Lesson 07 — 落地：研究助手的代码解释器

MCP 生态在 2024 年快速增长，工具数量增加了约 60%。

MCP 生态在 2024 年快速增长，工具数量增加了约 60%。

📊 代码计算结果：

## 附录：代码执行记录（可复算）
### 脚本 1
```python
data = {"2023": 15, "2024": 24}
growth = (data["2024"] - data["2023"]) / data["2023"] * 100
print(f"增长率: {growth:.1f}%")

> ✅ 这个"60%"可复算——读者拿脚本跑一遍就能验证。数字可信度和"AI 写的报告"不是一个档次。

> 🎯 **核心认知**：研究报告的可信度不取决于"写得像不像真的"，取决于"数字能不能复算"。代码解释器让每个数值结论都有脚本支撑——这是"AI 辅助研究"和"AI 编故事"的分界线。

---

## 3. 流派对比（延续 L06）

**问题**：研究助手的数值计算怎么实现？

| 流派 | 做法 | 取舍 |
|---|---|---|
| ① LLM 口算 | 让 LLM 直接在文本里算 | ✅ 零成本；🚫 不可靠（LLM 算术幻觉）、不可复算 |
| ② 预定义计算工具 | 给 Agent 一个 calculate 工具 | ✅ 可控；🚫 只能算简单表达式，分组/统计做不了 |
| ③ 代码解释器（本课选它） | 沙箱执行 Agent 生成的代码 | ✅ 任意计算、可复算；🚫 需沙箱、有开销 |

**选 ③ 的理由**：研究助手需要分组统计、占比计算、对比表——这些用预定义工具做不动（每个要新工具），用 LLM 口算不可靠。代码解释器一次解决且可复算。

---

## 4. 落地实现

### code_interpreter.py

```python
def execute_code(code) -> CodeResult:
    # ① import 白名单检查
    # ② subprocess + 超时执行
    # ③ 输出截断
    # 返回 CodeResult(success, output, code, error)

def should_use_code(summary) -> bool:
    # 关键词路由：含"对比/统计/计算"→ True

def run_code_for_research(code) -> CodeResult:
    # 执行 + 记录历史（附报告用）

def format_code_appendix() -> str:
    # 把执行过的代码格式化成报告附录

if settings.enable_code_interpreter:
    if should_use_code(summary):
        code = smart_llm.invoke("生成分析代码...")  # LLM 生成代码
        result = run_code_for_research(code)        # 沙箱执行
        if result.success:
            report += f"📊 代码计算结果：\n{result.output}"
        report += format_code_appendix()             # 附可复算脚本

ALLOWED_IMPORTS = {"json", "statistics", "collections", "math", "re",
                   "datetime", "itertools", "functools", "string"}
# 不含：os/sys/socket/subprocess/urllib/open/pathlib

cd portfolio-projects/research-assistant

# 1. 全量测试（62 原有 + 15 新增 = 77 全绿）
.venv/Scripts/python.exe -m pytest tests/ -q
# 预期：77 passed

# 2. 单独跑代码解释器测试
.venv/Scripts/python.exe -m pytest tests/test_code_interpreter.py -v
# 预期：15 passed（含越权拦截/超时/正常执行/附录）

# 3. 演示
cd ../../frontier-lessons/07_code_interpreter
PYTHONIOENCODING=utf-8 ../../.venv/Scripts/python.exe code.py
# 预期：研究摘要→路由判断→生成代码→沙箱执行→报告附脚本

# 4. 真实跑（需 ENABLE_CODE_INTERPRETER=true + API key）
# 跑一个涉及"对比发布节奏"的主题
# 报告里应出现代码计算结果 + 附录脚本