OpenAI Chat API Workflow for Alfred：将 GPT 的力量装进你的 Mac 启动器

从一个痛点说起

你在写代码时遇到一个陌生概念，习惯性打开浏览器→访问 ChatGPT→等待页面加载→粘贴问题→等待回答——整个过程至少 30 秒，还不算分心的风险。或者你想把一段英文音频转录成文字，需要打开网页、点击上传、等待处理。而 Yoichiro Hasebe 这位独立开发者，在日复一日的文档撰写工作中，受够了在多个窗口间来回切换，最终决定：如果 Mac 上最强大的启动器 Alfred 能直接对话 GPT，一切会不会不同？

这就是 OpenAI Chat API Workflow for Alfred 的起点——一个将 OpenAI 全套能力（GPT 对话、图像生成、语音转写、文字转语音、文件理解）深度嵌入 macOS 启动器的 Alfred 5 插件。

图1：OpenAI Chat API Workflow for Alfred 整体架构

技术定位：不是又一个 ChatGPT 网页

市面上的 AI 对话工具多如牛毛，但大多数停留在"网页对话"层面。这款工作流的本质，是将 OpenAI API 变成 macOS 的原生系统能力。 它的核心价值在于三点：

1. 与操作系统深度融合。 通过 Alfred 的全局热键（可自定义），用户在任何应用、任何界面中，选中一段文字，按下快捷键，即可让 GPT 帮你翻译、解释、续写或审查——无需切换窗口。选中一段代码，按下热键，立刻获得 AI 代码审查意见。这种"随时召唤 AI"的工作流，是网页对话无法实现的体验。

2. Web UI 扩展交互边界。 除了 Alfred 原生界面，Workflow 还内置了一个本地 Web 服务器（默认端口 8787），在浏览器中呈现完整的对话界面。它支持深色/浅色主题切换，提供实时流式输出（WebSocket 推送），在单一滚动页面中展示完整对话历史，还能导出为 JSON 格式存档。

图2：本地 Web UI（深色主题），对话直接在浏览器中流式呈现

3. 模型覆盖最全面。 从 GPT-5 系列（gpt-5.5、gpt-5.4、gpt-5.4-mini、gpt-5.4-nano）到图像生成（gpt-image-2、gpt-image-1.5），从语音合成（gpt-4o-mini-tts）到语音转写（gpt-4o-mini-transcribe），再到 Whisper 语音识别，一个 Workflow 打通了 OpenAI 当前所有主要 API 能力。开发者可以在这里一站式体验 OpenAI 最新模型，无需逐个注册不同服务。

架构解析：Ruby 脚本 + Alfred 对象模型

从技术实现看，这是一个典型的 Alfred Powerpack 插件，核心代码由 Ruby 编写。项目启动时在本地启动 WEBrick HTTP 服务器（默认端口 8787），负责接收浏览器请求、与 OpenAI API 通信，并通过 WebSocket（默认端口 8080）将流式响应推送回浏览器。这是一个纯本地优先的架构：API 调用直接从用户的 Mac 发往 OpenAI 服务器，中间不经过任何第三方中转。

Workflow 文档特别强调："Your chat messages are not shared online with anyone other than OpenAI"，OpenAI 也不会将 API 平台的数据用于模型训练。这意味着对话隐私完全由 OpenAI 的 API 政策保障。

核心运行流程：用户操作（Alfred/热键/Web UI）→ 本地 HTTP Server（Ruby/WEBrick，端口 8787）→ OpenAI Chat/Image/TTS/STT API → WebSocket Server（端口 8080）→ 浏览器实时显示流式响应。

核心功能拆解

1. GPT 对话（主力功能）

用户可以通过三种方式发起对话：

• Alfred 关键词命令：在 Alfred 输入框输入 openai <问题> 或 gpt <问题>，直接在 Alfred 中获得回复
• 选中文字 + 热键：在任何应用中选中文字，按下自定义热键，将选中内容发送给 GPT 处理（适用于翻译、解释、审查）
• Web UI：在浏览器中打开完整的对话界面，支持历史记录查看和导出

所有方式共享同一个对话历史，上下文自动在多轮对话中累积。Memory Span 参数（默认 10，即 5 轮对话）控制发送给 API 的上下文长度，用户可以平衡质量与费用。

2. 图像生成与编辑

基于 OpenAI 的 gpt-image-2（默认）和 gpt-image-1.5 模型，支持：文生图：输入描述性提示词，生成对应图像。迭代精修（Refine Image）：生成图像后，在下方出现"Refine Image"面板，输入后续指令（如"把背景改成蓝色"），AI 以之前生成的图像为参考继续编辑——完整对话历史都会被发送给 API，保证风格一致性。支持图像尺寸、质量、背景透明、内容审核等精细控制。

图3：Web UI 中的图像生成界面，支持交互式提示词迭代

3. 文件理解（多模态）

支持上传并分析几乎所有常见文件类型：图像（PNG、JPG、GIF、WebP）、文档（PDF、Word、ODT、RTF）、表格（Excel、CSV、TSV）、演示（PowerPoint）、代码（.py、.rb、.js、.ts、Java、C/C++、Go、Rust、Swift、SQL 等数十种）。文件通过 OpenAI Files API 上传，每个响应完成后自动从 OpenAI 存储中删除（auto-delete 机制），最大单文件 50MB。还支持屏幕捕获分析（截取屏幕任意区域发送给 GPT Vision 分析）和 Finder 文件右键菜单。

图4：Web UI 中的文件上传与视觉理解界面

4. 语音合成（TTS）与语音识别（STT）

文字转语音：将 GPT 的回复或用户选中的文字，通过 OpenAI 的 TTS API（支持 tts-1、tts-1-hd、gpt-4o-mini-tts）转换为自然语音。支持 10 种声音风格（alloy、ash、ballad、coral 等），可调节语速（0.25× - 4×）。

语音转文字：实时录音（Web UI 中按下"Voice Input"按钮，通过浏览器内置 Web Audio API 录制语音，直接转写为文字，无需安装额外依赖）、音频文件转写（mp3/mp4/flac/webm/wav/m4a，通过 Universal Action 发送给 Whisper 或 GPT-4o-mini-transcribe）、时间戳字幕（支持 text、srt、vtt 格式，srt/vtt 附带精确时间轴）。

5. 代码辅助（开发者友好）

虽然定位不是专门的代码助手，但代码处理能力同样完善。选中代码片段，按下热键，GPT 可以完成：代码解释、语法纠错、代码审查、安全漏洞检测、代码重构建议等任务。从 v4.0 起支持 GPT-5 系列模型的 reasoning effort 参数，在处理复杂代码分析时可以调节推理深度（minimal/low/medium/high/xhigh）。

图5：代码片段分析与审查界面

上手体验：零依赖安装

这是该项目最令人印象深刻的设计原则之一——无需 Homebrew，无需 Python 环境，无需 Node.js，下载即用。 所有功能依赖 macOS 内置工具和 Alfred 本身的运行时。下载 .alfredworkflow 文件后，在 Alfred 中双击导入，设置 OpenAI API Key 和辅助功能权限（macOS 系统偏好设置中需开启 Alfred 的 Accessibility 权限），即可使用。

图6：Workflow 各快捷命令一览（通过 Alfred Configuration Builder 查看）

争议与局限

1. 平台锁定问题。 这是一款 macOS 独占工具（需要 Alfred 5 Powerpack），Windows/Linux 用户完全无法使用。对于跨平台团队而言，缺乏统一的解决方案。

2. API 费用风险。 所有 AI 能力均通过 OpenAI API 实现，用户需要自备 API Key 并承担实际用量费用。项目默认选用"mini"级别模型（gpt-5.4-mini）以控制成本。

3. 无法离线使用。 所有功能依赖 OpenAI API，网络连接是硬性要求。在网络受限或 OpenAI 服务不可用时，Workflow 完全失效。

4. 模型更新滞后。 虽然 CHANGELOG 显示作者积极跟进 OpenAI 新模型发布，但每次模型更新都需要等待 Workflow 版本发布才能使用。

行业意义与增长趋势

该项目自 v1.0 至今已迭代至 v5.1.0，完整见证了 OpenAI 从 GPT-4 到 GPT-5 的能力演进。GitHub 上获得 318 Stars、11 Forks，在 Alfred Workflow 生态中属于活跃项目。

从增长趋势看，将 AI 能力操作系统级嵌入是 2024-2026 年最显著的工具类应用方向之一。Raycast AI 集成 GPT 对话、Windows Copilot 嵌入系统任务栏、Chrome/VS Code AI 插件无处不在——而这款 Workflow 的独特之处在于：专注于"快速召唤 AI 处理"的极细粒度场景。无论是选中一段文字做翻译、截取一个屏幕做分析，还是录音转字幕——每一个操作都在 2-3 秒内完成。这种"AI as instant reaction"的理念，代表了效率工具的正确方向：不是让用户去适应 AI，而是让 AI 无缝融入已有的工作流。

项目活跃的 CHANGELOG（5.0.0 一次更新移除了 12 个旧命令模式并新增了大量能力）表明作者在持续倾听用户反馈。MIT 许可证、详尽的英文文档（超过 23000 字符的 README）、积极的版本迭代，共同构成了一个高质量独立开发者工具的范本。

---

本分析基于 GitHub 仓库 v5.1.0 版本，结合 README、CHANGELOG 和文件结构综合生成。