plugins-quickstart

GitHub
4.2k 713 简单 2 次阅读 今天MIT语言模型插件
AI 解读 由 AI 自动生成,仅供参考

plugins-quickstart 是一个专为开发者设计的快速启动模板,旨在帮助你在 5 分钟内用 Python 构建并运行一个基础的 ChatGPT 插件(以待办事项列表功能为例)。它主要解决了新手在开发 ChatGPT 插件时面临的环境配置复杂、起步门槛高等痛点,提供了一套开箱即用的代码框架和清晰的本地部署指南。

通过简单的命令行操作,用户即可安装依赖并启动本地服务器,随后直接在 ChatGPT 界面中连接本地地址进行调试与交互。虽然 OpenAI 官方已推出功能更强大的 GPTs(智能体)来逐步替代传统插件模式,但 plugins-quickstart 依然是理解插件架构、manifest 文件配置以及本地开发流程的绝佳入门工具。

该项目特别适合希望快速上手 ChatGPT 生态开发的程序员、技术爱好者或想要验证原型想法的研究人员。其核心亮点在于极简的部署流程和与官方文档的紧密衔接,让开发者能跳过繁琐的基础搭建,专注于业务逻辑的实现。如果你正计划探索如何扩展 ChatGPT 的能力边界,或者想为过渡到创建带有 Action 的 GPTs 打下坚实基础,plugins-quickstart 将是你高效的起点。遇到开发难题时,社区论坛也提供了相应的支持渠道。

使用场景

独立开发者小李希望为自己的待办事项应用快速集成 ChatGPT 插件,让用户能直接通过自然语言管理任务。

没有 plugins-quickstart 时

  • 需要从头研究 OpenAI 复杂的插件清单(Manifest)规范和 API 接口定义,文档阅读成本高。
  • 手动搭建本地测试服务器并配置 CORS 跨域策略,极易因环境配置错误导致连接失败。
  • 缺乏标准的代码脚手架,必须自行编写路由逻辑和数据处理层,开发耗时数小时甚至数天。
  • 调试过程繁琐,无法快速验证插件是否被 ChatGPT 正确识别,反复修改配置令人沮丧。
  • 由于官方已转向 GPTs 架构,新手容易在过时的技术路径上浪费精力,难以找到正确的入门指引。

使用 plugins-quickstart 后

  • 直接运行预设的 Python 脚本,5 分钟内即可生成符合规范的待办事项插件原型,无需深究底层细节。
  • 内置本地服务器配置,自动处理跨域问题,只需一行命令 python main.py 即可启动服务。
  • 提供完整的代码框架和示例逻辑,开发者只需关注业务功能,无需重复造轮子编写基础路由。
  • 支持一键在 ChatGPT 界面中通过 localhost:5003 加载测试,实时对话验证“添加任务”等功能,反馈即时。
  • 清晰指引从 Plugin 到 GPT Actions 的技术演进路线,帮助开发者避开技术坑点,快速上手最新架构。

plugins-quickstart 将原本需要数天的插件开发流程压缩至分钟级,让开发者能专注于核心业务逻辑而非基础设施搭建。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具是一个本地运行的 Python Web 服务器(默认端口 5003),用于演示 ChatGPT 插件功能。注意:OpenAI 插件功能已被 GPTs Actions 取代。运行后需在 ChatGPT 网页端的插件商店中选择'开发自己的插件'并指向 localhost:5003 进行配置。
python未说明
requirements.txt 中定义的依赖 (具体列表未在 README 中展示)
plugins-quickstart hero image

快速开始

ChatGPT 插件快速入门

只需不到 5 分钟,即可使用 Python 将 ChatGPT 插件部署并运行于本地,生成一个待办事项列表。该插件专为与 ChatGPT 插件文档 配合使用而设计。目前,插件已逐渐被 GPT 所取代,如需了解更多信息,请参阅 使用操作创建 GPT

在本地进行设置

要安装此插件所需的各类软件包,请运行以下命令:

pip install -r requirements.txt

要运行插件,请输入以下命令:

python main.py

当本地服务器启动后:

  1. 打开浏览器,访问 https://chat.openai.com。
  2. 在“模型”下拉菜单中,选择“插件”(请注意,如果未在该处看到插件,则说明您当前尚未获得相应权限)。
  3. 选择“插件商店”。
  4. 选择“开发自己的插件”。
  5. 输入 localhost:5003,因为这是服务器在本地运行的 URL,然后点击“查找清单文件”。

至此,插件已成功安装并启用!您可以从“What is on my todo list”这样的问题开始,随后尝试向待办事项列表中添加内容!

获取帮助

如果您在使用过程中遇到问题或对插件开发有疑问,请加入我们的 开发者社区论坛

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架

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。

74.9k|★★★☆☆|今天
语言模型图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架