hashbrown
Hashbrown 是一套专为浏览器打造的“智能助手”框架,帮你把大模型能力直接塞进 React 或 Angular 页面。它解决了传统做法里“前端调 AI 接口难、状态管理乱、不同模型切换麻烦”的痛点:只需装 3 个包(核心、框架适配、后端 SDK),就能用自然语言生成 UI、把用户输入转成结构化数据,甚至预测下一步操作。
后端支持 OpenAI、Azure、Anthropic、Google Gemini 等主流模型,统一 API,换模型不改代码;前端提供 React Hook 与 Angular Service,生命周期自动对齐,流式响应不卡顿。
适合前端开发者、产品设计师或任何想把 LLM 搬进网页的人。无需从零搭桥,Hashbrown 已把“浏览器 ↔ 大模型”的通信、状态、错误处理都封装好,让你专注业务逻辑。
使用场景
一家 8 人规模的在线旅游创业公司,正在用 React + Node 开发一款「智能行程规划」SaaS,让用户用自然语言描述需求后,前端实时生成可拖拽的行程卡片。
没有 hashbrown 时
- 前端工程师得自己写 SSE 流解析、状态同步和重试逻辑,光“打字机”效果就折腾 3 天。
- 后端为了同时支持 OpenAI 与 Bedrock,写了两套几乎重复的 controller,维护噩梦。
- 产品要求“预测用户下一步想加哪个景点”,团队没精力做 prompt 调优,只能搁置。
- 每次模型升级,都要改接口字段,前端、后端、QA 来回对齐,迭代周期被拉长到两周。
使用 hashbrown 后
- 前端 10 行代码接入
@hashbrownai/react,流式文本自动渲染成卡片,开发时间从 3 天缩到 30 分钟。 - 后端用
@hashbrownai/openai与@hashbrownai/bedrock统一封装,换模型只改一行配置,零重复代码。 - 直接调用 hashbrown 的「next-action」钩子,模型根据上下文预测并推荐下一个景点,功能当天上线。
- 模型版本、prompt 模板全部托管在 hashbrown 配置中心,升级只需改 JSON,前后端无感同步,迭代周期回到 2 天。
hashbrown 让这家小团队在浏览器里就能跑起“LLM 驱动的产品功能”,把原本需要 3 人周的活压缩到 1 人天。
运行环境要求
- 未说明
未说明
未说明

快速开始
Hashbrown — 为浏览器构建代理
Hashbrown 是一款开源框架,用于
构建可在浏览器中运行的代理。
阅读 Angular 文档 | 阅读 React 文档
什么是 Hashbrown | 安装 | 快速入门 | 支持的 LLM 提供商 | 功能特性 | 操作示例 | 核心团队 | 咨询与合作
什么是 Hashbrown
Hashbrown 是一套针对 UI 的核心组件和框架专用包,同时还提供了适用于 Node 后端的 LLM SDK 包装器。借助 Hashbrown,您可以轻松地将智能能力嵌入到自己的 React 或 Angular 组件中。使用 Hashbrown,您可以生成用户界面、将自然语言转化为结构化数据,并预测用户的下一步行动。
安装
Hashbrown 通常需要安装以下三个包:
- @hashbrownai/core:一组共享的原语集合,用于管理与 LLM 提供商之间的状态交互
- @hashbrownai/<angular|react>:一套针对特定框架的包装器,可将核心原语轻松融入框架的生命周期流程中
- @hashbrownai/
:针对 Node 后端的提供商专用包装器,可对提供商 SDK 进行封装,以确保各提供商之间的一致性。
例如,若要将 Hashbrown 与 Angular 以及 OpenAI 的 GPT 模型结合使用,您可以按如下方式安装所需的包:
npm install @hashbrownai/{core,angular,openai} --save
若要将 Hashbrown 与 React 和 Azure 结合使用,则应这样操作:
npm install @hashbrownai/{core,react,azure} --save
支持的 LLM 提供商
Hashbrown 支持一系列不断扩充的专有模型及开放权重模型,这些模型通过各厂商专属的包实现,可将每个 SDK 的输入与输出统一为一种标准化格式,以便 Hashbrown 能够高效地进行处理。
其中包括:
请注意,只要厂商 SDK 支持的模型,通常都可以通过 Hashbrown 使用。不过,并非所有模型(尤其是部分较旧、规模较小的模型)都能完全满足 Hashbrown 的全部功能需求。
快速入门
Node 环境
Hashbrown 后端 SDK 包装器为多种 SDK API 提供了统一的接口层,使您能够轻松提供 API 密钥、模型选择以及其他厂商专属参数。
Hashbrown 采用 HTTP 流式通信机制,实现 Node 后端与 UI 插件/资源之间的数据交互。
以下示例展示了如何暴露一个 POST 端点 /chat,该端点:
- 接收诸如消息集、Schema 以及工具调用/定义等完成参数
- 将 LLM 响应流式传输回 Hashbrown UI 机制
注意:URL 可在 Hashbrown 中进行配置,只要后端与 UI 中的 URL 相匹配,无需强制使用 /chat。
import { HashbrownOpenAI } from '@hashbrownai/openai';
app.post('/chat', async (req, res) => {
const stream = HashbrownOpenAI.stream.text({
apiKey: process.env.OPENAI_API_KEY!,
request: req.body, // 必须为 Chat.Api.CompletionCreateParams
});
res.header('Content-Type', 'application/octet-stream');
for await (const chunk of stream) {
res.write(chunk); // 每当一帧编码数据到达时,立即进行管道传输
}
res.end();
});
如需更完整的示例,请参阅 样本服务器主文件 main.ts。
React 环境
配置提供商:
export function Providers() {
return (
<HashbrownProvider url={url}>
{children}
</HashbrownProvider>
)
}
在成功配置好提供商后,您便可以在应用中的任意位置使用 Hashbrown 钩子。
我们的文档网站提供了多种示例与教程,例如 从文本输入中提取结构化数据。
Angular 环境
配置提供商:
export const appConfig: ApplicationConfig = {
providers: [
provideHashbrown({
baseUrl: '/api/chat',
}),
],
};
在成功配置好提供商后,您便可以在应用中的任意位置使用 Hashbrown 钩子。
我们的文档网站提供了多种示例与教程,例如 为聊天机器人配备工具调用功能。
功能特性
Hashbrown 提供了一套丰富的工具,可用于为 UI 增强智能能力:
- 输入补全
- 结构化补全(即自然语言补全)
- 组件选择与渲染
- 工具调用
- 代码生成与执行
这些功能均可与应用的状态、持久化机制、组件等相互作用,因此在 AI 的应用方式与时机上具有极大的灵活性。
此外,由于 LLM 能够支持多种语言,Hashbrown 的各项功能均能以各种语言作为输入或输出。
我们选择根据各自支持的 UI 框架来详细记录这些功能特性。
Angular 版本:https://hashbrown.dev/docs/angular/start/intro
React 版本:https://hashbrown.dev/docs/react/start/intro
示例应用
为了便于演示、构思与开发,我们已在仓库中添加了多个示例应用。这些应用具备状态、响应式编程等特性,如同完整版的应用一样。此外,它们还配备了简单的后端服务器,以支持使用 LLM 提供商,但通常并不包含持久化等功能。
Angular 智能家居
基于 Angular 的智能家居应用,可控制灯光、创建并应用场景,还可设置事件调度。用户可以通过聊天提示与应用互动,实时在聊天中呈现灯光、场景等效果。
Smart-home-server 已经配置为使用 OpenAI(您只需将 API 密钥作为环境变量提供),但也可迅速适配我们其他任何后端包装器。
nvm use
npm install
npx nx serve smart-home-server && npx nx serve smart-home-angular
React 智能家居
一款基于 React 的智能家居应用,可实现灯光控制、场景创建与应用以及事件预约。用户可以通过聊天提示与系统互动,直接在聊天界面中实时渲染灯光、场景等。
智能家居服务器已配置为使用 OpenAI(您只需将 API 密钥作为环境变量提供即可),但也可快速适配我们其他任意后端封装器。
nvm use
npm install
npx nx serve smart-home-server && npx nx serve smart-home-react
Angular 金融
该金融应用内置了大量早餐食品库存数据,展示了 Hashbrown 能够生成 JavaScript 代码来对数据进行切片与汇总、以任意方式配置图表,并最终为用户呈现这些图表。
注意:主题可通过自然语言轻松调整,例如“把图例调大一点,再改成绿色”。“90 年代的 Excel”一直是广受欢迎的选择。
nvm use
npm install
npx nx serve finance-server && npx nx serve finance-angular
Angular 厨房水槽
厨房水槽应用是 Angular 智能家居应用的扩展版,功能更加丰富。它为贡献者提供了一个实验性的平台,供其探索并新增各类新功能与新机制(例如:“请给我解释一下这个页面”)。
nvm use
npm install
npx nx serve kitchen-sink-server && npx nx serve kitchen-sink-angular
核心团队
hashbrown 是由 Mike Ryan、Brian Love 和 Ben Taylor 领导的社区项目。
贡献
hashbrown 是一个由社区驱动的项目。请阅读我们的 贡献指南,了解如何参与其中。
咨询
Hashbrown 由 LiveLoveApp 公开打造。我们热衷于为网络构建各类产品,并曾助力多家初创公司、银行及金融行业的工程团队。
许可证
MIT © LiveLoveApp, LLC
版本历史
v0.5.0-beta.4v0.5.0-beta.3v0.5.0-beta.2v0.5.0-beta.1v0.4.1v0.4.1-alpha.2v0.4.1-alpha.1v0.4.0v0.4.0-rc.1v0.4.0-rc.0v0.3.0v0.2.3v0.2.2v0.2.1v0.2.0v0.1.2v0.1.1v0.1.0v0.0.3v0.0.3-0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。