OpenAI 在 2023 年 3 月份的博客 ChatGPT plugins 中介绍了插件功能，当时就提到了两个十分重要，并且 OpenAI 自己托管的插件 web browser 和 code interpreter，关于代码解释器(code interpreter)，原文是这样说的：

We provide our models with a working Python interpreter in a sandboxed, firewalled execution environment, along with some ephemeral disk space. Code run by our interpreter plugin is evaluated in a persistent session that is alive for the duration of a chat conversation (with an upper-bound timeout) and subsequent calls can build on top of each other. We support uploading files to the current conversation workspace and downloading the results of your work.

也就是说，我们可以上传文件，用自然语言去描述具体的需求，然后由 ChatGPT 自行编写 Python 代码，并且在沙箱环境中执行，还可以下载结果文件。官方列出了几个比较好的使用场景：

• 解决定量和定性的数学问题
• 进行数据分析和可视化
• 转换文件的格式

从 2023.7.6 号起，OpenAI 开始逐步给 Plus 用户灰度代码解释器(code interpreter)功能，具体可以看 ChatGPT — Release Notes，可以在官方论坛中看到有关代码解释器的一些帖子。
代码解释器带来的最引人注目的功能之一就是数据可视化。代码解释器使 GPT-4 能够生成广泛的数据可视化，包括 3D 曲面图、散点图、径向条形图和树形图等。

接下来本篇文章给大家展示如何用代码解释器来做一些数据分析和可视化的工作，以及代码解释器目前的一些缺陷。

OpenAI 在 2023 年 3 月份的博客 ChatGPT plugins 中提到 Code Interpreter 的时候，就说到了代码解释器的一些限制。具体如下：

We execute code in a secured environment and use strict network controls to prevent external internet access from executed code. Additionally, we have set resource limits on each session.

不过这里说的有点笼统，并没有说明具体什么资源的限制，在网上搜了一圈，也没找到有哪里提到这里的具体限制细节，比如：

• 上传文件大小限制了多大？
• 运行代码的内存限制多少？
• 运行代码的 CPU 是多少核？
• Python 可以用哪些库？
• 代码的运行时间限制多少？
• 代码有方法访问互联网吗？

最近刚拿到代码解释器的权限，于是来探究下这里的资源限制具体是怎么回事。

GPT4 作为一种先进的语言生成模型，目前在聊天场景中大放异彩，很多人通过问答来解决一些简单问题。然而，在实际程序开发工作中，我们面临着错综复杂的业务需求和丰富的上下文知识。在这种情况下，简单地将所有任务交给 GPT4 处理显然是不切实际的。

那么问题来了，在这个复杂的真实业务世界里，GPT4 究竟能在哪些方面发挥作用呢？首先，我们需要理解GPT-4的核心优势和局限性。作为一种语言模型，GPT-4擅长处理和生成文本，但在处理需要深入理解和复杂推理的任务时，它可能会遇到困难。因此，我们应该聚焦于那些可以充分利用 GPT4 文本处理能力的场景。

接下来，我们将深入探讨 GPT4 在复杂业务开发中的应用场景。通过几个具体的业务例子，分析如何结合人的专业知识和 GPT4 的文本生成能力，来更高效率、更高标准的完成工作任务。这里以后台开发业务场景为例，其他前端或者算法开发，应该也能有类似的 GPT4 使用场景。

(写这篇文章的时候，GPT4 即将对所有 Plus 用户开放 Code Interpreter，到时候可以直接上传文件，让 AI 写代码并且执行，来分析数据，创建表格等。到时候 GPT4 能完成的工作会更多了，可以期待。)