让ChatGLM3自己写代码并执行：Code Interpreter代码解释器实战指南

让ChatGLM3自己写代码并执行Code Interpreter代码解释器实战指南【免费下载链接】ChatGLM3ChatGLM3 series: Open Bilingual Chat LLMs | 开源双语对话语言模型项目地址: https://gitcode.com/zai-org/ChatGLM3ChatGLM3是智谱AI与清华KEG实验室联合发布的开源双语对话大模型。它的Code Interpreter代码解释器能让模型连接一台电脑自己编写 Python 代码、在 Jupyter 环境中执行并拿到结果自动连续跑多轮代码直到任务完成。本指南带你用 3 步部署并上手这个能力。什么是 Code Interpreter 代码解释器普通对话模型只会说而 Code Interpreter 让模型能够做。绘制图表画爱心、画函数曲线数据分析读取文件、找缺失值、做统计符号运算求导、积分等数学任务你只需给出任务模型会自动写代码 → 执行 → 看结果 → 改错 → 再执行循环直到搞定。 综合 Demo 内置Chat / Tool / Code Interpreter三种模式切换即用无需额外安装。一键安装3 步部署 ChatGLM3 代码解释器第 1 步克隆仓库git clone https://gitcode.com/zai-org/ChatGLM3 cd ChatGLM3/composite_demo第 2 步创建环境并装依赖建议用 Conda 管理环境需Python 3.10conda create -n chatglm3-demo python3.10 conda activate chatglm3-demo pip install -r requirements.txt第 3 步安装 Jupyter 内核代码解释器依赖一个 Jupyter 内核来跑代码ipython kernel install --name chatglm3-demo --user依赖清单见 requirements.txt核心是ipykernel与jupyter_client。启动代码解释器streamlit run main.py进入 Demo 目录后一条命令即可启动streamlit run main.py启动后在命令行会看到访问地址浏览器打开即可。初次访问会下载并加载模型稍等片刻。两个可选环境变量变量作用MODEL_PATH指定从本地加载模型如export MODEL_PATH/path/to/modelIPYKERNEL自定义 Jupyter 内核名如export IPYKERNELchatglm3-demo在页面顶部切到‍ Code Interpreter模式即可开始。让模型自己写代码并执行完整流程拆解代码解释器的工作由 demo_ci.py 驱动核心循环如下模型思考先分析任务决定要跑什么代码输出代码块以|assistant|interpreter角色给出 Python 代码执行内核调用 Jupyter 内核运行拿到text或image结果回填观察把结果作为|observation|喂回模型自动迭代模型据结果决定是否继续最多连续执行多个代码块你 → 任务 模型 → 写代码 内核 → 执行结果 模型 → 看结果、改错、继续 …直到完成一个典型提示词帮我画一个爱心模型会自动导入numpymatplotlib用参数方程描点执行后返回一张 PNG 图片。Code Interpreter 的 Prompt 格式与角色设计ChatGLM3 为工具调用、代码执行、Agent 设计了统一对话格式详见 PROMPT.md。代码执行场景涉及 4 种角色角色标记含义|system|系统提示声明连着一台电脑、不能联网|user|用户指令|assistant|interpreter模型要执行的代码块|observation|代码执行的返回结果系统提示固定为你是一位智能AI助手你叫ChatGLM你连接着一台电脑但请注意不能联网。在使用Python解决任务时你可以运行代码并得到结果如果运行结果有错误你需要尽可能对代码进行改进。你可以处理用户上传到电脑上的文件文件默认存储路径是/mnt/data/。 角色与消息拼装逻辑见 conversation.py其中Role.INTERPRETER与Role.OBSERVATION专为代码解释器设计。关键机制执行结果若为错误模型会自动改进代码重试结果过长会被截断默认truncate_length1024防止撑爆上下文。代码执行内核Jupyter Kernel 工作原理demo_ci.py中的CodeKernel类封装了一个后台 Jupyter 内核jupyter_client.KernelManager负责启动/重启/中断内核blocking_client()执行代码并等待返回execute()轮询消息区分text/image/png两种输出图片自动转为PIL.Image展示模型生成的代码会先经extract_code()用正则代码块提取再剥离特殊标记后送入内核保证只运行真正的 Python 代码。实用示例与进阶技巧能做的事 数据可视化折线图、散点图、柱状图 文件处理读取/mnt/data/下用户上传的文件 数学求解符号运算、数值计算小技巧操作效果点页面右上角Stop模型生成/执行时打断刷新页面清空对话历史侧边栏调top_p/temperature控制代码生成的随机性常见问题排查模型加载慢先把模型下载到本地再用MODEL_PATH指定本地路径。代码执行报错确认已执行ipython kernel install且内核名与IPYKERNEL一致。显存不够参考 README 的量化 / CPU 部署方案降低资源占用。 完整文档composite_demo/README.md入口逻辑main.py。现在切换Code Interpreter模式试着让 ChatGLM3 给你画张图吧【免费下载链接】ChatGLM3ChatGLM3 series: Open Bilingual Chat LLMs | 开源双语对话语言模型项目地址: https://gitcode.com/zai-org/ChatGLM3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考