自然语言编程，在Jupyter里就能直接完成了！

这款由MIT华人博士生打造的插件，实现了编程工具与GPT-4的无缝衔接。

加载好之后，只要「说」出自己想要的程序，就能得到代码并直接调试运行。



结合ChatGPT和Jupyter的名字，作者将其命名为Chapyter。

Chapyter发布后，vscode用户投来了羡慕的目光，并期待自己有朝一日也能用上。



而作者也回应说，适配更多平台的版本已经在路上了。



在Jupyter中直接用自然语言编程

Chapyter究竟和之前的Colab有什么区别呢？

开发者列出了一张表格：



在Jupyter中，Chapyter直接用自然语言就能编写程序，还能自动执行。

比如我们想要求斐波那契数列的前50项分别是多少：



可以看到，Chapyter不仅给出了代码，还直接跑出了结果。

此外，Chapyter还支持调用旧代码和执行结果，进行一些新的操作。

比如此前的程序生成了一些数据，我们就可以直接调用这些数据生成可视化图像：



担心AI生成的代码不靠谱？没关系，你可以随时无缝切换到人工，对代码进行debug。



而Chapyter使用的所有prompt都是公开透明的，在GitHub页中的Program.py里面就能直接看到。

除此之外，由于Chapyter使用的GPT是API版本，不必过度担心隐私泄露问题。

因为根据GPT API的用户协议，通过API方式进行的对话不会被用作模型训练。

轻松完成部署

Chatpyter的部署过程十分简单。

在装有Python和node.js的环境下，在命令行模式中直接使用「pip install chapyter」命令，就可完成安装。

需要注意的是，安装过程会将Jupyter升级到4.0以上版本，可能会引起环境变化。

安装好之后，在环境变量中设置GPT的API key和组织名称，部署就完成了。



使用时在Jupyter中输入「%load_ext chapyter」就能启动Chapyter了。

更多详细教程，可参阅GitHub页面中examples目录下的说明文档。

作者简介

Chapyter的作者MIT的华人博士生Shannon Zejiang Shen。

他在NLP领域具体的研究兴趣是科学、法律和医学方面的语义理解。

在HCI领域，Shen也在研究人类（特别是专家）与AI模型的交互方式。

GitHub项目页：
https://github.com/chapyter/chapyter/

参考链接：
[1]https://www.reddit.com/r/MachineLearning/comments/15269v8/p_chapyter_chatgpt_code_interpreter_in_jupyter/
[2]https://www.szj.io/