ChatGPT 网页版专项：问答、读回复、选模型、生图

路径约定：本文的 <skill 目录> 指本文件所在目录，<仓库根> = <skill 目录>/../..，命令行入口为 <skill 目录>/../scripts/bb.mjs（根 SKILL.md 记作 <bb>）。这些位置是可推导的，不要用 find ~ 之类全盘搜索去定位；完整约定见根 SKILL.md「路径约定」一节。

用真实登录态驱动 chatgpt.com：发提问 → 等回复 → 读文本/图片结果。网页额度单端计算，与 API 额度互不占用；网页端模型通常比 API 更新（当前实例默认模型为 GPT-5.6 Luna）。

⚠️ 必须先读：本专项受根 SKILL.md「Agent 行为约束」与根目录 KNOWN_ISSUES.md 约束。遇到登录墙/额度弹窗/升级引导时，立即停止并让用户手动处理，禁止替用户登录、绕过验证或反复重试。

核心约束：chatgpt.com 有严格 CSP，page.evaluate 不可用（必须先读）

实测（2026-09-10）：chatgpt.com 的 script-src 不含 'unsafe-eval'，任何字符串求值都会被拦——page.evaluate 报 EVAL_ERROR（MAIN 世界与 world:"ISOLATED" 隔离世界均被拦，Chrome 83+ 内容脚本也受页面 CSP 约束）。

因此本专项内所有页面内 JS 一律走 CDP：

# 一键求值（自包含脚本，等价于 page.evaluate 但绕过 CSP）
BRIDGE_TOKEN=$(cat ~/.chrome-agent-bridge/token) node <skill 目录>/scripts/cdp-eval.mjs <tabId> "<JS 表达式>"
# 表达式返回 Promise 时加 --awaitPromise；要原样 JSON 输出加 --json

cdp-eval.mjs 内部：session.attach → Runtime.evaluate { returnByValue:true, awaitPromise } → session.detach。CDP 走 DevTools 协议，不受页面 CSP 约束；且运行在页面主世界，可访问 window/document。

可用（不走 eval）的 RPC：page.type / page.click / page.press / page.scroll / page.waitForSelector / page.waitForUrl / page.waitForReady / page.waitLoad / page.snapshot / page.inspect / page.screenshot / tabs.* / session.*。不可用：page.evaluate、page.waitFor（带 expression 时）。

禁止自己写 ChatGPT 自动化脚本（强制）：优先直接用 scripts/chatgpt-ask.mjs（一键提问读回复，已处理生成完成判定、图片轮读取、临时图片 URL 页面内 fetch）与 scripts/cdp-eval.mjs（CDP 求值）。自己写脚本最容易犯的错就是在这里用 page.evaluate——被 CSP 拦成 EVAL_ERROR 后误判为「选择器/表达式写错」而反复重试，既浪费轮次又可能触发网页端风控。需求不匹配时先改参数（--new / --model / --timeout / --json）；确实缺功能才自己写，且必须以 scripts/chatgpt-ask.mjs 为模板复制改写（继承其 CDP 求值路径与完成判定），并在交付说明里注明改写来源。禁止从零手写、禁止在本站用 page.evaluate。

一键提问（推荐入口 / 默认入口）

# 在当前 chatgpt tab 提问并读回复（自动等待生成完成，输出 JSON）
BRIDGE_TOKEN=$(cat ~/.chrome-agent-bridge/token) node <skill 目录>/scripts/chatgpt-ask.mjs <tabId> "<提问>"

# 先开新会话再问
... node chatgpt-ask.mjs <tabId> "<提问>" --new

# 尽力选模型（UI 变化频繁，找不到不阻塞主流程）
... node chatgpt-ask.mjs <tabId> "<提问>" --new --model "GPT-5"

# 生成图片并下载到本地（每张图消耗一次生图额度）
... node chatgpt-ask.mjs <tabId> "画一只圆脸小猫头像，扁平插画" --new --images ./out

# 保存结果 JSON / 自定义超时（生图通常 30~90s，默认 180s）
... node chatgpt-ask.mjs <tabId> "<提问>" --timeout 240000 --out result.json

输出 JSON：{ url, prompt, reply, thinking?, images[], savedImages[], modelApplied, quotaHint, elapsedMs }。

手工驱动路径（不用脚本时按此流程）

1. 前置检查（每个任务开始）

• curl -s http://127.0.0.1:8778/status → extConnected:true。
• tabs.list 找 chatgpt tab（URL 含 chatgpt.com）；找不到就让用户在浏览器打开并登录后再继续。
• 登录墙判断（CDP）：URL 含 auth/login，或 body 前 120 字含 Log in/Sign up 且无 #prompt-textarea → 停下，请用户手动登录，不替用户登录。

2. 定位输入框与发送按钮（2026-09-10 实测结构）

• 输入框：#prompt-textarea（div[contenteditable="true"]，ProseMirror，aria-label="Chat with ChatGPT"）。
• 输入：page.type { tabId, selector: "#prompt-textarea", text } —— content script 走 execCommand("insertText")，ProseMirror 兼容，实测有效。
• 发送按钮：button[data-testid="send-button"]（aria-label="Send prompt"）。先等它 disabled === false 再点（空输入时可能 disabled）。
• 提交也可用 page.press { tabId, key: "enter" }（焦点在 composer 时）。
• 生成中指示：button[data-testid="stop-button"] 出现；生成结束后消失。

3. 等待回复完成（不要用固定 sleep）

轮询（CDP READ_EXPR，见下）直到 生成结束且文本连续两次读取一致；纯图片回复以「新 turn 出现 + 图片数增加 + 生成结束」判定完成（图片-only 的 assistant 轮有 conversation-turn 容器但可能没有 data-message-author-role，不能只按 role 取消息——实测踩坑，否则漏图/等到超时）。

// 读取当前状态（CDP Runtime.evaluate 表达式；以 turn 容器为准）
const READ_EXPR = `(() => {
  const turns = Array.from(document.querySelectorAll('[data-testid^="conversation-turn"]'));
  const last = turns[turns.length - 1] || null;
  const roleEl = last && last.querySelector('[data-message-author-role]');
  const role = roleEl ? roleEl.getAttribute('data-message-author-role') : '';
  const imgs = last ? Array.from(last.querySelectorAll('img[alt^="Generated image"]')).map(im => im.src).filter(Boolean) : [];
  const isAssistant = role === 'assistant' || imgs.length > 0;
  const reply = roleEl && role === 'assistant' ? (roleEl.innerText || '').trim() : '';
  const thinkingEl = roleEl && roleEl.querySelector('[data-testid="thinking-visualization"]');
  const thinking = thinkingEl ? (thinkingEl.innerText || '').trim().slice(0, 2000) : '';
  return { turnCount: turns.length, role, isAssistant, reply, thinking,
           images: Array.from(new Set(imgs)),
           generating: !!document.querySelector('button[data-testid="stop-button"]') };
})()`;

4. 读取回复

• 文本：最后一条 turn 内 [data-message-author-role="assistant"] 的 innerText（思考过程在 [data-testid="thinking-visualization"] 内，单独取）。
• 图片：最后一条 turn 内 img[alt^="Generated image"]，去重取 src（不要全页取，会把同一会话历史轮的图带出来）。URL 形如 https://chatgpt.com/backend-api/estuary/content?id=…&ts=…&sig=… —— 带会话签名的临时 URL，需在页面上下文内 fetch（带 cookie）下载，过期/外部直连可能 403：

  // CDP 内执行（页面同源 fetch → base64 → 落盘）
  const r = await fetch(img.src, { credentials: 'include' });
  const buf = await r.arrayBuffer(); // → base64 → Buffer.from(b64, 'base64')

  （chatgpt-ask.mjs --images <dir> 已内置该下载逻辑。）

5. 新会话 / 换会话

• 新会话：page.navigate { url: "https://chatgpt.com/" }（等价侧边栏 New chat 链接 a[href="/"]），然后等 #prompt-textarea 出现。
• 打开历史会话：侧边栏 a[href*="/c/"] 的 href 直接 page.navigate。
• 复用同一 tab，不要为每个提问开新标签页（遵循根 SKILL.md 行为约束）。

模型选择与额度（用户关注点，UI 变化频繁，先探查再操作）

• 当前模型/计划：page.inspect { focus: "overview" } 看主区顶部；账号为免费/过期 Plus 时会出现「Rejoin Plus」按钮，quotaHint 只是尽力抓取，不作为硬依赖。
• 模型选择器入口随版本变化：历史版本是 composer 顶部模型名按钮（如 GPT-5）+ 弹层 [role="option"]；当前版本顶部有 Chat / Work 等 tab（模型即 tab 绑定），消息区有 aria-label="Switch model" 按钮。做法：先用 page.inspect/cdp-eval 找到含模型名或 Switch model 的可见按钮，点击后再在 [role="option"]/[role="menuitem"] 中找同名项。
• chatgpt-ask.mjs --model "<名>" 内置了上述尽力选择逻辑；找不到会置 modelApplied:false 继续提问，不阻塞。
• 额度：网页端按「单端/浏览器」计算（与 API 额度分离）。额度显示通常在模型选择弹层/设置页，不在 DOM 常驻文本里；脚本的 quotaHint 为尽力抓取。遇到额度用尽弹窗/升级引导 → 立即停止并告知用户，不要重试。

生图专项

• 生图 = 正常提问，prompt 里写清画面要求（风格/构图/主体/背景），ChatGPT 自动用图片模型生成。生成耗时通常 30~90s，把 --timeout 放到 180000 以上。
• 结果读取与下载见上文「读取回复-图片」。实测：chatgpt-ask.mjs --images ./out 下载成功（1254×1254 PNG，约 800KB）。
• 侧边栏有 Images 入口（图片库），可 page.navigate 查看历史生成。

行为约束与踩坑清单（实测 2026-09-10）

1. CSP：本专项一切 JS 求值走 cdp-eval.mjs（CDP），不走 page.evaluate；写新脚本时不要引入字符串 eval。
2. 登录墙/额度墙：出现登录页、Rejoin Plus 弹窗、额度提示 → 停下让用户处理，禁止绕过。
3. 生图不可用提示：实测遇到回复文本为 It looks like image creation is temporarily unavailable...——生图额度/服务暂时不可用（如当日额度用尽）。此时按文本回复正常返回即可，不要自动重试生图；告知用户后等待额度恢复/升级。
4. 发送前先验证输入：page.type 后读 #prompt-textarea 的 innerText 确认文本已进入，再等 send-button 可用后点击；不要盲点。
5. 图片轮读取：图片-only 的 assistant 轮有 [data-testid^="conversation-turn"] 容器但可能没有 data-message-author-role，一律以 turn 容器为准读取文本/图片（见上文 READ_EXPR）。
6. 多轮追问：同一对话内直接复用当前 tab 继续输入提问即可（上一条回复已稳定）；新话题再 --new。
7. 模型/UI 结构随版本变：选择器以实测为准；先 page.inspect overview 探查，再操作，不要依赖固定类名。
8. 生图消耗额度：每次生图消耗一次图片额度；批量任务前先和用户确认数量，避免一次跑几十张。