chatkit-js

GitHub
1.9k 182 中等 1 次阅读 昨天Apache-2.0语言模型开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

chatkit-js 是一个功能完备的框架,用于快速构建高质量、由 AI 驱动的聊天体验。它专为希望在应用中快速集成高级对话智能的开发者而设计,无需复杂的配置或重复造轮子。chatkit-js 提供开箱即用的生产级聊天界面,让开发者可以专注于核心功能的实现。

它解决了传统聊天功能开发中常见的痛点,如 UI 自定义困难、响应流处理复杂、工具集成繁琐等。通过内置的响应流、丰富的交互组件、附件支持以及消息管理等功能,chatkit-js 让开发者能够轻松打造自然流畅的聊天体验。

chatkit-js 适合前端开发者使用,特别是那些希望快速集成 AI 聊天功能但又不想从零开始构建聊天系统的团队。其独特的亮点包括框架无关性、深度 UI 定制能力以及对代理行为和推理过程的可视化支持,使得聊天界面不仅功能强大,还能与应用整体风格无缝融合。只需引入组件并进行简单配置,即可快速上手。

使用场景

某在线教育平台正在开发一款面向企业客户的智能客服系统,用于解答客户关于课程内容、报名流程和售后服务的咨询。开发团队希望快速集成一个功能强大且易于定制的聊天界面,以提升用户体验并减少开发成本。

没有 chatkit-js 时

  • 开发人员需要从零开始构建聊天界面,包括消息发送、接收、附件上传、会话管理等功能,耗费大量时间与资源。
  • 实现响应流式输出(如AI生成回复时逐步显示)需自行处理底层逻辑,增加代码复杂度。
  • 要实现高级功能(如文件上传、会话线程管理、来源标注等),需要引入多个第三方库并进行繁琐的集成工作。
  • UI 需要高度定制化,但缺乏统一框架支持,导致不同页面间的聊天组件风格不一致,影响整体产品体验。
  • 团队缺乏成熟的开源方案参考,只能依赖文档和社区支持,开发效率低下。

使用 chatkit-js 后

  • 直接使用 chatkit-js 提供的完整聊天组件,无需从头开发基础功能,节省大量开发时间和人力成本。
  • 内置的响应流式输出功能可无缝接入AI模型,实现自然流畅的对话交互,无需额外开发。
  • 通过内置的附件处理、线程管理和来源标注等功能,快速实现复杂会话场景,减少第三方依赖。
  • 提供深度UI定制能力,使聊天界面与平台整体设计风格保持一致,提升用户使用体验。
  • 快速接入官方示例和文档,降低学习成本,加速项目上线进程。

chatkit-js 让开发团队能够高效构建高质量、可定制的AI聊天体验,显著提升了开发效率和产品竞争力。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes需要后端服务器生成 client token,前端需使用 React 框架并安装 @openai/chatkit-react 包。ChatKit JS 需通过 CDN 引入,且需配置 API 接口以获取 client secret。
python3.8+
fastapi
pydantic
openai
requests
chatkit-js hero image

快速开始

ChatKit 是一个开箱即用的框架,旨在帮助开发者快速构建高质量、由 AI 驱动的聊天体验。它专为希望以最少的配置、无需从头开发即可为其应用添加先进对话智能的开发者而设计。ChatKit 提供一套完整的、可直接投入生产的聊天界面。

主要功能包括:

  • 深度 UI 自定义,让 ChatKit 无缝融入您的应用,成为其中的一等公民;
  • 内置响应流式传输,实现互动自然的对话体验;
  • 工具与工作流集成,支持可视化代理行为与思维链推理;
  • 丰富的交互小部件,直接渲染在聊天窗口内;
  • 附件处理,支持文件与图片上传;
  • 线程与消息管理,便于组织复杂的对话;
  • 来源标注与实体标记,提升透明度与引用清晰度。

只需将 ChatKit 组件拖入您的应用,配置几项选项,即可立即投入使用。

ChatKit 的独特之处?

ChatKit 是一款与具体框架无关、即插即用的聊天解决方案。 您无需自建自定义 UI、管理底层聊天状态,也不必自行拼凑各种功能。 只需添加 ChatKit 组件、提供客户端令牌,并根据需求自定义聊天体验,无需额外开发工作。

快速入门

  1. 在您的服务器上生成客户端令牌。

    from fastapi import FastAPI
    from pydantic import BaseModel
    from openai import OpenAI
    import os
    
    app = FastAPI()
    openai = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
    
    @app.post("/api/chatkit/session")
    def create_chatkit_session():
        session = openai.chatkit.sessions.create({
          # ...
        })
        return { "client_secret": session.client_secret }
    
  2. 安装 React 绑定。

    npm install @openai/chatkit-react
    
  3. 将 ChatKit JS 脚本添加到您的页面。

    <script
      src="https://cdn.platform.openai.com/deployments/chatkit/chatkit.js"
      async
    ></script>
    
  4. 渲染 ChatKit。

    import { ChatKit, useChatKit } from '@openai/chatkit-react';
    
    export function MyChat() {
      const { control } = useChatKit({
        api: {
          async getClientSecret(existing) {
            if (existing) {
              // 实现会话刷新
            }
    
            const res = await fetch('/api/chatkit/session', {
              method: 'POST',
              headers: {
                'Content-Type': 'application/json',
              },
            });
            const { client_secret } = await res.json();
            return client_secret;
          },
        },
      });
    
      return <ChatKit control={control} className="h-[600px] w-[320px]" />;
    }
    

查看实际示例

  • 入门应用 - 克隆仓库,即可获得一个完全可用的模板;
  • 示例集 - 查看 ChatKit 的实际应用案例,获取灵感。

许可协议

本项目采用 Apache License 2.0 许可协议。

版本历史

@openai/chatkit@1.6.02026/02/10
@openai/chatkit-react@1.5.02026/02/10
@openai/chatkit@1.5.02026/01/21
@openai/chatkit-react@1.4.32026/01/21
@openai/chatkit@1.4.02026/01/17
@openai/chatkit-react@1.4.22026/01/17
@openai/chatkit@1.3.02026/01/10
@openai/chatkit-react@1.4.12026/01/10
@openai/chatkit@1.2.02025/12/16
@openai/chatkit-react@1.4.02025/12/16
@openai/chatkit@1.1.02025/11/25
@openai/chatkit-react@1.3.02025/11/25
@openai/chatkit@1.0.32025/11/19
@openai/chatkit-react@1.2.32025/11/19
@openai/chatkit-react@1.2.22025/11/19
@openai/chatkit@1.0.22025/11/18
@openai/chatkit-react@1.2.12025/11/18
@openai/chatkit@1.0.12025/10/27
@openai/chatkit-react@1.2.02025/10/27
@openai/chatkit@1.0.02025/10/09

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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|昨天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|2天前
Agent图像开发框架