# Open Interpreter **Open Interpreter** 让语言模型通过自然语言聊天界面在您的机器上运行代码、浏览网页并编辑文件。拥有 57K+ GitHub 星， 它是 ChatGPT 的 Code Interpreter 的领先开源替代方案 —— 但没有沙箱限制。 {% hint style="success" %} 所有示例都可以在通过以下方式租用的 GPU 服务器上运行 [CLORE.AI 市场](https://clore.ai/marketplace). {% endhint %} *** ## 什么是 Open Interpreter？ Open Interpreter 将 AI 编码助手的能力直接带到您的终端。无需在 ChatGPT 和 shell 之间来回复制粘贴，您可以自然地对话，模型会实时执行代码： * **运行 Python、JS、shell、R、AppleScript** — 直接在您的服务器上 * **浏览网页** — 获取页面、填写表单、提取数据 * **编辑文件** — 创建、修改并管理磁盘上的任意文件 * **持久状态** — 变量、导入和结果在消息之间保留 * **多种 LLM 后端** — OpenAI、Anthropic、本地模型（通过 Ollama/LlamaCpp） {% hint style="info" %} Open Interpreter 为想要对整个计算环境进行对话式操作的开发者和研究人员而设计。在 Clore.ai GPU 服务器上，您将获得一台功能强大的机器，具有完整的互联网访问且没有执行限制。 {% endhint %} *** ## 服务器要求 | 组件 | 最低要求 | 推荐配置 | | -------- | ------------- | --------------------------- | | GPU | 任何（提供 CPU 模式） | 本地 LLM 推荐显卡：RTX 3090 / A100 | | 显存（VRAM） | — | 本地 13B 模型需要 24 GB+ | | 内存（RAM） | 8 GB | 16 GB+ | | CPU | 4 个内核 | 8 个以上内核 | | 存储 | 20 GB | 50 GB+ | | 操作系统 | Ubuntu 20.04+ | Ubuntu 22.04 | | Python | 3.10+ | 3.11 | | 网络 | 需要 | 用于网页浏览的高速网络 | *** ## 端口 | 端口 | 服务 | 说明 | | ---- | -------------------- | -------------------- | | 22 | SSH | 终端访问，支持用于 Web UI 的隧道 | | 8000 | Open Interpreter 服务器 | REST API & 可选 Web UI | *** ## 使用 Docker 快速开始 Open Interpreter 没有官方的 Docker 镜像，所以我们构建了一个干净的镜像。此方法可在任何 Clore.ai 服务器上为您提供可重现的、隔离的环境。 ### Dockerfile ```dockerfile FROM python:3.11-slim # 系统依赖 RUN apt-get update && apt-get install -y \ git \ curl \ wget \ build-essential \ nodejs \ npm \ chromium \ chromium-driver \ && rm -rf /var/lib/apt/lists/* # 安装带全部扩展的 Open Interpreter RUN pip install --no-cache-dir \ open-interpreter \ 'open-interpreter[local]' \ playwright \ jupyter # 安装 Playwright 浏览器 RUN playwright install chromium WORKDIR /workspace # 暴露服务器端口 EXPOSE 8000 # 默认：交互式终端 CMD ["interpreter"] ``` ### 构建并运行 ```bash # 构建镜像 docker build -t open-interpreter:latest . # 以交互模式运行（终端聊天） docker run -it --rm \ -e OPENAI_API_KEY=sk-... \ -v $(pwd)/workspace:/workspace \ open-interpreter:latest # 作为 REST API 服务器运行 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 ``` *** ## 在 Clore.ai（裸金属）上的安装 如果您更愿意直接在 Clore.ai 服务器上运行而不使用 Docker： ### 步骤 1 — 租用服务器 1. 前往 [Clore.ai 市场](https://clore.ai/marketplace) 2. 筛选条件 **内存 ≥ 16 GB**, **GPU** （可选但对本地模型有用） 3. 选择一台带有 **PyTorch** 或 **Ubuntu** 基础镜像 4. 打开 **SSH 端口 22** 并可选地 **8000** 在您的订单中 ### 步骤 2 — 通过 SSH 连接 ```bash ssh root@ -p ``` ### 第 3 步 — 安装依赖项 ```bash # 更新系统 apt-get update && apt-get upgrade -y # 安装 Python 3.11 apt-get install -y python3.11 python3.11-venv python3.11-pip nodejs npm curl # 创建虚拟环境 python3.11 -m venv /opt/open-interpreter source /opt/open-interpreter/bin/activate ``` ### 第 4 步 — 安装 Open Interpreter ```bash # 基本安装 pip install open-interpreter # 支持本地 LLM（Ollama、LlamaCpp） pip install 'open-interpreter[local]' # 支持浏览器/网页 pip install playwright playwright install chromium ``` ### 第 5 步 — 配置 API 密钥 ```bash # 设置环境变量（添加到 ~/.bashrc 以持久生效） export OPENAI_API_KEY=sk-your-key-here export ANTHROPIC_API_KEY=sk-ant-your-key-here # 或使用 .env 文件 cat > /workspace/.env << 'EOF' OPENAI_API_KEY=sk-your-key-here ANTHROPIC_API_KEY=sk-ant-your-key-here EOF ``` ### 第 6 步 — 首次运行 ```bash # 激活环境 source /opt/open-interpreter/bin/activate # 启动交互式聊天 interpreter # 或使用特定模型 interpreter --model gpt-4o interpreter --model claude-3-5-sonnet-20241022 ``` *** ## 使用本地 LLM（无需 API 密钥） Open Interpreter 在 Clore.ai GPU 服务器上的一项关键功能是可以完全运行本地模型： ### 选项 A：Ollama 后端 ```bash # 安装 Ollama curl -fsSL https://ollama.ai/install.sh | sh # 拉取一个支持代码的模型 ollama pull codellama:13b ollama pull deepseek-coder:6.7b ollama pull mistral:7b # 使用 Ollama 运行 Open Interpreter interpreter --model ollama/codellama:13b ``` ### 选项 B：LlamaCpp 后端 ```bash # 安装带 CUDA 支持的 llama-cpp-python pip install 'llama-cpp-python[server]' --extra-index-url https://jllllll.github.io/llama-cpp-python-cuBLAS-wheels/AVX2/cu121 # 下载 GGUF 模型 wget https://huggingface.co/TheBloke/CodeLlama-13B-GGUF/resolve/main/codellama-13b.Q4_K_M.gguf # 使用本地模型运行 interpreter --local --model /path/to/codellama-13b.Q4_K_M.gguf ``` *** ## 作为服务器运行（REST API） Open Interpreter 0.2+ 包含一个内置的 HTTP 服务器以供程序化访问： ```bash # 启动服务器 interpreter --server --port 8000 --host 0.0.0.0 # 在另一个终端或客户端中发送请求： curl -X POST http://:8000/run \ -H "Content-Type: application/json" \ -d '{"language": "python", "code": "import os; print(os.listdir(\\\".\\\"))"}' # 聊天端点 curl -X POST http://:8000/chat \ -H "Content-Type: application/json" \ -d '{"message": "列出 /workspace 中所有 Python 文件并统计代码行数"}' ``` ### 用于本地访问的 SSH 隧道 如果端口 8000 未公开暴露，请使用 SSH 隧道： ```bash # 在您的本地机器上 ssh -L 8000:localhost:8000 root@ -p -N # 然后打开 http://localhost:8000 ``` *** ## 实用示例 ### 示例 1：数据分析流水线 ``` 用户：下载 MNIST 数据集，训练一个简单的 CNN，并绘制准确率曲线。将图保存为 mnist_results.png Open Interpreter：好的！我会逐步完成…… [实时执行 Python 代码] ``` ```python # Open Interpreter 生成并运行： 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() # ... 训练模型、绘制结果、保存 PNG ``` ### 示例 2：网页抓取 ``` 用户：抓取今天排名前 10 的热门 GitHub 仓库，并将它们以包含名称、star 数和描述的 CSV 保存。 ``` ### 示例 3：文件管理 ``` 用户：查找 /var/log 中所有超过 7 天的 .log 文件，并将它们压缩为 /backup/logs-$(date).tar.gz 的 tar 包 ``` ### 示例 4：系统监控脚本 ``` 用户：为我写一个 Python 脚本，每 5 秒监测一次 GPU 内存使用情况，若超过 90% 则发出警报。将其在后台运行。 ``` *** ## 配置文件 创建 `~/.interpreter/config.yaml` 以设置默认值： ```yaml model: gpt-4o temperature: 0 system_message: | 您是在 Clore.ai GPU 服务器上运行的有用 AI 助手。 始终优先考虑高效、可投入生产的代码。 将重要输出保存到 /workspace/。 safe_mode: false auto_run: true verbose: false ``` *** ## 使用 systemd 运行（持久服务） ```ini # /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 ``` ```bash systemctl daemon-reload systemctl enable open-interpreter systemctl start open-interpreter systemctl status open-interpreter ``` *** ## 故障排除 ### `interpreter` 找不到命令 ```bash # 确保已激活虚拟环境 source /opt/open-interpreter/bin/activate # 或全局安装 pip install open-interpreter # 检查 PATH which interpreter echo $PATH ``` ### 代码执行被阻止 / 安全模式 ```bash # 禁用安全模式（在受信任的服务器上谨慎使用） interpreter --safe_mode false # 或在 config.yaml 中： # safe_mode: false # auto_run: true ``` ### Playwright / 浏览器错误 ```bash # 为 Chromium 安装系统依赖 apt-get install -y \ libnss3 libatk1.0-0 libatk-bridge2.0-0 \ libcups2 libxcomposite1 libxdamage1 \ libxrandr2 libgbm1 libxkbcommon0 playwright install chromium playwright install-deps ``` ### 本地 LLM 内存不足 ```bash # 使用更小的量化模型 ollama pull codellama:7b # 代替 13b # 或减少上下文窗口 interpreter --model ollama/codellama:7b --context_window 4096 ``` ### 端口 8000 连接被拒绝 ```bash # 检查服务器是否在运行 ss -tlnp | grep 8000 # 检查防火墙 ufw allow 8000/tcp # 重启服务 systemctl restart open-interpreter ``` ### API 速率限制 ```bash # 切换到 Anthropic Claude 以获得更高的限制 export ANTHROPIC_API_KEY=sk-ant-... interpreter --model claude-3-5-sonnet-20241022 # 或使用本地模型以完全避免 API 限制 interpreter --model ollama/codellama:13b ``` *** ## 安全注意事项 {% hint style="warning" %} Open Interpreter 会直接在您的服务器上执行代码。始终： * 在生产环境中请在 Docker 容器或虚拟机中运行 * 未经身份验证不要将端口 8000 公开暴露 * 对于远程访问使用 SSH 隧道 * 在启用之前审核代码 `auto_run: true` 针对不受信任的输入 {% endhint %} *** ## Clore.ai 的 GPU 建议 Open Interpreter 本身很轻量 —— GPU 需求取决于您作为后端运行的 **本地模型** 。 | GPU | 显存（VRAM） | Clore.ai 价格 | 本地模型推荐 | | --------- | -------- | ----------- | -------------------------------------------------------- | | RTX 3090 | 24 GB | \~$0.12/小时 | CodeLlama 13B Q8、Llama 3 8B、Mistral 7B —— 良好的编码质量 | | RTX 4090 | 24 GB | \~$0.70/小时 | CodeLlama 34B Q4、DeepSeek Coder 33B Q4 —— 接近 GPT-4 的编码质量 | | A100 40GB | 40 GB | \~$1.20/小时 | Llama 3 70B Q4 —— 生产级自主编码代理 | | 仅 CPU | — | ≈$0.02/小时 | 通过 OpenAI/Anthropic API 使用任何模型 —— 无需本地 GPU | {% hint style="info" %} **如果您使用 OpenAI/Anthropic API：** 您只需要一个 CPU 实例（≈$0.02/小时）—— 因为推理在云端运行，GPU 无关紧要。仅在运行 **本地模型** 时才选择 GPU 实例以避免按 token 的 API 成本。 **最佳本地模型配置：** RTX 3090 + Ollama 运行 `codellama:13b` 可为您提供一个完全自主、保护隐私的编码代理，无需 API 成本，费用约为 \~$0.12/小时。 {% endhint %} *** ## 有用的链接 * **GitHub**: ⭐ 57K+ * **文档**: * **Discord**: * **Clore.ai 市场**: * **Ollama 模型**: * **HuggingFace GGUF 模型**: