chatgpt-artifacts
chatgpt-artifacts 是一个开源项目,旨在为 ChatGPT 用户带来类似 Anthropic Claude 的“Artifacts”功能——即在对话过程中实时生成并展示可交互的网页、代码预览等内容,提升聊天体验的可视化与实用性。它解决了标准 ChatGPT 界面无法直接渲染动态内容(如 HTML 页面或图表)的问题,让用户更直观地查看 AI 生成的成果。
该项目适合开发者、研究人员或对本地大模型感兴趣的用户使用。使用者只需简单配置,即可接入 OpenAI、Groq、Ollama(支持 Llama3、Gemma2 等本地模型)或 Azure OpenAI 服务。其亮点在于灵活的后端适配能力:通过修改少量代码,就能切换不同推理后端,既支持云端 API,也兼容本地运行的开源模型。整个项目基于 Node.js 构建,部署流程清晰,遵循 GPL-3.0 开源协议,便于学习与二次开发。
使用场景
前端工程师小李正在开发一个内部知识库系统,需要频繁与 ChatGPT 协作生成可交互的 HTML/React 组件原型,并实时预览效果。
没有 chatgpt-artifacts 时
- 每次让 ChatGPT 生成代码后,必须手动复制粘贴到本地编辑器或 CodePen 中才能查看渲染效果,流程繁琐。
- 无法在聊天界面中直接看到页面或组件的可视化结果,只能靠想象或反复调试确认输出是否正确。
- 当需要修改样式或逻辑时,得在 ChatGPT 和开发环境之间来回切换,上下文容易断裂。
- 团队成员想复用某段生成的 UI 代码时,难以快速定位和提取有效内容。
- 使用本地 LLM(如 Llama3)时,更无法获得任何可视化反馈,体验远不如云端模型。
使用 chatgpt-artifacts 后
- ChatGPT 生成的 HTML、CSS 或 React 代码会自动以内嵌“Artifact”形式实时渲染,无需离开聊天界面即可预览效果。
- 可直接在 Artifact 面板中查看、调试甚至截图分享组件原型,大幅提升沟通效率。
- 修改需求后,新版本 Artifact 自动更新,保持对话与输出的一致性,避免上下文丢失。
- 所有生成的可视化结果按会话保存,方便回溯和复用历史成果。
- 无缝切换至 Ollama 或 Groq 上的开源模型(如 Llama3),依然保留 Artifact 渲染能力,兼顾隐私与体验。
chatgpt-artifacts 将原本割裂的“生成-验证”流程融合为所见即所得的协作体验,显著提升开发者与大模型协同构建 UI 的效率。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
chatgpt-artifacts
将 Claude 的 Artifacts(工件)功能引入 ChatGPT
预览
https://github.com/ozgrozer/chatgpt-artifacts/assets/651938/abc68e48-2a85-4cb8-a17a-ae795de1ed26
使用方法
克隆本仓库
git clone https://github.com/ozgrozer/chatgpt-artifacts.git
安装依赖
npm install
复制 .env.example 为 .env,并填入你的 OpenAI API 密钥
cp .env.example .env
vim .env
构建应用
npm run build
启动应用
npm start
Ollama 支持
若要使其与本地大语言模型(LLM)如 Llama3 或 Gemma2 配合使用,只需对代码进行简单修改。
打开 /pages/api/chat.js 文件
// 将此处
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY
})
// 修改为
const openai = new OpenAI({
apiKey: 'ollama',
baseURL: 'http://127.0.0.1:11434/v1'
})
// 将此处
const stream = await openai.chat.completions.create({
stream: true,
model: 'gpt-4o',
messages: conversations[conversationId]
})
// 修改为
const stream = await openai.chat.completions.create({
stream: true,
model: 'llama3',
messages: conversations[conversationId]
})
Groq 支持
若要使其与 Groq 配合使用,只需在 此处 获取 API 密钥,并对代码进行简单修改。
打开 /pages/api/chat.js 文件
// 将此处
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY
})
// 修改为
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
baseURL: 'https://api.groq.com/openai/v1'
})
// 将此处
const stream = await openai.chat.completions.create({
stream: true,
model: 'gpt-4o',
messages: conversations[conversationId]
})
// 修改为
const stream = await openai.chat.completions.create({
stream: true,
model: 'llama3-70b-8192',
messages: conversations[conversationId]
})
Azure OpenAI 支持
若要使其与 Azure OpenAI 配合使用,你需要在 Azure 门户 中创建资源,然后在 Azure OpenAI Studio 中创建部署,并获取你的 API 密钥、API 版本和 API 终结点,最后对代码进行简单修改。
打开 /pages/api/chat.js 文件
// 将此处
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY
})
// 修改为(如果 API 版本不同,请相应调整)
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
defaultQuery: { 'api-version': '2023-03-15-preview' },
defaultHeaders: { 'api-key': process.env.OPENAI_API_KEY },
baseURL: 'https://<RESOURCE_NAME>.openai.azure.com/openai/deployments/<DEPLOYMENT_NAME>'
})
// 在此处修改你的模型
const stream = await openai.chat.completions.create({
stream: true,
model: 'gpt-4o',
messages: conversations[conversationId]
})
许可证
常见问题
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。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。