，「使用新的 ChatGPT 工具，我在博士期间需要几周时间才能掌握的事情，现在只需几秒钟就能搞定，而且错误通常要比人类分析师要少」。

乃至知名金融公司 Flutterwave 的欧洲国家经理兼立陶宛总经理 Linas Beliūnas 在其 LinkedIn 也发表评论表示，“OpenAI 正在向所有人解锁自 GPT-4 以来最强大的功能。现在任何人都可以成为数据分析师。”

现在，要想试一把，首先你需要有一个 ChatGPT 账号，然后支付 20 美元购买 ChatGPT Plus，进而在账户设置中启动代码解释器和其他实验性新功能，就可以“上车”了。

那么，这款代码解释器真的有那么神奇吗？基于此，国内外用户在不断尝试的基础上总结了多维度的上手指南，以及各种使用姿势，我们不妨共同看看。

2、Code Interpreter + Midjourney：“大杀四方”

有不少网友直接用 Code Interpreter 试了试，结果成功让一张图像在 30 秒之内快速成片！

要问是怎么做到的，@Chase Lean 在 Twitter 上分享了自己使用代码解释器的「五步走」经验：

一是在 ChatGPT 中打开 Code Interpreter 功能；

二是上传你想要制作动画的图像，如：

三是告诉 ChatGPT 你的需求，如：从左到右为这张食物图像制作动画；

四是给 ChatGPT 一些明确的提示，如修改图片尺寸，具体显示细则：

五是按下 Enter 键，等待 30 秒之后，ChatGPT 自动提供视频的下载链接。

最终便得到了如下所示的效果，是不是很神奇：

如果只需要一张图像就能生成一个视频，那么图像自身是不是也可以借助 AI 工具来完成？AI 与 AI 工具的强强联合，又会擦出什么样的火花？

网友@黄赟（https://twitter.com/huangyun_122）将文本生成图像工具 Midjourney 和代码解释器进行了结合，最终得出了这样一个结论：“惊为天人，一次出片 ！我唯一担心且不敢面对的事情，终于来了”。

他通过让 MidJourney 生成 36:9 的大宽幅图片，然后上传到 Code Interpreter ，并要求其以“左，中，右，中，左的次序显示”，便得到了这样一个视频效果：

对此，他评价道：

3、代码解释器也可以“独自美丽”

当然，除了有效结合行业内一些主流的工具之外，代码解释器自身也具有非常多的功能。

落实到具体使用上，数据分析是代码解释器最常用的功能。事实证明，它能够快速分析大量数据并提供详细的见解，这对于专业数据分析师和业余爱好者来说都是一个宝贵的工具。

来自沃顿商学院教授 Ethan Mollick 写了一篇详细的指南，并以代码解释器处理数据为例，深入分享了整个上手经过与体验心得。

他以数据建模和数据分析竞赛平台 Kaggle 上一个超级英雄数据集（https://www.kaggle.com/datasets/claudiodavi/superhero-set）为引，将此数据集下载下来。

然后点击 ChatGPT 上的“+”按钮即可上传数据，也可以直接上传 ZIP 等压缩数据。然后适当给一下初始提示，AI 可以从上下文中找出数据的含义和结构。

Ethan Mollick 在使用代码解释器过程中发现，这款工具更多的是与 AI 进行对话，而不是通过 Prompt 的形式一直往下。

在使用代码解释器环节，Ethan Mollick 表示：Prompt 似乎只在两个维度起重要作用：

一是，AI 有时候忘记自己可以实现一些功能，如制作 GIF 或者 3D 绘图，此时，你可以通过 Prompt “鼓励”它（如：“你可以制作 GIF，请尝试”）。

二是，你希望 AI 改进自己的工作时，只需要通过提供一些如“对该结果进一步的测试”或“使该图表变得更好”等简单的 Prompt 会起作用。

当数据成功上传之后，显示如下：

下一步，可以让 ChatGPT 完成任何数据分析工作中繁琐的部分：数据合并和清理。人类使用者只需要通过简短的提示词让 AI 直接上手处理。

在这一环节，Ethan Mollick 教授表示，往往有些时候，AI 会在发现错误时纠正自己的错误。但是为了保险起见，还是建议人类工程师也参与一起校验，而不是盲目相信人工智能。

现在，进入分析环节。

Ethan Mollick 发现，AI 似乎对分析方法很了解。他表示自己有兴趣进行一些预测建模，可以根据其他因素预测英雄可能拥有的能力。并询问 ChatGPT 应该如何处理这个问题？

令人没想到的是，ChatGPT 直接构建了一个随机森林分类模型，非常高效。

与此同时，Ethan Mollick 表示自己不愿意让 ChatGPT 通过使用数值数据的方法来估算缺失数据，当进一步询问 AI 是否有更好的方法或者替代方案时，ChatGPT 也能根据自己广泛的知识提供建议。

Ethan Mollick 总结道，Code Interpreter 最令人印象深刻的一点是，它以非常人性化的方式对数据进行“推理”。当被问及网络分析的结果时，ChatGPT 得出了有趣的结论：英雄通常拥有的一组能力本质上是视觉的（因为它们来自漫画书），适合某些原型，并且最适合构建持续的冒险。将数据和故事集成在一起的巧妙方法！

4、5 分钟制作游戏、创建图表…代码解释器都不在话下

与此同时，代码解释器还能制作游戏、创建图表、将任何 GIF 一键转换为 MP4等等。

@Kris Kashtanova 在 Twitter 分享了自己借助 ChatGPT 中代码解释器功能花 5 分钟制作游戏的经过。

具体如下：

1. 写下这样的 Prompt：“为 Asteroids 编写 p5.js 代码，用鼠标控制宇宙飞船，然后单击鼠标左键射击小行星。如果你的宇宙飞船与小行星相撞，你就输了。如果你击落了所有小行星，你赢了！我想用我自己的纹理来制作宇宙飞船和小行星。”

2. 转到 Openprocessing 网站创建并保存草图（你需要在上传任何纹理文件之前保存它）。从 GPT-4 复制粘贴代码。

3. 生成纹理文件并删除背景，例如在 Clip Drop 中。

4. 用你的文件名替换文件名。

5. 运行程序。

6. 如果出现问题，可以用 GPT-4 修复它（你可以直接复制错误并粘贴到 GPT-4 中），就像询问人类程序员一样。

7. 要学习一些编程，请将这些提示写入 GPT-4 对话窗口：“作为我的编程老师。详细告诉我 Asteroids 游戏的算法，命名函数并解释每个函数的作用。先不要写代码。然后你能给一个 10 岁孩子描述这个算法吗？”

最终一款小游戏就这样轻松诞生了：

不过需要注意的是，这个最为强大的代码解释器的到来，虽然可以让你不必编写代码，但不代表你可以就此不学编码。针对一些高难度的程序生成与设计，如上述的游戏开发，还是需要有一定的游戏开发、编程背景才行，才能正确调试与实现最终的程序运行。

相比这个有一定难度的时间，也有网友总结了一些基于 ChatGPT 代码解释器的小白实践示例：

创建各种图表

像 OpenAI 联合创始人 Greg Brockman 演示的这样，只需要轻轻问一声，“你能在平面上画出 10,000 个随机点吗？每个维度都是正态分布”，ChatGPT 就给出了这样的结果：

将任何 GIF 一键转换为 MP4

上传一个 GIF 图片，ChatGPT 能生成一个 MP4 视频文件回来！

创建调色板

另外基于 ChatGPT，也能从图像中提取颜色以创建简单的 PNG 调色板。

一键数据可视化

根据清洗后的数据，直接生成数据可视化图表内容：

CSV 文件转换为 GIF

有用户上传了美国每个灯塔位置的 CSV 文件。ChatGPT 在几秒后直接创建灯塔位置地图的 gif，其中地图非常暗，但每个灯塔都在闪烁。

分析播放列表，生成独特的音乐品味

还有用户使用 ChatGPT 代码解释器分析 300 小时 Spotify 收藏夹播放列表。最终，GPT 向其展示了如何从 Spotify API 导出，运行多维 PCA 和 t-SNE 分析，并为他总结了自己的品味：

根据数据集创建功能齐全的 HTML 热图

5、你用上了这款代码解释器了吗？

综合以上，这只是代码解释器实践的一些皮毛，更多功能还需要大家不断解锁。但是仅通过以上几个示例，我们亲眼见证了，AI 正在把更多从业者从工作中最烦人、最重复的部分中解放出来，让其专注更有价值的事情。

对此，来自沃顿商学院教授 Ethan Mollick 表示，“我的时间变得更有价值，而不是更少，因为我可以专注于重要的事情，而不是死记硬背。代码解释器代表了迄今为止人工智能对工作的最清晰、积极的愿景：颠覆。”

显然，Code Interpreter 显然正在为人工智能和数据科学的未来制定新标准。而借助此工具，OpenAI 再次突破了 ChatGPT 和大型语言模型 (LLM) 的边界。