Browser

GPT Web Chat Skill

Try it

ChatGPT 网页版自动化技能。用于通过浏览器自动化操作 chatgpt.com，包括发送 Prompt、获取回复、检测登录状态、维护会话。典型请求包括："帮我问 ChatGPT"、"用 GPT 回答"、"把这段话发给 ChatGPT"。如果只是询问 ChatGPT 的功能、模型、API、价格或使用方法，而不需...

What it does

ChatGPT 网页版自动化技能。用于通过浏览器自动化操作 chatgpt.com，包括发送 Prompt、获取回复、检测登录状态、维护会话。典型请求包括："帮我问 ChatGPT"、"用 GPT 回答"、"把这段话发给 ChatGPT"。如果只是询问 ChatGPT 的功能、模型、API、价格或使用方法，而不需要实际操作 ChatGPT 网页，则不要使用本 Skill。

The skill document

ChatGPT Web Automation

Mission

本 Skill 负责维护 ChatGPT Runtime。职责包括：

  • 将 Prompt 发送给 ChatGPT 并获取完整回复
  • 维护 ChatGPT Session（登录状态、页面状态、会话状态）
  • 在页面变化后恢复 Runtime

除此之外，不承担任何通用浏览器自动化任务。

本 Skill 将 scripts/chat.py 视为 ChatGPT Runtime API。SKILL.md 负责调度，业务逻辑由 Runtime 实现，Reference 提供设计知识。

默认行为

scripts/chat.py 是 Runtime 唯一入口。所有日常任务统一通过它完成。

Agent 不判断是否首次运行，不判断是否已登录，不判断浏览器状态。所有环境检测、Runtime 恢复、登录检查、浏览器管理均由 chat.py 自动处理。

除首次部署和页面维护外，不要绕过 chat.py 直接操作浏览器。

Runtime Lifecycle

chat.py
  │
  ├── Stage 1: 环境
  │   ├── .env 不存在 → ENV_NOT_FOUND
  │   ├── userdata/ 不存在 → 自动创建
  │   └── 网络不可达 → NETWORK_ERROR
  │
  ├── Stage 2: Runtime
  │   ├── Chrome 运行中 → CDP 连接
  │   └── 未运行 → 自动启动 Chrome
  │
  ├── Stage 3: 页面
  │   ├── ChatGPT Tab 存在 → 复用
  │   ├── 未登录 → LOGIN_REQUIRED
  │   └── 不存在 → 打开 ChatGPT
  │
  └── Stage 4: 对话
      ├── 发送 Prompt
      ├── 等待回复
      └── 返回 JSON

Agent 始终处于 Stage 4 视角：调用 → 等待 → 得到结果。无需要关心前三个阶段。bootstrap.py 仅在 LOGIN_REQUIRED 时作为登录向导执行。

三个入口

用途脚本频率
日常对话scripts/chat.py99%
登录向导scripts/bootstrap.py仅首次 / 登录过期

日常对话（Hot Path）

日常任务默认直接调用 scripts/chat.py。除非发生初始化或页面维护，否则不要运行其它脚本。

scripts/chat.py 返回结构化 JSON。Agent 仅根据 success、reply、error.code、next_action 决定下一步，不解析浏览器内部状态。

执行 scripts/chat.py "提示词"
  │
  ▼
解析返回 JSON
  │
  ├── ok: true  → 将 reply 返回给用户
  │
  └── ok: false → 按 next_action / error.code 路由

可选参数

参数作用
-a image.png附带图片
--headed保持浏览器窗口在前台（默认最小化到后台）
--health健康检查（不执行对话，返回运行时状态）

错误路由

优先依据 next_action。仅当 next_action 缺失时，根据 error.code 处理。

next_action / error.codeAgent 动作
next_action: "RUN_BOOTSTRAP" / LOGIN_REQUIRED执行 scripts/bootstrap.py
next_action: "CREATE_ENV" / ENV_NOT_FOUND提示用户复制 .env.example → .env 并配置
next_action: "CHECK_PROXY" / NETWORK_ERROR提示用户检查代理配置或网络
CHROME_NOT_FOUND提示用户检查 CHROME_PATH
未列出直接向用户返回 error.message，不自行推测原因

初始化 & 登录

首次使用

登录

运行 scripts/bootstrap.py 启动 Chrome 并打开 ChatGPT 登录页，手动登录后即可开始使用。

页面改版

当 ChatGPT 页面更新导致脚本失效时，更新 references/chatgpt.md 中的选择器。

Reference

按需读取，不主动加载全部文档。

当需要……读取
修改运行架构references/architecture.md
修改页面交互references/chatgpt.md
修复页面改版references/maintenance.md

核心原则

  1. Runtime API First — 所有日常任务统一通过 scripts/chat.py 完成，Agent 不直接操作浏览器
  2. Runtime First — 优先复用已有 Session，仅在必要时冷启动
  3. Lifecycle 下沉 — Agent 不判断运行环境，所有状态管理由 Runtime 内部自动完成
  4. Fail Fast — 超时立即失败并返回结构化错误；异常时收集截图/HTML/URL，不重试

窗口行为

默认 Chrome 以 headless 方式运行在后台，不干扰用户。 需要查看浏览器时加 --headed 参数保持窗口在前台。

Related skills

Gemini Web Automation Skill

当用户希望实际使用 Gemini 网页版完成一次对话时使用本 Skill，包括发送 Prompt、继续已有对话、上传图片或文件、获取 Gemini 回复以及恢复 Gemini 登录状态。典型请求包括："帮我问 Gemini"、"用 Gemini 回答"、"把这段话发给 Gemini"、"让 Gemini 看这张图...

webchat-extension

部署「网页划线对话」浏览器扩展（Chrome MV3 / 兼容 Chrome·Edge·千问·夸克 等 Chromium 内核浏览器）。在任意网页选中文字，点工具栏图标唤起可拖动对话浮层，带着网页上下文用 CodeBuddy AI 流式问答。包含本地 Express + SSE 后端（CodeBuddy Agent SDK）与前端扩展。当用户要「做一个网页划词对话插件 / 给浏览器装个网页对话工具 / 选中文字问 AI / 部署小虾网页对话扩展 / web highlight chat extension / 把网页内容丢给 AI 聊」时使用本技能。

GPTZero

GPTZero (gptzero.me). Use this skill for ANY GPTZero request — searching and reading data. Whenever a task involves GPTZero, use this skill instead of calling the API directly.

1 installs

AI-Search-Hub

Run the AI Search Hub browser automation scripts for Yuanbao, LongCat, Doubao, Qwen, Gemini, and Grok. Use this skill when the user wants to ask one of those...

30 installs

Google Chat

Google Chat (workspace.google.com). Use this skill for ANY Google Chat request — searching and reading data. Whenever a task involves Google Chat, use this skill instead of calling the API directly.

千问浏览器原生 CDP 驱动

用原生 Chrome DevTools Protocol 驱动千问浏览器（qianwen.exe），复用真实登录态做办公自动化。当用户要让"千问浏览器"自动打开网页、填表、点击、抓取内容、截图，或提到 xbrowser/agent-browser 驱动千问失败时，使用本技能。

1 installs