chatgpt-plugin
chatgpt-plugin 是一款专为 Miao-Yunzai 和 Yunzai-Bot 机器人框架设计的智能聊天插件。它以 Chaite 为核心引擎,将多模型接入、工具调用、知识库检索及记忆管理等功能封装成一套完整的解决方案,让 QQ 机器人具备强大的对话与交互能力。
该工具主要解决了传统机器人在多轮对话上下文保持、多模态信息处理(如图片、语音)以及个性化角色扮演的配置难题。通过内置的“伪人模式”,它能模拟真实用户的发言习惯,在群聊中自然互动;同时结合 RAG 技术与向量索引,支持挂载外部知识库和长短期记忆,显著提升了回答的准确性与连贯性。
chatgpt-plugin 非常适合拥有 Yunzai 机器人基础的开发者、运维人员以及希望打造高智能社群助手的进阶用户使用。其独特亮点在于提供了可视化的 Web 管理面板,用户无需深入代码即可通过图形界面配置渠道、预设和触发器;此外,它还支持本地高并发部署与云端服务无缝切换,并具备自动更新机制,极大降低了维护成本。无论是构建复杂的角色扮演场景,还是搭建专业的社群问答助手,它都能提供灵活且稳定的技术支持。
使用场景
某二次元游戏社群的群主希望将 QQ 机器人升级为能记住群友梗、主动参与闲聊且支持多模型切换的智能助手。
没有 chatgpt-plugin 时
- 机器人只能机械回复指令,无法理解上下文,群友每次提问都需重新描述背景,互动体验割裂。
- 缺乏长期记忆能力,昨天讨论的“公会战攻略”今天再问,机器人如同失忆般一无所知。
- 想要切换不同风格的回答(如严肃科普或卖萌陪聊),必须手动修改底层代码或重启服务,运维成本极高。
- 机器人永远被动等待 @,无法在群聊冷场时主动抛梗或参与讨论,社群活跃度难以维持。
- 面对图片或多模态信息束手无策,群友发送的游戏截图无法被识别和分析。
使用 chatgpt-plugin 后
- 依托内置的记忆系统与群上下文功能,机器人能自动关联前 20 条聊天记录,流畅进行多轮对话而不丢失语境。
- 通过向量索引技术自动沉淀“群记忆”,群友随时询问过往攻略或趣事,机器人均能精准检索并回答。
- 利用可视化管理面板和预设体系,群主可一键切换“毒舌吐槽”或“温柔客服”模式,无需重启即可生效。
- 开启 BYM 伪人模式后,机器人能按概率主动发言、命中关键词接话甚至模拟“发完撤回”的真实人类行为。
- 原生支持多模态输入,群友直接发送游戏截图,机器人即可识别内容并结合上下文给出战术建议。
chatgpt-plugin 将原本冰冷的指令机器转化为拥有记忆、性格与主动性的社群伙伴,极大提升了互动深度与运营效率。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始


插件v3大幅重构中,基本可用,持续完善中。遇到问题请提issue,欢迎PR。 todo列表:
- 插件v3重构完成,插件基本功能可用,持续完善中。
- RAG知识库
- 预设更详细的配置
- 自定义触发器
- 自定义插件
- 兼容mcp
插件简介
ChatGPT-Plugin 以 Chaite 为内核,将多模型渠道、工具、处理器、触发器、RAG 和管控面板封装成一套适配 Miao-Yunzai / Yunzai-Bot 的插件方案。通过 Chaite 的 API 服务器与可插拔的存储层(默认 SQLite),插件可以在本地完成高并发对话、知识库检索、伪人陪聊以及记忆管理,亦可接入 Chaite Cloud 复用在线渠道与工具。
核心特性
- 多渠道与预设体系:依托 Chaite 的 ChannelsManager 与 ChatPresetManager,支持为不同模型配置流量、负载均衡与个性化 prompt,群友也可在授权后自助切换预设。
- 高级消息适配:前后文触发方式支持
@Bot与前缀;自动处理引用、图片、语音等多模态输入,并在工具调用或推理阶段通过转发消息回显。 - 群上下文与伪人模式:可按配置注入指定条数的群聊记录;BYM 伪人模式支持概率触发、关键词命中、预设覆盖及限时撤回,营造更拟人的陪聊体验。
- 记忆与 RAG:内置 memoryService + vectra 向量索引,提供群记忆、私人记忆与外部知识库(RAGManager)注入能力,支持混合检索与手动管理。
- 可视化与指令双管控:
#chatgpt管理面板一键获取面板 token,Web 端即可操作渠道、工具、触发器;同时保留完整的命令行 CRUD 指令。 - 自动更新与依赖管理:
#chatgpt更新/#chatgpt强制更新调用 git 同步仓库并自动更新 chaite 依赖,减少手动维护成本。
快速安装
- 克隆代码
cd plugins git clone https://github.com/ikechan8370/chatgpt-plugin.git - 安装依赖(推荐 Node.js ≥ 18 + pnpm ≥ 8)
若安装日志出现cd chatgpt-plugin pnpm installIgnored build scripts: better-sqlite3或运行时报错找不到better-sqlite3bindings,可执行pnpm approve-builds,在交互列表中勾选全部或仅better-sqlite3以允许编译。然后再次pnpm install - 在 Yunzai 中启用插件
- 重启机器人或运行
node app让插件自动加载。 - 首次启动会在
plugins/chatgpt-plugin/config/下生成config.json / config.yaml。
- 重启机器人或运行
- 保持更新
- 主人账号发送
#chatgpt更新获取最新版本。 #chatgpt强制更新会放弃本地修改后重新拉取,请谨慎使用。
- 主人账号发送
配置指引
配置文件默认位于 plugins/chatgpt-plugin/config/config.json,也可改写为 YAML。常用字段示例:
basic:
toggleMode: at # at / prefix
togglePrefix: "#chat" # prefix 模式下的触发词
commandPrefix: "#chatgpt" # 管理指令前缀
llm:
defaultModel: "gpt-4o-mini"
defaultChatPresetId: "default"
enableGroupContext: true
groupContextLength: 20
bym:
enable: false
probability: 0.02
defaultPreset: "bym_default"
chaite:
cloudApiKey: "" # 可选,接入 Chaite Cloud
host: "0.0.0.0"
port: 48370
memory:
group:
enable: false
enabledGroups: ["123456"]
user:
enable: false
whitelist: ["123456789"]
- basic:控制触发方式、调试与命令前缀。
- llm:定义默认模型、嵌入模型、群上下文等。
defaultChatPresetId需在面板或命令中提前创建。 - chaite:
storage默认 SQLite,会在plugins/chatgpt-plugin/data/data.db生成数据文件;如接入 Chaite Cloud,请填入cloudApiKey并开放host/port。 - bym:配置伪人触发概率、关键词映射、撤回与思考内容开关。
- memory:为群记忆或私人记忆开启检索、模型与提示词,可按需启用
extensions.simple以加载自定义词典。
修改后保存文件,插件会自动热加载;在 Chaite 面板修改配置时也会反向写回本地文件。
使用方式
基础对话
@Bot 你好或#chat 今天天气如何触发默认预设,插件会保持用户conversationId与messageId,自动续写多轮对话。- 回复图片/文本可作为上下文输入,模型返回的图片、语音与思考内容会自动转换为 QQ 消息或转发记录。
#结束对话仅清空自己的会话;#结束全部对话需主人权限。
管理命令 & 面板
#chatgpt管理面板:生成一次性 token,访问http://<host>:<port>即可使用 Chaite Web 面板。- CRUD 命令示例(均支持
列表 / 添加 / 查看 / 删除):#chatgpt渠道列表 #chatgpt预设添加 角色扮演 {...} #chatgpt工具删除 web-search #chatgpt处理器查看 markdown #chatgpt调试模式开关、#chatgpt伪人开关等指令可快速切换全局开关。
伪人(BYM)模式
- 在配置中启用
bym.enable并指定defaultPreset或presetMap。 - 伪人会在命中关键词或达到概率阈值时主动发言,可通过
presetPrefix调整统一人设,temperature/maxTokens控制语气与长度。 - 支持为不同关键词配置
recall秒数,实现“发完撤回”效果。
记忆系统
- 群记忆指令
#群记忆 #仅群聊 #删除群记忆 1 #主人或群管 #记忆列表 #主人查看全局开关 - 私人记忆指令
#记忆 / 我的记忆 #他的记忆 @xxx #群聊内查看他人(需其授权) #删除记忆 1 - 记忆抽取依赖配置中的
memory.group/memory.user模型与预设,collector 会定期读取群聊历史,必要时可在enabledGroups中按群号白名单控制。
更新与维护
#chatgpt更新:git pull 插件仓库并使用 pnpm/npm 更新 chaite 依赖。#chatgpt强制更新:在更新前执行git checkout .,用于舍弃本地改动。- 日志会通过转发消息发送最近 20 条 commit,方便追踪版本变化。
赞助
如果觉得本项目好玩或者对你有帮助,愿意的话可以赞助我一口快乐水:
https://afdian.net/a/ikechan8370
贡献者
感谢以下贡献者
Star History
版本历史
v2.8.42025/02/16v2.8.32025/02/03v2.8.22024/12/12v2.8.12024/03/08v2.7.102024/02/18v2.7.92024/01/17v2.7.82023/12/10v2.7.72023/10/25v2.7.62023/10/14v2.7.52023/09/23v2.7.42023/09/08v2.7.32023/07/21v2.7.12023/06/25v2.7.02023/06/24v2.6.22023/05/24v2.6.12023/05/21v2.6.02023/05/12v2.5.92023/05/05v2.5.82023/04/29v2.5.72023/04/22常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单,汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点,这份清单按编程语言(如 Python、C++、Go 等)和应用场景(如计算机视觉、自然语言处理、深度学习等)进行了系统化分类,帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库,还是资深工程师对比不同语言的技术选型,都能从中获得极具价值的参考。此外,清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源,构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准:明确标记已停止维护或长期未更新的项目,确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”,awesome-machine-learning 以开源协作的方式持续更新,旨在降低技术探索门槛,让每一位从业者都能高效地站在巨人的肩膀上创新。
