2026/8/30 21:05:38
FEATURED · 精选文章 
Open Interpreter 自然语言编程指南3 分钟装好一句话生成图表【免费下载链接】openinterpreterA coding agent for open models like Kimi K3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreterOpen Interpreter 是一款免费的本地代码执行工具。你用日常语言说出想做的事它就自动写好代码并在你自己的电脑上运行不用手写语法、不用手动装库。它适合编程新手也适合不想敲重复样板代码的开发者是进入自然语言编程的快捷入口。一条命令装好并启动先确认你的 Python 版本是 3.10 或 3.11然后在终端运行这条安装命令pip install open-interpreter安装成功后终端会提示 Successfully installed此时只需再输入下面这条命令就能开始会话interpreter看到欢迎信息和输入提示符就说明启动成功了可以直接用中文输入需求想退出时输入 exit 即可。第一次上手一句话变成果物理解它最快的办法是直接跑一个真实任务。每次对话的流程都一样你说一句话它说明自己打算做什么需要装依赖或执行动作时会先征求你同意确认后运行代码最后把结果交给你。把一份 CSV 变成趋势图假设当前目录里放着一个 sales_data.csv。在会话里输入读取 sales_data.csv按月汇总销售额画一条折线图保存为 sales_trend.png它会先检查 pandas 和 matplotlib 是否已安装缺少时询问你是否允许安装接着读文件、按月聚合、生成图表并写入当前目录。你得到的是一张 PNG 图片可以直接打开查看看到“图表已保存”提示、且目录里确实多了这个文件说明整条链路跑通了。批量整理一整个文件夹文件类操作同样适用比如把 screenshots 目录里的所有文件按修改时间重命名为 序号-日期 的形式它生成脚本并执行读取每个文件的修改时间排序后逐个改名最后告诉你一共处理了多少个文件。你得到的是一个整齐的目录输出里报了多少个文件目录里就变了多少个。如果心里没底先拿一个副本目录试跑确认规则符合预期再回头处理原目录。新手常踩的三个坑文件怎么都找不到相对路径以你启动 interpreter 时所在的目录为准而不是文件实际所在目录。两种解法切到文件所在目录再启动或者直接在指令里写绝对路径。不想用云端模型可以吗工具本身免费默认走云端模型。若希望本地运行先按说明安装本地模型支持open-interpreter[local]再用interpreter --model local启动。两种模式切换后界面一致区别只是模型来源。让它执行代码安全吗默认情况下安装新库、执行有影响的命令前它都会先展示代码并等你确认。处理敏感数据时建议用interpreter --safe启动以限制文件系统访问也可以在 Python 里把interpreter.computer.files.allowed_directories限定为个别目录再把interpreter.computer.terminal.allow_shell设为 False直接禁止执行 shell 命令。它会擅自改我的文件吗它不会在未经确认的情况下动你的东西生成的脚本、依赖安装这类高风险动作都会先给你看。稳妥的习惯是让它先把代码打出来扫一眼没有危险操作再放行。两个值得试的进阶设置换模型、调创造性命令行可以直接指定模型启动interpreter --model gpt-3.5-turbo想要更细的控制用 Python 入口更合适import interpreter interpreter.llm.model gpt-3.5-turbo interpreter.llm.temperature 0.7 interpreter.chat()temperature 取值 0 到 1越接近 1 生成的代码越发散。运行后同样出现欢迎界面输入方式与命令行完全一致。把对话存下来下次接着用会话内容可以导出为 JSON之后再恢复import interpreter, json messages interpreter.chat(分析销售数据) with open(conversation.json, w) as f: json.dump(messages, f)下次把文件读回来赋给interpreter.messages再启动它就记得上一轮的上下文不必重新交代需求。获取源码与文档跑通这两个场景后Open Interpreter 的主线用法就掌握了说需求、确认代码、拿结果。更多参数和行为说明可以查阅仓库内的 docs/ 目录入门从 docs/quickstart.md 读起。需要完整源码时执行下面命令获取项目git clone https://gitcode.com/GitHub_Trending/op/open-interpreter克隆完成后进入目录浏览 README即可按上面的路径开始你的自然语言编程实践。【免费下载链接】openinterpreterA coding agent for open models like Kimi K3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreter创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Open Interpreter 自然语言编程指南：3 分钟装好，一句话生成图表
Open Interpreter 自然语言编程指南3 分钟装好一句话生成图表【免费下载链接】openinterpreterA coding agent for open models like Kimi K3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreterOpen Interpreter 是一款免费的本地代码执行工具。你用日常语言说出想做的事它就自动写好代码并在你自己的电脑上运行不用手写语法、不用手动装库。它适合编程新手也适合不想敲重复样板代码的开发者是进入自然语言编程的快捷入口。一条命令装好并启动先确认你的 Python 版本是 3.10 或 3.11然后在终端运行这条安装命令pip install open-interpreter安装成功后终端会提示 Successfully installed此时只需再输入下面这条命令就能开始会话interpreter看到欢迎信息和输入提示符就说明启动成功了可以直接用中文输入需求想退出时输入 exit 即可。第一次上手一句话变成果物理解它最快的办法是直接跑一个真实任务。每次对话的流程都一样你说一句话它说明自己打算做什么需要装依赖或执行动作时会先征求你同意确认后运行代码最后把结果交给你。把一份 CSV 变成趋势图假设当前目录里放着一个 sales_data.csv。在会话里输入读取 sales_data.csv按月汇总销售额画一条折线图保存为 sales_trend.png它会先检查 pandas 和 matplotlib 是否已安装缺少时询问你是否允许安装接着读文件、按月聚合、生成图表并写入当前目录。你得到的是一张 PNG 图片可以直接打开查看看到“图表已保存”提示、且目录里确实多了这个文件说明整条链路跑通了。批量整理一整个文件夹文件类操作同样适用比如把 screenshots 目录里的所有文件按修改时间重命名为 序号-日期 的形式它生成脚本并执行读取每个文件的修改时间排序后逐个改名最后告诉你一共处理了多少个文件。你得到的是一个整齐的目录输出里报了多少个文件目录里就变了多少个。如果心里没底先拿一个副本目录试跑确认规则符合预期再回头处理原目录。新手常踩的三个坑文件怎么都找不到相对路径以你启动 interpreter 时所在的目录为准而不是文件实际所在目录。两种解法切到文件所在目录再启动或者直接在指令里写绝对路径。不想用云端模型可以吗工具本身免费默认走云端模型。若希望本地运行先按说明安装本地模型支持open-interpreter[local]再用interpreter --model local启动。两种模式切换后界面一致区别只是模型来源。让它执行代码安全吗默认情况下安装新库、执行有影响的命令前它都会先展示代码并等你确认。处理敏感数据时建议用interpreter --safe启动以限制文件系统访问也可以在 Python 里把interpreter.computer.files.allowed_directories限定为个别目录再把interpreter.computer.terminal.allow_shell设为 False直接禁止执行 shell 命令。它会擅自改我的文件吗它不会在未经确认的情况下动你的东西生成的脚本、依赖安装这类高风险动作都会先给你看。稳妥的习惯是让它先把代码打出来扫一眼没有危险操作再放行。两个值得试的进阶设置换模型、调创造性命令行可以直接指定模型启动interpreter --model gpt-3.5-turbo想要更细的控制用 Python 入口更合适import interpreter interpreter.llm.model gpt-3.5-turbo interpreter.llm.temperature 0.7 interpreter.chat()temperature 取值 0 到 1越接近 1 生成的代码越发散。运行后同样出现欢迎界面输入方式与命令行完全一致。把对话存下来下次接着用会话内容可以导出为 JSON之后再恢复import interpreter, json messages interpreter.chat(分析销售数据) with open(conversation.json, w) as f: json.dump(messages, f)下次把文件读回来赋给interpreter.messages再启动它就记得上一轮的上下文不必重新交代需求。获取源码与文档跑通这两个场景后Open Interpreter 的主线用法就掌握了说需求、确认代码、拿结果。更多参数和行为说明可以查阅仓库内的 docs/ 目录入门从 docs/quickstart.md 读起。需要完整源码时执行下面命令获取项目git clone https://gitcode.com/GitHub_Trending/op/open-interpreter克隆完成后进入目录浏览 README即可按上面的路径开始你的自然语言编程实践。【免费下载链接】openinterpreterA coding agent for open models like Kimi K3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreter创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
