@neil9466/gpt-expert-mode

v1.2.2

Published

a month ago

GPT 专家模式：让免费/低成本 LLM agent 调用 ChatGPT 网页版作为决策主脑，无需 API Key。基于 parley CDP 框架二次开发。Use ChatGPT (web) as the decision brain for low-cost LLM agents, no API key needed.

0High
0Medium
0Low

28459466vip

agent-skill chatgpt gpt ai-agent cdp browser-automation parley llm mcp prompt-engineering

GPT 专家模式（gpt-expert-mode）

让免费 / 低成本 LLM 当"躯体"，让 GPT 当"大脑"——无需 API Key，即可获得 GPT 大模型的决策体验。

一、这个 Skill 是做什么的？

如果你正在使用一个免费或低成本的本地大模型（如 GLM、Qwen 等开源/廉价模型）作为日常 coding agent，你大概率遇到过这样的痛点：

模型便宜够用，但规划复杂任务、做技术决策时的水平欠佳；
想用 GPT（ChatGPT）来把关决策，却不想为 API 付费。

本 skill 就是为此而生：

gpt-expert-mode 把当前 agent 变成纯执行者，把 GPT（ChatGPT 网页版）变成决策主脑。

激活后：

| 角色 | 承担者 | 职责 | |---|---|---| | 决策者（大脑） | GPT（ChatGPT 网页版） | 任务规划、方案选型、指令下发、结果验收 | | 执行者（躯体） | 当前 agent（任意低成本 LLM） | 文件读写、命令执行、浏览器操作、代码搜索等苦力活 |

agent 通过内嵌的 parley CDP 框架直接驱动本机 Chrome 上的 ChatGPT 页面，把任务上下文发给 GPT、读回决策、执行、再回传结果，循环往复直到 GPT 确认任务完成。

全程无需 OpenAI API Key——用的只是你已经登录的 ChatGPT 网页版。于是：你以低成本模型的价格，获得了 GPT 级别的决策质量。

二、效果示例

下图是一次真实协作：用户要求部署 Jenkins MCP，本地 agent（GLM-5.3）先梳理出"agent 能自动做什么 / 不能凭空做什么"的权限边界，然后通过 parley 把任务交给 GPT 决策。GPT 没有盲目下令开干，而是识别出信息缺口，反过来给出结构化选择题（Docker / CLI / kubectl / 浏览器 UI / 自定义），让 agent 先向用户确认部署方式——这正是"主脑"的价值：

GPT 专家模式实际协作示例

左侧：本地 agent 整理的执行权限边界（可自动完成 ✅ / 不能凭空完成 ❌）；
右侧：GPT 收到任务后给出的决策指令与待确认选项。

整个过程中，本地模型只负责"听懂指令并干活"，所有关键判断都由 GPT 完成。

三、适合的场景

| 场景 | 说明 | |---|---| | 复杂任务的规划与决策 | 多步骤部署、环境搭建、重构方案选型等，让 GPT 拆解步骤、把关方向 | | 低成本模型的"外挂大脑" | 日常用便宜模型干杂活，关键决策升级为 GPT 质量 | | 方案评审 / 二次确认 | 对本地模型给出的方案心存疑虑，让 GPT 审阅并纠偏 | | AI 对 AI 协作实验 | 利用内置 bridge 命令让两个 AI 标签页互相对话 | | 无 API 预算的 GPT 重度使用 | 只要有 ChatGPT 网页版账号（免费版亦可），就能驱动 GPT 干活 |

不适合的场景：需要严格 SLA 的自动化流水线（网页版对话有流式延迟）、涉密项目（任务上下文会发往 ChatGPT 页面）。

四、工作原理

┌─────────────────────┐  ①任务上下文   ┌──────────────────────┐
│  本地 agent（执行者） │ ────────────▶ │  Chrome (CDP 调试端口) │
│  低成本 LLM + 工具集  │               │  ChatGPT 网页版       │
│                     │ ◀──────────── │  （GPT 决策主脑）      │
└─────────────────────┘  ②决策/指令    └──────────────────────┘
        │      ▲
   ③执行 ④回传结果（循环，直到 GPT 确认任务完成）

角色约定：激活时 agent 向 GPT 声明身份——"我是执行者，你是我上级"，并汇报自己的能力清单（浏览器、文件、终端、搜索、抓取）；
CDP 驱动：parley 框架通过 Chrome DevTools Protocol 连接本机 Chrome，自动定位 ChatGPT 标签页，用 send-wait 发送消息并等待流式回复结束；
决策循环：agent 解析 GPT 指令 → 用本地能力执行 → 把结果回传 GPT → 读取新指令，周而复始；
完成判定：GPT 明确表示任务完成、或用户主动退出时结束协作。

关键点：不依赖任何 agent 专属工具（如 opencode 的 browser_*），只用 Python + websocket 与 Chrome 通信，因此可迁移到任何支持运行 Python 命令的 agent 环境。

五、安装方式

1. 一行命令安装（推荐）

npx -y @neil9466/gpt-expert-mode

安装器会自动检测本机已安装 agent 的目录，并把 skill 装入每个 agent 的 skills/gpt-expert-mode/：

| 检测目录 | Agent | |---|---| | ~/.agents | 通用约定（opencode 等） | | ~/.claude | Claude Code | | ~/.qoder | Qoder | | ~/.workbuddy | WorkBuddy | | ~/.codex | Codex | | ~/.cursor | Cursor |

一个 agent 都没检测到时，默认安装到 ~/.agents/skills/；
重复执行即为升级（覆盖重装）；
指定目录安装：npx -y @neil9466/gpt-expert-mode --dir ~/.claude/skills。

2. 通过 skills CLI 安装（skills.sh 生态）

npx skills add YangLv2023/gpt-expert-mode

3. Clone 安装（备选）

git clone https://github.com/YangLv2023/gpt-expert-mode.git

skill 本体位于仓库内的 skills/gpt-expert-mode/ 目录——将该目录复制或软链到你的 agent skills 目录（如 ~/.agents/skills/、~/.qoder/skills/）即可，保持目录名 gpt-expert-mode。

4. 准备 Chrome 与 ChatGPT

本机安装 Chrome，要求 Python 3.8+；
Python 依赖无需手动安装（仅 websocket-client）：首次运行任意 parley 命令时，入口脚本会自动检测并安装；
运行任意 parley 命令时会自动拉起带 CDP 调试端口的 Chrome（独立用户数据目录），首次需在弹出的浏览器中登录 ChatGPT，之后会话长期保留；
macOS / Linux / Git Bash 环境也可以用 scripts/start-browser.sh 手动启动浏览器；
首次使用如提示远程调试授权，需在 chrome://inspect/#remote-debugging 中开启并点击"允许"。

5.（可选）注册 MCP 服务器

scripts/parley_mcp.py 将 parley 能力以 stdio JSON-RPC 暴露为 MCP 服务器，供 MCP 客户端直接调用：

{
  "mcpServers": {
    "parley": {
      "command": "python",
      "args": ["<本skill根目录>/scripts/parley_mcp.py"]
    }
  }
}

验证安装

python scripts/parley.py list   # 首次运行会自动安装依赖并拉起 Chrome

能列出标签页即说明 CDP 链路正常。

六、快速使用

本 skill 支持两种模式，对 agent 说出对应触发词即可：

专家模式（持续协作，GPT 深度接管任务）：

"使用 gpt 专家模式" / "进入 gpt 专家模式" / "切换到 gpt 专家模式"
"让 GPT 来决策" / "由 GPT 主导" / "GPT 说了算"

激活后 agent 会自动走完：启动 Chrome CDP → 定位 ChatGPT 标签 → 声明协作身份 → 进入执行循环。

快速问答（单轮咨询，把问题原样交给 GPT 并返回答案）：

"用 GPT 回答" / "问一下 GPT" / "让 ChatGPT 来回答"

手动驱动（了解底层时用）：

python scripts/parley.py list                                    # 列出标签页，找到 ChatGPT 的 tab_id
python scripts/parley.py navigate <tab_id> "https://chatgpt.com/"
python scripts/parley.py send-wait <tab_id> "你的问题" --timeout 60000   # 发送并等完整回复（推荐）
python scripts/parley.py read <tab_id>                           # 读取 GPT 最新回复
python scripts/parley.py poll <tab_id>                           # 轮询等待新内容

退出：GPT 明确说"任务完成"、或用户说"退出 gpt 专家模式"即终止。

七、架构目录

gpt-expert-mode/
├── README.md                    # 英文说明（默认）
├── README.zh-CN.md              # 中文说明
├── package.json                 # npm 发布配置（@neil9466/gpt-expert-mode）
├── bin/
│   └── install.js               # 一行安装器：npx -y @neil9466/gpt-expert-mode，自动检测 agent 目录
├── LICENSE                      # MIT 许可证（含内嵌 parley 框架的授权声明）
└── skills/
    └── gpt-expert-mode/         # skill 本体（agentskills.io 标准结构，由 skills.sh 索引）
        ├── SKILL.md             # skill 定义：角色约定、激活流程、执行循环（agent 入口）
        ├── requirements.txt     # Python 依赖清单（websocket-client）
        ├── assets/
        │   └── example.png      # 协作示例截图
        ├── references/
        │   └── browser-reference.md  # 浏览器操作参考文档
        └── scripts/
            ├── parley.py            # CLI 入口：python scripts/parley.py <command>
            ├── parley_mcp.py        # MCP 服务器（stdio JSON-RPC）
            ├── start-browser.sh     # 浏览器启动助手（macOS/Linux/Git Bash）
            └── parley/              # 内嵌的 parley 框架
                ├── core.py          # CDP 传输层：list_tabs / evaluate / click / navigate / cookies...
                ├── workflows.py     # AI 工作流：send / send_and_wait / poll / bridge...
                ├── cli.py           # 命令行解析
                └── adapters/        # 站点适配器（自动识别标签页所属 AI 站点）
                    ├── base.py      #   适配器基类
                    ├── js.py        #   通用 DOM 发现 JS 代码库（跨站点输入框/消息定位核心）
                    ├── chatgpt.py   #   ChatGPT 适配
                    ├── claude.py    #   Claude 适配
                    ├── gemini.py    #   Gemini 适配
                    ├── grok.py      #   Grok 适配
                    └── generic.py   #   通用兜底适配

分层设计：core.py（CDP 传输）与 workflows.py（对话工作流）完全解耦，adapters/ 屏蔽各 AI 站点的 DOM 差异——理论上换一个 adapter 就能把"主脑"换成 Claude / Gemini / Grok 网页版。

八、安全说明

本 skill 通过 CDP 控制本地浏览器，并具备执行命令/读写文件的能力，因此内置了明确的安全边界（详见 SKILL.md 中的**安全策略（Security Guidelines）**章节）：

CDP 访问控制（v1.2.2）：自动启动的 Chrome 仅接受环回来源（http://localhost:9222、http://127.0.0.1:9222）的调试连接，已移除原先的 --remote-allow-origins=*（此前任意网页都可驱动调试 WebSocket）。
Cookie 保护（v1.2.2）：parley cookies 默认将 cookie 值脱敏为 [REDACTED]；使用 --full（CLI，需确认）或 allow_sensitive_data=true（MCP）显式开启后才返回真实值。凭据不得转发给外部 AI。
外部内容隔离（v1.2.2）：从网页读取的内容视为不可信数据而非指令。bridge 转发时带 [RELAYED_CONTENT] 边界标记，read-dom/extract 结果携带来源 URL。
agent 指令边界：agent 执行 GPT 决策的同时遵守用户授权、本地安全边界、工具权限约束与敏感数据保护规则——冲突时以安全策略优先。

2026-08-25 由 skills.sh 三方独立安全审计（Gen Agent Trust Hub、Socket、Snyk）标记本 skill。v1.2.2 加固后，已确认的 CDP 攻击面被关闭；剩余项属于浏览器自动化类 skill 固有的设计取舍（例如 agent 按设计具备本地命令执行能力）。v1.2.2 发布后可重新运行审计查看最新结果。

九、鸣谢

本 skill 的浏览器协作能力基于开源项目 parley 二次开发而来。

原项目：Satyajeet-04/parley —— 一个轻量级的 CDP 浏览器自动化 + AI 对话工作流框架，仅依赖 websocket-client 即可驱动 ChatGPT / Gemini / Claude / Grok 等网页版 AI。
二次开发内容：在原框架基础上，封装出完整的 agent skill 形态——角色约定与激活流程（SKILL.md）、"GPT 决策 / agent 执行"的协作循环、快速问答模式（单轮 ask GPT）、MCP 服务器封装（parley_mcp.py）、依赖自动安装，以及面向中文环境的适配说明。
许可：原项目采用 MIT 协议，本 skill 沿用 MIT 并在 LICENSE 中保留原版权声明。

🙏 特别感谢 @Satyajeet-04 —— 如果没有 parley 这样简洁优雅的 CDP 框架，就没有本 skill 的一切。强烈推荐 star 原项目。

十、补充说明

环境变量

| 变量 | 默认值 | 说明 | |---|---|---| | PARLEY_CDP_HOST | localhost | CDP 主机 | | PARLEY_CDP_PORT | 9222 | CDP 端口 | | PARLEY_USER_DATA_DIR | ~/AppData/Local/Temp/chrome-parley | Chrome 用户数据目录 |

使用须知

登录态：若 ChatGPT 页面提示需要登录，agent 会停止并提醒你手动登录；
超时：send-wait 默认 60s 超时，GPT 长回复时可适当调大 --timeout；
Windows 兼容：脚本已内置 PYTHONIOENCODING=utf-8 处理，中文输出无乱码；
执行边界：agent 虽服从 GPT 决策，但涉及删除、推送等高风险操作时仍建议用户亲自确认——GPT 也可能犯错，请核查重要信息；
隐私提示：任务上下文会发送到你自己的 ChatGPT 页面，仅你可见，但请勿在任务中携带机密凭证。

两种使用模式

本 skill 内置"专家模式"与"快速问答"两种模式（无需额外安装任何其他 skill）：

| 模式 | 触发方式 | 适用 | |---|---|---| | 专家模式 | "使用 gpt 专家模式"、"GPT 说了算" | 持续、多轮、深度接管的复杂任务 | | 快速问答 | "用 GPT 回答"、"问一下 GPT" | 单轮咨询，原样转发问题与答案 |

两种模式共享同一套 parley 基础设施：前者是持续的决策循环，后者是轻量的单轮问答通道。