共计 1982 个字符，预计需要花费 5 分钟才能阅读完成。
背景痛点
ChatGPT 的网页端虽然提供了聊天记录查看功能，但在实际使用中，我们发现它存在几个明显的管理局限：
- 无法批量导出多条对话记录
- 没有提供历史记录的搜索功能
- 对话内容无法按项目或主题进行分类管理
对于企业用户来说，这些问题会带来严重的合规风险：
- 无法满足金融、医疗等行业对沟通记录的存档要求
- 难以应对审计时对历史对话的调取需求
- 知识资产容易因员工离职而流失
技术方案对比
方案 1：使用 OpenAI 官方 API
这是最合规的方案，但需要注意：
- 需要先申请 API 权限并设置支付方式
- 免费账户每分钟只能发起 3 次 API 请求
- 返回的数据结构需要二次处理
优点：
- 官方支持，稳定性高
- 数据完整性有保障
方案 2：Puppeteer 自动化操作
适合需要导出历史记录但无 API 权限的情况：
- 可以模拟用户登录和操作
- 需要处理 Cloudflare 的反爬机制
- 存在账号被封禁的风险
优点：
- 能获取到网页端完整数据
- 不需要官方 API 权限
方案 3：第三方开源工具
比如 ChatGPT-Exporter 这类工具：
- 通常提供图形界面操作
- 数据安全性需要自行评估
- 版本更新可能不及时
优点：
- 使用简单，学习成本低
- 有些支持多种导出格式
核心实现
官方 API 调用示例
// 使用 OpenAI 官方 Node.js SDK
const {Configuration, OpenAIApi} = require('openai');
const configuration = new Configuration({apiKey: 'your-api-key',});
const openai = new OpenAIApi(configuration);
// 获取对话列表
async function getConversations() {
try {
const response = await openai.listConversations({limit: 50,});
return response.data.data;
} catch (error) {
// 实现错误重试逻辑
console.error('API 调用失败:', error);
await new Promise(resolve => setTimeout(resolve, 1000));
return getConversations();}
}Puppeteer 关键代码
const puppeteer = require('puppeteer-extra');
const StealthPlugin = require('puppeteer-extra-plugin-stealth');
puppeteer.use(StealthPlugin());
(async () => {const browser = await puppeteer.launch({ headless: false});
const page = await browser.newPage();
// 设置用户 cookie 绕过登录
await page.setCookie({
name: 'session_token',
value: 'your-cookie-value',
domain: '.chat.openai.com'
});
// 处理动态加载
await page.goto('https://chat.openai.com/', {waitUntil: 'networkidle2',});
// 获取对话列表
const conversations = await page.evaluate(() => {return [...document.querySelectorAll('.conversation-item')].map(el => ({
title: el.innerText,
id: el.dataset.id
}));
});
})();格式转换技巧
- Markdown 转换：
- 保留对话的换行和代码块
- 使用
>表示 AI 回复 -
添加元信息如时间戳
-
PDF 转换：
- 推荐使用 puppeteer 自带的 PDF 生成
- 设置合适的页眉页脚
- 调整打印样式表
生产环境考量
性能测试数据
| 方案 | 1 万条记录耗时 | 内存占用 |
|---|---|---|
| API | 45 分钟 | 低 |
| Puppeteer | 2 小时 | 高 |
| 第三方工具 | 1.5 小时 | 中 |
安全建议
- 使用 OAuth2.0 时只申请必要权限
- API 密钥要设置有效期
- 敏感数据存储要加密
避坑指南
- 分页处理：
- 控制并发请求数不超过 5 个
-
实现指数退避重试机制
-
风控规避：
- 请求间隔随机化(1- 3 秒)
-
模拟人类操作轨迹
-
数据脱敏：
function redactText(text) { // 替换信用卡号 return text.replace(/\d{4}[-]?\d{4}[-]?\d{4}[-]?\d{4}/g, '[REDACTED]'); }
开放问题
在实际应用中，我们还需要考虑：如何实现对话记录的增量同步？这涉及到：
- 记录最后同步的时间戳
- 处理被删除的对话
- 冲突解决策略
希望这篇文章能帮助你解决 ChatGPT 聊天记录导出的问题。如果有其他技术细节想了解，欢迎留言讨论。
正文完
