gpt code interpreter

ล่ามรหัสด้วย GPT-3.5 / GPT-4

ยินดีต้อนรับสู่โครงการ Code Interpreter ซอฟต์แวร์นี้จำลอง ChatGPT ของ OpenAI ภายในเครื่อง โดยเพิ่มคุณสมบัติและความสามารถเพิ่มเติม โซลูชันขั้นสูงนี้ต่างจากรุ่น OpenAI ตรงที่รองรับเคอร์เนล Jupyter หลายตัว ช่วยให้ผู้ใช้สามารถติดตั้งแพ็คเกจเพิ่มเติมและให้สิทธิ์การเข้าถึงไฟล์ไม่จำกัด

รายละเอียดโครงการ

ล่ามโค้ดในตัวของ ChatGPT มีความหลากหลาย โดยทำหน้าที่เป็นล่าม Python ภายในสภาพแวดล้อมแซนด์บ็อกซ์ที่ปลอดภัยและมีไฟร์วอลล์ มันสามารถจัดการการอัพโหลดและดาวน์โหลดไฟล์ เชื่อมต่อกับเซสชันที่ยาวนาน (ขึ้นอยู่กับการจำกัดเวลาสูงสุด) และทำงานที่สำคัญอื่น ๆ

ล่ามในพื้นที่ของเราขยายโมเดลนี้เพื่อให้มีฟังก์ชันการทำงานที่ครอบคลุมมากขึ้น:

• แชทบอตที่ออกแบบเป็นพิเศษโดยอิงตามการใช้งานที่คุ้นเคยและใช้งานง่ายของ ChatGPT
• ความสามารถในการรันโค้ด Python และ NodeJS ภายในสภาพแวดล้อมโน้ตบุ๊ก Jupyter ซึ่งปรับใช้ภายในคอนเทนเนอร์ Docker
• รองรับหลายเคอร์เนลโดยอาศัย Jupyter ซึ่งส่งเสริมความคล่องตัวในการเขียนโปรแกรม
• ระบบการเข้าถึงไฟล์ที่ไม่จำกัด โดยไม่มีข้อจำกัดด้านขนาดหรือประเภทของไฟล์

คุณสมบัติเหล่านี้ได้รับการออกแบบมาเพื่อให้ประโยชน์ของการเขียนโปรแกรมแก่ผู้ชมในวงกว้างขึ้น

การใช้งานที่มีแนวโน้มของล่ามโค้ดของเราประกอบด้วย:

• การดำเนินการทางคณิตศาสตร์เชิงปริมาณและเชิงคุณภาพ
• ดำเนินการวิเคราะห์ข้อมูลโดยละเอียดและแสดงภาพ
• อำนวยความสะดวกในการแปลงไฟล์ระหว่างรูปแบบต่างๆ

ความเป็นไปได้นั้นถูกจำกัดด้วยความคิดสร้างสรรค์และการสำรวจของคุณเท่านั้น

วิดีโอสาธิต

นี่คือการสาธิตสั้น ๆ ของโครงการ:

โครงสร้างพื้นที่เก็บข้อมูล

พื้นที่เก็บข้อมูลนี้ประกอบด้วยสามไดเร็กทอรี:

1. client : ไดเร็กทอรีนี้มีแอปพลิเคชัน React ที่ให้อินเทอร์เฟซผู้ใช้ของแชทบอท
2. server : ไดเร็กทอรีนี้เป็นที่ตั้งของเซิร์ฟเวอร์ซึ่งตอบสนองต่อคำขอจากแอปพลิเคชัน React
3. jupyter_client : ไดเร็กทอรีนี้ประกอบด้วย Dockerfile และไฟล์สำคัญที่จำเป็นในการเปิดใช้สภาพแวดล้อมเซิร์ฟเวอร์โน้ตบุ๊ก Jupyter

เริ่มต้นใช้งาน

ก่อนเริ่มต้น โปรดตรวจสอบให้แน่ใจว่าคุณได้ติดตั้ง Docker, Node.js และ npm แล้ว

วิธีการติดตั้ง

คำแนะนำในการติดตั้งมีดังนี้:

ขั้นตอนที่ 1: การสร้างอิมเมจ Docker

นำทางไปยังไดเร็กทอรีรากที่มี Dockerfile และป้อนคำสั่ง Docker build

docker build -t jupyter_api . 

ขั้นตอนที่ 2: การปรับใช้ Docker Container

เมื่อสร้างอิมเมจ Docker สำเร็จ ให้เริ่มคอนเทนเนอร์ Docker ด้วย:

docker run -p 5008:5008 -p 8888:8888 jupyter_api

ขั้นตอนที่ 3: ติดตั้งการพึ่งพา

นำทางไปยัง client และ server และติดตั้งการขึ้นต่อกันโดยใช้คำสั่ง npm install

ขั้นตอนที่ 4: เรียกใช้เซิร์ฟเวอร์และไคลเอนต์

จากนั้น เริ่มต้นเซิร์ฟเวอร์และไคลเอ็นต์โดยไปที่ไดเร็กทอรีที่เกี่ยวข้อง และใช้คำสั่ง npm start

สิ่งที่ต้องทำ

ขณะนี้โครงการอยู่ในช่วงอัลฟ่าและกำลังแสวงหาการมีส่วนร่วมเพื่อเพิ่มขีดความสามารถ พื้นที่เก็บข้อมูลนี้อิงตามแอปพลิเคชัน React แชทสดจาก IdoBouskila เป็นหลัก เนื่องจากฉันเป็นนักพัฒนาแบ็กเอนด์เป็นหลัก ฉันจึงต้องการความช่วยเหลือ โดยเฉพาะจากนักพัฒนาส่วนหน้า เพื่อปรับปรุงความสวยงามและฟังก์ชันการทำงานโดยรวมของโปรเจ็กต์นี้

ประเด็นสำคัญสำหรับการปรับปรุง ได้แก่ :

• การเพิ่มประสิทธิภาพอินเทอร์เฟซการแชท
• อำนวยความสะดวกในการใช้ภาษาที่เลือกต่อห้อง (เช่น อนุญาตเฉพาะ Python หรือ NodeJS ในห้องที่กำหนด) ปัจจุบันห้องสามารถใช้ทั้งสองภาษาสลับกันได้
• เพิ่มตัวเลือกโมเดลเพิ่มเติม เช่น อุณหภูมิ, top_p, max_tokens ฯลฯ

มีส่วนร่วม

ผลงานได้รับการชื่นชมอย่างมาก โปรดแยกพื้นที่เก็บข้อมูลนี้และส่งคำขอดึงเพื่อเสนอการเปลี่ยนแปลงของคุณ

ใบอนุญาต

ซอฟต์แวร์ในพื้นที่เก็บข้อมูลนี้ทำงานภายใต้ใบอนุญาต MIT ตรวจสอบไฟล์ใบอนุญาตสำหรับรายละเอียดเพิ่มเติม

ข้อจำกัดความรับผิดชอบ: คุณควรมีคำสั่งเหนือ Docker, NodeJS และ React เพื่อโต้ตอบกับซอฟต์แวร์นี้อย่างมีประสิทธิภาพ หากคุณยังใหม่ โปรดดูเอกสารและคำแนะนำอย่างเป็นทางการของ Docker, Node.js, npm และ React