Code Interpreter是ChatGPT官方提供的一个插件。使用这个插件之后，ChatGPT可以通过生成Python代码来解决你的问题。在上周，Code Interperter已经完全开放给所有的付费用户，在大家使用了一段时间之后，已经有很多人通过机智的prompt来获取了Code Interpreter背后的执行环境和系统prompt信息等。本文针对这些获取的信息做一个总结，供大家参考。

Code Interpreter简介

首先，让我们来了解一下OpenAI的官方插件——Code Interpreter。这个插件是一个专业级别的代码解释器，专门用于执行Python脚本。Code Interpreter不仅继承了ChatGPT强大的代码生成能力，更通过执行代码的功能，将ChatGPT从一个简单的语言模型，扩展成了一个能够为用户解决各类问题的强大工具。

目前，Code Interpreter在数据分析和代码调试方面表现出强大的能力。它可以有效地处理和解析数据，为你的数据分析项目提供便利。此外，如果你在编程过程中遇到问题，Code Interpreter也可以帮助你定位和修复代码中的错误。

而在图像处理和视频编辑领域，Code Interpreter更是展现出其无与伦比的实用性。配合CV（计算机视觉）相关的库，它能轻松生成和编辑图像和视频。

因此，很多人评价Code Interpreter让ChatGPT强大了10倍。

但是，Code Interpterter背后到底是什么样的环境？包含了哪些Python库？每个用户有多少资源支撑Code Interpreter的执行？这些信息都隐藏在后面，我们无从得知。但是随着Code Interpreter开放给所有用户，很多人已经通过非常巧妙的prompt获得了该插件背后的信息，接下来我们总结一下。

OpenAI为Code Interpreter设置的系统Prompt

首先是来自宝玉老师的分享。根据他构造的prompt，ChatGPT回答了OpenAI给Code Interpreter设置的系统Prompt，主要内容如下：

可以看到，OpenAI为Code Interpreter设置了几个东西：首先是和其它不带Code Interpreter插件一样的信息，包括：

1. 数据依然限制在2021年9月
2. 今天的日期
3. 对于数学公式，使用LaTeX渲染
4. 对于任何从网页、插件或者其它工具来的信息，通知用户，是否需要执行

上述内容应该是所有带插件的ChatGPT都一样的内容，但是Code Interpreter多了一个关于代码执行的prompt，重点如下：

• ChatGPT可以将生成的Python代码发给Jupter notebook环境来执行
• 如果任意代码执行时间超过120秒，那就不再等待结果
• 用户的数据文件持久化在/mnt/data目录下
• 不允许访问互联网
• 不要发起外部网站的请求或者是API的调用

这些信息已经大致可以描述出OpenAI为Code Interpreter所做的限制和范围。简而言之就是限制了代码执行能力，且不允许非法调用。

Code Interpreter的执行硬件环境

另外一个比较重要的信息就是Code Interpreter的执行环境。依然是来自宝玉老师的分享，里面提到了目前Code Interpreter所在的沙箱环境包含的主要资源为：

• 💾 54.9GB内存
• 💽 123.87GB磁盘空间，53.24GB空闲磁盘空间
• 💻 16个vCPU
• 💻 没有GPU

不过，根据一些其他人的分享，这个数据应该是不准确的。因为根据实测结果，每个人执行的资源都很少（包括10秒的视频转gif提示内存不足、24FPS的GIF无法处理等）。因此，这可能是宿主机的资源，本身的Code Interpreter可能是在容器中。

Code Interpreter的完整的沙箱环境

Yam Peleg在7月9日也和很多人一起做了一个十分有趣的活动，大家集思广益来对Code Interpreter做逆向工程。已经获取了Code Interpreter沙箱环境。

如下图所示，是Code Interpreter的沙箱目录：

可以看到沙箱环境非常简单，基本就是Python脚本、库和配置文件。目前，很多人已经获取了Code Interpreter包含的完整的安装的python库了。如下图所示

总共包含343个常见的Python库。为了支持对图片视频的处理，像OpenCV这种库也存在。此外，像常见的matplotlib、markdown、PyMuPDF、PyAudio等都有，可以看到，为了处理多模态数据，Code Interpreter包含了很多对音视频处理的常见库。

完整的包列表参考：https://github.com/petergpt/code-interpreter-packages/blob/main/packages_with_descriptions_Vfinal.md

其它关于Code Interpreter的信息

除了上述环境信息外，还有一些其它的数据。例如，根据Yam Peleg他们做的逆向工程，他们怀疑Code Interpreter的模型与GPT-4并不完全一样。因为用户访问的EndPoint位置和参数都不一样。而且，实验显示GPT-4的聊天接口的窗口长度是8K。

另外，还有一些其它方式破解Code Interpreter的限制，包括尝试让它安装上传的whl文件，基于自定义的instructions.txt来建立一个个性化的CodeInterpreter。

从目前透露的信息看，虽然Code Interpreter很强大，但是它的沙箱环境和构造方法似乎不是非常复杂。可能是由于GPT-4过于强大进而导致简单的Code Interpreter沙箱就能大大增强GPT-4的能力。

对于Code Interpreter信息，我们将继续保持关注。