chatgpt-browser-ask

name	chatgpt-browser-ask
description	通过 CDP(Chrome DevTools Protocol)+ Playwright 遥控本机已登录的 Chrome，向 ChatGPT 网页版自动提问并抓取回答，支持上传附件、选择模型/思考强度、多轮保持在同一会话、以及"发完就走、后台监听拿结果"的异步模式。当用户想用浏览器里已登录的 ChatGPT/GPT 账号自动提问(可带附件)、指定模型、拿结果、保持同一对话上下文，或让某个模型(如 GPT-5.5 Pro)在后台跑长推理时使用。仅限 macOS + Google Chrome。

chatgpt-browser-ask

用 CDP(Chrome DevTools Protocol)+ Playwright 遥控本机正在运行、且已登录的 Google Chrome，在 ChatGPT 标签页里发问、上传附件、切换模型/思考强度、等生成、抓回答。

它不发任何 HTTP、不碰 token —— 用的就是用户本人的登录态，等价于"帮你在自己浏览器里点鼠标、拖文件、读屏幕"。

核心是 scripts/chatgpt.cjs(Node CLI)。仓库里另有 scripts/legacy-applescript/ 是纯 AppleScript 文字版兜底(不需调试端口，但不支持附件与选模型)——见文末。

前置条件（务必先确认）

1. macOS + Google Chrome + Node ≥ 18。
2. 安装 Playwright：在 skill 目录 npm i（或全局 npm i -g playwright）。
3. Chrome 必须以调试端口启动，并带上你平时的登录态：

   # 先完全退出 Chrome(Cmd+Q)，再运行：
   scripts/launch_chrome.sh          # 默认端口 9222，复用你日常 profile(含登录态)
   

   本质是 --remote-debugging-port=9222 --user-data-dir="<你平时的 Chrome profile>"。 启动后确认已登录 https://chatgpt.com 。
4. 脚本默认连 http://127.0.0.1:9222，可用 --cdp URL 或环境变量 CHATGPT_CDP 改。

快速用法

# 同步：问一个问题，等它答完，答案打到 stdout
node scripts/chatgpt.cjs ask --new "你的困难问题"        # 开新会话
node scripts/chatgpt.cjs ask "追问：再展开第2点"          # 接着同一会话追问

# 带附件（可多次 --attach）+ 指定思考强度
node scripts/chatgpt.cjs ask --new --attach ./a.pdf --attach ./b.png --effort instant "总结这两个文件"

# 选模型 / 思考强度（也可单独设置：model 子命令）
node scripts/chatgpt.cjs ask --new --effort pro "需要深度推理的问题"
node scripts/chatgpt.cjs model --effort instant           # 只切强度，不发问

# 异步：发完立即返回，后台监听器替你等结果（适合长推理 / 你要去干别的）
node scripts/chatgpt.cjs send --new "很难的问题"
nohup node scripts/chatgpt.cjs watch --notify --out ~/Downloads/ans.md >/tmp/w.log 2>&1 &
#                                     ↑ 答完弹 macOS 通知 + 写文件；--exec 'CMD' 触发后续处理

# 多 Agent：各带 --session，互不干扰（详见"并发/多 Agent 隔离"）
node scripts/chatgpt.cjs ask --session A --new "A 的问题"
node scripts/chatgpt.cjs ask --session B --new "B 的问题"

也可用同名瘦包装：scripts/chatgpt_ask.sh / chatgpt_watch.sh / chatgpt_shot.sh（转发到上面的 CLI）。

子命令与选项

子命令	作用
ask "问题"	发送并等待，回答打到 stdout
send "问题"	只发送(异步)，记录 pending 后立即退出
watch	等待 pending 的结果（--out/--notify/--exec）
adopt	把当前 Chrome 里已打开的 /c/ 会话认作本 session 的会话
model	仅设置模型/思考强度
shot	截图当前会话标签（视觉兜底）

通用选项：--session NAME、--new、--attach PATH(可重复)、--effort LABEL、 --model NAME、--timeout SEC、--interval SEC、--raw、--cdp URL。

• 思考强度 --effort：instant/fast(极速) · balanced(均衡) · advanced(高级) · ultra(超高) · pro(Pro 扩展)。也可直接给中文标签(按子串匹配)。
• 模型 --model：模型家族子菜单里的名字，如 "GPT-5.5"(按子串匹配，best-effort)。
• ⚠️ 强度/模型菜单文案区域相关（示例是简中界面）；换语言需按你界面里的文案传。

保持"前后问题在同一会话"（核心设计）

• 第一次发问后，ChatGPT 会把 URL 变成 chatgpt.com/c/<会话id>。CLI 把它存到 ~/.config/chatgpt-browser-ask/<session>/conversation_url。
• 之后不带 --new 的每次调用都按 /c/<id> 定位到该标签追问 → 始终同一上下文。
• 想另起炉灶：--new（覆盖该 session 记录的会话）。
• 想沿用网页里手动选好模型的某对话：adopt 认领它。

并发 / 多 Agent 隔离（重要）

多个 Agent 交叉共用同一浏览器会冲突：共享状态文件互相覆盖、可能撞进同一会话标签。 解决办法是每个 Agent 用独立 session：

node scripts/chatgpt.cjs ask --session A --new "A 的问题"   # Agent A
node scripts/chatgpt.cjs ask --session B --new "B 的问题"   # Agent B（独立会话标签 + 独立状态目录）
# 也可用环境变量：export CHATGPT_SESSION=A

• 不同 session → 不同 /c/ 会话标签 + 不同状态目录。
• 异步监听要带上同一个 session：watch --session A ...。
• ⚠️ 同一个 session 不要让两个进程同时跑；一个 session 一条串行链。

已处理的边界情况（都是实战踩过的坑）

1. 「当前激活标签页」会漂移：等待期间用户切了标签/App 会读错页面。→ 一律按 /c/<id> 会话 URL 在所有 context/page 里定位目标标签，绝不用 "active tab"。
2. 附件"卡片出现 ≠ 上传完成"：上传中发送按钮是禁用的。→ 上传后轮询等发送按钮真正可用 (!disabled && aria-disabled!=='true')再点，附件默认给到 120s。这是关键修复。
3. 模型/强度菜单是 pointer-only 的 Radix 菜单：合成 .click() 打不开。→ 用 Playwright 的 click({force:true})(真实指针事件)；且空白新页面顶部没有模型切换器，需先聚焦组合框、 等工具栏 hydrate 出现再点。
4. 推理/Pro 模型会长时间思考：仍是生成中、正文很短。→ 用足够长 timeout(同步默认 15min / 监听 30min→可调，watch 默认 2h)，耐心轮询。
5. 完成判据：无 stop 按钮 且 助手条数 > 发问前 PREV_N 且 最新回合已带评价按钮 (good-response，g>=n) 且 正文长度连续两次稳定。good-response 按钮只在真正生成完才出现， 能避免把中途停顿误判为完成。
6. 追问别抓成旧答案：发问前记下 PREV_N，只认 条数 > PREV_N 的新回合。
7. 会话标签被关：监听/追问时若 /c/<id> 标签不在了，自动新开标签导航回该会话 URL。
8. 未登录 / 页面没加载出输入框：等 #prompt-textarea 出现，超时明确报错。
9. 连不上 CDP：明确提示用 --remote-debugging-port 启动 Chrome（见前置条件）。

Playwright 通过 CDP 传值天然处理 Unicode/引号/换行，无需再走 base64。

DOM 依赖（ChatGPT 前端若改版，改这里）

chatgpt.cjs 里的选择器：输入框 #prompt-textarea、发送 [data-testid="send-button"]、 停止 [data-testid="stop-button"]、助手消息 [data-message-author-role="assistant"]、 完成信号 [data-testid="good-response-turn-action-button"]、附件卡片 button[aria-label*="移除文件"]、 文件输入 input[type=file]、强度/模型下拉 button[aria-haspopup="menu"] + [role="menuitemradio"]。

已知限制

• 抓的是 innerText：代码块、表格、KaTeX 公式会被压平成纯文本（语义在、排版丢）。
• 模型家族切换是 best-effort（子菜单文案区域相关）；思考强度切换已实测稳定。
• 仅 macOS + Chrome，且需以调试端口启动 Chrome。

兜底：纯 AppleScript 文字版（不需调试端口）

scripts/legacy-applescript/ 是最初的实现，用 AppleScript 让 Chrome 执行 JS，无需用调试端口 重启 Chrome，但不支持附件、不支持选模型，只能收发文字。需在 Chrome 开启 「视图→开发者→允许 Apple 事件中的 JavaScript」。用法见该目录内脚本头部注释。

文件结构

scripts/
  chatgpt.cjs          CDP 核心 CLI：ask/send/watch/adopt/model/shot（主用）
  launch_chrome.sh     带调试端口 + 你的 profile 启动 Chrome
  chatgpt_ask.sh       瘦包装 → chatgpt.cjs ask（--send-only → send）
  chatgpt_watch.sh     瘦包装 → chatgpt.cjs watch
  chatgpt_shot.sh      瘦包装 → chatgpt.cjs shot
  legacy-applescript/  纯 AppleScript 文字版兜底(不需调试端口，无附件/模型)
package.json           声明 playwright 依赖