1、总体介绍

相信现在不少人已经体验过ChatGPT，并被它的智能程度所折服。ChatGPT可以高效的完成许多事，但就目前来说使用还是限制不少，如何进一步使用它和如何更加方便使用它是现在许多人的思考问题。在此，给各位介绍一下如何使用微信公众号和ChatGPT打造成一个方便的个人助手。
目的：将ChatGPT对接到个人公众号中，使得个人只需要携带能登录微信的设备且只连国内网的情况下可以顺利的使用ChatGPT；
实现方式：Python Flask（搭建微信公众号后台） + selenium（以类爬虫方式和ChatGPT交互）；
前提：你已经能够使用ChatGPT（此处不教你怎么获得使用ChatGPT资格）。

2、实现

2.1 搭建微信公众号后台

网上很多教程，此处不予具体教学，自己直接去查即可。我的公众号后台也是直接csdn上copy别人的现成代码，使用Pyhon Flask框架搭建。
搭建到能实现将你发送过去的话再发回来即可，后面会对注意事项做补充。

2.2 用Python实现和ChatGPT的交互（核心）

此处使用Python selenuim实现的类爬虫，并将其封装成自己用的API，供微信公众号后台调用。基本流程为：
启动浏览器并打开ChatGPT网页 >> 浏览器监听 >> 登录验证 >> 进入对话页面 >> 输入对话内容并发问，然后等待回答完成 >> 提取答案
本人使用chrome浏览器，需要设置为浏览器记住openai的账户和密码，即每次进入时候只需要进行人机验证即可。公众号后台使用的是自己的电脑，所以本人的电脑已经设置为只有chrome从梯子访问，别的都是使用内网（因为公众号后台好像不能是国外网）。下面对各个环节的实现做介绍。

2.2.1 启动/关闭浏览器

这里的重点是通过python控制打开浏览器后能够自动加载用户的设置，因为这样打开的浏览器才能自动加载登录openai需要的内容。打开浏览器的程序如下（所有的def都已经封装到一个class中的）：

def boot_chrome(self):return os.popen("\"C:\Program Files\Google\Chrome\Application\chrome.exe\" " + str(self.url) + " --remote-debugging-port=9527")def close_chrome(self):return os.popen("powershell -command \"Get-Process chrome | ForEach-Object { $_.CloseMainWindow() | Out-Null}\"")

其中self_url是https://chat.openai.com/（字符串格式），--remote-debugging-port=9527即以9527端口进行debug，这是为了后面可以通过selenuim进行监听。
执行上面的程序后即可自动打开浏览器并打开ChatGPT页面。

2.2.2 开启监听（实现程序和浏览器交互）

这里作用是使用selenium控制浏览器。程序如下：

def start_listen(self):# 整个的前提是开着外网，且chrome打开后自动使用设置的代理窗口，本机整体不使用代理端口print("开始监听端口")try:self.driver = webdriver.Chrome(options=self.opt)except Exception as e:if "cannot connect to chrome" in str(e):try:self.close_chrome()except Exception as e:passprint("重启 chrome")self.close_chrome()self.init_value()# time.sleep(1)self.boot_chrome()time.sleep(10)self.driver = webdriver.Chrome(options=self.opt)time.sleep(1)print("监听设置正常")

self.driver即建立监听对象。这里是在启动浏览器后运行，如果出错，即浏览器没有打开或者别的原因，所以重新打开浏览器并初始化一些需要的变量。self.opt设置如下（结合程序启动需要构建了inti function，后面有些程序也需要里面的变量）：

# def __init__的内容
def __init__(self, url, inform_user = None):# 一些基本信息self.listen_port = "127.0.0.1:9527"# 验证选框位置self.screen_x   = [(1337, 1361), (1378, 1456)]self.screen_y   = [(616, 642), (622, 633)]self.move_range = [1919, 1079]# 需要操作的元素的xpath，这是个体力活，从chatgpt对话页面逐个扒下来的self.x_path = {"pre_stage":    "//*[@id=\"challenge-stage\"]", "confirm1":     '//*[@id="cf-stage"]/div[6]/label',  "confirm1_new": "//*[@id=\"cf-stage\"]/div[6]/label/span","ifram":        "/html/body/div/div[2]/form/div[4]/div/div/iframe","confirm2":    r"/html/body/div/div[2]/form/div[4]/div/input","send_content": "//*[@id=\"__next\"]/div[1]/div[1]/main/div[2]/form/div/div[2]/textarea","send_key":     "//*[@id=\"__next\"]/div[1]/div[1]/main/div[2]/form/div/div[2]/button",# "verif_pic":    ""# text获取"receive_path_base": "//*[@id=\"__next\"]/div[1]/div[1]/main/div[1]/div/div/div/div[2]/div/div[2]/div[1]/div/div","child_ele":         "/child::*","code_copy":         "/div/div[1]/button","re_ques_flag":      "//*[@id=\"__next\"]/div[1]/div[1]/main/div[2]/form/div/div[1]/button/div","chatgpt_error1":    "//*[@id=\"__next\"]/div[1]/div[1]/main/div[2]/form/div/div/span","chatgpt_error2":    "//*[@id=\"__next\"]/div[1]/div[1]/main/div[1]/div/div/div/div[2]/div/div[1]/div/span","chatgpt_error3":    "//*[@id=\"__next\"]/div[1]/div[1]/main/div[1]/div/div/div/div[2]/div/div[2]/div[1]/div/div","隐私":               "//*[@id=\"privacy-link\"]","条款":               "//*[@id=\"terms-link\"]"}self.url           = urlself.init_value()self.screen_controler = pyautoguiself.screen_controler.PAUSE = 1self.screen_controler.FAILSAFE = Trueself.opt = webdriver.ChromeOptions()self.opt.debugger_address = self.listen_port  # 后面可以尝试加opt，目标这个就够用了

self.init_value()用于初始化一些辅助变量：

# 有的变量在新的程序中可能没有被用到
def init_value(self):self.content_num   = 0self.answer_finish = 0self.verif_finish  = 0self.get_content   = 0self.confirm1      = 0

2.2.3 人机验证（重点难点）

这是最麻烦的一步，不得不感叹openai这网页对人机识别的准确。我在2月20号左右开始使用ChatGPT，那时有两种人机验证形式，一种是一个灰色按钮，英文是verify you are human，这种直接selenium控制点击相应html元素即可，但后来被取消了；一种是给了个框，需要勾选，但直接用selenium控制元素去click发现成功率很低，并且这种是被保留下来的方式。
在两种都存在时候，我是去检测是否是第一种检测方式，不是则刷新网页，刷新几次后就会是第一种验证方式，但后来被取消了，为此不得不去攻关，重点是要模拟得够像一个人去操作。我的方式是固定浏览器的位置和大小，这样每次选择框都是在固定位置，然后用python模拟鼠标，将光标移动到选择框区域后控制点击鼠标。程序如下，并给出每步的注释（程序中只保留了勾选框进行验证的情况） ：

def openai_verif(self):# 要求打开浏览器不需要输入 账号密码，而是只需要# 一开始打开时候，会让你点击以证明你是真人 time.sleep(2)self.driver = webdriver.Chrome(options=self.opt)#1、检测是否已经有对话框元素。有时不要进行人机验证，所以检测是否直接进入对话页面，是的话则跳过验证程序if self.isElementExist(self.x_path["send_content"]) or self.isElementExist(self.x_path["chatgpt_error1"]):return Trueself.verif_finish = 0#2、检测是否已经进入人机验证页面wait = WebDriverWait(self.driver, 120, 0.5)wait.until(EC.presence_of_element_located((By.XPATH, self.x_path["pre_stage"])))makeSureFlag = 0self.confirm1 = 0#3、开始进行人机验证while makeSureFlag == 0:if self.confirm1 == 2: # 限制验证次数print("自动验证次数超出限制")return False# 如果有ifram需要格外的操作，这也是编程时候遇到的一个小槛wait = WebDriverWait(self.driver, 15, 1)wait.until(EC.presence_of_element_located((By.XPATH, self.x_path["ifram"])))try:#4、切换到ifram下self.driver.switch_to.frame(0)time.sleep(0.5) # 等待切换完成#5、验证是否已经出现验证框wait = WebDriverWait(self.driver, 15, 1)if(self.confirm1/1 == 0): # 用两个元素交互着来判断，目的是默认人工操作wait.until(EC.presence_of_element_located((By.XPATH, self.x_path["confirm1"])))else:wait.until(EC.presence_of_element_located((By.XPATH, self.x_path["confirm1_new"])))time.sleep(1.5) # 进入这一步说明已经出现验证勾选框# 6.控制鼠标模拟人的点击操作self.verif_click()# 7、判断是否进入对话主页面WebDriverWait(self.driver, 10, 1).until(EC.presence_of_element_located((By.XPATH, self.x_path["send_content"])))makeSureFlag = 1   # 说明已经进入，对话主页面，while打断except Exception as e: # 说明人机验证没通过，所以通过while进入下一次验证self.confirm1 = self.confirm1 + 1self.verif_finish = 1return True

其中self.verif_click()函数和检测html元素是否存在的函数如下：

# 点击鼠标进行人机验证操作
def verif_click(self):#1、随便移动一个位置position_x = random.randint(0, self.move_range[0])position_y = random.randint(0, self.move_range[1])self.screen_controler.moveTo(position_x, position_y, duration=random.uniform(0,0.2))#2、移动到验证区域，然后开始点击验证按钮i = random.randint(0, 1)screen_x = self.screen_x[i] # 在init函数中screen_y = self.screen_y[i]position = (random.randint(screen_x[0], screen_x[1]),random.randint(screen_y[0], screen_y[1]))self.screen_controler.PAUSE = 1self.screen_controler.moveTo(position[0], position[1], duration=0.2)self.screen_controler.doubleClick()#3、从验证按钮上移动开position_x = random.randint(0, self.move_range[0])position_y = random.randint(0, self.move_range[1])self.screen_controler.moveTo(position_x, position_y, duration=random.uniform(0,0.1))time.sleep(3)
# 检测元素是否存在
def isElementExist(self, xpath):flag = Truetry:self.driver.find_element(by=By.XPATH,value=xpath)except:flag = Falsereturn flag

过程中会首先控制鼠标移动到一个任意位置，然后再移动到勾选框区域。勾选框区域是一个范围，所以具体到那个像素点通过用随机函数选择勾选框区域内一个任意点的方式得到，点击后停留0.25s，然后移开鼠标。这个过程的宗旨就是要模拟得尽量像个人。改用这样验证后可以达到80%的成功率。
还有一个补充是如果验证失败次数达到上限，则直接重启浏览器后再进行验证，直到成功，这也是人机验证程序的封装：

def enter_verif(self):while self.openai_verif() == False:print("重启浏览器和监听器")self.reboot_chrome()

获取验证区域像素的程序如下：

    pyautogui.PAUSE = 1  # 暂停的时间pyautogui.FAILSAFE = True  # 自启动故障处理while True:print("获取登录按钮坐标")time.sleep(3)print(pyautogui.position())  ##获取当前鼠标坐标

将鼠标放到验证区域，根据print结果去更改 self.screen_x和self.screen_y即可。因为框和文字都可以点击来实现勾选，所以这个坐标区域有两个。如下：

2.2.4 输入对话

通过人机验证进入主界面后，即可通过selenium控制着输入对话内容。程序如下：

def input_wait(self, str_conent): # str_conent为输入的问题self.answer_finish = 0# 1.检测是否出现对话错误if not self.input_error():return False# 2.累加对话次数，以知道对应对话界面的第几个元素self.content_num = self.content_num + 2self.x_path["receive_path_base"]="//*[@id=\"__next\"]/div[1]/div[1]/main/div[1]/div/div/div/div[" + \str(self.content_num) + "]/div/div[2]/div[1]/div/div"ques_content = str(str_conent)# 3.往对话框中输入问题，延时后点击发送按钮（也是为了模拟人的行为）self.driver.find_element(by=By.XPATH, value=self.x_path["send_content"]).send_keys(str(ques_content))time.sleep(1)self.driver.find_element(by=By.XPATH, value=self.x_path["send_key"]).click()# 4.等待开始进行回答 # 即判断是否出现答案元素wait = WebDriverWait(self.driver, 120, 1)wait.until(EC.presence_of_element_located((By.XPATH, self.x_path["receive_path_base"])))wait = WebDriverWait(self.driver, 120, 1)wait.until(EC.presence_of_element_located((By.XPATH, self.x_path["re_ques_flag"])))# 5、等待回答结束while self.isElementExist(self.x_path["re_ques_flag"]):#re.match(r".*Stop.*", flag_cont):time.sleep(1)if not self.input_error(): # 过程中同时检测回答是否错误return False# 6、检测回答停止按钮的内容WebDriverWait(self.driver, 120, 1).until(EC.presence_of_element_located((By.XPATH, self.x_path["re_ques_flag"])))flag_cont = self.driver.find_element(by=By.XPATH, value=self.x_path["re_ques_flag"]).text# 7.这步配合微信使用，使得用户可以通过微信来停止chatgpt的回答if re.match(r".*Stop.*", flag_cont) and stop_flag["stop"]:self.driver.find_element(by=By.XPATH, value=self.x_path["re_ques_flag"]).click()stop_flag["stop"] = False# 8、回答停止按钮的内容变为重新生成回答，则说明回答结束，跳出循环if re.match(r".*Regenerate.*", flag_cont):breakself.answer_finish = 1return True

重点就是判断是否回答结束或者页面错误，并实现可以通过微信控制chatgpt停止回答。判断回答结束通过检测下面按钮的内容：
回答结束时候内容如下：
还有对于错误的处理。以下这种情况就是回答出错了：

对错误的检测如下：

def input_error(self):if self.isElementExist(self.x_path["chatgpt_error1"]):flag_cont = self.driver.find_element(by=By.XPATH, value=self.x_path["chatgpt_error1"]).textif(flag_cont == "There was an error generating a response"):return Falseelse:return  True

检测到错误的处理后面会介绍。
停止回答则是会在微信后台检测微信端发来的内容，如果内容是停止回答，则会设置相应的标志位，在等待回答结果的过程中会去检测这个标志位是否为1，为1则点击停止回答按钮，然后退出等待。

2.2.5 获取答案

在回答结束后就要获取答案，这也是关键一环，重点是能正确定位到回答内容元素并检测其中有啥内容。重要是能够提取出文字加代码，并按照chatgpt的回答安排对内容的顺序。为此，是首先定位到本次回答的内容，然后获取其中的children元素，根据children元素的顺序去获取内容，文字则直接通过元素获取，代码则利用回答中的copy按钮。这部分的代码以及注释如下：

def answer_content(self):answer_content = [] # 用列表装回答内容self.get_content = 0# 1、获取本次回答内容根路径下的子元素childrens = self.driver.find_elements(by=By.XPATH, value=self.x_path["receive_path_base"]+self.x_path["child_ele"]) # 用c求等差数列的和# 2、根据元素类别进行内容提取#分为文本类型、代码类型、列表类型（ol类型、ul类型）text_num, code_num, ol_num, ul_num = 0, 0, 0, 0for i in childrens:# 3、获取子元素名称i = str(i.tag_name)# 文本类型if i == "p":text_num = text_num + 1text_content = self.driver.find_element(by=By.XPATH, value=self.x_path["receive_path_base"]+"/"+i+'['+str(text_num)+']').text# 4.将内容提取到列表中answer_content.append(text_content+"\n")# 列表类型，即1. xxx 2.xxx 或者 [] xxx [] xxx 这种# 列表类型需要得到有几个列表，然后逐个提取内容if i == "ol" or i == "ul":  # list contentol_xpath = self.x_path["receive_path_base"] + "/" + iif(i == "ol"):ol_num = 1 + ol_numol_xpath = ol_xpath + '[' + str(ol_num) + ']'if(i == "ul"):ul_num = 1 + ul_numol_xpath = ol_xpath + '[' + str(ul_num) + ']'childrens_ol = self.driver.find_elements(by=By.XPATH, value=ol_xpath + self.x_path["child_ele"])li_num = 0for i_ol in childrens_ol:li_num = 1 + li_numxpath = ol_xpath+"/"+str(i_ol.tag_name)+'[' + str(li_num) + ']'childrens_li = self.driver.find_elements(by=By.XPATH,value=xpath + self.x_path["child_ele"])try:xpath = xpath + "/" + str(childrens_li[0].tag_name)except Exception as e:xpath = xpathtext_content = str(li_num) + ": " + self.driver.find_element(by=By.XPATH,value=xpath).text# 4.将内容提取到列表中answer_content.append(text_content+"\n")# 代码类型if i == "pre":code_num = code_num + 1xpath = self.x_path["receive_path_base"]+"/"+i+'['+str(code_num)+']'+self.x_path["code_copy"]# 点击copy按钮self.driver.find_element(by=By.XPATH,value=xpath).send_keys(Keys.ENTER)# 从剪贴板中提取内容text_content = cb.paste()time.sleep(0.2)# 4.将内容提取到列表中answer_content.append(text_content+"\n")self.get_content = 1 # 表示回答结束# 5、将回答内容按顺序组织成完整对话内容str_content = ""for i in answer_content:str_content = str_content + ireturn str_content

这样即完成了输入问题和获取答案两步，将这两步整合到一起：

def input_get(self, ques_str):fresh_flag = False# 1、# 如果输入的是这三种内容，这会刷新浏览器fresh_list = "fresh 新建对话 刷新" if ques_str in fresh_list:fresh_flag = Trueself.refresh()  # 刷新浏览器# 2、检测页面是否是重启浏览器if (ques_str == "reboot"):fresh_flag = Trueself.reboot_chrome()  # 重启浏览器if fresh_flag == False: # 说明不是刷新或者重启浏览器，则进入chatgpt对话input_count = 0time.sleep(1)# 3.开始提问# 这时检测是否回答出错，如果错误前三次执行刷操作，三次刷新都不成则直接重启浏览器while self.input_wait(ques_str) == False: # 等待提问完成print("提问错误")if (input_count == 3):self.reboot_chrome()else:self.refresh()input_count = input_count + 1# 4.提取回答内容，并返回answer_content = self.answer_content()    # 获取答案并返回return answer_contentelse:return "已经处理完成"

这里面的的补充操作有刷新和重启浏览器，这些操作都是为了应对页面出错，提高程序的鲁棒性。代码如下：

# 重启浏览器
def reboot_chrome(self):self.close_chrome()self.init_value()self.boot_chrome()time.sleep(5)self.start_listen()self.enter_verif()
# 刷新浏览器
def refresh(self):self.driver.refresh()self.content_num   = 0self.answer_finish = 0self.verif_finish  = 0self.get_content   = 0self.start_listen()self.enter_verif()

至此完成主体程序设计，将其封装为一个class即可。

2.3 python与chatgpt的简单验证和效果展示

代码如下：

if __name__ == '__main__':url = "https://chat.openai.com/"openai_ofme = ChatGPTOfMe(url)# 启动浏览器openai_ofme.boot_chrome()time.sleep(10)openai_ofme.start_listen()# # 进行人机验证 # 超出验证次数则重新启动openai_ofme.enter_verif()while True:ques_str = input("请输入你的问题:")if (ques_str == "quit"):openai_ofme.close_chrome()breakprint(openai_ofme.input_get(ques_str))

效果如下：

2.4 对接到微信公众号

我将chatgpt的控制程序使用一个单独的线程进行控制，代码如下：

dic_of_reply = {"answer":"", "lock":False, "question":"", "fresh_flag":False, "boot_done":False, "get_new":False, "stop":False,"pre_user_id":"","allow_user_id":["这里放允许的用户的openid"],"make_fresh":False,"stop_listen":False}def chat_with_GPT(): # 专门开一个线程给他print("开始启动机器人")url = "https://chat.openai.com/"# url = "https://www.bing.com/"ChatGPTof_Me = ChatGPTOfMe(url)# 启动浏览器ChatGPTof_Me.boot_chrome()time.sleep(6)ChatGPTof_Me.start_listen()ChatGPTof_Me.enter_verif()print("验证成功")i = 0dic_of_reply["boot_done"] = Truewhile True:if(dic_of_reply["stop_listen"]):ChatGPTof_Me.driver.stop_client()dic_of_reply["stop_listen"] = Falseif dic_of_reply["make_fresh"]:print("为新用户刷新页面")ChatGPTof_Me.driver.stop_client()ChatGPTof_Me.refresh()dic_of_reply["fresh_flag"] = Falsedic_of_reply["make_fresh"] = Falseif(dic_of_reply["lock"]):i = 0ChatGPTof_Me.driver.stop_client()dic_of_reply["answer"] = ChatGPTof_Me.input_get(dic_of_reply["question"])dic_of_reply["lock"] = False  #解锁time.sleep(1)i = i + 1if(i == 8 * 60):         # 5 分钟i = 0dic_of_reply["fresh_flag"] = Truethreading.Thread(target=chat_with_GPT).start()
print("等待机器人启动完成")
while not dic_of_reply["boot_done"]:time.sleep(1)
print("机器人完成启动")

机器人启动完成后会设置标志位，然后去启动公众号后台。启动后台后将来自微信端的消息进行处理，这里处理的带入如下：

  # 1、提取提问内容和用户idques_str = str(receive_msg.content)user = str(receive_msg.fromUser)print(user)# 2、判断用户是否在允许列表中，不在则返回固定消息，在这转发给gptif user in dic_of_reply["allow_user_id"]:passelse:return reply.TextMsg(receive_msg, "欢迎来到xxx").send()# 3、如果是停止回答的请求，则去设置字典中相关标志位if re.match(r"^停止.*", ques_str):stop_flag["stop"] = Truereturn reply.TextMsg(receive_msg, "已经去停止机器人的回答").send()# 4、lock表示有用于正在提问if dic_of_reply["lock"]:if user != dic_of_reply["pre_user_id"]:  # 表示正在回答你的问题，但还没回答完成answer_str = "有人正在使用，请一会儿再来！！！"else:answer_str = "正在为你获取答案，请一会儿再来！！！"# 5、判断是来获取答案elif(dic_of_reply["get_new"] and user == dic_of_reply["pre_user_id"]):answer_str = "你上一个问题的答案是： \n" + dic_of_reply["answer"] # 返回答案answer_str_encode = answer_str.encode("utf-8")# 答案过大，则分段回复if(len(answer_str_encode) > 2048):   # 将答案分为几个段print(len(answer_str_encode))answer_str = answer_str_encode[:1800].decode("utf-8", errors='ignore')answer_str += "\n 由于答案过大，无法一次发送完整。请再发消息给我，获取剩余的答案"dic_of_reply["answer"] = answer_str_encode[1800::].decode("utf-8", errors='ignore')# 表示全部答案已经拿走else:dic_of_reply["get_new"] = False     # 指示已经提取了新答案dic_of_reply["stop_listen"] = True# 6、判断上一个用户是否把他的答案拿走elif (dic_of_reply["get_new"] and user != dic_of_reply["pre_user_id"]):answer_str = "请稍等，上一个人还没拿走答案"# 7、进入正常提问环节else:dic_of_reply["question"]    = ques_strdic_of_reply["lock"]        = True     # 上锁 # 开始去问答dic_of_reply["get_new"]     = True     # 指示开始获取新答案if (user != dic_of_reply["pre_user_id"]) or dic_of_reply["fresh_flag"]: dic_of_reply["make_fresh"] = True  # 表示是回答新用户的问题，要刷新页面dic_of_reply["pre_user_id"]    = useranswer_str = "你好，开始去回答你的问题，请过会再来"

这里有几个个人公众号的坑点和自己的解决方案：
（1）公众号要在5s内给出回答，不然认为后台错误。但chatgpt回答是需要时间的，长问题绝对超过5s，所以这里将一次问答分成两次微信端提问，第一个给gpt你的问题，第二次来拿走答案，这样来避开5秒限制；
（2）一次发送的内容不能超过2048个byte。所以每次发送答案检测答案是否超过2048，超过则对答案截断，分几次给答案；
（3）这样的chatgpt是不可能多人同时使用的，所以采用分时使用策略。如果有人在使用，则进行lock，在这个人拿走它的答案时候解锁，允许下一个用户进行提问。
至此完成全部关键设计。

2.5 最终效果展示

我们运行起后台，去公众号中提问，效果如下：

这样就可以随时随地的使用chatGPT且只需要连接内网。我个人的初衷是在公司里面也能使用chatGPT，因为基于安全考虑我不可能在公司的电脑上装个梯子，这样看是达到了自己想要的效果。

3、完结撒花

1、为何不使用api：我没能成功用起来，尝试了多次，所以另辟蹊径。并且api没上下文记忆功能；
2、介于ChatGPT人机验证的严格，我在一周期已经改为对接到New Bing，整体思路类似；
我的python-chatgpt交互代码：我的代码