KawaiiGPT
KawaiiGPT 是一款开源的命令行 AI 网关工具,旨在让用户无需注册或配置 API 密钥,即可免费调用 DeepSeek、Gemini 和 Kimi-K2 等多个主流大语言模型。它通过逆向工程 Pollinations 公开接口,巧妙地解决了传统 AI 服务中常见的门槛高、费用贵及配置繁琐等痛点,实现了“开箱即用”的便捷体验。
这款工具特别适合安全研究人员、红队测试专家以及对技术感兴趣的开发者使用。其核心亮点在于内置了提示词注入(Prompt Injection)和越狱功能,专为评估模型安全性、进行渗透测试研究而设计,提供了无审查限制的访问环境。此外,KawaiiGPT 拥有精美的富文本控制台界面,并原生支持 Linux 系统及安卓端的 Termux 环境,仅需一条命令即可完成安装与运行。对于希望低成本探索多模型能力或深入钻研 AI 安全机制的用户而言,这是一个轻量且强大的实用助手。
使用场景
一名安全研究员需要在安卓手机(Termux 环境)上,对多个大语言模型进行快速的提示词注入(Jailbreak)测试,以评估其防御机制的健壮性。
没有 KawaiiGPT 时
- 注册繁琐且成本高:研究者需分别前往 DeepSeek、Gemini 和 Kimi 官网注册账号并申请 API Key,过程耗时且可能产生费用。
- 移动端环境受限:在 Termux 中配置复杂的 Python 依赖和 HTTP 请求库极其困难,难以直接在手机上运行测试脚本。
- 切换模型效率低:测试不同模型时需手动修改代码中的 API 端点和认证信息,无法在同一会话中快速对比各模型的防御差异。
- 缺乏专用测试功能:原生接口通常带有严格的内容过滤,缺乏内置的自动化注入模板,需人工构造大量变体提示词。
使用 KawaiiGPT 后
- 零门槛即时访问:通过反向工程 Pollinations API,无需任何 API Key 或注册即可直接调用 DeepSeek、Gemini 和 Kimi-K2 等多个模型。
- 原生支持移动终端:专为 Termux 和 Linux 设计,一键安装即可在安卓手机上获得功能完整的富文本控制台界面。
- 统一网关灵活切换:提供统一的命令行入口,研究者可通过简单配置实时切换后端模型,高效进行横向对比测试。
- 内置红队测试能力:自带提示词注入和越狱功能模块,可直接用于渗透测试研究,大幅缩短了构造攻击载荷的时间。
KawaiiGPT 将原本繁琐的多模型安全测试流程简化为单命令操作,让研究人员能在移动设备上免费、无阻碍地执行高效的红队评估。
运行环境要求
- Linux
- Android (Termux)
未说明
未说明

快速开始
KawaiiGPT
KawaiiGPT — 开源大模型网关,通过逆向工程的 Pollinations API 无须 API 密钥即可访问 DeepSeek、Gemini 和 Kimi-K2,内置用于安全研究的提示注入功能,原生支持 Termux/Linux,并提供丰富的控制台界面。
/$$ /$$ /$$ /$$ /$$$$$$ /$$$$$$$ /$$$$$$$$
| $$ /$$/ |__/|__/ /$$__ $$| $$__ $$|__ $$__/
| $$ /$$/ /$$$$$$ /$$ /$$ /$$ /$$$$$$ /$$ /$$ | $$ \__/| $$ \ $$ | $$
| $$$$$/ |____ $$| $$ | $$ | $$ |____ $$| $$| $$ | $$ /$$$$| $$$$$$$/ | $$
| $$ $$ /$$$$$$$| $$ | $$ | $$ /$$$$$$$| $$| $$ | $$|_ $$| $$____/ | $$
| $$\ $$ /$$__ $$| $$ | $$ | $$ /$$__ $$| $$| $$ | $$ \ $$| $$ | $$
| $$ \ $$| $$$$$$$| $$$$$/$$$$/| $$$$$$$| $$| $$ | $$$$$$/| $$ | $$
|__/ \__/ \_______/ \_____/\___/ \_______/|__/|__/ \______/ |__/ |__/
开源大模型网关 — 通过逆向工程的 Pollinations API 访问 DeepSeek、Gemini、Kimi-K2 等
关于
KawaiiGPT 是一款开源命令行 AI 工具,通过 Pollinations 的逆向工程 API 封装,提供对多个大型语言模型的统一访问。无需官方 API 密钥或注册 — 模型可通过 Pollinations 网关 gen.pollinations.ai 自由访问。
该工具支持后端 LLM,包括 DeepSeek、Gemini 和 Kimi-K2,并内置提示注入(越狱)功能,适用于安全研究和红队评估。
注意: KawaiiGPT 并非专有模型 — 它是一个越狱封装,通过逆向工程的 API 端点代理请求到现有 LLM。
特性
| LLM 访问 | |
| ✅ | 统一网关,可访问多个后端 LLM(DeepSeek、Gemini、Kimi-K2) |
| ✅ | 逆向工程的 Pollinations API — 无需 API 密钥 |
| ✅ | 可配置的 LLM 提供者和模型选择 |
| ✅ | 自定义 API 基础 URL 覆盖 |
| 安全研究 | |
| ✅ | 内置提示注入/越狱功能 |
| ✅ | 用于红队测试的越狱评估(参见帮助菜单) |
| ✅ | 无审查的模型访问,适合渗透测试研究 |
| 界面与平台 | |
| ✅ | 带有 ASCII 艺术横幅的丰富样式控制台菜单 |
| ✅ | 原生支持 Linux 和 Termux(Android) |
| ✅ | 通过 install.py 一键安装 |
| ✅ | 持久化 JSON 配置文件 (config.json) |
安装
先决条件
| 依赖项 | 版本 | 用途 |
|---|---|---|
| Python | 3.8+ | 运行时 |
| pip | 最新 | 包管理器 |
| git | 最新 | 克隆仓库 |
| requests | ≥ 2.28.0 | 用于 API 调用的 HTTP 客户端 |
| rich | ≥ 13.0.0 | 终端 UI 渲染 |
Linux
apt-get update && apt-get upgrade -y
apt install python3 python3-pip git -y
git clone https://github.com/MrSanZz/KawaiiGPT
cd KawaiiGPT
python3 install.py
python3 kawai.py
Termux (Android)
pkg update && pkg upgrade -y
pkg install python3 git -y
git clone https://github.com/MrSanZz/KawaiiGPT
cd KawaiiGPT
python3 install.py
python3 kawai.py
手动安装
git clone https://github.com/MrSanZz/KawaiiGPT
cd KawaiiGPT
pip install -r requirements.txt
python3 main.py
配置
设置存储在 config.json 中,可通过交互式菜单(选项 [3])或手动编辑:
{
"llm_provider": "pollinations",
"api_base_url": "",
"default_model": "deepseek"
}
| 键 | 描述 | 默认值 |
|---|---|---|
llm_provider |
后端提供商:pollinations、deepseek、gemini、kimi-k2 |
pollinations |
api_base_url |
自定义 API 端点(留空则使用默认值) | "" |
default_model |
首选模型名称 | "" |
使用
启动应用程序并导航 Rich 样式的控制台菜单:
┌─────────────────────────────────────────────────────┐
│ KawaiiGPT — 主菜单 │
├─────────────────────────────────────────────────────┤
│ [1] 安装依赖 │
│ [2] 开始 │
│ [3] 设置 │
│ [4] 描述 │
│ [0] 退出 │
└─────────────────────────────────────────────────────┘
| 选项 | 动作 |
|---|---|
1 |
从 requirements.txt 安装 Python 依赖 |
2 |
启动 LLM 对话界面 |
3 |
配置 LLM 提供商、API URL、默认模型 |
4 |
显示项目 README / 描述 |
0 |
退出应用 |
项目结构
KawaiiGPT/
├── main.py # 入口点 — Rich 控制台菜单
├── kawai.py # 替代入口点(install.py 引导)
├── install.py # 依赖项安装程序
├── config.json # 用户配置文件(自动创建)
├── requirements.txt # Python 依赖
├── README.md # 本文件
├── core/
│ ├── __init__.py
│ ├── inpainting.py # LLM 响应处理
│ ├── processor.py # 请求管道
│ └── validator.py # 输入验证
├── detection/
│ ├── __init__.py
│ ├── detector.py # 模型检测逻辑
│ ├── signature.py # 提示签名处理
│ └── temporal.py # 速率限制 / 计时
├── gui/
│ ├── __init__.py
│ └── main_window.py # GUI 界面模块
└── utils/
├── __init__.py
├── file_handler.py # 文件 I/O 工具
├── gpu_manager.py # 资源管理
└── logger.py # 日志配置
常见问题解答
支持哪些大模型?
KawaiiGPT 通过 Pollinations API 网关访问模型。目前支持的后端包括 DeepSeek、Gemini 和 Kimi-K2。Pollinations 平台还提供对 GPT-5、Qwen 等其他模型的访问——具体可用性取决于上游 API。
需要 API 密钥吗?
不需要。KawaiiGPT 使用逆向工程的 Pollinations API,无需注册或 API 密钥即可免费访问。基本功能无需任何凭据即可使用。
为什么原始代码被混淆了?
最初的版本之所以进行代码混淆,仅仅是为了防止他人将 KawaiiGPT 改名后重新发布和转售。当前版本已完全开源。代码库中不存在 RAT、间谍软件、恶意软件或勒索软件。
这和 WormGPT 是同一个项目吗?
不是。KawaiiGPT 是一个独立的项目,专为教育和研究目的而开发。有时在越狱模型的语境中会提到“WormGPT”这一标签,但 KawaiiGPT 是一款独立的工具——它通过逆向工程的 API 端点代理调用合法的大模型。
在 Windows 上可以运行吗?
主要支持的平台是 Linux 和 Termux(Android)。Windows 并非官方支持的平台,但若安装了标准的 Python 3.8+,理论上也可以运行。建议在 Windows 上使用 WSL 以获得最佳体验。
Pollinations API 是否可靠?
Pollinations.ai 是一个免费的开源平台,拥有 500 多个社区项目。虽然它提供了稳定的访问通道,但由于上游服务的不断演进,特定模型的可用性可能会发生变化。未认证的请求会受到速率限制。
免责声明
本项目仅用于教育和研究目的。
- 使用本项目的全部风险及后果由用户自行承担。
- 禁止修改或出售本工具。
- KawaiiGPT 使用的是通过逆向工程 API 调用的现有模型,不包含任何微调或自定义模型。
- 提示注入(越狱)功能仅适用于授权的安全研究和红队评估。
- 开发者对本工具的任何滥用行为不承担任何责任。
如果您觉得这个项目有用,请考虑给它点个赞 ⭐
由 MrSanZz 制作 · 贡献者:Shoukaku07、FlamabyX5
版本历史
KawaiiGPT2026/03/13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
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。
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。
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。
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。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单,汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点,这份清单按编程语言(如 Python、C++、Go 等)和应用场景(如计算机视觉、自然语言处理、深度学习等)进行了系统化分类,帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库,还是资深工程师对比不同语言的技术选型,都能从中获得极具价值的参考。此外,清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源,构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准:明确标记已停止维护或长期未更新的项目,确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”,awesome-machine-learning 以开源协作的方式持续更新,旨在降低技术探索门槛,让每一位从业者都能高效地站在巨人的肩膀上创新。