open-interpreter

用自然语言操控电脑：Open Interpreter 如何让AI成为你的终端助手

背景故事：代码解释器的开源革命

2023年，OpenAI 在 ChatGPT 中推出 Code Interpreter（代码解释器），让 AI 能够直接执行代码来完成真实任务——数据分析、文件处理、图表生成。这一能力让无数用户惊叹：原来 AI 不仅能聊天，还能真正"干活"。

但 OpenAI 的方案有三个致命限制：无法访问互联网、有严格的运行时间和文件大小上限、状态无法持久保留（环境关闭后所有文件和链接消失）。这让它只能成为一个"沙盒玩具"，而无法成为真正的生产力工具。

Open Interpreter 正是为了解决这些问题而生。它是一个开源项目，将 GPT-4 Code Interpreter 的能力带到你的本地电脑——拥有完整的互联网访问权限、不受限制的运行时间、可以使用任何本地包和库，并永久保存所有生成的文件和对话历史。

什么是 Open Interpreter？

Open Interpreter 是一个开源的自然语言编程接口，允许大语言模型（LLM）在本地环境中执行代码。目前支持 Python、JavaScript、Shell 等多种语言，并可以通过终端界面与用户进行 ChatGPT 风格的交互对话。

用一句话概括：它让任何人都能用日常语言指挥 AI 操作你的电脑——创建图片和视频、处理 PDF、操控 Chrome 浏览器进行网络研究、清洗和分析大规模数据集，不一而足。

项目的作者 Killian Lucas 从 2023 年开始维护这个项目，GitHub 星标数已超过 6.3 万，是当前最受欢迎的 AI 代码执行类开源项目之一。项目遵循 AGPL-3.0 开源许可证，并在 Discord 社区拥有活跃的开发者生态。

核心功能：超越沙盒的本地AI助手

1. 代码执行与确认机制

安装后只需在终端运行 interpreter 命令，即可开启交互式对话。默认使用 OpenAI GPT-4o 作为推理引擎，支持用户输入 API Key 开始使用。

每次模型尝试执行代码前，系统会请求用户手动确认（安全护栏），防止 AI 执行危险操作。用户也可以通过配置文件修改系统提示词，让 AI 自动批准特定类型的命令。

from interpreter import interpreter
interpreter.chat("Plot AAPL and META's normalized stock prices")
interpreter.chat()  # 启动交互式对话

2. 多模型与多后端支持

项目使用 LiteLLM 作为统一的 LLM 接口层，支持连接任何 OpenAI API 兼容的后端：

• 云端模型：OpenAI GPT-4o、GPT-3.5-turbo、Claude 系列
• 本地模型：通过 Ollama、LM Studio、Jan.ai 等本地推理服务器运行 Llama、Mistral 等开源模型
• Llamafile：无需安装任何第三方软件，直接运行本地大模型

3. 终端界面（Terminal Interface）

项目提供了功能丰富的 CLI 终端界面，支持对话导航、历史记录保存与恢复、上下文管理等功能。通过 %reset、%undo、%verbose 等快捷命令，用户可以在对话过程中动态调整行为。

还支持 profiles 配置系统，通过 YAML 文件定义默认行为，包括模型选择、API 密钥、系统提示词等，适合需要固定配置的工作场景。

4. Computer Use：操控浏览器执行研究任务

项目最具想象力的功能之一是 Computer Use ——让 AI 代理直接操控 Chrome 浏览器来执行网络研究任务。模型可以自主导航网页、点击按钮、填写表单、提取信息，形成一个完整的自动化研究工作流。

这背后的技术栈包括 Selenium WebDriver、PyAutoGUI（鼠标键盘自动化）、OpenCV（视觉辅助定位）等。

5. 本地模型与离线模式

通过 --local 参数，项目可以连接本地推理服务器运行开源模型，配合 LM Studio 或 Ollama 实现完全离线的 AI 代码执行体验。本地模式下上下文窗口默认限制为 3000 tokens，适合资源受限的场景。

技术架构：模块化的插件式设计

Open Interpreter 的代码结构采用清晰的模块化设计：

interpreter/
├── core/          # 核心执行引擎（LLM 调用、代码解析、响应渲染）
├── terminal_interface/  # CLI 交互界面（对话导航、profiles、magic commands）
├── computer_use/   # 浏览器/系统操控代理
└── server.py      # WebSocket 服务器（基于 FastAPI + uvicorn）

核心依赖包括：

• LiteLLM：统一的 LLM 调用抽象层，支持 100+ 种模型 API
• Anthropic / OpenAI SDK：具体模型的 SDK 实现
• FastAPI + uvicorn：提供 WebSocket 服务器能力
• Selenium + PyAutoGUI：Browser Computer Use 的底层自动化
• Rich：终端富文本输出
• Pydantic：数据结构验证

部署方式

项目提供了 Docker 支持，官方 Dockerfile 基于 python:3.11.8 构建，运行一个 LMC 兼容的 WebSocket 服务器在 8000 端口。开发者也可以通过 VS Code 的 Dev Container 快速搭建开发环境。

标准安装方式为一行 pip 命令：

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

局限性：诚实的评估

需要注意的是，Open Interpreter 目前没有传统意义上的 Web 图形界面（Streamlit/Gradio），所有交互通过终端 CLI 或 Python API 完成。对于非技术用户来说，有一定的上手门槛。

此外，本地运行大模型需要足够的硬件配置（尤其是运行 GPT-4 级别的模型时），而接入云端 API 则需要自行承担 OpenAI/Anthropic 的调用费用。项目本身免费，但调用商业模型的 API 需要付费。

行业意义

Open Interpreter 代表了 AI 辅助编程工具的一个重要分支——不是替代 IDE，而是将 AI 能力扩展到操作系统层面，成为真正的"数字助手"。它的开源性质使得任何人都可以在此基础上构建自己的定制化 AI 工作流，从自动化脚本到智能助手，不受平台限制。

该项目的发展轨迹也反映了当前 AI 开源社区的一个趋势：将对标闭源巨头（OpenAI Code Interpreter）的能力开源化，并在本地化、定制化方面形成差异化竞争。随着越来越多的大模型支持本地部署，这类工具的实用价值将持续增长。

---

项目地址：KillianLucas/open-interpreter
许可证：AGPL-3.0
主要语言：Python
Stars：63,000+