Open Interpreter

TL;DR

Open Interpreter 是一个开源的本地代码执行 Agent（AGPL 协议），让 LLM 直接在你的终端里写代码、跑代码、读写文件、执行系统命令、操控浏览器。它不像 ChatGPT 那样在沙箱里跑代码——它在你真实的机器上执行，有完整的系统权限。支持 GPT-4 / Claude / 本地模型（Ollama / LM Studio），Python 实现，pip install 即用。

适合：技术用户做本地自动化（批量文件处理、数据分析、系统管理）、探索性编程（让 AI 跑代码看结果再迭代）、原型开发。不适合：生产环境（稳定性不够）、非技术用户（安全风险高）、敏感数据环境（LLM 能读你所有文件）、商业闭源项目（AGPL 传染性协议）。

核心能力

• 本地代码执行：LLM 生成 Python / JS / Shell 代码，直接在你的机器上跑，看到真实输出
• 文件系统操作：读写文件、创建目录、搜索文件内容、批量重命名，完整的文件系统访问
• 系统命令执行：跑任意 shell 命令——安装软件、配置环境、管理进程、操作系统
• 浏览器控制：通过 Playwright / Selenium 操控浏览器，自动化网页操作、数据抓取
• 多模型支持：OpenAI / Anthropic / Google / Ollama / LM Studio / 任何 OpenAI 兼容端点
• 交互式 REPL：终端对话式交互，自然语言描述任务，Agent 自主分解 + 执行 + 反馈
• 执行确认机制：每步代码执行前可选确认（--auto_run 跳过），防止误操作
• 多语言执行：不限于 Python——JS、Shell、R、Ruby 等按需切换

价格

完全免费，AGPL-3.0 开源。成本在于 LLM API 调用费（用 GPT-4 / Claude）或本地模型硬件成本（用 Ollama 免费）。

体验与评测（资料整理）

说明：本节基于官方文档与公开评测整理，非本站独立实测环境，具体数据请以官方为准。 典型场景：自动化文件处理、数据分析、本地脚本执行等任务（配云 API 或本地 Ollama 均可，硬件门槛低）。

亮点：

• interpreter 一行启动，配 API key 即用，对话式交互体验流畅
• 让它「把这个文件夹所有 CSV 合并去重，按日期排序，生成图表」——写 Python → 跑 → 看报错 → 改 → 再跑，全自主完成
• 文件操作强——搜索、批量重命名、格式转换，比手写脚本快
• 数据分析场景好用——让它读 Excel、清洗数据、画 matplotlib 图，迭代式探索很方便
• 配 Ollama 本地模型完全离线运行，隐私敏感任务不碰云
• 浏览器自动化——让它打开网页、填表、截图，比手动写 Playwright 脚本快

踩坑：

• 安全风险是最大问题——LLM 能跑任意命令，一次让它「清理临时文件」差点删了项目目录，幸好有确认机制拦住
• 稳定性一般——复杂任务偶尔死循环（反复跑失败代码）、MCP 连接断开、进程卡死
• 长任务上下文丢失——对话太长后 Agent 忘记前面的指令，需要手动提醒
• 本地模型效果有限——Qwen3 7B 能做简单任务，复杂逻辑推理要上 Claude / GPT-4
• AGPL 协议限制商业使用——如果你在公司用且分发，要注意开源传染性问题
• Windows 路径问题——部分 Shell 命令在 Windows 有兼容性 bug，Mac / Linux 更稳

上手

1. 安装：pip install open-interpreter
2. 配模型：interpreter --model claude-3-5-sonnet（或 --model ollama/qwen3-coder:7b 用本地）
3. 启动：interpreter 进入交互式 REPL
4. 描述任务：「把 ~/Downloads 所有图片转成 webp，压缩到 80% 质量」
5. 确认执行——每步代码执行前会提示确认（开发阶段别开 --auto_run）
6. 进阶：配自定义工具 / MCP server 扩展 Agent 能力

对比

避坑

• 一定要开确认机制：默认每步执行前确认，别图省事开 --auto_run，LLM 误删文件的代价远大于点几下确认
• 别在生产服务器跑：Open Interpreter 有完整系统权限，LLM 幻觉可能跑出 rm -rf / 覆盖配置文件等灾难操作
• 敏感数据隔离：LLM 能读你所有文件，处理含密钥 / 密码 / 用户数据的环境要慎重，建议在 Docker 容器里跑
• 长任务分段：对话超过 20-30 轮后上下文退化，复杂任务拆成小段，每段确认结果再继续
• 本地模型别期望太高：7B/14B 模型能做文件操作和简单脚本，复杂逻辑推理和调试要上 Claude / GPT-4
• AGPL 协议注意：商业项目分发时 AGPL 有传染性，内部使用没问题，分发 / SaaS 化要咨询法务
• Windows 用 WSL：原生 Windows 有路径 / 权限 / Shell 兼容问题，WSL 下体验一致

适合 / 不适合

• ✅ 技术用户做本地自动化（文件批处理、数据分析、系统管理）
• ✅ 探索性编程（让 AI 跑代码看结果再迭代）
• ✅ 原型开发 / 快速脚本生成
• ✅ 想用本地模型（Ollama）做隐私敏感的自动化
• ✅ 学习 / 研究本地 Agent 架构
• ❌ 生产环境（稳定性不够 + 安全风险高）
• ❌ 非技术用户（误操作风险大，确认机制需要判断力）
• ❌ 敏感数据环境（LLM 能访问所有文件）
• ❌ 商业闭源项目分发（AGPL 传染性协议）

FAQ

Q: Open Interpreter 安全吗？ A: 本身不安全——它在你真实机器上执行任意代码，LLM 幻觉可能导致误删文件 / 执行危险命令。缓解措施：开确认机制、在 Docker 容器跑、别给 root 权限、敏感数据隔离。生产环境不推荐。

Q: 和 Claude Desktop 的 Computer Use 区别？ A: Claude Desktop 在沙箱虚拟机里操作，安全隔离好。Open Interpreter 在你真实机器上执行，能力更强但风险更高。追求安全选 Claude Desktop，追求能力和免费选 Open Interpreter。

Q: 能用本地模型吗？ A: 可以。interpreter --model ollama/qwen3-coder:7b 即用 Ollama 本地模型，完全不碰云 API。简单任务（文件操作、基础脚本）够用，复杂推理和调试建议上 Claude / GPT-4。

Q: 和 AutoGPT / BabyAGI 区别？ A: AutoGPT / BabyAGI 偏「自主规划 + 工具调用」的通用 Agent，工具链固定。Open Interpreter 偏「代码执行」——它通过写代码来完成任务，灵活性更高（任何能写代码实现的都能做），但安全风险也更高。

相关阅读

Jan · GPT4All · vLLM

来源

本文的价格、版本号与性能数据均参考以下官方渠道整理，可能随时间变动，请以官方实时信息为准。

• 官网
• GitHub