macai
macai 是一款专为 macOS 系统打造的轻量级原生 AI 聊天客户端,旨在解决用户在 Mac 设备上访问不同人工智能服务时面临的碎片化问题。它将 ChatGPT、Claude、Google Gemini、Ollama 等主流模型整合到一个统一的界面中,让开发者、研究人员及设计师等用户能够在一个地方高效管理所有对话。macai 的核心优势在于极高的兼容性,支持几乎所有 OpenAI 兼容接口,并允许通过 Ollama 在本地运行开源模型以保护隐私。此外,它还内置了 iCloud 同步功能,确保对话记录与设置能在苹果生态设备间无缝衔接。界面设计极简且支持深色模式,官方承诺不收集任何遥测数据。通过 Homebrew 或官网下载即可快速上手,是 Mac 用户管理多模型对话的得力助手。
使用场景
一位自由软件开发者日常需要在不同 AI 模型间切换进行代码审查和技术文档撰写,同时希望严格保护本地隐私数据。
没有 macai 时
- 需要频繁切换浏览器标签页访问不同平台(如 ChatGPT、Claude、Gemini),操作割裂且容易分心。
- 每次都要重新输入 API Key 或登录账号,管理多个订阅账户的密钥非常繁琐且不安全。
- 聊天记录分散在不同网页中,无法在 iPhone 上继续之前的对话,上下文丢失严重。
- 网页版占用大量内存,导致 Xcode 等开发工具运行变慢,影响整体工作效率。
使用 macai 后
- macai 在一个原生窗口内集成所有模型,无需切换应用即可快速对比不同模型的代码建议。
- 一次性配置好 API Token,并支持 Ollama 本地部署,敏感代码片段可直接离线处理保障安全。
- 通过 iCloud 自动同步聊天历史和设置,手机和 Mac 无缝衔接工作流,随时续写思路。
- 轻量级客户端不占系统资源,配合极简深色模式让夜间编码体验更加舒适流畅。
macai 通过统一接口和跨设备同步,极大提升了多模型协作的效率和隐私安全性。
运行环境要求
- macOS
未说明
未说明

快速开始
macai
macai (macOS AI) 是一个简单却功能强大的原生 macOS AI 聊天客户端,支持大多数 AI 提供商:ChatGPT, Claude, xAI (Grok), Google Gemini, Perplexity, Ollama, OpenRouter,以及几乎所有兼容 OpenAI 的 API。
目录
- 下载
- 贡献
- 为什么选择 macai
- 使用 ChatGPT, Claude, xAI 或 Google Gemini 运行
- 使用 Ollama 运行
- 系统要求
- 项目状态
- 从源码构建
- iCloud 同步配置
- 许可协议
下载
手动
下载 最新的通用二进制文件,已通过 Apple 公证。
Homebrew
使用 homebrew 安装 macai cask:
brew install --cask macai
贡献
欢迎贡献。在创建新问题之前,请先查看 Issues 页面 以了解已添加的功能/修复的漏洞。 您也可以通过资助来支持该项目。这种支持对我非常重要,使我能够更专注于 macai 的开发。
为什么选择 macai
- macOS 原生且轻量级
- 用户友好:设置简单,极简主义浅色/深色 UI
- 功能丰富:视觉、图像生成、搜索、推理、导入/导出等
- iCloud 同步:跨设备保持聊天记录、消息和设置同步
- 私密安全:macai 无遥测或使用跟踪(注意:启用 iCloud 同步时,Apple 可能会收集匿名遥测数据)
使用 ChatGPT, Claude, xAI 或 Google Gemini 运行
要使用 ChatGPT 或 Claude 运行 macai,您需要拥有 API 令牌。API 令牌类似于密码。您需要先获取 API 令牌才能使用任何商业大语言模型 (LLM) API。大多数 API 服务在新账户注册时会提供免费额度,因此您可以免费试用大部分服务。 以下是获取所有支持服务的 API 令牌的方法:
- OpenAI: https://help.openai.com/en/articles/4936850-where-do-i-find-my-secret-api-key
- Claude: https://docs.anthropic.com/en/api/getting-started
- Google Gemini: https://ai.google.dev/gemini-api/docs/api-key
- xAI Grok: https://docs.x.ai/docs#models
- OpenRouter: https://openrouter.ai/docs/api-reference/authentication#using-an-api-key
如果您是 LLM 新手且不想为令牌付费,请查看 Ollama。它支持数十种可以在 Apple M1/M2/M3/M4 Mac 上本地运行的开源大语言模型。
使用 Ollama 运行
Ollama 是各种 LLM 模型的开源后端。 使用 Ollama 运行 macai 很简单:
从 官方网站 安装 Ollama
遵循安装指南
安装完成后,选择模型(推荐 llama3.1 或 llama3.2),并在终端中使用命令拉取模型:
ollama pull <model>在 macai 设置中,打开 API 服务标签页,添加新的 API 服务(专家模式)并选择类型为 Ollama:
选择模型,默认 AI 助手并保存
测试并享受!
系统要求
macOS 14.0 及更高版本(支持 Intel 和 Apple 芯片)
项目状态
项目处于积极开发阶段。
从源码构建
选项 1:拥有 Apple 开发者账号(完整功能)
如果您拥有 Apple 开发者账号并希望构建支持 iCloud 同步的版本:
- 克隆仓库:
git clone https://github.com/Renset/macai.git - 在 Xcode 中打开
macai.xcodeproj - 在 Signing & Capabilities 中选择您的团队
- (可选) 要在 Debug 构建中启用 iCloud 同步,请从 Build Settings → Swift Compiler → Active Compilation Conditions 中移除
DISABLE_ICLOUD - 构建并运行
注意: 默认情况下,Debug 构建通过
DISABLE_ICLOUD标志禁用 iCloud 同步,以简化贡献者设置。Release 构建则启用 iCloud 同步。
选项 2:没有 Apple 开发者账号(无 iCloud 同步)
如果您没有 Apple 开发者账号,您仍然可以构建并运行应用,但无法使用 iCloud 同步:
使用 Xcode:
- 克隆仓库:
git clone https://github.com/Renset/macai.git - 在 Xcode 中打开
macai.xcodeproj - 选择
macai目标 → Build Settings 标签页 - 搜索
CODE_SIGN_ENTITLEMENTS - 将值从
macai/macai.entitlements更改为macai/macai-no-icloud.entitlements - 在 Signing & Capabilities 中,将"Signing Certificate"设置为"Sign to Run Locally"
- 构建并运行
使用命令行:
git clone https://github.com/Renset/macai.git
cd macai
xcodebuild -scheme macai \
-configuration Debug \
CODE_SIGN_IDENTITY="-" \
CODE_SIGN_ENTITLEMENTS="macai/macai-no-icloud.entitlements" \
DEVELOPMENT_TEAM="" \
CODE_SIGNING_ALLOWED=NO \
build
注意: 未包含 iCloud 权限设置的应用程序将正常工作,但 iCloud 同步功能将不可用。所有其他功能(聊天、API 服务、角色设定等)将按预期工作。
iCloud 同步配置
针对贡献者(调试构建)
在调试构建中,iCloud 同步(iCloud Sync)默认通过 DISABLE_ICLOUD 编译器标志被禁用。这简化了开发环境设置,并避免了没有 Apple Developer 账户的贡献者遇到的 CloudKit 相关签名问题。
要在调试构建中启用 iCloud 同步:
- 选择
macai目标 → 构建设置标签页 - 搜索
SWIFT_ACTIVE_COMPILATION_CONDITIONS(或“活动编译条件”) - 从值中移除
DISABLE_ICLOUD(仅保留DEBUG) - 确保已正确配置 Entitlements(权限)和签名(见下文)
针对分叉版本 / 自定义构建
如果你想在分叉版本或自定义构建中使用 iCloud 同步,必须使用你自己的 CloudKit 容器:
- 在你的 Apple Developer 账户中创建一个 CloudKit 容器
- 在 Xcode 中为
macai目标启用 iCloud 功能,并添加你的容器 - 将
macai/Info.plist中的CloudKitContainerIdentifier值更新为你的容器 ID - 确保应用的 Bundle Identifier(包标识符)与你为容器注册的标识符匹配
- 如果存在,从活动编译条件中移除
DISABLE_ICLOUD
如果缺少 CloudKitContainerIdentifier,应用将回退到默认容器。
许可证
版本历史
v2.4.22026/01/16v2.4.02026/01/14v2.3.32026/01/08v2.3.22026/01/01v2.3.12025/12/26v2.3.02025/12/19v2.2.52025/11/24v2.2.42025/11/22v2.2.32025/10/21v2.2.22025/09/20v2.2.12025/09/05v2.2.02025/09/01v2.1.12025/07/08v2.1.02025/04/07v2.0.112025/03/04v2.0.102025/03/03v2.0.92025/02/16v2.0.82025/02/08v2.0.72025/02/07v2.0.62025/02/02常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
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
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
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。
