Open Interpreter

Open Interpreter позволяет языковым моделям запускать код, просматривать веб, и редактировать файлы на вашей машине через интерфейс чата на естественном языке. С более чем 57 тыс. звёзд на GitHub это ведущая open-source альтернатива Code Interpreter от ChatGPT — но без ограничений песочницы.

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

---

Что такое Open Interpreter?

Open Interpreter переносит возможности AI-ассистента для программирования прямо в ваш терминал. Вместо того чтобы копировать и вставлять между ChatGPT и вашей оболочкой, вы общаетесь естественным образом, а модель выполняет код в реальном времени:

• Запускайте Python, JS, shell, R, AppleScript — прямо на вашем сервере

• Просматривайте веб — загружайте страницы, заполняйте формы, извлекайте данные

• Редактируйте файлы — создавайте, изменяйте и управляйте любым файлом на диске

• Постоянное состояние — переменные, импорты и результаты сохраняются между сообщениями

• Несколько LLM-бэкендов — OpenAI, Anthropic, локальные модели через Ollama/LlamaCpp

Open Interpreter создан для разработчиков и исследователей, которым нужен разговорный интерфейс ко всей их вычислительной среде. На GPU-сервере Clore.ai вы получаете мощную машину с полным доступом к интернету и без ограничений на выполнение.

---

Требования к серверу

Компонент	Минимум	Рекомендуется
GPU	Любой (доступен режим CPU)	RTX 3090 / A100 для локальных LLM
VRAM	—	24 ГБ+ для локальных моделей 13B
ОЗУ	8 ГБ	16 ГБ+
CPU	4 ядра	8+ ядер
Хранилище	20 ГБ	50 ГБ+
ОС	Ubuntu 20.04+	Ubuntu 22.04
Python	3.10+	3.11
Сеть	Требуется	Высокая скорость для веб-сёрфинга

---

Порты

Порт	Сервис	Примечания
22	SSH	Доступ к терминалу, туннель для веб-интерфейса
8000	Сервер Open Interpreter	REST API и опциональный веб-интерфейс

---

Быстрый старт с Docker

У Open Interpreter нет официального Docker-образа, поэтому мы собираем чистый. Такой подход даёт вам воспроизводимую, изолированную среду на любом сервере Clore.ai.

Dockerfile

FROM python:3.11-slim

# Системные зависимости
RUN apt-get update && apt-get install -y \\
    git \\
    curl \\
    wget \\
    build-essential \\
    nodejs \\
    npm \\
    chromium \\
    chromium-driver \\
    && rm -rf /var/lib/apt/lists/*

# Установить Open Interpreter со всеми дополнениями
RUN pip install --no-cache-dir \
    open-interpreter \\
    'open-interpreter[local]' \\
    playwright \\
    jupyter

# Установить браузеры Playwright
RUN playwright install chromium

WORKDIR /workspace

# Открыть порт сервера
EXPOSE 8000

# По умолчанию: интерактивный терминал
CMD ["interpreter"]

Сборка и запуск

# Собрать образ
docker build -t open-interpreter:latest .

# Запуск в интерактивном режиме (чат в терминале)
docker run -it --rm \\
  -e OPENAI_API_KEY=sk-... \\
  -v $(pwd)/workspace:/workspace \\
  open-interpreter:latest

# Запуск как REST API-сервер
docker run -d \
  --name open-interpreter \\
  -p 8000:8000 \\
  -e OPENAI_API_KEY=sk-... \\
  -v $(pwd)/workspace:/workspace \\
  open-interpreter:latest \\
  interpreter --server --port 8000 --host 0.0.0.0

---

Установка на Clore.ai (Bare Metal)

Если вы предпочитаете запускать напрямую на сервере Clore.ai без Docker:

Шаг 1 — Арендуйте сервер

1. Перейдите на Маркетплейс Clore.ai

2. Фильтр по RAM ≥ 16 ГБ, GPU (необязательно, но полезно для локальных моделей)

3. Выберите сервер с PyTorch или Ubuntu базовый образ

4. Открыть SSH-портом 22 и при необходимости 8000 в вашем заказе

Шаг 2 — Подключитесь по SSH

ssh root@<server-ip> -p <ssh-port>

Шаг 3 — Установка зависимостей

# Обновить систему
apt-get update && apt-get upgrade -y

# Установить Python 3.11
apt-get install -y python3.11 python3.11-venv python3.11-pip nodejs npm curl

# Создать виртуальное окружение
python3.11 -m venv /opt/open-interpreter
source /opt/open-interpreter/bin/activate

Шаг 4 — Установить Open Interpreter

# Базовая установка
pip install open-interpreter

# С поддержкой локальных LLM (Ollama, LlamaCpp)
pip install 'open-interpreter[local]'

# С поддержкой браузера/веба
pip install playwright
playwright install chromium

Шаг 5 — Настроить API-ключ

# Установить переменную окружения (добавьте в ~/.bashrc для постоянства)
export OPENAI_API_KEY=sk-your-key-here
export ANTHROPIC_API_KEY=sk-ant-your-key-here

# Или используйте файл .env
cat > /workspace/.env << 'EOF'
OPENAI_API_KEY=sk-your-key-here
ANTHROPIC_API_KEY=sk-ant-your-key-here
EOF

Шаг 6 — Первый запуск

# Активировать окружение
source /opt/open-interpreter/bin/activate

# Запустить интерактивный чат
interpreter

# Или с конкретной моделью
interpreter --model gpt-4o
interpreter --model claude-3-5-sonnet-20241022

---

Использование локальных LLM (API-ключ не требуется)

Одна из ключевых возможностей Open Interpreter на GPU-серверах Clore.ai — запуск полностью локальных моделей:

Вариант A: бэкенд Ollama

# Установите Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# Скачать модель, умеющую работать с кодом
ollama pull codellama:13b
ollama pull deepseek-coder:6.7b
ollama pull mistral:7b

# Запустить Open Interpreter с Ollama
interpreter --model ollama/codellama:13b

Вариант B: бэкенд LlamaCpp

# Установить llama-cpp-python с поддержкой CUDA
pip install 'llama-cpp-python[server]' --extra-index-url https://jllllll.github.io/llama-cpp-python-cuBLAS-wheels/AVX2/cu121

# Скачать модель GGUF
wget https://huggingface.co/TheBloke/CodeLlama-13B-GGUF/resolve/main/codellama-13b.Q4_K_M.gguf

# Запустить с локальной моделью
interpreter --local --model /path/to/codellama-13b.Q4_K_M.gguf

---

Запуск как сервер (REST API)

Open Interpreter 0.2+ включает встроенный HTTP-сервер для программного доступа:

# Запустить сервер
interpreter --server --port 8000 --host 0.0.0.0

# В другом терминале или клиенте отправьте запросы:
curl -X POST http://<server-ip>:8000/run \\
  -H "Content-Type: application/json" \\
  -d '{"language": "python", "code": "import os; print(os.listdir(\".\"))"}'

# Конечная точка чата
curl -X POST http://<server-ip>:8000/chat \\
  -H "Content-Type: application/json" \\
  -d '{"message": "Выведите все Python-файлы в /workspace и посчитайте количество строк кода"}'

SSH-туннель для локального доступа

Если порт 8000 не открыт публично, используйте SSH-туннелирование:

# На вашей локальной машине
ssh -L 8000:localhost:8000 root@<server-ip> -p <ssh-port> -N
# Затем откройте http://localhost:8000

---

Практические примеры

Пример 1: Пайплайн анализа данных

Пользователь: Скачай набор данных MNIST, обучи простую CNN и построй графики точности. Сохрани график как mnist_results.png

Open Interpreter: Конечно! Я сделаю это шаг за шагом...
[выполняет код Python в реальном времени]

# Open Interpreter генерирует и выполняет:
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
# ... обучает модель, строит результаты, сохраняет PNG

Пример 2: Веб-скрапинг

Пользователь: Собери сегодня 10 самых популярных репозиториев GitHub и сохрани их в CSV с полями name, stars и description.

Пример 3: Управление файлами

Пользователь: Найди все файлы .log в /var/log старше 7 дней и упакуй их в tarball по адресу /backup/logs-$(date).tar.gz

Пример 4: Скрипт мониторинга системы

Пользователь: Напиши мне Python-скрипт, который отслеживает использование памяти GPU каждые 5 секунд и предупреждает, если оно превышает 90%. Запусти его в фоновом режиме.

---

Файл конфигурации

Создайте ~/.interpreter/config.yaml для задания значений по умолчанию:

model: gpt-4o
temperature: 0
system_message: |
  Вы — полезный AI-ассистент, работающий на GPU-сервере Clore.ai.
  Всегда предпочитайте эффективный, готовый к продакшену код.
  Сохраняйте важные результаты в /workspace/.
safe_mode: false
auto_run: true
verbose: false

---

Запуск с systemd (постоянная служба)

# /etc/systemd/system/open-interpreter.service
[Unit]
Description=Сервер Open Interpreter
After=network.target

[Service]
Type=simple
User=root
WorkingDirectory=/workspace
Environment=OPENAI_API_KEY=sk-your-key
ExecStart=/opt/open-interpreter/bin/interpreter --server --port 8000 --host 0.0.0.0
Restart=on-failure
RestartSec=10

[Install]
WantedBy=multi-user.target

systemctl daemon-reload
systemctl enable open-interpreter
systemctl start open-interpreter
systemctl status open-interpreter

---

Устранение неполадок

interpreter команда не найдена

# Убедитесь, что виртуальное окружение активировано
source /opt/open-interpreter/bin/activate

# Или установите глобально
pip install open-interpreter

# Проверьте PATH
which interpreter
echo $PATH

Выполнение кода заблокировано / режим безопасности

# Отключите безопасный режим (используйте с осторожностью на доверенных серверах)
interpreter --safe_mode false

# Или в config.yaml:
# safe_mode: false
# auto_run: true

Ошибки Playwright / браузера

# Установите системные зависимости для Chromium
apt-get install -y \\
    libnss3 libatk1.0-0 libatk-bridge2.0-0 \\
    libcups2 libxcomposite1 libxdamage1 \\
    libxrandr2 libgbm1 libxkbcommon0

playwright install chromium
playwright install-deps

Недостаточно памяти с локальными LLM

# Используйте меньшую квантованную модель
ollama pull codellama:7b  # вместо 13b

# Или уменьшите размер контекстного окна
interpreter --model ollama/codellama:7b --context_window 4096

Отказ в подключении к порту 8000

# Проверьте, запущен ли сервер
ss -tlnp | grep 8000

# Проверьте брандмауэр
ufw allow 8000/tcp

# Перезапустите службу
systemctl restart open-interpreter

Ограничения скорости API

# Переключитесь на Anthropic Claude для более высоких лимитов
export ANTHROPIC_API_KEY=sk-ant-...
interpreter --model claude-3-5-sonnet-20241022

# Или используйте локальную модель, чтобы полностью избежать ограничений API
interpreter --model ollama/codellama:13b

---

Соображения безопасности

Open Interpreter выполняет код напрямую на вашем сервере. Всегда:

• Используйте Docker-контейнер или VM для рабочей среды

• Никогда не открывайте порт 8000 публично без аутентификации

• Используйте SSH-туннелирование для удалённого доступа

• Проверяйте код перед включением auto_run: true для недоверенных входных данных

---

Рекомендации по GPU для Clore.ai

Сам Open Interpreter лёгкий — потребность в GPU определяется тем, локальной моделью которую вы запускаете в качестве бэкенда.

GPU	VRAM	Цена Clore.ai	Рекомендация по локальной модели
RTX 3090	24 ГБ	$0.07–0.21/ч	CodeLlama 13B Q8, Llama 3 8B, Mistral 7B — достойное качество кода
RTX 4090	24 ГБ	$0.14–0.42/ч	CodeLlama 34B Q4, DeepSeek Coder 33B Q4 — качество кода почти как у GPT-4
A100 40 ГБ	40 ГБ	голое железо	Llama 3 70B Q4 — автономный агент для программирования уровня production
только CPU	—	~$0.02/ч	Любая модель через API OpenAI/Anthropic — локальный GPU не нужен

Если вы используете API OpenAI/Anthropic: Вам нужен только CPU-инстанс (~$0.02/ч) — GPU не имеет значения, поскольку инференс выполняется в облаке. Выбирайте GPU-инстансы только при запуске локальных моделей чтобы избежать поминутной оплаты API за токены.

Лучшая конфигурация локальной модели: RTX 3090 + запущенная Ollama codellama:13b даёт вам полностью автономного, ориентированного на конфиденциальность агента для программирования без затрат на API за $0.07–0.21/ч.

---

Полезные ссылки

• GitHub: https://github.com/OpenInterpreter/open-interpreter ⭐ 57K+

• Документация: https://docs.openinterpreter.com

• Discord: https://discord.gg/Hvz9Axh84z

• Маркетплейс Clore.ai: https://clore.ai/marketplace

• Модели Ollama: https://ollama.ai/library

• Модели HuggingFace GGUF: https://huggingface.co/TheBloke