Mac上高效使用ChatGPT的工程化实践：从终端调用到自动化集成

共计 2491 个字符，预计需要花费 7 分钟才能阅读完成。

痛点分析

作为开发者，在 Mac 上使用 ChatGPT 的 Web 界面存在几个明显效率瓶颈：

• 频繁切换浏览器：每次查询都需要从 IDE/ 终端切换到浏览器，破坏工作流连续性
• 历史记录低效：网页版对话历史缺乏结构化搜索，找回旧内容需手动翻页
• 交互方式单一：无法与开发工具链集成（如直接解析错误日志、补全代码片段）

技术方案对比

核心实现

1. 终端封装方案（Python 示例）

#!/usr/bin/env python3
import os
import sys
from typing import Optional
import requests
from getpass import getpass

class ChatGPTCLI:
    def __init__(self, api_key: Optional[str] = None):
        self.base_url = "https://api.openai.com/v1/chat/completions"
        self.api_key = api_key or os.getenv("OPENAI_KEY")
        if not self.api_key:
            raise ValueError("API key not found in env or keychain")

    def query(self, prompt: str, model: str = "gpt-4") -> str:
        headers = {"Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json"
        }
        payload = {
            "model": model,
            "messages": [{"role": "user", "content": prompt}]
        }

        try:
            response = requests.post(
                self.base_url,
                headers=headers,
                json=payload,
                timeout=30
            )
            response.raise_for_status()
            return response.json()["choices"][0]["message"]["content"]
        except requests.exceptions.RequestException as e:
            print(f"API 请求失败: {str(e)}", file=sys.stderr)
            sys.exit(1)

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage: chatgpt'your prompt'", file=sys.stderr)
        sys.exit(1)

    client = ChatGPTCLI()
    print(client.query(" ".join(sys.argv[1:])))

2. Alfred Workflow 配置

1. 新建 Blank Workflow
2. 添加 Script Filter 输入（语言选择 /bin/bash）：

   #!/bin/bash
   query="{query}"
   /usr/local/bin/chatgpt-cli "$query" | awk '{print"<item arg=\""$0"\"><title>"$0"</title></item>"}'

3. 添加 Copy to Clipboard 输出动作

3. Automator 全局快捷键

1. 新建 Quick Action
2. 选择 ”Run Shell Script”
3. 粘贴调用脚本（如/usr/local/bin/chatgpt-cli "$(pbpaste)"）
4. 保存为 ”Ask ChatGPT”
5. 在系统设置→键盘→快捷键中绑定快捷键（推荐 Cmd+Shift+G）

安全实践

• 密钥存储 ：使用security 命令将 API Key 存入 Keychain

  security add-generic-password -a "${USER}" -s "OPENAI_API_KEY" -w "your_key"

• 访问控制：

  import keyring
  api_key = keyring.get_password("openai", os.getlogin())

• 频率限制：实现令牌桶算法（Token Bucket）控制请求速率

性能优化

• 对话缓存：使用 SQLite 存储历史会话

  import sqlite3
  conn = sqlite3.connect(os.path.expanduser("~/.chatgpt_history.db"))
  conn.execute("""CREATE TABLE IF NOT EXISTS history
               (id INTEGER PRIMARY KEY, timestamp DATETIME, prompt TEXT, response TEXT)""")

• Markdown 渲染：

  # 需要安装 glow
  chatgpt-cli "你的问题" | glow -

避坑指南

1. 密钥硬编码：
2. 错误做法：脚本中直接写api_key = "sk-..."

3. 正确方案：使用环境变量或系统密钥链

4. 网络重试：

   from tenacity import retry, stop_after_attempt, wait_exponential
   
   @retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
   def safe_query(prompt: str) -> str:
       # 原有查询逻辑
       ...

5. 上下文限制：

6. 策略：自动总结前文 + 截断

   def truncate_context(text: str, max_tokens=4000) -> str:
       # 简单实现：按字符数估算
       return text[:int(max_tokens*3.5)]  # 假设 3.5 字符 /token

延伸思考

如何实现以下深度集成场景？
– 在 VS Code 中直接解释选中的报错信息
– 根据终端命令历史自动生成运维手册
– 将 API 响应自动转换为 JIRA ticket 描述