ChatGPT: ecco come utilizzare Code Interpreter gratis

ChatGPT: come utilizzare Code Interpreter gratis

C'è chi ha trovato un modo per utilizzare gratuitamente il nuovo plugin Code Interpreter di ChatGPT: ecco il procedimento per farlo.
ChatGPT: come utilizzare Code Interpreter gratis
C'è chi ha trovato un modo per utilizzare gratuitamente il nuovo plugin Code Interpreter di ChatGPT: ecco il procedimento per farlo.

Da una decina di giorni, Code Interpreter è disponibile per ChatGPT: il nuovo plugin è ufficialmente accessibile solo da chi ha sottoscritto l’abbonamento Plus al chatbot di OpenAI, ma qualcuno ha trovato il modo di utilizzarlo gratis. Vediamo come funziona il metodo in pochi passi.

Code Interpreter per ChatGPT gratis: ecco come

La scoperta è attribuita allo sviluppatore olandese Dominic Bäumer (shroominic su GitHub) che ha messo a punto un’implementazione open source della componente. È in grado di eseguire l’analisi di dataset e di visualizzare dati con modalità del tutto simili a quelle adottate da ChatGPT.

Il procedimento, va detto, richiede diversi passaggi e può non risultare alla portata di tutti. Per maggiori informazioni rimandiamo al sito Beebom che per primo ha pubblicato il tutorial.

  • Installare Python e Pip sul proprio computer selezionando “Add python.exe to PATH” durante il setup;
  • aprire il terminale ed eseguire i comandi python -version e pip -version per verificare che le versioni siano quelle corrette (rispettivamente 3.11.2 e 3.11);
  • eseguire il comando pip install codeinterpreterapi per installare l’API Code Interpreter;
  • accedere al sito di OpenAI per ottenere una chiave API selezionando “Create a new secret key”;
  • aprire un editor di codice (può andar bene anche il Blocco Note di Windows) e incollare il codice riportato qui sotto.

import os
os.environ[“OPENAI_API_KEY”] = “INSERIRE QUI LA CHIAVE API DI OPENAI

from codeinterpreterapi import CodeInterpreterSession

async def main():
# create a session
session = CodeInterpreterSession(model=”gpt-3.5-turbo“)
await session.astart()

# generate a response based on user input
response = await session.generate_response(
Plot the Apple stock price chart from 2007 to 2023 june
)

# output the response (text + image)
print(“AI: “, response.content)
for file in response.files:
file.show_image()

# terminate the session
await session.astop()

if __name__ == “__main__”:
import asyncio
# run the async function
asyncio.run(main())

  • Modificare la prima porzione di testo in rosso inserendo la chiave API ottenuta dal sito di OpenAI;
  • se possibile, digitare gpt-4 al posto della seconda porzione di testo in rosso per l’accesso al modello di ultima generazione;
  • la terza modifica è invece da personalizzare in base alla query che si desidera sottoporre all’IA;
  • salvare il file come chart.py sul desktop (accertandosi di aver attribuito correttamente l’estensione .py);
  • aprire il terminale ed eseguire il comando cd Desktop;
  • fare altrettanto con python chart.py.

Il risultato finale dovrebbe comparire a schermo in pochi secondi. Aggiungendo il comando os.environ["VERBOSE"] = "True" (comunque opzionale) è possibile ottenere un report dettagliato di tutte le operazioni eseguite in background. A questo punto, sarà sufficiente modificare la query per assegnare un nuovo compito da eseguire.

Code Interpreter può essere impiegato anche per l’analisi dei dati in locale.

  • Creare una cartella chiamata analysis sul desktop;
  • spostare il dataset da analizzare al suo interno (può essere nei formati CSV, XLS o XSLX);
  • aprire l’editor del codice e incollare quanto segue.

import os
os.environ[“OPENAI_API_KEY”] = “INSERIRE QUI LA CHIAVE API DI OPENAI

from codeinterpreterapi import CodeInterpreterSession, File

async def main():
# context manager for auto start/stop of the session
async with CodeInterpreterSession(model=”gpt-3.5-turbo“) as session:
# define the user request
user_request = “Analyze this dataset and plot global temperature from the year 1950 to 2016. Consider the GCAG system.
files = [
File.from_path(“nomefile.csv“),
]

# generate the response
response = await session.generate_response(
user_request, files=files
)

# output to the user
print(“AI: “, response.content)
for file in response.files:
file.show_image()

if __name__ == “__main__”:
import asyncio

asyncio.run(main())

  • come prima, modificare le porzioni evidenziate in rosso (al posto di nomefile.csv inserire quello da analizzare);
  • salvare il file come data.py nella cartella analysis sul desktop;
  • aprire il terminale ed eseguire il comando cd Desktop/analysis;
  • fare altrettanto con python data.py.

Il risultato comparirà sullo schermo.

Fonte: Beebom
Link copiato negli appunti

Ti potrebbe interessare

Pubblicato il
27 lug 2023
Link copiato negli appunti