Open Interpreter

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

Все примеры можно запускать на GPU-серверах, арендуемых через CLORE.AI Маркетплейс.

---

Что такое Open Interpreter?

Open Interpreter приносит мощь AI-помощника по коду прямо в ваш терминал. Вместо копирования между ChatGPT и вашей оболочкой вы общаетесь естественно, и модель выполняет код в реальном времени:

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

• Просмотр веба — получение страниц, заполнение форм, извлечение данных

• Редактирование файлов — создание, изменение и управление 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 разработан 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 в интернет и без ограничений на выполнение.

---

Требования к серверу

Компонент	Минимум	Рекомендуется
GPU	Любой (режим CPU доступен)	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	Высокоскоростная для веб-просмотра

---

Порты

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

---

Быстрый старт с Docker

У Open Interpreter нет официального образа Docker, поэтому мы собираем чистый. Такой подход дает 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 .

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

# Запустить 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 — Аренда сервера

1. Перейдите на Clore.ai Marketplace

2. Фильтровать по ОЗУ ≥ 16 ГБ, GPU (опционально, но полезно для локальных моделей)

3. Выберите сервер с PyTorch или Ubuntu базовый образ

4. Открыто SSH порт 22 и опционально 8000 в вашем заказе

Шаг 2 — Подключение 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 — Установка 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 — Настройка API-ключа

# Установить переменную окружения (добавьте в ~/.bashrc для сохранения)
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

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

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

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

---

Запуск в режиме сервера (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 отправлять запросы:
curl -X POST http://<server-ip>:8000/run \
  -H "Content-Type: application/json" \
  -d '{"language": "python", "code": "import os; print(os.listdir(\".\"))"}'

# Эндпоинт чата
curl -X POST http://<server-ip>:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "Перечисли все Python-файлы в /workspace и посчитай строки 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: конвейер анализа данных

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

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

# Open Interpreter генерирует и запускает:
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: Скрапни топ-10 трендовых репозиториев GitHub сегодня и сохрани их в CSV с полями name, stars и description.

Пример 3: управление файлами

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

Пример 4: скрипт мониторинга системы

Пользователь: Напиши мне Python-скрипт, который каждые 5 секунд мониторит использование памяти GPU и оповещает, если оно превышает 90%. Запусти его в фоне.

---

Файл конфигурации

Создать ~/.interpreter/config.yaml чтобы задать значения по умолчанию:

model: gpt-4o
temperature: 0
system_message: |
  Вы — полезный AI-помощник, 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 через systemd (постоянный сервис)

# /etc/systemd/system/open-interpreter.service
[Unit]
Description=Open Interpreter Server
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 venv активирован
source /opt/open-interpreter/bin/activate

# Или установите глобально
pip install open-interpreter

# Проверьте PATH
which interpreter
echo $PATH

Выполнение кода заблокировано / режим безопасности

# Отключить режим безопасности (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

Недостаток памяти при локальных LLM

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

# Или уменьшите окно контекста
interpreter --model ollama/codellama:7b --context_window 4096

Соединение отклонено на порту 8000

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

# Проверьте брандмауэр
ufw allow 8000/tcp

# Перезапустите сервис
systemctl restart open-interpreter

Ограничения по количеству запросов API

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

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

---

Соображения по безопасности

Open Interpreter выполняет код прямо на вашем сервере. Всегда:

• Запускайте в Docker-контейнере или VM для продакшен-использования

• Никогда не открывайте порт 8000 публично без аутентификации

• Используйте SSH-туннелирование для удаленного доступа

• Аудитируйте код перед включением auto_run: true для недоверенных вводов

---

Рекомендации Clore.ai по GPU

Сам Open Interpreter легковесен — потребность в GPU определяется той локальной моделью которую вы запускаете в качестве бэкенда.

GPU	VRAM	Цена Clore.ai	Рекомендации по локальным моделям
RTX 3090	24 ГБ	~$0.12/ч	CodeLlama 13B Q8, Llama 3 8B, Mistral 7B — хорошее качество кодирования
RTX 4090	24 ГБ	~$0.70/ч	CodeLlama 34B Q4, DeepSeek Coder 33B Q4 — близкое к качеству кодирования GPT-4
A100 40GB	40 ГБ	~$1.20/ч	Llama 3 70B Q4 — производственный автономный агент для кодирования
Только CPU	—	~$0.02/ч	Любая модель через OpenAI/Anthropic API — локальный GPU не требуется

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

Лучшая конфигурация для локальной модели: RTX 3090 + Ollama, запущенный codellama:13b даст вам полностью автономного, сохраняющего приватность агента для кодирования без расходов на API примерно за ~$0.12/ч.

---

Полезные ссылки

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

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

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

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

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

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