2. 代码解释器

# 2.1 核心概念

代码解释器是基于沙盒环境的 Python 代码执行工具，它能够将自然语言指令转换成 Python 代码并自动运行，进而实现数学计算、数据分析、文件处理、数据可视化等任务。其内置代码调试与迭代修正能力，显著提升复杂问题的解决效率和准确性。

# 2.2 上传文件

将待分析文件上传至 OpenAI：

# 上传数据文件（如 Excel）
file = client.files.create(
    file=open("代码解释器测试数据.xlsx", "rb"),
    purpose='assistants'  # 必须指定用途为 assistants
)

1
2
3
4
5

# 2.3 助手创建并关联

通过配置 code_interpreter 工具创建专用助手，并关联数据文件：

from openai import OpenAI
import time

client = OpenAI()

# 创建助手（绑定代码解释器工具）
assistant = client.beta.assistants.create(
    name="代码解释器助手测试",
    instructions="你是一个代码解释器助手，请根据用户的问题与提供的相关资料给出专业的回答",
    model="gpt-4o",
    tools=[{"type": "code_interpreter"}],  # 启用代码解释器
    tool_resources={
        "code_interpreter": {
            "file_ids": [file.id]  # 关联数据文件（需提前上传）
        }
    }
)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

# 2.4 创建对话线程

在用户消息中附加文件，并声明使用代码解释器工具：

# 创建对话线程并附加文件
thread = client.beta.threads.create(
    messages=[
        {
            "role": "user",
            "content": "我希望你帮我计算一下这个表格中姓李的人的平均薪资",
            "attachments": [
                {
                    "file_id": file.id,  # 关联文件到当前对话
                    "tools": [{"type": "code_interpreter"}]  # 指定工具类型
                }
            ]
        }
    ]
)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 2.5 运行助手并获取结果

启动代码执行任务，轮询状态直至完成：

# 启动任务运行
run = client.beta.threads.runs.create(
    thread_id=thread.id,
    assistant_id=assistant.id
)

# 轮询检查运行状态
while True:
    run_status = client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)
    if run_status.status in ["completed", "failed"]:
        break
    time.sleep(1)

# 提取并打印结果
messages = client.beta.threads.messages.list(thread_id=thread.id)
for message in messages.data:
    print(f"{message.role}: {message.content}")

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

编辑

#OpenAI工具

上次更新: 2025/09/18, 08:16:15

← 1. 文件检索 3. 函数调用→