[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-icefort-ai--awesome-llm-webapps":3,"similar-icefort-ai--awesome-llm-webapps":38},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":9,"readme_en":10,"readme_zh":11,"quickstart_zh":12,"use_case_zh":13,"hero_image_url":14,"owner_login":15,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":18,"owner_email":18,"owner_twitter":18,"owner_website":18,"owner_url":19,"languages":18,"stars":20,"forks":21,"last_commit_at":22,"license":23,"difficulty_score":24,"env_os":17,"env_gpu":25,"env_ram":25,"env_deps":26,"category_tags":29,"github_topics":18,"view_count":32,"oss_zip_url":18,"oss_zip_packed_at":18,"status":33,"created_at":34,"updated_at":35,"faqs":36,"releases":37},6130,"icefort-ai\u002Fawesome-llm-webapps","awesome-llm-webapps","A collection of open source, actively maintained web apps for LLM applications","awesome-llm-webapps 是一个精心整理的开源大语言模型（LLM）Web 应用合集，旨在帮助开发者跳过繁琐的框架搭建，直接基于成熟的应用模板启动项目。它汇集了包括聊天机器人、自然语言接口、智能助手及问答系统在内的高质量 Web 应用，并针对对话上下文记忆、用户认证、多模型支持、富文本与图像处理、以及检索增强生成（RAG）等关键维度进行了详细对比。\n\n在开发 LLM 应用时，从零开始构建往往耗时费力，而现有方案又良莠不齐。awesome-llm-webapps 通过严格的筛选机制解决了这一痛点：收录的项目必须开源且保持活跃维护（近一个月有更新或处于积极监控中）。这使得用户无需在海量仓库中盲目试错，就能快速找到从简单的 API 封装到具备完整后端逻辑的生产级系统。\n\n该资源特别适合 AI 应用开发者、技术研究人员以及希望快速验证原型的创业团队使用。无论是需要轻量级聊天界面，还是寻求支持复杂数据摄入和来源追溯的高级系统，都能在这里找到合适的起点。其独特的价值在于提供了清晰的功能矩阵对比表，让用户能一目了然地根据具体需求（如是否支持图片、是否需要多源 RAG 等）做出最佳选择，极","awesome-llm-webapps 是一个精心整理的开源大语言模型（LLM）Web 应用合集，旨在帮助开发者跳过繁琐的框架搭建，直接基于成熟的应用模板启动项目。它汇集了包括聊天机器人、自然语言接口、智能助手及问答系统在内的高质量 Web 应用，并针对对话上下文记忆、用户认证、多模型支持、富文本与图像处理、以及检索增强生成（RAG）等关键维度进行了详细对比。\n\n在开发 LLM 应用时，从零开始构建往往耗时费力，而现有方案又良莠不齐。awesome-llm-webapps 通过严格的筛选机制解决了这一痛点：收录的项目必须开源且保持活跃维护（近一个月有更新或处于积极监控中）。这使得用户无需在海量仓库中盲目试错，就能快速找到从简单的 API 封装到具备完整后端逻辑的生产级系统。\n\n该资源特别适合 AI 应用开发者、技术研究人员以及希望快速验证原型的创业团队使用。无论是需要轻量级聊天界面，还是寻求支持复杂数据摄入和来源追溯的高级系统，都能在这里找到合适的起点。其独特的价值在于提供了清晰的功能矩阵对比表，让用户能一目了然地根据具体需求（如是否支持图片、是否需要多源 RAG 等）做出最佳选择，极大提升了选型效率和开发速度。","# Open Source, Actively Maintained Web Apps for LLMs 💬\n\nJump-start your LLM project by starting from an app, not a framework. This repository aggregates high-quality, functioning web applications for use cases including Chatbots, [Natural Language Interfaces](https:\u002F\u002Fcolinharman.substack.com\u002Fi\u002F137091060\u002Fnatural-language-interfaces-nli), Assistants, and Question Answering Systems. It compares projects along important dimensions for these use cases, to help you choose the right starting point for your application.\n\nTo ensure the utmost quality and usability, projects must adhere to the following criteria to be included:\n\n- Licensed under Open Source terms 💸\n- Actively Maintained, meaning updated within the past month or under active monitoring 🚨\n\nThe projects span a wide range of complexity, from straightforward API wrappers to production-ready systems with multi-source RAG backends, conversation logging, and authentication\u002Fuser management. There should be something for almost every need.\n\n## Project Submissions\nContributions are the backbone of this list! If you're aware of a project that meets our criteria but isn't listed, we'd love to hear about it. Please also notify us if any of the listed projects becomes unmaintained or changes its licensing. Additionally, if there's a project detail that you'd like to compare that's not currently tracked, submit an issue for it. Finally, if you're the maintainer of a project that's already listed and would like to update or modify the listing, submit it again with the desired modifications.\n\n**To submit a project:**\n\n1. [Create an issue](https:\u002F\u002Fgithub.com\u002Fsnowfort-ai\u002Fawesome-llm-webapps\u002Fissues\u002Fnew?assignees=clharman&labels=new_project%2Cupdate%2Cremove&projects=&template=contribution.yaml&title=%5BLLM%5D%3A+).\n2. Ensure your submission adheres to the listed criteria and includes all relevant details.\n3. Submissions will be reviewed and the projects list will be updated within a day.\n\nIf you'd like to help maintain this project, contact [clharman](https:\u002F\u002Fgithub.com\u002Fclharman) via email.\n\n_Currently seeking submissions for:_\n\n- _Lightweight chatbots_\n- _Projects with advanced prompting_\n- _Non-chatbot interfaces (question answering, etc)_\n- _Projects with image support_\n- _Projects in different languages e.g. Python only_\n\n# Project Table\n\n| Project | Demo | Brief Description | Conversation Context Carry | Conversation History | Authentication | Model Support | Rich Text Support | Image Support | (RAG) Search Engine | (RAG) Show Sources | (RAG) Data ingestion | Quick Deploy | Other Features |\n| -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------- | ------------------------------------------------------------------------------ | -------------------------- | -------------------- | ------------------------- | ------------------------------------------------------------------------------------- | ----------------- | ------------- | ------------------------------- | ------------------ | ------------------------------- | ----------------------------- | ------------------------------------------------ |\n| [Hugging Face Chat UI](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fchat-ui) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fhuggingface\u002Fchat-ui) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fhuggingface\u002Fchat-ui) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fhuggingface\u002Fchat-ui) | 🟢 [Link](https:\u002F\u002Fhuggingface.co\u002Fchat\u002F) | Full featured chat interface | 🟢 | 🟢 | 🟢 OpenID | Hugging Face Inference API, local, Amazon SageMaker | 🟢 | 🔴 | 🟢 Google search | 🟢 | 🔴 | 🟢 Hugging Face Spaces | Theme configuration |\n| [Weaviate Verba](https:\u002F\u002Fgithub.com\u002Fweaviate\u002Fverba) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fweaviate\u002Fverba) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fweaviate\u002Fverba) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fweaviate\u002Fverba)\u003Cbr> | 🟢 [Link](https:\u002F\u002Fverba.weaviate.io\u002F) | Chat interface for RAG applications | 🔴 | 🔴 | 🔴 | OpenAI | 🟢 | 🔴 | 🟢 Weaviate | 🟢 | 🟢 Via CLI | 🟢 Docker | Semantic caching |\n| [Microsoft Azure Chat](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fazurechat) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fmicrosoft\u002Fazurechat) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fmicrosoft\u002Fazurechat) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fmicrosoft\u002Fazurechat) | 🔴 | Azure-based private chat tenant over data and files | 🟢 | 🟢 | 🟢 NextAuth | OpenAI | 🟢 | 🔴 | 🟢 Azure Cognitive Search | 🔴 | 🟢 UI single-file upload | 🟢 Azure | |\n| [AWS GenAI LLM Chatbot](https:\u002F\u002Fgithub.com\u002Faws-samples\u002Faws-genai-llm-chatbot) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Faws-samples\u002Faws-genai-llm-chatbot) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Faws-samples\u002Faws-genai-llm-chatbot) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Faws-samples\u002Faws-genai-llm-chatbot) | 🔴 | AWS-based chatbot with RAG and selectable LLMs | 🟢 | 🟢 | 🟢 Amazon Cognito | Bedrock, SageMaker, Hugging Face Inference Endpoints, OpenAI, Anthropic, AI21, Cohere | 🔴 | 🔴 | 🟢 Postgres\u002F Kendra\u002F OpenSearch | 🟢 | 🟢 UI file upload | 🟢 AWS | User-selectable model and search backend |\n| [PrivateGPT](https:\u002F\u002Fgithub.com\u002Fimartinez\u002FprivateGPT) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fimartinez\u002FprivateGPT) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fimartinez\u002FprivateGPT) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fimartinez\u002FprivateGPT) | 🔴 | API, pipeline, and UI for RAG applications. Supports private models. | 🟢 | 🔴 | 🔴 | Local, OpenAI, Sagemaker | 🔴 | 🔴 | 🟢 Qdrant, Chroma | 🟢 | 🟢 UI file upload | 🔴 | |\n| [Open WebUI](https:\u002F\u002Fgithub.com\u002Fopen-webui\u002Fopen-webui) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fopen-webui\u002Fopen-webui) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fopen-webui\u002Fopen-webui) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fopen-webui\u002Fopen-webui) | 🔴 | ChatGPT clone focused on locally hosted models | 🟢 | 🟢 | 🟢 | Ollama, OpenAI | 🟢 | 🟢 | 🟢 Various | 🔴 | 🟢 UI file upload | 🟢 Docker |\n| [Azure GPT-RAG](https:\u002F\u002Fgithub.com\u002FAzure\u002FGPT-RAG) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FAzure\u002FGPT-RAG) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002FAzure\u002FGPT-RAG) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FAzure\u002FGPT-RAG) | 🔴 | Enterprise-ready RAG framework | 🟢 | 🟢 | 🟢 Azure Active Directory | OpenAI | 🟢 | 🔴 | 🟢 Azure Cognitive Search | 🟢 | 🟢 Data source connections | 🟢 Azure | Microsoft Teams bot integration, costs estimator |\n| [Danswer](https:\u002F\u002Fgithub.com\u002Fdanswer-ai\u002Fdanswer) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fdanswer-ai\u002Fdanswer) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fdanswer-ai\u002Fdanswer) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdanswer-ai\u002Fdanswer)\u003Cbr> | 🔴 | Full featured RAG system with prebuilt data connectors for many source systems | 🟢 | 🟢 | 🟢 | OpenAI, Local | 🟢 | 🔴 | 🟢 Vespa | 🟢 | 🟢 Selection of data connectors | 🟢 Docker Compose, Kubernetes | Slack bot |\n| [LLM Answer Engine](https:\u002F\u002Fgithub.com\u002Fdevelopersdigest\u002Fllm-answer-engine) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fdevelopersdigest\u002Fllm-answer-engine) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fdevelopersdigest\u002Fllm-answer-engine) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdevelopersdigest\u002Fllm-answer-engine) | 🔴 | Perplexity style answer engine with web search | 🟢 | 🔴 | 🔴 | Mixtral, Ollama, OpenAI | 🔴 | 🔴 | 🟢 Brave, Serper | 🟢 | 🔴 Web search, not ingestion | 🔴 | |\n| [Dify](https:\u002F\u002Fgithub.com\u002Flanggenius\u002Fdify) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Flanggenius\u002Fdify) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Flanggenius\u002Fdify) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Flanggenius\u002Fdify) | 🔴 | App development platform for GenAI | 🟢 | 🟢 | 🟢 | Various | 🟢 | 🟢 | 🟢 Various | 🟢 | 🟢 UI file upload | 🟢 AWS, Kubernetes | Agents, observability |\n| [Flowise](https:\u002F\u002Fgithub.com\u002FFlowiseAI\u002FFlowise) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FFlowiseAI\u002FFlowise) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002FFlowiseAI\u002FFlowise) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FFlowiseAI\u002FFlowise) | 🔴 | Drag-and-drop LLM flow builder | 🟢 | 🟢 | 🟢 | Various | 🔴 | 🔴 | 🟢 Various | 🟢 | 🟢 UI file upload | 🟢 AWS, Kubernetes | GUI\u002Fno-code LLM app logic builder |\n| [LibreChat](https:\u002F\u002Fgithub.com\u002Fdanny-avila\u002FLibreChat) ![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fdanny-avila\u002FLibreChat) ![Language](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fdanny-avila\u002FLibreChat) ![Forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdanny-avila\u002FLibreChat) | 🔴 | Full featured ChatGPT clone | 🟢 | 🟢 | 🟢 | Various | 🟢 | 🟢 | 🟢 Various | 🔴 | 🟢 UI file upload | 🟢 Docker Compose | Assistants support |\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ficefort-ai_awesome-llm-webapps_readme_4e9e88c200e9.png)](https:\u002F\u002Fstar-history.com\u002F#snowfort-ai\u002Fawesome-llm-webapps&Date)\n","# 面向大语言模型的开源、活跃维护的Web应用 💬\n\n通过从应用程序而非框架入手，快速启动你的大语言模型项目。本仓库汇集了高质量、可运行的Web应用，适用于聊天机器人、[自然语言界面](https:\u002F\u002Fcolinharman.substack.com\u002Fi\u002F137091060\u002Fnatural-language-interfaces-nli)、智能助手以及问答系统等场景。我们从这些应用场景的重要维度对各个项目进行了比较，帮助你为自己的应用选择合适的起点。\n\n为确保最高质量和可用性，入选项目必须满足以下标准：\n\n- 采用开源许可协议 💸\n- 处于活跃维护状态，即在过去一个月内有更新，或处于持续监控中 🚨\n\n这些项目涵盖了广泛的复杂度，从简单的API封装到具备多源RAG后端、对话日志记录以及身份验证和用户管理功能的生产级系统。几乎可以满足各种需求。\n\n## 项目提交\n贡献是本列表的核心！如果你知道符合我们标准但尚未收录的项目，欢迎告诉我们。同时，如果已列出的项目停止维护或更改了许可证，请及时通知我们。此外，若你希望对比的某个项目细节目前未被记录，也请提交一个议题。最后，如果你是已收录项目的维护者，并希望更新或修改条目信息，请重新提交包含所需变更的内容。\n\n**提交项目步骤：**\n\n1. [创建议题](https:\u002F\u002Fgithub.com\u002Fsnowfort-ai\u002Fawesome-llm-webapps\u002Fissues\u002Fnew?assignees=clharman&labels=new_project%2Cupdate%2Cremove&projects=&template=contribution.yaml&title=%5BLLM%5D%3A+)。\n2. 确保你的提交符合上述标准，并包含所有相关详细信息。\n3. 我们将在一天内审核提交内容并更新项目列表。\n\n如果你想参与维护本项目，请通过电子邮件联系[clharman](https:\u002F\u002Fgithub.com\u002Fclharman)。\n\n**当前征集的项目方向：**\n\n- 轻量级聊天机器人\n- 具备高级提示工程的项目\n- 非聊天机器人界面（如问答系统等）\n- 支持图像处理的项目\n- 不同编程语言实现的项目，例如仅限Python的项目\n\n# 项目表格\n\n| 项目 | 演示 | 简要描述 | 对话上下文保持 | 对话历史 | 认证 | 模型支持 | 富文本支持 | 图片支持 | (RAG) 搜索引擎 | (RAG) 显示来源 | (RAG) 数据摄入 | 快速部署 | 其他特性 |\n| -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------- | ------------------------------------------------------------------------------ | -------------------------- | -------------------- | ------------------------- | ------------------------------------------------------------------------------------- | ----------------- | ------------- | ------------------------------- | ------------------ | ------------------------------- | ----------------------------- | ------------------------------------------------ |\n| [Hugging Face Chat UI](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fchat-ui) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fhuggingface\u002Fchat-ui) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fhuggingface\u002Fchat-ui) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fhuggingface\u002Fchat-ui) | 🟢 [链接](https:\u002F\u002Fhuggingface.co\u002Fchat\u002F) | 功能齐全的聊天界面 | 🟢 | 🟢 | 🟢 OpenID | Hugging Face 推理 API、本地、Amazon SageMaker | 🟢 | 🔴 | 🟢 Google 搜索 | 🟢 | 🔴 | 🟢 Hugging Face Spaces | 主题配置 |\n| [Weaviate Verba](https:\u002F\u002Fgithub.com\u002Fweaviate\u002Fverba) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fweaviate\u002Fverba) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fweaviate\u002Fverba) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fweaviate\u002Fverba)\u003Cbr> | 🟢 [链接](https:\u002F\u002Fverba.weaviate.io\u002F) | 用于 RAG 应用的聊天界面 | 🔴 | 🔴 | 🔴 | OpenAI | 🟢 | 🔴 | 🟢 Weaviate | 🟢 | 🟢 通过 CLI | 🟢 Docker | 语义缓存 |\n| [Microsoft Azure Chat](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fazurechat) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fmicrosoft\u002Fazurechat) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fmicrosoft\u002Fazurechat) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fmicrosoft\u002Fazurechat) | 🔴 | 基于 Azure 的私有聊天租户，可处理数据和文件 | 🟢 | 🟢 | 🟢 NextAuth | OpenAI | 🟢 | 🔴 | 🟢 Azure Cognitive Search | 🔴 | 🟢 UI 单文件上传 | 🟢 Azure | |\n| [AWS GenAI LLM 聊天机器人](https:\u002F\u002Fgithub.com\u002Faws-samples\u002Faws-genai-llm-chatbot) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Faws-samples\u002Faws-genai-llm-chatbot) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Faws-samples\u002Faws-genai-llm-chatbot) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Faws-samples\u002Faws-genai-llm-chatbot) | 🔴 | 基于 AWS 的聊天机器人，支持 RAG 和可选 LLMs | 🟢 | 🟢 | 🟢 Amazon Cognito | Bedrock、SageMaker、Hugging Face 推理端点、OpenAI、Anthropic、AI21、Cohere | 🔴 | 🔴 | 🟢 Postgres\u002F Kendra\u002F OpenSearch | 🟢 | 🟢 UI 文件上传 | 🟢 AWS | 用户可选择模型和搜索后端 |\n| [PrivateGPT](https:\u002F\u002Fgithub.com\u002Fimartinez\u002FprivateGPT) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fimartinez\u002FprivateGPT) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fimartinez\u002FprivateGPT) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fimartinez\u002FprivateGPT) | 🔴 | 用于 RAG 应用的 API、流水线和 UI。支持私有模型。 | 🟢 | 🔴 | 🔴 | 本地、OpenAI、Sagemaker | 🔴 | 🔴 | 🟢 Qdrant、Chroma | 🟢 | 🟢 UI 文件上传 | 🔴 | |\n| [Open WebUI](https:\u002F\u002Fgithub.com\u002Fopen-webui\u002Fopen-webui) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fopen-webui\u002Fopen-webui) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fopen-webui\u002Fopen-webui) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fopen-webui\u002Fopen-webui) | 🔴 | 专注于本地托管模型的 ChatGPT 克隆 | 🟢 | 🟢 | 🟢 | Ollama、OpenAI | 🟢 | 🟢 | 🟢 各种 | 🔴 | 🟢 UI 文件上传 | 🟢 Docker |\n| [Azure GPT-RAG](https:\u002F\u002Fgithub.com\u002FAzure\u002FGPT-RAG) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FAzure\u002FGPT-RAG) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002FAzure\u002FGPT-RAG) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FAzure\u002FGPT-RAG) | 🔴 | 企业级 RAG 框架 | 🟢 | 🟢 | 🟢 Azure Active Directory | OpenAI | 🟢 | 🔴 | 🟢 Azure Cognitive Search | 🟢 | 🟢 数据源连接 | 🟢 Azure | Microsoft Teams 机器人集成、成本估算 |\n| [Danswer](https:\u002F\u002Fgithub.com\u002Fdanswer-ai\u002Fdanswer) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fdanswer-ai\u002Fdanswer) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fdanswer-ai\u002Fdanswer) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdanswer-ai\u002Fdanswer)\u003Cbr> | 🔴 | 功能齐全的 RAG 系统，内置多种数据源连接器 | 🟢 | 🟢 | 🟢 | OpenAI、本地 | 🟢 | 🔴 | 🟢 Vespa | 🟢 | 🟢 数据连接器选择 | 🟢 Docker Compose、Kubernetes | Slack 机器人 |\n| [LLM Answer Engine](https:\u002F\u002Fgithub.com\u002Fdevelopersdigest\u002Fllm-answer-engine) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fdevelopersdigest\u002Fllm-answer-engine) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fdevelopersdigest\u002Fllm-answer-engine) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdevelopersdigest\u002Fllm-answer-engine) | 🔴 | Perplexity 风格的答案引擎，结合网络搜索 | 🟢 | 🔴 | 🔴 | Mixtral、Ollama、OpenAI | 🔴 | 🔴 | 🟢 Brave、Serper | 🟢 | 🔴 网络搜索，非数据摄入 | 🔴 | |\n| [Dify](https:\u002F\u002Fgithub.com\u002Flanggenius\u002Fdify) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Flanggenius\u002Fdify) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Flanggenius\u002Fdify) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Flanggenius\u002Fdify) | 🔴 | 生成式 AI 应用开发平台 | 🟢 | 🟢 | 🟢 | 各种 | 🟢 | 🟢 | 🟢 各种 | 🟢 | 🟢 UI 文件上传 | 🟢 AWS、Kubernetes | 代理、可观测性 |\n| [Flowise](https:\u002F\u002Fgithub.com\u002FFlowiseAI\u002FFlowise) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FFlowiseAI\u002FFlowise) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002FFlowiseAI\u002FFlowise) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FFlowiseAI\u002FFlowise) | 🔴 | 拖拽式 LLM 流程构建器 | 🟢 | 🟢 | 🟢 | 各种 | 🔴 | 🔴 | 🟢 各种 | 🟢 | 🟢 UI 文件上传 | 🟢 AWS、Kubernetes | GUI\u002F无代码 LLM 应用逻辑构建器 |\n| [LibreChat](https:\u002F\u002Fgithub.com\u002Fdanny-avila\u002FLibreChat) ![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fdanny-avila\u002FLibreChat) ![语言](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flanguages\u002Ftop\u002Fdanny-avila\u002FLibreChat) ![分支](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdanny-avila\u002FLibreChat) | 🔴 | 功能齐全的 ChatGPT 克隆 | 🟢 | 🟢 | 🟢 | 各种 | 🟢 | 🟢 | 🟢 各种 | 🔴 | 🟢 UI 文件上传 | 🟢 Docker Compose | 支持助手 |\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ficefort-ai_awesome-llm-webapps_readme_4e9e88c200e9.png)](https:\u002F\u002Fstar-history.com\u002F#snowfort-ai\u002Fawesome-llm-webapps&Date)","# awesome-llm-webapps 快速上手指南\n\n`awesome-llm-webapps` 并非单一的软件工具，而是一个精选的**开源 LLM Web 应用集合仓库**。它汇集了高质量、活跃维护的项目（如聊天机器人、RAG 系统、问答引擎等），旨在帮助开发者直接基于成熟的应用启动项目，而非从零构建框架。\n\n本指南将指导你如何在该列表中选择适合的项目并完成部署。\n\n## 1. 环境准备\n\n由于列表中包含多个不同的项目，具体依赖取决于你选择的应用。但大多数现代 LLM Web 应用都遵循以下通用环境要求：\n\n* **操作系统**: Linux (推荐 Ubuntu 20.04+), macOS, 或 Windows (建议通过 WSL2 运行)。\n* **核心运行时**:\n * **Docker & Docker Compose**: 绝大多数项目（如 Open WebUI, Danswer, Verba）首选容器化部署。\n * **Python**: 版本通常要求 `3.10` 或更高（用于本地源码安装）。\n * **Node.js**: 部分前端项目可能需要 `v18` 或更高版本。\n* **硬件要求**:\n * 若运行**本地模型**（如通过 Ollama, LocalLLM）：建议至少 16GB RAM，若需流畅运行大参数模型，推荐 NVIDIA GPU (显存 8GB+)。\n * 若仅作为**API 客户端**（连接 OpenAI\u002FAzure 等）：普通开发机即可。\n* **网络加速 (中国开发者推荐)**:\n * **Docker 镜像加速**: 配置国内镜像源（如阿里云、腾讯云、网易云等）以拉取 `docker pull`。\n * **Python 包加速**: 使用清华源或阿里源安装依赖。\n ```bash\n export PIP_INDEX_URL=https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n ```\n * **Hugging Face 加速**: 若项目涉及 HF 模型下载，建议配置镜像。\n ```bash\n export HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com\n ```\n\n## 2. 安装步骤\n\n请根据 `awesome-llm-webapps` 列表中的项目特性，选择以下两种安装方式之一。\n\n### 方式 A：基于 Docker 部署（推荐，适用于大多数项目）\n\n这是最快捷的方式，适用于 **Open WebUI**, **Danswer**, **Verba**, **PrivateGPT** 等项目。\n\n1. **克隆目标项目仓库**\n 从列表中选择一个项目（以 `open-webui` 为例）：\n ```bash\n git clone https:\u002F\u002Fgithub.com\u002Fopen-webui\u002Fopen-webui.git\n cd open-webui\n ```\n\n2. **配置国内镜像源 (可选但推荐)**\n 编辑 `docker-compose.yaml` 文件，将图像地址替换为国内源（如果官方未提供，可手动添加代理前缀或在 daemon.json 配置全局加速）。\n\n3. **启动服务**\n ```bash\n docker compose up -d\n ```\n *注：部分项目可能需要先复制 `.env.example` 到 `.env` 并配置 API Key。*\n\n### 方式 B：源码安装（适用于需要深度定制的项目）\n\n适用于 **Hugging Face Chat UI**, **LLM Answer Engine** 等可能需要特定前端构建的项目。\n\n1. **克隆仓库**\n ```bash\n git clone https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fchat-ui.git\n cd chat-ui\n ```\n\n2. **安装后端依赖 (Python)**\n ```bash\n python -m venv venv\n source venv\u002Fbin\u002Factivate # Windows 使用: venv\\Scripts\\activate\n pip install -r requirements.txt\n ```\n\n3. **安装前端依赖 (Node.js)**\n ```bash\n npm install\n # 若遇网络问题，可临时切换 registry\n # npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n ```\n\n4. **环境变量配置**\n 复制示例配置并填入你的 LLM API Key：\n ```bash\n cp .env.local.example .env.local\n # 使用编辑器修改 .env.local，填入 MISTRAL_API_KEY 或其他所需密钥\n ```\n\n5. **构建并运行**\n ```bash\n npm run build\n npm run start\n # 或者开发模式\n npm run dev\n ```\n\n## 3. 基本使用\n\n部署完成后，通常可以通过浏览器访问本地服务进行配置和使用。\n\n### 第一步：访问界面\n在浏览器中打开默认地址（具体端口参考各项目的 README，常见如下）：\n* **Open WebUI \u002F PrivateGPT**: `http:\u002F\u002Flocalhost:8080` 或 `http:\u002F\u002Flocalhost:3000`\n* **Danswer**: `http:\u002F\u002Flocalhost:3000`\n* **Hugging Face Chat UI**: `http:\u002F\u002Flocalhost:3000`\n\n### 第二步：初始配置\n1. **创建管理员账户**: 首次访问通常需要注册一个本地管理员账号。\n2. **连接模型提供商**:\n * 进入 **Settings (设置)** -> **Models (模型)** 或 **Connections (连接)**。\n * 输入你的 API Key（支持 OpenAI, Azure, Anthropic, 或本地 Ollama 地址 `http:\u002F\u002Fhost.docker.internal:11434`）。\n * 点击 \"Save\" 或 \"Verify\" 测试连接。\n\n### 第三步：开始对话或构建 RAG\n* **纯聊天模式**: 直接在对话框输入问题，选择已连接的模型即可开始对话。\n* **RAG (知识库) 模式** (针对支持 RAG 的项目如 Danswer, Verba, PrivateGPT):\n 1. 找到 **\"Documents\"** 或 **\"Knowledge Base\"** 选项卡。\n 2. 上传本地文件（PDF, TXT, Markdown）或连接数据源（Notion, Slack, Web Search）。\n 3. 等待索引完成（Indexing）。\n 4. 在聊天界面选择对应的知识库上下文，即可基于私有数据进行问答。\n\n### 示例：使用 Open WebUI 连接本地 Ollama\n假设你已在本地运行了 Ollama：\n1. 确保 Ollama 允许跨域访问 (设置环境变量 `OLLAMA_HOST=0.0.0.0`)。\n2. 在 Open WebUI 设置中添加连接地址：`http:\u002F\u002F\u003C你的服务器 IP>:11434`。\n3. 刷新模型列表，选择 `llama3` 或 `qwen` 等已拉取的模型。\n4. 在聊天框输入：“请总结这篇文档的内容”，并上传文件，系统将自动调用 RAG 流程回答。","某初创团队急需在两周内为内部知识库构建一个支持多模型切换、带权限管理且能追溯引用来源的问答系统。\n\n### 没有 awesome-llm-webapps 时\n- **选型迷茫耗时**：开发者需在 GitHub 海量仓库中盲目搜索，难以分辨哪些项目仍在维护、哪些已停止更新，浪费数天时间评估代码质量。\n- **重复造轮子**：为了基础的对话历史保存、用户认证和多源 RAG（检索增强生成）功能，团队不得不从零编写大量样板代码，严重挤占核心业务逻辑开发时间。\n- **功能集成风险高**：自行拼凑前端界面与后端向量数据库时，常遇到兼容性问题，导致图像支持缺失或引用来源无法正确展示，系统稳定性难以保证。\n- **部署门槛高**：缺乏现成的快速部署方案，配置环境变量和容器化过程繁琐，延缓了内部测试和反馈循环。\n\n### 使用 awesome-llm-webapps 后\n- **精准高效选型**：团队直接查阅该清单，利用其详细的对比维度（如“最近一个月是否更新”、“是否支持图片”），迅速锁定了几个符合生产级要求的项目。\n- **开箱即用加速**：基于清单中推荐的成熟应用（如具备完整 Auth 和 RAG 流程的项目），团队直接复用现有架构，将原本需要两周的后端搭建工作压缩至两天。\n- **高级特性完备**：选定的项目原生支持富文本、多模型切换及详细的引用来源展示，无需额外开发即可满足复杂的内部问答需求。\n- **一键部署上线**：借助项目提供的快速部署指南，团队迅速在内部服务器完成环境搭建，立即进入业务微调阶段。\n\nawesome-llm-webapps 通过聚合高质量、活跃维护的开源 Web 应用，让开发者从“从零构建框架”转变为“基于成熟应用迭代”，极大缩短了 LLM 项目的落地周期。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ficefort-ai_awesome-llm-webapps_e176a919.png","icefort-ai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ficefort-ai_134d05a1.png","",null,"https:\u002F\u002Fgithub.com\u002Ficefort-ai",707,36,"2026-04-06T18:09:18","MIT",4,"未说明",{"notes":27,"python":25,"dependencies":28},"该仓库是一个开源 LLM Web 应用项目的聚合列表（Awesome List），本身不是一个单一的可运行软件，因此没有统一的运行环境需求。列表中包含了多个独立的项目（如 Hugging Face Chat UI, PrivateGPT, Dify 等），每个项目都有各自特定的依赖和环境要求（例如部分项目支持 Docker 部署，部分依赖 AWS\u002FAzure 云环境，部分支持本地 Ollama 模型）。用户需点击具体项目链接查阅其独立的 README 文件以获取详细的安装和运行指南。",[],[30,31],"语言模型","开发框架",2,"ready","2026-03-27T02:49:30.150509","2026-04-10T16:00:05.752370",[],[],[39,51,59,67,75,84],{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"status":33},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[48,31,49,50],"Agent","图像","数据工具",{"id":52,"name":53,"github_repo":54,"description_zh":55,"stars":56,"difficulty_score":45,"last_commit_at":57,"category_tags":58,"status":33},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[31,49,48],{"id":60,"name":61,"github_repo":62,"description_zh":63,"stars":64,"difficulty_score":32,"last_commit_at":65,"category_tags":66,"status":33},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",148568,"2026-04-09T23:34:24",[31,48,30],{"id":68,"name":69,"github_repo":70,"description_zh":71,"stars":72,"difficulty_score":32,"last_commit_at":73,"category_tags":74,"status":33},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",108111,"2026-04-08T11:23:26",[31,49,48],{"id":76,"name":77,"github_repo":78,"description_zh":79,"stars":80,"difficulty_score":32,"last_commit_at":81,"category_tags":82,"status":33},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[83,48,49,31],"插件",{"id":85,"name":86,"github_repo":87,"description_zh":88,"stars":89,"difficulty_score":32,"last_commit_at":90,"category_tags":91,"status":33},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[83,31]]