light-gpt

GitHub
828 206 简单 1 次阅读 5天前MIT语言模型
AI 解读 由 AI 自动生成,仅供参考

Light-GPT 是一款基于 GPT-3.5-Turbo 模型打造的轻量级交互式网站应用,旨在为用户提供一个简洁、高效且隐私安全的 AI 对话体验。它解决了传统 AI 工具常需复杂后端配置或担忧数据泄露的痛点,通过纯前端架构,让用户直接在浏览器中输入自己的 API Key 即可使用,所有密钥与对话记录均本地存储于设备中,彻底杜绝了服务端数据泄露的风险。

这款工具非常适合希望快速搭建个人 AI 助手的开发者、需要安全环境进行编程辅助的技术人员,以及注重隐私保护的普通用户。其技术亮点在于支持流式数据传输,回复内容以流畅的“打字机”效果呈现;针对编程场景提供代码高亮与一键复制功能,并支持将对话导出为图片或 PDF。此外,Light-GPT 还集成了文生图能力,允许用户自定义对话头像,并完美适配电脑与移动端设备。无论是通过 Next.js 本地部署,还是利用 Vercel 一键上线,亦或是使用 Docker 容器运行,Light-GPT 都提供了极高的灵活性与便捷性,让每个人都能轻松拥有专属的 AI 对话伙伴。

使用场景

某独立开发者希望快速搭建一个供团队内部使用的 AI 编程助手,但受限于服务器预算和数据隐私合规要求,无法部署复杂的后端服务。

没有 light-gpt 时

  • 部署门槛高:需要自行配置 Node.js 环境、购买云服务器并编写后端代码来转发 OpenAI 请求,耗时数天且维护成本高。
  • 数据泄露风险:API Key 必须存储在后端服务器或环境变量中,一旦服务器被攻破,密钥极易泄露导致资金损失。
  • 对话记录难管理:历史对话通常存储在远程数据库,不仅增加架构复杂度,还让用户担心敏感代码片段被第三方留存。
  • 功能扩展繁琐:若想支持代码高亮、一键复制或导出 PDF 等功能,需额外集成多个前端库并手动调试样式。
  • 多端适配困难:自行开发的网页往往在移动端显示错乱,团队成员无法在手机上随时查看代码建议。

使用 light-gpt 后

  • 零后端极速上线:利用 Next.js 纯前端架构,只需 Fork 仓库并连接 Vercel,几分钟即可拥有可访问的在线应用,无需运维服务器。
  • 密钥绝对安全:API Key 仅保存在用户浏览器本地,不经过任何中间服务器,从根源上杜绝了密钥泄露风险。
  • 本地化隐私保护:所有对话历史自动存入浏览器 IndexedDB,数据完全留在用户设备端,既方便追溯又确保代码隐私不外流。
  • 开箱即用的专业体验:内置代码语法高亮、一键复制及对话导出(图片/PDF)功能,直接满足开发者对技术文档的处理需求。
  • 全平台无缝切换:天然适配 PC 与移动端界面,团队成员无论是在电脑前写代码还是外出用手机查阅,都能获得一致流畅的体验。

light-gpt 通过纯前端架构与安全本地存储机制,让开发者能以最低成本构建出私有、安全且功能完备的专属 AI 编程工作台。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

不需要 GPU

内存

未说明

依赖
notes这是一个纯前端应用,无需后端服务器。运行时需要浏览器具备访问 OpenAI 官网的网络环境(科学上网),否则无法正常使用 API。数据存储在浏览器本地 IndexedDB 中。
python不需要 Python (基于 Node.js)
Node.js >= 16.14.2
pnpm
Next.js
light-gpt hero image

快速开始

Light-GPT

Light-GPT 是一个基于 GPT-3.5-Turbo 模型的交互式网站项目,使用 Next.js 框架构建,使用 Vercel 云平台部署,是一个纯前端的轻量级应用。

Github 代码库: https://github.com/riwigefi/light-gpt

演示站点: https://light-gpt.vercel.app

功能

  1. 纯前端应用,基于 GPT-3.5-Turbo 模型,使用 API KEY 在前端请求 OpenAI 的对话接口,支持流式数据,页面以打字机效果显示机器人回复。
  2. 部署后,用户在前端页面设置自己的 API KEY,科学上网的情况下,问答速度会很快。用户设置的 API KEY 将保存在客户端,完全没有泄漏风险。
  3. 支持新的主题对话和查看历史主题对话。所有对话数据都存储在浏览器的 IndexedDB 中,也就是说对话数据记录是保存在本地的,不会有数据泄漏风险。
  4. AI 回复支持多种语法高亮和一键复制代码功能,针对编程相关问题。对话支持图片和 PDF 导出。
  5. 应用适配了 PC 和 Mobile 设备,方便使用。
  6. 支持 DIY,支持设置用户头像和 AI 头像。
  7. 支持根据文字生成图片

站点预览

Site Preview Light Mode

Site Preview Dark Mode

本地部署

要在本地部署 Light-GPT,按照以下步骤操作(需要 node16.14.2 及以上版本):

  1. 将项目下载到本地:
git clone https://github.com/riwigefi/light-gpt.git
  1. 进入项目目录并安装依赖项:
cd light-gpt
pnpm install
  1. 启动应用程序:
pnpm run dev

这样,项目就能在 http://localhost:3000 上预览了。在前端页面输入你的 API KEY,就可以愉快对话了。

Vercel 线上部署

  1. 注册一个 Vercel 云平台部署账号,访问 Vercel
  2. light-gpt 当前仓库 fork 到你的 Github。
  3. 登录 Vercel 平台,点击 "Add New",选择 "Project",然后 import 刚刚 fork 的 Github 项目,点击部署即可。

Docker 本地部署

为方便使用,本项目也提供了 Docker 镜像。

  1. 拉取最新的 Docker 镜像:
docker pull whynotisme/light-gpt
  1. 运行镜像 ,将 Docker 容器内的端口 3000 映射到主机的端口 3000 上:
docker run -p 3000:3000 whynotisme/light-gpt

重要提示

本地部署时,只需要支持浏览器可科学上网即可,因为请求是在浏览器发起的。由于 OpenAi 风控政策,请务必保证你是科学上网环境,你可以正常访问 open ai 官网,如果不能,请不要设置 api key 进行调试,否则会有异常风险

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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|★★☆☆☆|今天
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|★★★☆☆|昨天
Agent图像开发框架

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。

74.9k|★★★☆☆|今天
语言模型图像开发框架

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。

70.6k|★★★☆☆|今天
语言模型Agent开发框架