1. 项目概述与核心价值

最近在折腾AI编程工具，发现Cursor这个基于GPT的IDE确实好用，但它的Pro版本有个让人头疼的限制：需要关联一个有效的ChatGPT账号，并且这个账号的登录状态（Access Token）会过期。一旦Token失效，Cursor Pro的高级功能就停摆了，非常影响深度开发时的连续性。手动去ChatGPT网页端登录刷新Token，不仅麻烦，还经常打断思路。为了解决这个痛点，我花时间研究并整合了一套自动化方案，核心就是两个Python脚本：一个负责自动获取并刷新ChatGPT的Access Token，另一个负责确保Cursor Pro客户端保持“活跃”状态，从而间接维持Token的有效性。

这套工具的本质，是构建了一个本地化的、自动化的凭证管理与状态维持系统。它特别适合那些重度依赖Cursor Pro进行编码、且希望获得稳定无中断体验的开发者。你不用再担心写着写着代码，AI辅助突然消失。整个方案运行在你的本地环境或服务器上，完全自托管，不涉及修改任何Cursor客户端软件，安全性和可控性都更高。下面，我就把这套方案的实现思路、详细步骤以及我踩过的坑，毫无保留地分享出来。

2. 方案架构与核心组件解析

2.1 整体工作流程设计

整个自动化系统的运行逻辑是一个闭环。首先，我们需要一个稳定的“信源”来提供ChatGPT的登录凭证。这里我选择了微软别名邮箱（Outlook）作为接收验证码的渠道，因为它相对稳定，且可以通过API自动化操作。然后，核心脚本 gpt-accesstoken.py 会利用这些凭证，模拟浏览器行为登录ChatGPT，并提取出关键的Access Token。最后， cursor_pro_keep_alive.py 脚本会周期性地向Cursor Pro客户端发送模拟活动信号，使其保持在线状态，而Cursor Pro在活跃状态下会持续使用我们提供的有效Token，从而避免因Token过期导致的服务降级。

为什么选择这样的架构？直接去逆向Cursor客户端的通信协议来维持Token，不仅复杂而且可能违反用户协议。而通过维持客户端活跃这个“侧面”方式，是利用了Cursor Pro自身的设计逻辑——只要客户端在运行且活跃，它就会尽力维持当前会话。这种方式更间接，但也更安全、更稳定，不与官方机制直接冲突。

2.2 核心脚本功能拆解

  1. gpt-accesstoken.py (Token获取器)

    • 核心任务 ：自动化完成ChatGPT的登录流程，并捕获登录成功后返回的Access Token。
    • 关键依赖 ： cursor_auth_manager.py 。这个模块封装了登录的复杂逻辑，包括处理可能出现的验证码、人机验证（如Cloudflare Turnstile）等。后来的版本将其功能集成到了主脚本中，使得获取Token的过程更加一键化。
    • 输出 ：一个有效的Access Token字符串。这是整个系统的“燃料”。

  2. cursor_pro_keep_alive.py (保活器)

    • 核心任务 ：模拟用户活动，防止Cursor Pro客户端因长时间无操作而进入休眠或断开与后台服务的连接。
    • 实现原理 ：通常通过模拟鼠标移动、轻微的前台窗口切换，或者向Cursor进程发送特定的系统消息来实现。其目的不是“使用”AI功能，而是制造“用户在线”的假象。
    • 运行模式 ：一般作为后台守护进程运行，定时（例如每5-10分钟）执行一次保活动作。

  3. mail_api.py 与 config.txt (辅助支撑系统)

    • 角色 ：为 gpt-accesstoken.py 提供自动化的验证码获取能力。
    • mail_api.py ：一个封装了微软Graph API调用的模块，用于查询指定邮箱中的最新邮件，并提取验证码。这避免了人工查看邮箱的步骤。
    • config.txt ：配置文件，集中存放敏感和可变的参数，例如：
      • client_id 和 refresh_token : 用于微软API身份验证。
      • ChatGPT的登录账号和密码（注意：密码存储需谨慎，建议仅用于测试环境或配合环境变量）。
      • 保活脚本的运行间隔时间。
    • 安全提醒 ：永远不要将包含真实密码和有效Token的 config.txt 文件提交到Git等版本控制系统。务必将其添加到 .gitignore 文件中。

2.3 工具选型与替代方案探讨

  • 为什么用Python？ Python在自动化脚本、网络请求处理和桌面自动化方面有极其丰富的库（如 requests , selenium , pyautogui , pywin32 等），社区资源丰富，快速原型开发能力强，是此类集成任务的理想选择。
  • 邮箱选择的考量 ：微软邮箱（Outlook/Hotmail）的Graph API比较规范，稳定可靠，并且支持创建别名，可以用一个主邮箱管理多个别名，非常适合这种自动化场景。如果不用邮箱API，也可以考虑使用临时手机号服务（SMS API），但成本更高且稳定性参差不齐。
  • 保活方式的权衡 ：模拟鼠标移动（ pyautogui ）是最通用的，但会真实移动你的光标。发送系统消息或控制前台窗口更隐蔽，但Windows/macOS/Linux的实现方式不同，需要跨平台适配。我目前的脚本可能更偏向Windows环境（使用 pywin32 ），Linux/macOS用户可能需要稍作修改，使用 Quartz (macOS)或 Xlib (Linux)等库。

3. 环境准备与详细配置指南

3.1 Python环境搭建与依赖安装

首先，确保你的系统安装了Python 3.8或更高版本。建议使用虚拟环境来隔离项目依赖，避免污染全局环境。

# 1. 克隆项目代码（假设项目已存在）
# git clone <repository-url>  # 此处根据你的实际来源操作
# cd gpt-cursor-auto

# 2. 创建并激活虚拟环境（以venv为例）
python -m venv venv
# Windows:
venv\Scripts\activate
# Linux/macOS:
source venv/bin/activate

# 3. 安装项目依赖
# 你需要一个 requirements.txt 文件，或者手动安装核心包
pip install requests selenium pyautogui python-dotenv
# 如果用到微软Graph API，还需要
pip install msal
# 如果脚本涉及Windows GUI自动化，可能需要
pip install pywin32

注意 ： selenium 需要对应的浏览器驱动（如ChromeDriver）。你需要根据本地Chrome版本下载匹配的驱动，并将其所在目录添加到系统PATH环境变量中。这是自动登录ChatGPT环节可能遇到的首要挑战。

3.2 微软邮箱API配置详解

这是实现全自动获取Token的关键一步。你需要让 mail_api.py 能够代表你读取邮箱中的验证码邮件。

  1. 注册Azure应用 ：

    • 访问 Azure门户 ，进入“Azure Active Directory”。
    • 选择“应用注册”，点击“新注册”。
    • 填写应用名称（如 CursorTokenFetcher ），选择“仅此组织目录中的帐户”（单租户），重定向URI类型选择“Web”，值可以暂时填 http://localhost:8080 （仅用于获取授权码，后续脚本中不会真正启动服务）。
    • 注册完成后，记下“应用程序(客户端) ID”，这就是你的 client_id 。

  2. 配置API权限并获取Refresh Token ：

    • 在注册的应用页面，进入“API权限”，点击“添加权限”，选择“Microsoft Graph” -> “委托的权限”。
    • 添加 Mail.Read 权限（用于读取邮件）。如果你需要发送邮件（本场景不需要），还需添加 Mail.Send 。
    • 管理员需要对此权限进行同意（如果是个人账户，通常自己就是管理员）。
    • 接下来，你需要通过一次性的OAuth 2.0授权流程来获取 refresh_token 。这通常需要一个简单的脚本或使用Postman等工具。核心是构造一个授权URL，让用户（你）登录并同意授权，然后回调地址会收到一个 authorization_code ，再用这个code去交换 access_token 和 refresh_token 。
    • 由于这个过程涉及多个步骤，原作者提到了参考 outlook-mail-automation 项目。简化的流程如下：
      • 访问一个特定格式的URL，登录你的微软账号并授权。
      • 授权成功后，浏览器会跳转到一个你指定的本地地址（如 http://localhost:8080 ），并在URL参数中附带 code 。
      • 编写一个简单的脚本或使用工具，用这个 code 、你的 client_id 和 client_secret （需要在Azure应用里生成）去请求Token端点，返回的JSON中就会包含 refresh_token 。这个 refresh_token 是长期有效的（除非撤销授权），脚本将用它来获取短期的 access_token 以调用邮件API。

  3. 配置 config.txt ：

    • 在项目根目录创建 config.txt 文件。
    • 填入以下关键信息（格式示例）： 
      # Microsoft Graph API 配置
client_id = your_azure_app_client_id_here
refresh_token = your_long_lived_refresh_token_here
tenant_id = common # 或者你的租户ID，个人账户通常用`common`或`consumers`

# ChatGPT 账号 (谨慎！建议只在安全环境使用或考虑替代方案)
chatgpt_username = your_email@example.com
chatgpt_password = your_password_here

# 保活脚本配置
keep_alive_interval_minutes = 5
cursor_process_name = Cursor.exe # Windows示例

实操心得 ：获取 refresh_token 这一步是最繁琐的，但一劳永逸。务必妥善保管你的 client_secret 和 refresh_token ，它们等同于你的邮箱密码。一个安全实践是不要将密码明文写在 config.txt 里，而是通过环境变量传入脚本，或者在脚本中读取加密的配置。对于ChatGPT密码，更推荐使用环境变量，并在脚本中使用 os.getenv('CHATGPT_PASSWORD') 来获取。

4. 核心脚本原理与改造要点

4.1 gpt-accesstoken.py ：深入登录与Token提取

这个脚本的进化体现了自动化程度的提升。早期版本可能需要手动处理登录和验证码，而集成 cursor_auth_manager.py 逻辑后，实现了更高程度的自动化。

核心步骤拆解：

  1. 初始化会话与加载配置 ：使用 requests.Session() 保持Cookie，读取 config.txt 中的账号信息。
  2. 获取登录页面与CSRF Token ：请求ChatGPT登录页，从HTML中解析出隐藏的CSRF Token，这是提交登录表单所必需的。
  3. 提交登录凭证 ：向登录接口发送POST请求，包含邮箱、密码和CSRF Token。
  4. 处理双因素认证(2FA)或验证码 ：这是最复杂的部分。如果账号开启了2FA，脚本需要等待用户输入（或从备用渠道获取）TOTP代码。更常见的是邮箱验证码。
    • 邮箱验证码自动化 ：此时 mail_api.py 登场。脚本在提交登录后，如果检测到需要邮箱验证，会： a. 调用 mail_api.py 模块，使用配置好的 client_id 和 refresh_token ，获取微软Graph API的访问令牌。 b. 查询指定邮箱收件箱，过滤出发件人为 no-reply@openai.com 且主题包含“验证码”的最新邮件。 c. 使用正则表达式从邮件正文中提取出数字验证码。 d. 将验证码自动填入登录流程的下一步表单并提交。
  5. 捕获Access Token ：登录完全成功后，ChatGPT网页会跳转，并在某个请求的响应头、Cookie或页面JavaScript变量中包含Access Token。脚本需要通过分析网络请求或解析页面内容来精准定位并提取这个Token。它通常是一个以 eyJ 开头的长字符串（JWT格式）。
  6. Token持久化 ：将获取到的Token写入一个本地文件（如 access_token.txt ）或更新到 config.txt 中，供保活脚本或其他工具读取。

可能遇到的挑战与应对：

  • Cloudflare防护 ：ChatGPT登录页可能有Cloudflare的浏览器检查。简单的 requests 请求会被拦截。此时可能需要使用 selenium 配合真实浏览器（如Chrome）来绕过，或者使用能处理Cloudflare的 requests 变种库（如 cloudscraper ）。这会大大增加脚本的复杂度和运行时间。
  • 登录流程变更 ：OpenAI可能会调整登录接口或参数。脚本需要一定的鲁棒性，或者定期维护更新。
  • 验证码识别 ：除了邮箱验证码，还可能遇到图片验证码。这就需要集成OCR库（如 ddddocr , pytesseract ），成功率并非100%。

4.2 cursor_pro_keep_alive.py ：无干扰保活机制

保活脚本的目标是在不影响用户正常使用电脑的前提下，默默维持Cursor Pro的“活跃”状态。

几种常见的保活方法：

  1. 模拟鼠标微动 ：

    import pyautogui
import time
def move_mouse_slightly():
    # 获取当前鼠标位置
    current_x, current_y = pyautogui.position()
    # 轻微移动一个像素再移回
    pyautogui.moveTo(current_x + 1, current_y)
    time.sleep(0.05)
    pyautogui.moveTo(current_x, current_y)
    • 优点 ：简单，跨平台。
    • 缺点 ：肉眼可见的鼠标跳动，可能干扰用户。需要确保Cursor窗口是前台活动窗口吗？如果不是，移动鼠标可能无效。

  2. 模拟前台按键 ：

    import pyautogui
# 发送一个无害的按键，如ALT
pyautogui.press('alt')
    • 优点 ：比鼠标移动更隐蔽。
    • 缺点 ：如果焦点在其他输入框，可能会输入字符，造成干扰。需要精确控制目标窗口。

  3. Windows API 发送消息 （更优雅）：

    import win32gui
import win32con
import time

def keep_cursor_alive_win(process_name="Cursor.exe"):
    # 查找Cursor窗口句柄（这里简化处理，实际可能需要枚举所有窗口）
    def callback(hwnd, extra):
        if win32gui.IsWindowVisible(hwnd) and process_name in win32gui.GetWindowText(hwnd):
            extra.append(hwnd)
        return True
    hwnds = []
    win32gui.EnumWindows(callback, hwnds)
    
    if hwnds:
        for hwnd in hwnds:
            # 发送一个无害的系统消息，如WM_NULL (0x0000)
            win32gui.SendMessage(hwnd, win32con.WM_NULL, 0, 0)
            # 或者模拟一个键盘消息（更安全）
            # win32gui.PostMessage(hwnd, win32con.WM_KEYDOWN, win32con.VK_F24, 0) # F24是几乎不用的键
            # time.sleep(0.01)
            # win32gui.PostMessage(hwnd, win32con.WM_KEYUP, win32con.VK_F24, 0)
        return True
    return False
    • 优点 ：完全后台操作，对用户零干扰。效率高。
    • 缺点 ：仅限Windows平台，且需要准确找到目标窗口句柄。

我的实现建议 ：优先采用 方法3（发送系统消息） ，因为它最隐蔽、最专业。保活脚本应作为一个后台服务（Windows可用 pythonw.exe 运行，或注册为系统服务；Linux/macOS可用 systemd 或 launchd ）持续运行，每隔几分钟（如5分钟）执行一次保活操作。同时，脚本应具备简单的日志功能，记录每次保活操作的时间，便于排查问题。

5. 自动化部署与运维实践

5.1 脚本整合与调度

理想情况下，我们希望两个脚本协同工作：Token获取脚本定期运行（例如每天一次）以更新Token，保活脚本持续运行以维持状态。我们可以创建一个主调度脚本 main_scheduler.py 。

# main_scheduler.py 示例
import schedule
import time
import subprocess
import logging
from datetime import datetime

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

def job_get_token():
    logging.info("开始执行Token获取任务...")
    try:
        # 运行token获取脚本
        result = subprocess.run(['python', 'gpt-accesstoken.py'], capture_output=True, text=True, timeout=120)
        if result.returncode == 0:
            logging.info("Token获取成功")
        else:
            logging.error(f"Token获取失败: {result.stderr}")
    except subprocess.TimeoutExpired:
        logging.error("Token获取任务超时")
    except Exception as e:
        logging.error(f"执行Token获取任务时发生未知错误: {e}")

def job_keep_alive():
    # 保活脚本本身应是常驻进程，这里可以设计为检查保活进程是否存在，不存在则启动
    pass

if __name__ == '__main__':
    # 每天凌晨3点获取一次Token（假设此时网络较空闲）
    schedule.every().day.at("03:00").do(job_get_token)
    
    # 立即运行一次Token获取
    job_get_token()
    
    logging.info("调度器已启动。")
    while True:
        schedule.run_pending()
        time.sleep(60) # 每分钟检查一次任务

对于保活脚本，更适合作为独立的守护进程启动，而不是由调度器频繁启停。

5.2 系统服务化（以Windows为例）

为了让脚本在开机后自动运行且在后台无界面运行，可以将其注册为Windows服务。

  1. 使用 pywin32 创建服务 ：

    • 编写一个符合Windows服务规范的Python脚本。
    • 使用 win32serviceutil.ServiceFramework 作为基类。
    • 在 SvcDoRun 方法中启动你的保活脚本主循环。

  2. 使用NSSM（推荐给非Python开发者） ：

    • NSSM是一个将任意命令行程序封装成Windows服务的工具。
    • 下载NSSM，在命令行中运行： nssm install CursorKeepAliveService
    • 在弹出窗口中设置：
      • Path: C:\Path\To\Your\venv\Scripts\pythonw.exe (使用 pythonw 避免出现控制台窗口)
      • Arguments: C:\Path\To\Your\Project\cursor_pro_keep_alive.py
      • Startup directory: C:\Path\To\Your\Project
    • 在“Log on”标签页，可以设置服务用哪个用户账户运行（确保该账户有必要的权限）。
    • 点击“Install service”。之后就可以在“服务”管理器中启动、停止该服务，并设置为开机自启。

5.3 日志与监控

健全的日志系统是运维的基石。两个核心脚本都应输出详细的日志。

# 在每个脚本开头配置日志
import logging
import os
from logging.handlers import RotatingFileHandler

log_dir = "logs"
os.makedirs(log_dir, exist_ok=True)

log_file = os.path.join(log_dir, "cursor_auto.log")
handler = RotatingFileHandler(log_file, maxBytes=5*1024*1024, backupCount=3) # 5MB per file, keep 3 backups
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
handler.setFormatter(formatter)

logger = logging.getLogger(__name__)
logger.setLevel(logging.INFO)
logger.addHandler(handler)
# 也可以同时输出到控制台
console_handler = logging.StreamHandler()
console_handler.setFormatter(formatter)
logger.addHandler(console_handler)

logger.info("脚本启动...")

定期检查日志文件，可以快速发现是Token获取失败，还是保活动作未生效。

6. 常见问题排查与进阶优化

6.1 问题排查清单

问题现象 可能原因 排查步骤
Token获取脚本报错，无法登录 1. 网络问题（代理设置）
2. ChatGPT登录页面改版
3. 账号被风控或需要额外验证
4. 邮箱验证码获取失败		 1. 检查脚本中的网络请求，确认是否需配置代理（ requests 的 proxies 参数）。
2. 手动登录ChatGPT网页，观察流程是否有变。
3. 检查账号是否正常，尝试手动登录。
4. 检查 mail_api.py 的 client_id 和 refresh_token 是否正确，权限是否已授予。手动调用Graph API看能否读到邮件。
Token获取成功，但Cursor Pro仍提示未登录/Token过期 1. Token未正确传递给Cursor
2. Token格式错误或已失效
3. Cursor客户端缓存了旧的无效Token		 1. 确认Token被正确写入 config.txt 或目标文件，且保活脚本读取的是同一个文件。
2. 检查获取的Token是否完整（通常以 eyJ 开头）。可以尝试用这个Token直接调用OpenAI API（如 https://api.openai.com/v1/models ）验证其有效性。
3. 尝试完全退出Cursor Pro并重新启动，强制其重新读取Token。
保活脚本运行，但Cursor仍会休眠 1. 保活动作未正确作用于Cursor窗口
2. 保活间隔时间太长
3. Cursor Pro版本更新，机制变化		 1. 检查保活脚本的日志，确认它成功找到了Cursor窗口并执行了操作。尝试换一种保活方式（如从发送消息改为模拟按键）。
2. 缩短 keep_alive_interval_minutes ，例如从5分钟改为3分钟。
3. 观察新版本Cursor的行为，可能需要调整保活策略。
脚本消耗过高CPU/内存 1. 循环检查过于频繁
2. selenium 浏览器实例未正确关闭
3. 内存泄漏		 1. 增加保活和调度检查的时间间隔。
2. 确保 gpt-accesstoken.py 在使用 selenium 后，无论成功与否都调用 driver.quit() 。
3. 使用 psutil 等工具监控脚本资源占用，优化代码逻辑。

6.2 安全与隐私强化建议

  1. 敏感信息脱敏 ：绝对不要将 config.txt 提交到Git。使用 .gitignore 文件将其忽略。更佳实践是使用环境变量或单独的、受权限保护的配置文件（如 config.ini ）。
  2. 使用应用密码 ：如果ChatGPT账号支持，不要使用主密码，而是生成一个专用的“应用密码”用于脚本登录。这样即使密码泄露，风险也相对可控。
  3. Token最小化使用 ：获取到的Access Token权限很高。确保只在本地使用，不要上传到任何不信任的服务器。
  4. 定期审计 ：定期检查Azure应用的使用情况，以及ChatGPT账号的登录设备列表，确保没有异常活动。

6.3 进阶优化方向

  1. Token有效性预检 ：在保活脚本中，可以增加一个环节：定期（如每小时）用当前Token调用一个简单的OpenAI API（如列出模型）。如果返回401未授权错误，则自动触发 gpt-accesstoken.py 重新获取Token，实现完全无人值守。
  2. 多账号轮换 ：如果需要管理多个ChatGPT账号，可以扩展 config.txt ，支持配置多个账号的凭证。脚本可以按顺序或根据一定策略（如某个账号Token失效）自动切换账号，并将新Token更新给Cursor。
  3. 容器化部署 ：使用Docker将整个环境（Python、脚本、依赖）打包。可以避免环境差异问题，也便于在服务器或NAS上部署，实现7x24小时运行。
  4. 开发GUI控制面板 ：对于不熟悉命令行的用户，可以开发一个简单的图形界面，用于启动/停止服务、查看日志、手动触发Token刷新等，提升易用性。

这套自动化方案的核心思想，是将一个手动、易中断的过程，通过本地脚本串联起来，形成一个稳定的自治系统。它需要一定的初始配置和调试成本，但一旦跑通，就能为你换来持久、流畅的Cursor Pro使用体验。在构建过程中，你也会对网络请求、桌面自动化、API集成有更深入的理解。记住，自动化是为了提升效率，但在涉及账号安全的操作上，务必谨慎，做好隔离和监控。

Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

DeepSeek-V4 RAG 分块策略优化：512 vs 1024 token 的实测边界与工程取舍

avatar DeepSeek技术社区
cover

企业知识库问答中的权限迷宫：如何用 DeepSeek 实现文档级 ACL 下沉与安全召回

avatar DeepSeek技术社区
cover

RAG 文档预处理：为什么 90% 的失败案例源于切分策略不当

avatar DeepSeek技术社区