ChatGPT.js v3.8.0 发布:增强选择器与交互体验优化
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。它提供了一系列实用工具和方法,使开发者能够轻松扩展和定制 ChatGPT 的用户体验。最新发布的 v3.8.0 版本带来了多项重要更新和改进,主要集中在选择器增强、交互优化和代码精简等方面。
新增功能与选择器增强
本次更新引入了多个新的选择器,显著提升了库的功能覆盖范围:
-
错误提示选择器:新增了
chatgpt.selectors.errors.toast选择器,用于更精确地定位和操作错误提示信息。 -
功能按钮选择器:添加了多个新按钮选择器,包括:
chatgpt.selectors.btns.createImage(创建图片按钮)chatgpt.selectors.btns.deepResearch(深度研究按钮)chatgpt.selectors.btns.search(搜索按钮)chatgpt.selectors.btns.reason(推理按钮)chatgpt.selectors.btns.upload(上传按钮)
-
页脚选择器扩展:对
chatgpt.selectors.footer进行了功能扩展,提供了更全面的页脚元素控制能力。
移动端兼容性改进
开发团队特别关注了移动端用户体验,对多个选择器进行了优化:
- 更新了
chatgpt.selectors.sidebar选择器,确保在移动设备上能够正常工作 - 改进了
chatgpt.selectors.btns.newChat选择器,使其在移动端也能准确识别"新建聊天"按钮 - 调整了页眉、侧边栏等关键区域的选择器,提升跨平台一致性
性能优化与代码精简
v3.8.0 版本在性能方面做了多项改进:
-
选择器性能提升:通过增加选择器的特异性,减少了 DOM 查询时间,提高了整体性能。
-
代码精简:
- 简化了
toCamelCase()方法的实现 - 优化了
chatgpt.notify()中的垂直偏移量初始化逻辑 - 重构了返回流程和元素替换逻辑,使代码更加简洁高效
- 简化了
-
样式检测优化:重构了
chatgpt.isDarkMode()和chatgpt.isLightMode()方法,使其实现更加一致和可靠。
交互体验增强
-
拖拽功能改进:调整了
chatgpt.alert()中的拖拽处理程序,将抓取光标样式应用到document.body上,解决了元素超出模态框边界时的点击问题。 -
历史记录选择器更新:优化了
chatgpt.selectors.chatHistory选择器,提供更准确的历史会话访问能力。 -
对话容器选择器改进:更新了
chatgpt.selectors.chatDivs.convo选择器,确保能正确识别对话容器。
依赖项更新
项目维护了最新的开发工具链,更新了多个关键依赖项:
- 升级了 minify.js 和 scss-to-css 等构建工具
- 更新了 ESLint 及相关插件至最新版本
- 升级了 Prism 代码高亮库
这些更新不仅带来了性能提升,还确保了开发工具链的安全性和现代性。
ChatGPT.js v3.8.0 通过这些改进,为开发者提供了更强大、更稳定的工具集,无论是构建 ChatGPT 相关的浏览器扩展、用户脚本,还是开发定制化界面,都能获得更好的开发体验和最终用户体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00