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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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