免费使用ChatGPT的3种技术方案与避坑指南

3次阅读

共计 2100 个字符，预计需要花费 6 分钟才能阅读完成。

OpenAI 的 GPT-3.5 Turbo API 按 token 数量收费，每 1000 个 token 约 0.002 美元。虽然新用户有 $5 的免费额度，但按日均 100 次请求计算，不到两周就会耗尽。更关键的是，免费额度不可续期，且企业邮箱注册需要绑定支付方式。

官方网页版使用 WebSocket 协议通信，但存在三重防护：

TLS 指纹校验：服务器会检测 ClientHello 报文特征
动态 token：每次会话生成新的 access_token
人机验证：频繁请求触发 Cloudflare 挑战

Python 实现核心代码（需配合修改的 curl_cffi 库）：

from curl_cffi import requests

# 仿造 Chrome 的 TLS 指纹
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0) AppleWebKit/537.36...",
    "Tls-Version": "x-chrome-103" 
}

# 获取会话 token
def get_access_token():
    resp = requests.get("https://chat.openai.com/api/auth/session", 
                       headers=headers,
                       impersonate="chrome110")
    return resp.json().get('accessToken')

使用 ollama 本地部署 LLaMA3-70B 等开源模型：

编写 docker-compose.yml：

services:
  ollama:
    image: ollama/ollama
    ports:
      - "11434:11434"
    volumes:
      - ./ollama:/root/.ollama

创建 API 转发层（FastAPI 示例）：

@app.post("/v1/chat/completions")
async def proxy_request(request: Request):
    # 转换 OpenAI 兼容格式
    messages = await request.json()
    prompt = format_to_llama(messages)

    # 调用本地模型
    async with httpx.AsyncClient() as client:
        resp = await client.post(
            "http://localhost:11434/api/generate",
            json={"model": "llama3", "prompt": prompt}
        )
    return StreamingResponse(resp.iter_bytes())

Playwright 方案需处理三大难点：

绕过 Cloudflare：需要真实浏览器指纹
保持会话：定期保存 cookies
元素定位：ChatGPT 动态 DOM 结构

关键代码片段：

async def ask_with_retry(page, question, max_retry=3):
    for _ in range(max_retry):
        try:
            await page.fill("textarea[aria-label=\"Send a message\"]", question)
            await page.keyboard.press("Enter")

            # 等待 AI 响应完成
            await page.wait_for_selector("button[aria-label=\"Stop generating\"]:not(:visible)",
                timeout=60000
            )
            return await page.query_selector_all(".markdown.prose")
        except Exception as e:
            print(f"Retry {_ + 1} failed: {str(e)}")
            await page.reload()