● Open Interpreter（开放解释器）

桌面应用 | Open Interpreter (Rust) | 文档

Open Interpreter（开放解释器） 可以让大语言模型在本地运行代码和 Shell 命令（Python、JavaScript、Bash、cmd、PowerShell、Ruby、R、Java 等）。安装后，在终端中运行 interpreter，即可通过聊天机器人界面与 Open Interpreter 交互。

本软件为计算机的通用功能提供了自然语言界面：

• 创建和编辑照片、视频、PDF 等
• 控制 Chrome 浏览器进行搜索
• 绘制、清理和分析大型数据集
• ... 等

⚠️ 注意：默认情况下，代码运行前会要求您批准。

与其他工具的比较

Open Interpreter 早于许多其他 AI 编程工具，既有相似之处，也有不同之处：

• 网页聊天机器人中的代码解释器功能（OpenAI、Mistral、Grok、Gemini 等）在远程沙盒环境中运行代码，该环境为闭源且受限。文件必须单独上传，结果再下载。执行的代码通常无法访问互联网，仅限于预装软件包，容器在不活动后会过期，导致进度和数据丢失。Open Interpreter 通过在本地环境中运行来克服这些限制。它可以完全访问互联网，不受时间或文件大小限制，可以使用任何软件包或库，甚至自行安装对特定任务有用的库。
• 虽然它可以编写代码并执行 Shell 命令，类似于 Claude Code、Cursor、Devin 等编程代理，但 Open Interpreter 的重点不在于通过修补源代码文件来维护项目代码库，而更多是在持久、交互式的 REPL 式会话中完成一次性任务（更接近 Jupyter 笔记本，而非 IDE）。
• 与 OpenClaw、Hermes Agent 等不同，它通常以交互方式使用，而非作为自主代理。
• 它不是像 Claude Desktop 那样通过 MCP 工具与世界交互，而是直接运行代码片段或 Shell 命令。
• 它类似于 ShellGPT 或 cmd-ai 等自然语言 Shell 翻译器，但不局限于 Shell，并使用交互式聊天机器人界面，因此您可以在命令运行前审查、拒绝（n）或编辑（e），并要求模型修改。
• 最接近的替代方案可能是 gptme。它支持的代码片段语言数量不多，而且最近才添加了部分 Windows 支持。

演示

演示视频

Google Colab 上也提供了交互式演示

此外还有一个受 Her 启发的语音界面示例

快速开始

安装

这是由社区维护的 Open Interpreter Python 版本。

以下命令将安装 main，即默认分支（稳定基础、CI 以及移植更改的合并目标）：

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

有关可选依赖项，请参阅我们的设置指南。

不过，对于日常使用，您可能更希望安装 classic/develop —— 这是每日维护和使用的不稳定分支，相比 main 分支有许多变化和功能，例如对推理模型、OpenRouter/DeepSeek/Qwen、网络搜索工具等的支持：

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

有关分支特有功能、模型说明和设置详情，请参阅 classic/develop README。

终端

安装后，运行 interpreter：

interpreter

Open Interpreter 默认使用 OpenAI 的 GPT-4o，并会要求您输入 API 密钥，您可以在 OpenAI API 密钥页面 获取。有关其他提供商或本地模型，请参阅下文。

Python

from interpreter import interpreter

interpreter.chat("绘制 AAPL 和 META 的标准化股价") # 执行单一命令
interpreter.chat() # 开始交互式聊天

GitHub Codespaces

在此仓库的 GitHub 页面上按下 , 键即可创建 codespace。片刻之后，您将获得一个预装 Open Interpreter 的云虚拟机环境。然后您可以直接与其交互，并自由确认其系统命令的执行，而无需担心损坏系统。

命令

交互式聊天

要在终端中开始交互式聊天，从命令行运行 interpreter：

interpreter

或者从 .py 文件中运行 interpreter.chat()：

interpreter.chat()

您还可以流式传输每个数据块：

message = "我们使用的是什么操作系统？"

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

程序化聊天

为了更精确的控制，您可以通过 .chat(message) 直接传递消息：

interpreter.chat("为 /videos 中的所有视频添加字幕。")

# ... 将输出流式传输到终端，完成任务 ...

interpreter.chat("这些看起来不错，但你能把字幕调大一些吗？")

# ...

开始新的聊天

在 Python 中，Open Interpreter 会记录对话历史。如果您想从头开始，可以重置它：

interpreter.messages = []

保存和恢复聊天

interpreter.chat() 返回消息列表，可用于通过 interpreter.messages = messages 恢复对话：

messages = interpreter.chat("My name is Killian.") # 将消息保存到 'messages'
interpreter.messages = [] # 重置解释器（"Killian" 将被遗忘）

interpreter.messages = messages # 从 'messages' 恢复聊天（"Killian" 将被记住）

自定义系统消息

您可以检查并配置 Open Interpreter 的系统消息，以扩展其功能、修改权限或赋予其更多上下文。

interpreter.system_message += """
使用 -y 运行 shell 命令，这样用户就不必确认它们。
"""
print(interpreter.system_message)

更改语言模型

Open Interpreter 使用 LiteLLM 连接到托管的语言模型。

您可以通过设置 model 参数来更改模型：

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

在 Python 中，在对象上设置模型：

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

在此查找适合您语言模型的 model 字符串。

在本地运行 Open Interpreter

终端

Open Interpreter 可以使用 OpenAI 兼容服务器在本地运行模型（LM Studio、Jan.ai、Ollama 等）。

只需使用推理服务器的 api_base URL 运行 interpreter（LM Studio 默认为 http://localhost:1234/v1）：

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

或者，您可以通过运行以下命令使用 Llamafile，而无需安装任何第三方软件：

interpreter --local

有关更详细的指南，请参阅 Mike Bird 的这段视频

如何在后台运行 LM Studio。

1. 下载 LM Studio 然后启动它。
2. 选择一个模型，然后点击 ↓ Download。
3. 点击左侧的 ↔️ 按钮（在 💬 下方）。
4. 在顶部选择您的模型，然后点击 Start Server。

服务器运行后，您就可以开始与 Open Interpreter 对话了。

注意： 本地模式将 context_window 设置为 3000，max_tokens 设置为 1000。如果您的模型有不同的要求，请手动设置这些参数（见下文）。

Python

我们的 Python 包让您可以更好地控制每项设置。要复制并连接到 LM Studio，请使用以下设置：

from interpreter import interpreter

interpreter.offline = True # 禁用在线功能（例如更新检查、遥测）
interpreter.llm.model = "openai/x" # 告诉 OI 以 OpenAI 格式发送消息
interpreter.llm.api_key = "fake_key" # LiteLLM（我们用于与 LM Studio 通信）需要此参数
interpreter.llm.api_base = "http://localhost:1234/v1" # 指向任何 OpenAI 兼容服务器

interpreter.chat()

上下文窗口、最大 Token 数

您可以修改本地运行模型的 max_tokens 和 context_window（以 token 为单位）。

对于本地模式，较小的上下文窗口会使用更少的 RAM，因此如果失败或运行缓慢，我们建议尝试更短的窗口（约 1000）。请确保 max_tokens 小于 context_window。

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

详细模式

为帮助您检查 Open Interpreter，我们提供了用于调试的 --verbose 模式。

您可以使用标志（interpreter --verbose）激活详细模式，或在聊天过程中：

$ interpreter
...
> %verbose true <- 开启详细模式

> %verbose false <- 关闭详细模式

交互模式命令

在交互模式下，您可以使用以下命令来增强体验。以下是可用命令列表：

可用命令：

• %% [command]：在系统 Shell 中运行命令（绕过 LLM）。
• %verbose [true/false]：切换详细模式。无参数或使用 true 时进入详细模式。使用 false 时退出详细模式。
• %auto_run [true/false]：切换代码是否无需确认即可运行。无参数或使用 true 时进入 auto_run 模式。使用 false 时退出 auto_run 模式。
• %reset：重置当前会话的对话。
• %undo：从消息历史中移除上一条用户消息和 AI 的回复。
• %save_message [path]：将消息保存到指定的 JSON 路径。如果未提供路径，默认为 'messages.json'。
• %load_message [path]：从指定的 JSON 路径加载消息。如果未提供路径，默认为 'messages.json'。
• %tokens [prompt]：（实验性）计算将作为上下文随下一条提示发送的 token 数并估算其成本。如果提供了 prompt，还可选计算该提示的 token 数和估算成本。估算成本依赖 LiteLLM 的 cost_per_token() 方法。
• %jupyter：将对话导出为 Jupyter 笔记本文件。
• %markdown [path]：将对话导出到指定的 Markdown 路径。如果未提供路径，将保存到 Downloads 文件夹并使用生成的对话名称。
• %info：显示系统和解释器信息。
• %help：显示帮助消息。

配置 / 配置文件

Open Interpreter 允许您使用 yaml 文件设置默认行为。

这提供了一种灵活的配置方式，无需每次都更改命令行参数。

运行以下命令打开配置文件目录：

interpreter --profiles

您可以在那里添加 yaml 文件。默认配置文件名为 default.yaml。

多个配置文件

Open Interpreter 支持多个 yaml 文件，让您可以轻松切换配置：

interpreter --profile my_profile.yaml

示例 FastAPI 服务器

Open Interpreter 可以通过 HTTP REST 端点进行控制：

# 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

您还可以通过运行 interpreter --server 启动带有 WebSocket 支持和 Web UI 的内置服务器（需要 [server] 额外依赖）。

Android

在 Android 设备上安装 Open Interpreter 的分步指南可在 open-interpreter-termux 仓库 中找到。

安全提示

由于生成的代码在本地环境中执行，它可以与您的文件和系统设置交互，可能导致数据丢失或安全风险等意外结果。

⚠️ Open Interpreter 会在执行代码前要求用户确认。

您可以运行 interpreter -y 或设置 interpreter.auto_run = True 来绕过此确认，在这种情况下：

• 在请求修改文件或系统设置的命令时要谨慎。
• 像关注自动驾驶汽车一样关注 Open Interpreter，并随时准备通过关闭终端来结束进程。
• 考虑在 Google Colab 或 Replit 等受限环境中运行 Open Interpreter。这些环境更加隔离，降低了执行任意代码的风险。

对 安全模式 有实验性支持，有助于降低某些风险。

它是如何工作的？

Open Interpreter 为函数调用语言模型配备了 execute 工具，该工具接受 language（如 "Python" 或 "JavaScript"）和要运行的 code。（不支持函数调用的模型也可通过 Markdown 代码块使用。）

然后，我们将模型的消息、代码和您系统的输出以 Markdown 形式流式传输到终端。

离线访问文档

完整的文档可在没有互联网连接的情况下随时访问。

Node 是前提条件：

• 版本 18.17.0 或任何更新的 18.x.x 版本。
• 版本 20.3.0 或任何更新的 20.x.x 版本。
• 任何从 21.0.0 开始的版本，无上限。

安装 Mintlify：

npm i -g mintlify@latest

进入 docs 目录并运行相应命令：

# 假设您位于项目根目录
cd ./docs

# 运行文档服务器
mintlify dev

应该会打开一个新的浏览器窗口。只要文档服务器在运行，文档将在 http://localhost:3000 上可用。

贡献

感谢您对贡献的兴趣！我们欢迎社区的参与。

请参阅我们的贡献准则，了解如何参与的更多详情。

路线图

访问我们的路线图以预览 Open Interpreter 的未来。

请注意：此软件与 OpenAI 无关。

拥有一位以指尖速度工作的初级程序员 ... 可以让新的工作流程变得轻松高效，并将编程的好处带给新的受众。

— OpenAI 的 Code Interpreter 发布