ChatGPT.js v3.6.0 版本发布:增强交互功能与代码优化
ChatGPT.js 是一个功能强大的 JavaScript 库,专门为与 ChatGPT 网页界面交互而设计。它为开发者提供了丰富的 API,可以轻松实现各种自动化操作和功能增强,如消息发送、对话管理、UI 控制等。最新发布的 v3.6.0 版本带来了一系列实用功能增强和代码优化。
新增功能亮点
本次更新最值得关注的是新增了 isTyping() 方法,开发者现在可以检测 ChatGPT 是否正在输入回复。这个功能对于需要精确控制交互流程的应用场景特别有用,比如在自动化测试或复杂对话管理中。
语音功能方面,speak() 方法得到了显著增强,新增了 onend 回调选项和键值验证。这意味着开发者现在可以在语音播放结束后执行特定操作,同时确保语音调用的安全性。为了方便使用,还添加了 play() 作为 speak() 的函数别名。
用户体验优化
在 UI 交互方面,v3.6.0 对 alert() 和 notify() 方法进行了样式改进,增加了 user-select: none 属性,防止用户意外选中弹出内容。同时,为了确保更好的浏览器兼容性,扩展了过渡样式对旧版浏览器的支持。
alert() 方法的内部实现也进行了重构,现在依赖于 modal.onanimationend 事件来实现精确的移除时机控制,这使得弹窗的显示和隐藏更加流畅自然。
代码质量提升
本次更新包含了多项代码优化工作:
- 简化了
exportChat()方法中的聊天框数量检查逻辑 - 优化了 CSS 颜色声明,使代码更加简洁
- 改进了
isDarkMode()方法的实现 - 将
actAs()方法中的提示词 URL 替换为更可靠的 jsDelivr 源
在开发工具链方面,项目引入了 @eslint/css 和 html-eslint 作为新的开发依赖项,进一步加强了代码质量检查能力。同时,多个依赖项也更新到了最新版本,包括 ESLint 从 9.17.0 升级到 9.19.0。
总结
ChatGPT.js v3.6.0 版本在保持核心功能稳定的同时,通过新增实用方法和优化现有实现,为开发者提供了更强大、更可靠的开发体验。无论是新增的输入状态检测功能,还是改进的语音交互能力,都使得这个库在与 ChatGPT 交互的应用开发中更具价值。代码质量的持续改进也确保了项目的长期可维护性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00