共计 1765 个字符，预计需要花费 5 分钟才能阅读完成。
浏览器端优化方案
在 MacBook 上使用 ChatGPT 最直接的方式就是通过浏览器访问，但频繁打开网页、登录账号会浪费不少时间。以下是提升浏览器端使用效率的两种方法：
- 创建 PWA 应用
- 打开 Safari 或 Chrome 浏览器，访问 ChatGPT 官网
- 在 Safari 中：点击菜单栏的 ” 文件 ” > “ 添加到 Dock”
- 在 Chrome 中：点击地址栏右侧的 ” 安装 ” 图标
-
这样就会在 Dock 栏创建一个独立的 ChatGPT 应用图标
-
配置快捷键
- 打开系统设置 > 键盘 > 快捷键 > 应用快捷键
- 添加新快捷键，应用程序选择 ”Safari” 或 ”Chrome”
- 菜单标题输入 ”ChatGPT”，键盘快捷键设置为
Command+Shift+C - 现在只需按下这组快捷键就能快速唤醒 ChatGPT
本地开发环境搭建
对于开发者来说，通过 API 调用 ChatGPT 能实现更灵活的集成。以下是环境配置步骤：
- 安装 Python 和虚拟环境
- 确保已安装 Homebrew：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" - 安装 Python 3：
brew install python - 创建虚拟环境：
python3 -m venv chatgpt_env -
激活环境：
source chatgpt_env/bin/activate -
设置 OpenAI API 密钥
- 在 OpenAI 官网获取 API 密钥
- 在终端设置环境变量：
export OPENAI_API_KEY='your-api-key' - 建议将这行添加到
~/.zshrc或~/.bash_profile中持久化
代码示例：Python 调用 ChatGPT API
import openai
from openai.error import RateLimitError, APIError
import time
# 初始化客户端
openai.api_key = os.getenv('OPENAI_API_KEY')
# 带错误处理的对话函数
def chat_with_gpt(prompt, model="gpt-3.5-turbo", max_retries=3):
for attempt in range(max_retries):
try:
response = openai.ChatCompletion.create(
model=model,
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content
except RateLimitError:
wait_time = (attempt + 1) * 2 # 指数退避
print(f"达到速率限制，等待 {wait_time} 秒后重试...")
time.sleep(wait_time)
except APIError as e:
print(f"API 错误: {e}")
return None
return "请求失败，请稍后再试"Alfred 工作流集成
- 安装 Alfred Powerpack
-
从 Alfred 官网下载并安装 Powerpack 版本
-
创建工作流
- 打开 Alfred 偏好设置 > 工作流
- 点击 ”+” > “Blank Workflow”
- 添加 ”Keyword” 输入，设置触发关键词如 ”chat”
- 连接 ”Run Script” 动作，语言选择
/bin/bash - 在脚本框中输入：
query="{query}" python3 /path/to/your/script.py "$query"
性能优化建议
- 缓存策略
- 对常见查询结果进行本地缓存
-
使用
functools.lru_cache装饰器缓存函数结果 -
网络延迟优化
- 使用
aiohttp实现异步请求 - 考虑使用 OpenAI 的官方 Python 库，它已经内置了连接池
安全注意事项
- API 密钥保护
- 永远不要将 API 密钥提交到代码仓库
-
使用环境变量或密钥管理工具如
keyring -
隐私数据过滤
- 在发送请求前过滤敏感信息
- 实现一个预处理函数移除 PII（个人身份信息）
延伸阅读
- OpenAI 官方 API 文档
- Python
aiohttp异步 HTTP 客户端指南 - Alfred 工作流开发手册
实战练习
- 修改 Python 代码，使其支持对话历史上下文
- 创建一个 Alfred 工作流，实现快速翻译功能
- 为 API 调用添加本地结果缓存功能
正文完
