all-in-aigc/gpts-works · 上手攻略

仓库：all-in-aigc/gpts-works
链接：https://github.com/all-in-aigc/gpts-works
分类：ai-platform
作者：Tom
更新：2026-08-22

是什么

GPTs Works 是一个第三方 GPTs 商店，帮助用户发现、搜索和分享 ChatGPT 自定义 GPT。项目包含三部分：

网站（web/）：GPTs 展示站点，线上演示 https://gpts.works
索引系统（index/）：基于向量数据库的 GPTs 语义搜索引擎
浏览器插件（extension/）：在 ChatGPT 探索页面侧边栏显示第三方 GPTs

解决什么问题

OpenAI GPT Store 里找 GPT 靠官方推荐和搜索，缺乏社区驱动的第三方 GPTs 发现渠道。GPTs Works 用向量检索解决"我的需求有哪些 GPTs 能满足"的发现问题，配合浏览器插件让用户在各页面直接看到可用 GPTs。

快速安装

git clone https://github.com/all-in-aigc/gpts-works.git
cd gpts-works

# 1. 创建 Vercel Postgres 数据库（https://vercel.com/docs/storage/vercel-postgres）
# 2. 在数据库执行建表 SQL（见下）

# web 部分
cd web
pnpm install
# 创建 .env
cat >> .env << 'EOF'
POSTGRES_URL="postgres://default:xxx@xxx.postgres.vercel-storage.com/verceldb"
INDEX_API_BASE_URI="http://127.0.0.1:8068"
INDEX_API_KEY="gsk-xxx"
EOF
make dev
# 访问 http://localhost:8067

# index 部分
cd ../index
pip install -r requirements.txt
# 创建 .env
cat >> .env << 'EOF'
DATABASE_URL=postgres://default:xxx@xxx.postgres.vercel-storage.com:5432/verceldb
AZURE_API_KEY=xxx
AZURE_API_BASE=https://xxx.openai.azure.com/
AZURE_API_VERSION=2023-07-01-preview
AZURE_LLM_MODEL=gpt-35-turbo-16k
AZURE_EMBED_MODEL=text-embedding-ada-002
STORE_TYPE=zilliz
STORE_URI=https://xxx.zillizcloud.com
STORE_TOKEN=xxx
STORE_DIM=1536
STORE_COLLECTION=gpts
INDEX_API_KEY=gsk-xxx
EOF
make dev

# 构建索引
curl -X POST -H "Authorization: Bearer gsk-xxx" http://127.0.0.1:8068/gpts/index

# 搜索测试
curl -X POST -H "Authorization: Bearer gsk-xxx" -H "Content-Type: application/json" \
  -d '{"question": "What GPTs are used for coding?"}' \
  http://127.0.0.1:8068/gpts/index

# extension 部分
cd ../extension
pnpm install
make dev
# Chrome: chrome://extensions/ → 加载解压的扩展程序

建表 SQL（Postgres）

CREATE TABLE gpts (
  id SERIAL PRIMARY KEY,
  uuid VARCHAR(255) UNIQUE NOT NULL,
  org_id VARCHAR(255),
  name VARCHAR(255),
  description TEXT,
  avatar_url TEXT,
  short_url VARCHAR(255),
  author_id VARCHAR(255),
  author_name VARCHAR(255),
  created_at timestamptz,
  updated_at timestamptz,
  detail JSON,
  index_updated_at INT NOT NULL DEFAULT 0
);

核心架构

GPTs Works
├── web/        — Next.js 网站，端口 8067
├── index/      — FastAPI 索引服务，端口 8068
│                 ├── Zilliz Cloud 向量存储/检索
│                 ├── Azure OpenAI embedding
│                 └── Vercel Postgres 元数据
└── extension/  — Plasmo 浏览器插件

检索流程：用户查询 → FastAPI → Azure embedding → Zilliz 向量检索 → 返回 GPTs 列表。

典型适用场景

搭建自己的 GPTs 商店：部署一套私有 GPTs 搜索引擎
社区 GPTs 导航站：聚合第三方 GPTs 做垂直导航
向量检索练手：学习 FastAPI + Zilliz + Azure OpenAI 的组合用法
插件开发参考：Plasmo 框架开发 ChatGPT 浏览器插件的实战参考

坑与注意

⚠️ Azure OpenAI 依赖：index 服务依赖 Azure GPT-35-turbo-16k（不是 OpenAI 原生 API），需要自行准备 Azure 账号和 API 密钥。
⚠️ Zilliz Cloud 收费：向量数据库 Zilliz Cloud 有用量费用，学习测试注意额度。
⚠️ GPTs 数据需自行导入：README 没有提供数据导入脚本，需要手动往 Postgres 插 GPTs 数据，或从 GPTs Hunter 获取。
⚠️ 环境变量多：web + index + extension 各自需要独立的 .env 配置，相互依赖关系复杂。
pnpm 优先：web 和 extension 用 pnpm，不是 npm 或 yarn。
index 服务跨域：web 访问 INDEX_API_BASE_URI=http://127.0.0.1:8068，本地开发需注意 CORS 配置。

技术栈

部分	技术
网站	Next.js（⚠️ 具体版本未标注）
索引 API	FastAPI
向量数据库	Zilliz Cloud
嵌入模型	Azure text-embedding-ada-002（⚠️ ada-002 即将废弃，2026 年 8 月）
数据库	Vercel Postgres
浏览器插件	Plasmo
部署	Vercel

与同类对比

项目	定位	检索方式
GPTs Works	第三方 GPTs 商店	Zilliz 向量 + 语义搜索
GPTs Hunter	GPTs 数据聚合	爬虫 + 分类
OpenGPTs (OpenGPTs)	自托管 ChatGPT 替代	本地向量库

GPTs Works 的差异化在于完整的端到端方案（前端 + 索引 + 插件），不是单一组件。

一句话推荐结论

三方 GPTs 商店的完整参考实现，Next.js + FastAPI + Zilliz 全家桶，但生产部署需自备 Azure 和 Zilliz 账号，适合学习向量检索全链路。

来源

GitHub README：https://github.com/all-in-aigc/gpts-works
在线演示：https://gpts.works
GPTs Hunter 数据源：https://www.gptshunter.com