利用ChatGPT的付费计划可以解锁使用插件的功能，这些插件引入了众多令人惊叹的特性。有很多信息可用，表明创建自己的插件是可行的，且并不像人们想象的那样具有挑战性。然而，说实话，我没有能够一直坚持到最后。准确地说，我在一半的时候停止了努力。通过示例代码，可以轻松创建诸如待办事项列表之类的简单插件。然而，当我想要实现更多具有生产力的插件时，复杂性增加了，这促使我暂时停下来。
- 模型：OpenAI平台提供的各种AI模型，每个模型都针对特定任务进行了优化，使用户能够根据自己的需求选择合适的模型。
- API：提供给外部应用程序与OpenAI平台功能集成的接口，使开发人员能够将各种功能整合到他们的应用程序中。
插件开发流程的步骤如下所示：
- 编写API和OpenAPI规范：为插件定义功能的API经过精心制作。通过OpenAPI规范，API的端点、请求和响应格式得以定义。
总结一下，创建一个 API 并将其连接到 ChatGPT 形成结构，可以使用各种语言和技术堆栈来实现和连接逻辑。此外，不仅仅有插件，还有适用于各种技术堆栈的库可用。(库) Python 的主要使用可能是因为在 AI 使用中注重自动化，在实现此类逻辑时 Python 是一个方便的选择，并且大部分示例资源都是用 Python 编写的，因为缺乏广泛的文档。
开发中的故障排除
那么，我为什么停止了我的插件创建呢？
第一种方法涉及预先解析数据、存储在数据库中以及连接数据。这将确保更快的速度，并允许对数据结构进行定制和修改。然而，缺点是需要在每个文档更新时更新数据库，并且需要维护数据库的成本。
第二种方法是每次发出请求时执行爬取，从文档中提取匹配的终端点结果。尽管存在不断爬取的缺点，但由于可管理的数据大小和消除了数据库配置的方法，这种方法似乎是可行的，因此我选择了这种方法。
版权属于您打算使用的数据或页面。
常见的数据可以通过ChatGPT的默认功能轻松获取，因此无需插件。插件通常用于访问内部文件或特定数据，在这种情况下，遵守版权条款和机器人排除标准非常重要。在我的情况下，swift.org有以下robots.txt文件，允许网络爬虫访问，除了/builds/目录。
User-agent: *
Disallow: /builds/
