● Open Interpreter

Десктопний застосунок | Open Interpreter (Rust) | Документація

Open Interpreter дозволяє LLM локально запускати код і команди оболонки (Python, JavaScript, Bash, cmd, PowerShell, Ruby, R, Java тощо). Ви взаємодієте з Open Interpreter через інтерфейс чатбота у терміналі, запустивши interpreter після встановлення.

Це забезпечує інтерфейс природною мовою для загального використання можливостей вашого комп’ютера:

• Створювати та редагувати фотографії, відео, PDF-файли тощо.
• Керувати браузером Chrome для проведення досліджень
• Створювати, очищати та аналізувати великі набори даних
• ...і т.д.

⚠️ Увага: За замовчуванням вам буде запропоновано підтвердити код перед його запуском.

Порівняння з іншими інструментами

Open Interpreter існує раніше за багато інших інструментів ШІ для кодування і має як схожості, так і відмінності:

• Функції Code Interpreter у веб-чатботах (OpenAI, Mistral, Grok, Gemini тощо) запускають код у віддаленому ізольованому середовищі з закритим вихідним кодом і обмеженнями. Файли потрібно завантажувати окремо, а результати потім завантажувати. Виконаний код зазвичай не має доступу до Інтернету, обмежений набором попередньо встановлених пакетів, а його контейнер завершується після бездіяльності, втрачаючи прогрес і дані. Open Interpreter долає ці обмеження, працюючи у вашому локальному середовищі. Він має повний доступ до Інтернету, не обмежений часом або розміром файлу, і може використовувати будь-який пакет або бібліотеку, навіть самостійно встановлюючи бібліотеки, корисні для конкретного завдання.
• Хоча він може писати код і виконувати команди оболонки, подібно до агентів кодування на кшталт Claude Code, Cursor, Devin тощо, Open Interpreter менше зосереджений на підтримці кодової бази проєкту шляхом патчингу вихідних файлів, а більше на виконанні разових завдань у постійній інтерактивній сесії на кшталт REPL (ближче до Jupyter notebook, ніж до IDE).
• На відміну від OpenClaw, Hermes Agent тощо, його зазвичай використовують інтерактивно, а не як автономного агента.
• Замість взаємодії зі світом через інструменти MCP, як Claude Desktop, він запускає фрагменти коду або команди оболонки безпосередньо.
• Він схожий на перекладачі оболонки природною мовою, як ShellGPT або cmd-ai, але не обмежений оболонкою і використовує інтерактивний інтерфейс чатбота, тож ви можете переглядати, відхиляти (n) або редагувати (e) команди перед запуском і просити модель переробити.
• Найближча альтернатива — це, ймовірно, gptme. Він підтримує не так багато мов для фрагментів коду і лише нещодавно додав часткову підтримку Windows.

Demo

Демонстраційне відео

Інтерактивна демонстрація також доступна на Google Colab

Разом із прикладом голосового інтерфейсу, натхненного Her

Швидкий старт

Встановлення

Це версія Open Interpreter на Python, яку підтримує спільнота.

Ця команда встановить main — гілку за замовчуванням (стабільна база, CI та ціль для злиття перенесених змін):

pip install git+https://github.com/endolith/open-interpreter.git

Дивіться наш посібник з налаштування для додаткових залежностей.

Однак для щоденного використання, ймовірно, вам варто встановити classic/develop — це нестабільна гілка, яка підтримується та використовується щодня, з багатьма змінами та функціями порівняно з гілкою main, такими як підтримка моделей міркування, OpenRouter/DeepSeek/Qwen, інструменти веб-пошуку тощо:

pip install git+https://github.com/endolith/open-interpreter.git@classic/develop

Для функцій форку, приміток щодо моделей та деталей налаштування дивіться README classic/develop.

Термінал

Після встановлення просто запустіть interpreter:

interpreter

Open Interpreter за замовчуванням використовуватиме GPT-4o від OpenAI і попросить вас ввести ключ, який можна отримати на сторінці ключів API OpenAI. Для інших провайдерів або локальних моделей дивіться нижче.

Python

from interpreter import interpreter

interpreter.chat("Plot AAPL and META's normalized stock prices") # Виконує одну команду
interpreter.chat() # Починає інтерактивний чат

GitHub Codespaces

Натисніть клавішу , на сторінці GitHub цього репозиторію, щоб створити Codespace. Через деякий час ви отримаєте хмарне середовище віртуальної машини з попередньо встановленим open-interpreter. Потім ви можете почати взаємодіяти з ним безпосередньо та вільно підтверджувати виконання ним системних команд, не турбуючись про пошкодження системи.

Команди

Інтерактивний чат

Щоб почати інтерактивний чат у вашому терміналі, запустіть interpreter з командного рядка:

interpreter

Або interpreter.chat() з файлу .py:

interpreter.chat()

Ви також можете транслювати кожен фрагмент:

message = "На якій операційній системі ми працюємо?"

for chunk in interpreter.chat(message, display=False, stream=True):
  print(chunk)

Програмований чат

Для більш точного керування ви можете передавати повідомлення безпосередньо до .chat(message):

interpreter.chat("Додайте субтитри до всіх відео в /videos.")

# ... Потік виведення на ваш термінал, виконання завдання ...

interpreter.chat("Виглядає чудово, але чи можеш ти збільшити субтитри?")

# ...

Почати новий чат

В Python Open Interpreter запам’ятовує історію розмов. Якщо ви хочете почати заново, ви можете скинути її:

interpreter.messages = []

Зберегти та відновити чати

interpreter.chat() повертає список повідомлень, який можна використовувати для відновлення розмови за допомогою interpreter.messages = messages:

messages = interpreter.chat("Мене звати Степан.") # Зберегти повідомлення в "messages"
interpreter.messages = [] # Скинути інтерпретатор ("Степан" буде забутий)

interpreter.messages = messages # Відновити чат із "messages" ("Степан" запам’ятається)

Кастомізувати системне повідомлення

Ви можете перевірити та налаштувати системне повідомлення Open Interpreter, щоб розширити його функціональність, змінити дозволи або надати йому більше контексту.

interpreter.system_message += """
Виконуй команди оболонки з -y, щоб користувачеві не потрібно було їх підтверджувати.
"""
print(interpreter.system_message)

Змініть свою мовну модель

Open Interpreter використовує LiteLLM для підключення до розміщених мовних моделей.

Ви можете змінити модель, встановивши параметр моделі:

interpreter --model gpt-3.5-turbo
interpreter --model claude-2
interpreter --model command-nightly

В Python встановіть модель на об’єкт:

interpreter.llm.model = "gpt-3.5-turbo"

Знайдіть відповідний рядок «model» для вашої мовної моделі тут.

Запуск Open Interpreter локально

Термінал

Open Interpreter може використовувати OpenAI-сумісний сервер для запуску моделей локально (LM Studio, Jan.ai, Ollama тощо)

Просто запустіть interpreter з URL-адресою api_base вашого сервера inference (для LM Studio це http://localhost:1234/v1 за замовчуванням):

interpreter --api_base "http://localhost:1234/v1" --api_key "fake_key"

Крім того, ви можете використовувати Llamafile без встановлення стороннього програмного забезпечення, просто запустивши

interpreter --local

Для детальнішого посібника перегляньте це відео від Mike Bird

Як запустити LM Studio у фоновому режимі.

1. Завантажте LM Studio, після чого запустіть його.
2. Виберіть модель і натисніть ↓ Завантажити.
3. Натисніть кнопку ↔️ ліворуч (нижче 💬).
4. Виберіть свою модель угорі, а потім натисніть Запустити сервер.

Коли сервер запущено, ви можете почати розмову за допомогою Open Interpreter.

Примітка. Локальний режим встановлює ваше context_window на 3000, а max_tokens на 1000. Якщо ваша модель має інші вимоги, установіть ці параметри вручну (див. нижче).

Python

Наш пакет Python дає вам більше контролю над кожним параметром. Для реплікації та підключення до LM Studio використовуйте ці налаштування:

from interpreter import interpreter

interpreter.offline = True # Вимикає онлайн-функції (наприклад, перевірки оновлень, телеметрію)
interpreter.llm.model = "openai/x" # Каже OI надсилати повідомлення у форматі OpenAI
interpreter.llm.api_key = "fake_key" # LiteLLM, який ми використовуємо для спілкування з LM Studio, вимагає це
interpreter.llm.api_base = "http://localhost:1234/v1" # Вкажіть на будь-який сервер, сумісний з OpenAI

interpreter.chat()

Контекстне вікно, максимальна кількість токенів

Ви можете змінити max_tokens і context_window (у токенах) локально запущених моделей.

У локальному режимі менші контекстні вікна використовуватимуть менше оперативної пам’яті, тому ми рекомендуємо спробувати набагато коротше вікно (~1000), якщо воно не вдається або працює повільно. Переконайтеся, що max_tokens менший за context_window.

interpreter --local --max_tokens 1000 --context_window 3000

Режим verbose

Щоб допомогти вам перевірити Open Interpreter, у нас є режим --verbose для налагодження.

Ви можете активувати режим verbose, використовуючи його прапорець (interpreter --verbose) або в середині чату:

$ interpreter
...
> %verbose true <- Вмикає режим verbose

> %verbose false <- Вимикає режим verbose

Команди інтерактивного режиму

В інтерактивному режимі ви можете використовувати наведені нижче команди, щоб покращити свій досвід. Ось список доступних команд:

Доступні команди:

• %% [команда]: Запустити команду в системній оболонці (обходить LLM).
• %verbose [true/false]: Увімкнути або вимкнути режим verbose. Без аргументів або з true входить у режим verbose. З false виходить із режиму verbose.
• %auto_run [true/false]: Увімкнути або вимкнути запуск коду без підтвердження. Без аргументів або з true входить у режим auto_run. З false виходить із режиму auto_run.
• %reset: Скидає розмову поточного сеансу.
• %undo: Видаляє попереднє повідомлення користувача та відповідь ШІ з історії повідомлень.
• %save_message [шлях]: Зберігає повідомлення у вказаний JSON-шлях. Якщо шлях не вказано, за замовчуванням використовується messages.json.
• %load_message [шлях]: Завантажує повідомлення з вказаного JSON-шляху. Якщо шлях не вказано, за замовчуванням використовується messages.json.
• %tokens [prompt]: (Експериментально) Розрахувати токени, які будуть надіслані з наступним запитом як контекст, і оцінити їх вартість. Додатково обчисліть токени та приблизну вартість prompt, якщо він наданий. Покладається на метод cost_per_token() LiteLLM для оцінки витрат.
• %jupyter: Експортувати розмову у файл Jupyter notebook.
• %markdown [шлях]: Експортувати розмову у вказаний Markdown-шлях. Якщо шлях не вказано, файл буде збережено в папці Завантаження зі згенерованою назвою розмови.
• %info: Показати інформацію про систему та інтерпретатор.
• %help: Показати повідомлення довідки.

Конфігурація / Профілі

Open Interpreter дозволяє встановлювати поведінку за замовчуванням за допомогою файлів yaml.

Це забезпечує гнучкий спосіб налаштування інтерпретатора, не змінюючи щоразу аргументи командного рядка.

Виконайте цю команду, щоб відкрити каталог профілів:

interpreter --profiles

Ви можете додати файли yaml. Профіль за замовчуванням має назву default.yaml.

Кілька профілів

Open Interpreter підтримує декілька файлів yaml, що дозволяє легко перемикатися між конфігураціями:

interpreter --profile my_profile.yaml

Зразок сервера FastAPI

Open Interpreter можна керувати через кінцеві точки HTTP REST:

# server.py

from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from interpreter import interpreter

app = FastAPI()

@app.get("/chat")
def chat_endpoint(message: str):
    def event_stream():
        for result in interpreter.chat(message, stream=True):
            yield f"data: {result}\n\n"

    return StreamingResponse(event_stream(), media_type="text/event-stream")

@app.get("/history")
def history_endpoint():
    return interpreter.messages

pip install fastapi uvicorn
uvicorn server:app --reload

Також можна запустити вбудований сервер із підтримкою WebSocket і веб-інтерфейсом, виконавши interpreter --server (потрібен додатковий пакет [server]).

Android

Покроковий посібник із встановлення Open Interpreter на вашому пристрої Android можна знайти в репозиторії open-interpreter-termux.

Повідомлення про безпеку

Оскільки згенерований код виконується у вашому локальному середовищі, він може взаємодіяти з вашими файлами та налаштуваннями системи, потенційно призводячи до неочікуваних результатів, як-от втрати даних або ризиків для безпеки.

⚠️ Open Interpreter попросить підтвердження користувача перед виконанням коду.

Ви можете запустити interpreter -y або встановити interpreter.auto_run = True, щоб обійти це підтвердження, у такому випадку:

• Будьте обережні, запитуючи команди, які змінюють файли або налаштування системи.
• Дивіться на Open Interpreter як на самокерований автомобіль і будьте готові завершити процес, закривши термінал.
• Спробуйте запустити Open Interpreter у обмеженому середовищі, наприклад Google Colab або Replit. Ці середовища більш ізольовані, що зменшує ризики виконання довільного коду.

Існує експериментальна підтримка безпечного режиму, щоб зменшити деякі ризики.

Як це працює?

Open Interpreter оснащує модель мови виклику функцій інструментом execute, який приймає language (як "Python" або "JavaScript") і code для запуску. (Моделі без виклику функцій також підтримуються через блоки коду markdown.)

Потім ми передаємо повідомлення моделі, код і результати вашої системи на термінал як Markdown.

Доступ до документації в автономному режимі

Повна документація доступна в дорозі без підключення до Інтернету.

Node є необхідною умовою:

• Версія 18.17.0 або будь-яка пізніша версія 18.x.x.
• Версія 20.3.0 або будь-яка пізніша версія 20.x.x.
• Будь-яка версія, починаючи з 21.0.0 і далі, без вказівки верхньої межі.

Встановіть Mintlify:

npm i -g mintlify@latest

Перейдіть у каталог документів і виконайте відповідну команду:

# Якщо ви перебуваєте в кореневому каталозі проекту
cd ./docs

# Запустіть сервер документації
mintlify dev

Має відкритися нове вікно браузера. Документація буде доступна за адресою http://localhost:3000, поки працює сервер документації.

Вклади

Дякуємо за ваш інтерес до участі! Ми вітаємо участь спільноти.

Щоб дізнатися більше про те, як взяти участь, ознайомтеся з нашими інструкціями щодо створення внеску.

Дорожня карта

Відвідайте нашу дорожню карту, щоб переглянути майбутнє Open Interpreter.

Примітка: це програмне забезпечення не пов’язане з OpenAI.

Маючи доступ до джуніора, який працює зі швидкістю ваших пальців ... ви можете зробити нові робочі процеси легкими та ефективними, а також відкрити переваги програмування новій аудиторії.

— OpenAI's Code Interpreter Release