今晚教你动手做出一个 Code Interpreter

▼最近直播超级多，预约保你有收获

今晚直播：《基于从原理到实现教你做出一个 Code Interpreter》

 —1—

怎么才能动手做出一个 Code Interpreter ？ 

Code Interpreter 本质是一个 AI Agent，准备的说是 LLM Copilot Agent。它的核心能力是通过运行代码的方式完成用户的多模态 Prompt 请求。因此它有以下几个子能力构成。

第一、对用户输入的 Prompt 提示词进行规划拆解，并生成对应的可执行 Pyhton 代码；

第二、提供了对 Python 代码可以执行的沙箱 SanbBox 环境；

第三、对 Python 代码进行执行，并对代码执行异常进行处理；

第四、通过引入 Python 的语音库、图像库等，实现了多模态的支持。

需要重点强调的一点是，Code Interpreter 的推理引擎并不是 GPT-4，而是gpt-4-code-interpreter，这个大模型推理引擎是基于 GPT-4 通过大量 Python 代码微调（Fine-tuning）出来的新模型，此模型更擅长 Python 代码的生成。

那么怎么才能实现一个 Code Interpreter 呢？主要有以下几个核心步骤：

第一、架构设计，采用 LLM + Planning + Memory + Use Tools 的组合 Copilot Agent 架构设计，其中 LLM 选用 GPT 4 Turbo。

第二、支持 Python 代码运行，因此 Python 代码执行器采用本地的 iPython 运行环境或者云端的 CodeBox。

第三、Copilot Agent 的 Agent 框架，我们采用 LangChain 最新的 OpenAIFunctionAgent 框架。

第四、Planning 规划模块，我们采用类似人类对复杂问题思考拆解的 ReAct 模式（Thought-Aciton-Observation 模式）。

第五、Memory 记忆模块采用 Milvus 向量数据库来存储长期记忆数据，短期记忆数据我们直接存储在 Code Interpreter 内存里。

更详细的架构设计细节和代码实现，为了更充分给同学们讲解，今晚我会会开一场直播详细来剖析，请同学点击免费预约。

总之，掌握好 Coder Interpreter 的技术架构和落地实现，对于 IT 人来说是一项非常重要的技能，它可以让您的 LLM 业务研发更高效和创新。

—2—

超干货 Code Interpreter 技术实战直播

为了帮助同学们掌握好 Code Interpreter 技术架构和落地实现细节，今晚20点，我会开一场直播和同学们深度聊聊：

    第一、Code Interpreter 应用场景解析

    第二、Code Interpreter 技术架构深度剖析

    第三、基于 LangChain 实现 Code Interpreter 

    第四、Code Interpreter 架构实践中的难点及解决方案

请同学点击下方按钮预约直播，咱们今晚20点不见不散哦~~

近期直播：《基于从原理到实现教你做出一个 Code Interpreter》

END