Code Interpreter: Eżegwixxi l-Kodiċi fl-API
F'din il-paġna
Aġġornat fit-2 ta’ Novembru 2026 abbażi tal-gwida uffiċjali tal-Code Interpreter u l-SDK
openai: l-għodda teħtieġ parametrucontainer(nieqes mill-eżempji preċedenti kollha, li kienu se jfallu), il-fajls iġġenerati jidhru fl-annotazzjonijietcontainer_file_citationu jitniżżlu permezz tal-API tal-Containers (mhuxclient.files.content), u l-outputs tas-sejħiet jissejħuoutputs(mhuxresults). Il-partijiet tat-test tal-input jużaw it-tipinput_text. Il-fajls mehmuża ma’ messaġġ jittellgħaw bl-iskopuser_data, li OpenAI tirrakkomanda għall-inputs tal-mudell (File inputs). Sorsi: Code Interpreter · File inputs.
Code Interpreter: Eżegwixxi l-Kodiċi fl-API
Mudell tal-lingwa jbassar it-test; ma jikkalkulax. Jekk titlobu l-għerq kwadru ta’ 1764, huwa se jipproduċi r-riżultat l-aktar probabbli abbażi tat-taħriġ tiegħu—spiss korrett, kultant żbaljat, mingħajr ebda mod biex tgħarraf id-differenza. Il-Code Interpreter ineħħi din l-inċertezza billi jagħti lill-mudell interpretru Python: jikteb il-kalkolu, jeżegwixxih, u jirritorna riżultat miksub, mhux suppożizzjoni.
Il-bidla hija aktar profonda milli tidher. Il-mudell jara l-output tal-kodiċi tiegħu stess, inklużi l-iżbalji, allura jista’ jikkoreġi ruħu u jerġa’ jipprova. Fuq fajl tad-data fejn ħadd ma jaf l-istruttura eżatta, dan iċ-ċiklu jħabbat kwalunkwe istruzzjoni miktuba minn qabel.
Attiva l-Code Interpreter
Tattiva billi żżid l-għodda fl-array tools—xejn x’tinstalla, l-ebda ambjent x’tipprovdi. Il-mudell jiddeċiedi meta jikteb il-kodiċi: iwieġeb mistoqsijiet fattwali direttament, imma jaqleb għall-eżekuzzjoni għal kalkoli jew manipulazzjoni tad-data.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Calculate the Fibonacci sequence up to the 20th term",
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
print(response.output_text)
Il-mudell jikteb il-kodiċi Python, jeżegwixxih f’sandbox, u jintegra r-riżultati fir-risposta tiegħu.
Iċċekkja l-Kodiċi Eżegwit
Ħu d-drawwa li taqra dan il-kodiċi, mill-inqas waqt l-iżvilupp. Din hija l-unika manera biex tgħarraf bejn riżultat tajjeb u wieħed li huwa korrett bl-aċċident: medja kkalkulata filwaqt li tinjora silenzjużament valuri nieqsa hija numerikament korretta iżda analitikament falza. Ir-risposta mhux se tgħidlek dan; il-kodiċi iva.
Ir-risposta fiha l-kodiċi ġġenerat u r-riżultati tiegħu:
response = client.responses.create(
model="gpt-5.6-terra",
input="What is the square root of 1764? Verify by squaring the result.",
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
include=["code_interpreter_call.outputs"], # biex tirċievi logs u immaġnijiet prodotti
)
for item in response.output:
if item.type == "code_interpreter_call":
print("--- Executed Code ---")
print(item.code)
print("--- Outputs ---")
for output in item.outputs or []:
print(output.logs if output.type == "logs" else output.url)
Ipprovdi Fajls bħala Input
L-għodda tagħti l-valur sħiħ tagħha meta taħdem ma’ fajls. Inti ttella’, tirreferenzja l-fajl fis-sejħa, u l-mudell effettivament jiftaħlu—jaqra l-kolonni reali, it-tipi reali, u l-valuri estremi reali, minflok ma jirraġuna dwar deskrizzjoni li jista’ jkun li pprovdejt.
# Ittella' l-fajl
with open("sales_2025.csv", "rb") as f:
file_obj = client.files.create(file=f, purpose="user_data")
# Uża l-Code Interpreter mal-fajl
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": [
{"type": "input_text", "text": "Analyze this sales file. "
"Give me the total by category and the best-performing month."},
{"type": "input_file", "file_id": file_obj.id}
]
}
],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
print(response.output_text)
Irkupra Fajls Iġġenerati
It-triq inversa taħdem ukoll: il-kodiċi jipproduċi CSV imnaddaf, grafika, jew workbook ta’ Excel, u dawn il-fajls jintbagħtulek lura. Jibqgħu fil-container, u l-messaġġ tar-risposta jċitahom fl-annotazzjonijiet tiegħu tat-tip container_file_citation, inkluż l-ID tal-container, l-ID tal-fajl, u l-isem tal-fajl. Imbagħad tniżżilhom permezz tal-API tal-Containers. Żewġ funzjonijiet żgħar, użati mill-ġdid f’lezzjonijiet sussegwenti, jinkapsulaw dan il-fluss:
def generated_files(response):
"""Fajls maħluqa mill-Code Interpreter, iċċitati fl-annotazzjonijiet tal-messaġġ."""
for item in response.output:
if item.type == "message":
for part in item.content:
for ann in getattr(part, "annotations", None) or []:
if ann.type == "container_file_citation":
yield ann
def download(client, ann, path):
"""Inniżżel fajl mill-container u jirritorna l-path lokali tiegħu."""
content = client.containers.files.content.retrieve(ann.file_id, container_id=ann.container_id)
with open(path, "wb") as out:
out.write(content.read())
return path
Il-fajls li tipprovdi bħala input (input_file) jiġu kkupjati awtomatikament fil-container: m’għandekx bżonn ittella’ xejn ieħor.
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": [
{"type": "input_text", "text": "Create a chart of sales by month "
"and export the cleaned data as a CSV."},
{"type": "input_file", "file_id": file_obj.id}
]
}
],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
# Irkupra l-fajls iġġenerati
for ann in generated_files(response):
print(f"Generated file: {ann.filename}")
download(client, ann, ann.filename)
Container u Ambjent
Li tkun taf ir-regoli tal-container iffranka ħin fid-debugging ta’ dak li ma jistax jaħdem. Skont id-dokumentazzjoni ta’ OpenAI:
- huwa magna virtwali iżolata kompletament (sandbox) fejn il-mudell jeżegwixxi Python;
- l-għodda teħtieġ parametru
container:{"type": "auto"}joħloq container (jew jerġa’ juża wieħed minn sejħa preċedenti preżenti fil-kuntest), filwaqt li ID miksuba permezz ta’client.containers.create(...)tiforza container speċifiku; - il-memorja hija stabbilita b’
memory_limit:1g(default),4g,16g, jew64g, b’livelli ogħla ffatturati bir-rati tal-għodod integrati; - container jiskadi wara 20 minuta ta’ inattività; id-data tiegħu tintilef imbagħad, allura niżżel kwalunkwe fajl li trid iżżomm waqt li jkun attiv.
Tistenniex aċċess għan-network mill-kodiċi: ipprovdi d-data bħala input, jew iddelega r-riċerka lill-għodda Web Search.
# Eżempju: il-mudell jista' juża pandas direttament
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": [
{"type": "input_text", "text": "Load this CSV with pandas, "
"calculate descriptive statistics, and identify outliers."},
{"type": "input_file", "file_id": file_obj.id}
]
}
],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Agħqad Eżekuzzjonijiet Multipli
Eżekuzzjonijiet suċċessivi jaqsmu l-istess sessjoni: varjabbli, DataFrames, u imports mill-ewwel blokk jibqgħu disponibbli fil-li jmiss, eżattament bħal f’notebook. Il-mudell jisfrutta dan b’mod naturali—jitgħabba, jispezzjona, imbagħad jipproċessa—u jagħmel analiżi multi-pass possibbli mingħajr ma jerġa’ jitgħabba kollox f’kull stadju.
response = client.responses.create(
model="gpt-5.6-terra",
input="1. Generate 1000 random points from a normal distribution. "
"2. Calculate the mean and standard deviation. "
"3. Create a histogram. "
"4. Perform a Shapiro-Wilk normality test.",
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
# Il-mudell jeżegwixxi 4 blokok tal-kodiċi sekwenzi
# Kull blokk għandu aċċess għall-varjabbli minn dawk ta' qablu
Ikkombina ma’ Għodod Oħra
L-aktar kombinazzjoni uttiġli tgħaqqad sors tad-data mal-kapaċità li tipproċessah: File Search isib il-passaġġ rilevanti fid-dokumenti tiegħek, Web Search iġib data tas-suq, u Code Interpreter iqabbel iż-żewġ partijiet f’tabella jew grafika. L-ebda waħda minn dawn l-għodod ma tista’ tagħmel ix-xogħol tal-oħrajn.
response = client.responses.create(
model="gpt-5.6-terra",
input="Search the web for French GDP data from the last 10 years, "
"then create a trend chart with a linear regression.",
tools=[
{"type": "web_search"},
{"type": "code_interpreter", "container": {"type": "auto"}}
]
)
Mudell: Pipeline Sħiħa ta’ Analiżi
L-aħħar eżempju jgħaqqad kollox hawn fuq f’każ realistiku: fajl tal-input, analiżi multi-pass, u deliverables tal-output. Iffoka speċjalment fuq il-format tal-prompt—innumerat, espliċitu dwar l-output mistenni—għax dan, ferm aktar mill-kodiċi Python li jakkumpanjah, jiddetermina l-kwalità tar-riżultat.
def analyze_data(file_path: str, questions: list[str]) -> dict:
"""Pipeline ta' analiżi tad-data bil-Code Interpreter."""
# Ittella'
with open(file_path, "rb") as f:
file_obj = client.files.create(file=f, purpose="user_data")
results = {}
for question in questions:
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": [
{"type": "input_text", "text": question},
{"type": "input_file", "file_id": file_obj.id}
]
}
],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions="Write clean, commented Python code. "
"Display intermediate results."
)
results[question] = response.output_text
return results
# Użu
results = analyze_data("sales.csv", [
"Give descriptive statistics for each numeric column",
"What are the top 5 best-selling products?",
"Is there seasonality in sales?"
])
Punti Ewlenin
- Il-Code Interpreter iħaddem Python f’container iżolat; il-parametru
containerhuwa meħtieġ ({"type": "auto"}jew ID) - Fajls ipprovduti bħala
input_filejiġu kkupjati awtomatikament fil-container - Fajls iġġenerati huma ċċitati bħala
container_file_citationu mniżżla permezz ta’client.containers.files.content.retrieve - Container jiskadi wara 20 minuta ta’ inattività: niżżel dak li trid iżżomm
- Ikkombina ma’ Web Search u File Search għal analiżi arrikkit