Dominando o Code Interpreter da OpenAI: um guia rápido

Dominando o Code Interpreter da OpenAI: um guia rápido | Alura Cursos Online

{
    "id": "msg_abc123",
    "object": "thread.message",
    "created_at": 1698964262,
    "thread_id": "thread_abc123",
    "role": "assistant",
    "content": [
    {
      "type": "image_file",
      "image_file": {
        "file_id": "file-abc123"
      }
    }
  ]
  # ...
}

FORMATO DE ARQUIVO	TIPO MIME
.c	text/x-c
.cs	text/x-csharp
.cpp	text/x-c++
.html	text/html
.java	text/x-java
.json	application/json
.php	text/x-php
.py	text/x-python
.py	text/x-script.python
.rb	text/x-ruby
.tex	text/x-tex
.css	text/css
.js	text/javascript
.ts	application/typescript
.csv	application/csv
.zip	application/zip

# Persona
- **Nome:** Dr. Insight
- **Profissão:** assistente de Exploração de Dados Médicos
- **Objetivo:** auxiliar médicos e profissionais de saúde na análise e exploração de dados de transplantes, fornecendo respostas precisas e insights valiosos para apoiar diagnósticos e decisões clínicas.

Tipo de Saída


Formato de resposta: texto explicativo, gráficos interativos, tabelas e relatórios exportáveis.
Estilo de comunicação: claro, conciso e profissional, com foco na precisão dos dados e relevância clínica.

projeto/
│
├── main.py
├── interpreter_utils.py
├── [transplantes_brasil.csv](https://github.com/alura-cursos/artigo-pode-interpreter/blob/main/transplantes_brasil.csv)
├── requirements.txt
└── .env

from openai import OpenAI
import os
from dotenv import load_dotenv
import pandas as pd
load_dotenv()
cliente = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
def criar_arquivo(caminho_arquivo):
  file_path = caminho_arquivo
  file = cliente.files.create(
      file=open(file_path, "rb"),
      purpose="assistants"
  )
  return file
def criar_assistente_dados_medicos(file_id : str):
  assistente = cliente.beta.assistants.create(
      name="Assistente de Exploração de Dados Médicos",
      instructions="""

  # Persona
  - **Nome:** Dr. Insight
  - **Profissão:** Assistente de Exploração de Dados Médicos
  - **Objetivo:** Auxiliar médicos e profissionais de saúde na análise e exploração de dados de transplantes, fornecendo respostas precisas e insights valiosos para apoiar diagnósticos e decisões clínicas.
  # Tipo de Saída
  - **Formato de Resposta:** Texto explicativo, gráficos interativos, tabelas e relatórios exportáveis.
  - **Estilo de Comunicação:** Claro, conciso e profissional, com foco na precisão dos dados e relevância clínica.
  # Prompt para o Assistente
  **Instruções para Carregar e Explorar a Base de Dados**
  Você é Dr. Insight, um assistente de exploração de dados médicos. Seu objetivo é auxiliar médicos e profissionais de saúde na análise da base de dados "transplates_brasil.csv", que contém informações sobre transplantes. Siga estas instruções para carregar e analisar os dados, e responda às perguntas dos usuários com base nos insights extraídos.
  ## Passos para Carregar e Explorar a Base de Dados
  1. **Importar Bibliotecas Necessárias:**
      import pandas as pd
  2. **Carregar o Arquivo CSV:**
      # Carregar o arquivo CSV, que está separado por ponto e vírgula
  3. **Exibir as Primeiras Linhas da Base de Dados:**
      # Exibir as primeiras linhas do DataFrame para entender a estrutura dos dados
      print(df.head())
  4. Gráficos
      - Se for necessário responder a perguntas com gráficos utilize o seaborn ou matplotlib
  """,
  model="gpt-4o",
  tools=&#91;
      {
          "type":"code_interpreter"
      }
  ],
  tool_resources={
      "code_interpreter":{
          "file_ids": &#91;file_id]
      }
  }




)
return assistente
def criar_thread():
return cliente.beta.threads.create()


def apagar_arquivo(file_id : str):
cliente.files.delete(file_id)
def apagar_thread(thread_id : str):
cliente.beta.threads.delete(thread_id)
def apagar_assistente(assistant_id : str):
cliente.beta.assistants.delete(assistant_id)

from interpreter_utils import criar_arquivo, criar_assistente_dados_medicos, criar_thread, apagar_arquivo, apagar_thread, apagar_assistente
import os
from openai import OpenAI 
from dotenv import load_dotenv
load_dotenv()
cliente = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
def main():
    file_path = "transplantes_brasil.csv"
    arquivo = criar_arquivo(caminho_arquivo=file_path)
    assistente = criar_assistente_dados_medicos(file_id=arquivo.id)
    thread = criar_thread()
    pergunta = "Quais as características dos pacientes que pertencem aos 10% que mais recorrem a hemodialise?"
    message = cliente.beta.threads.messages.create(
        thread_id=thread.id,
        role="user",
        content=pergunta
    )
    run = cliente.beta.threads.runs.create_and_poll(
        thread_id=thread.id,
        assistant_id=assistente.id
    )
    if run.status == "completed":
        mensagens_resposta = cliente.beta.threads.messages.list(
            thread_id=thread.id
        )
        for uma_mensagem in mensagens_resposta.data[0].content:
            if hasattr(uma_mensagem, "text") and uma_mensagem.text is not None:
                print("\n")
                print(uma_mensagem.text.value)
            elif hasattr(uma_mensagem, "image_file") and uma_mensagem.image_file is not None:
                resposta_da_openai = cliente.files.retrieve(uma_mensagem.image_file.file_id)
                image_data = cliente.files.content(resposta_da_openai.id)
                image_data_bytes = image_data.read()
                with open("grafico.png", "wb") as file:
                    file.write(image_data_bytes)
    else:
        print(run.status)
    apagar_arquivo(arquivo.id)
    apagar_thread(thread.id)
    apagar_assistente(assistente.id)
if __name__ == "__main__":
    main()

Outras empresas do Grupo Alun

Outras empresas do Grupo Alun

Outras empresas do Grupo Alun

Outras empresas do Grupo Alun

Dominando o Code Interpreter da OpenAI: um guia rápido

André Santana

Explore por tópico

O que é o Code Interpreter?

Funcionalidades e limitações do Code Interpreter

Custos do Code Interpreter

Funcionalidades do Code Interpreter

1. Execução de código em tempo real

2. Suporte a múltiplas linguagens

3. Análise e correção automática

4. Geração de documentação

5. Execução segura e isolada

Limitações do Code Interpreter

1. Dependência de conectividade

2. Recursos computacionais limitados

3. Cobertura incompleta de linguagens

4. Interpretação contextual

5. Atualizações e manutenção

Como utilizar Code Interpreter?

Estrutura de um Assistente

Como usar o Code Interpreter via API em Python

Arquivo `requirements.txt`

Arquivo `.env`

Arquivo `interpreter_utils.py`

Arquivo `main.py`

Explicação do Código

Conclusão

André Santana

Inscreva-se em nossa Newsletter

Explore por tópico

Leia também

O que é o Code Interpreter?

Funcionalidades e limitações do Code Interpreter

Custos do Code Interpreter

Funcionalidades do Code Interpreter

1. Execução de código em tempo real

2. Suporte a múltiplas linguagens

3. Análise e correção automática

4. Geração de documentação

5. Execução segura e isolada

Limitações do Code Interpreter

1. Dependência de conectividade

2. Recursos computacionais limitados

3. Cobertura incompleta de linguagens

4. Interpretação contextual

5. Atualizações e manutenção

Como utilizar Code Interpreter?

Estrutura de um Assistente

Como usar o Code Interpreter via API em Python

Arquivo requirements.txt

Arquivo .env

Arquivo interpreter_utils.py

Arquivo main.py

Explicação do Código

Conclusão

Arquivo `requirements.txt`

Arquivo `.env`

Arquivo `interpreter_utils.py`

Arquivo `main.py`