chatgpt-next

GitHub
781 262 简单 1 次阅读 2个月前MIT语言模型
AI 解读 由 AI 自动生成,仅供参考

ChatGPT Next 是一款基于 Next.js 构建的开源项目,旨在为用户提供拥有微信风格界面的 ChatGPT 交互体验。它完美复刻了熟悉的聊天气泡设计,同时兼顾移动端与 PC 端的极致适配,让对话过程更加自然流畅。

该项目核心解决了用户对于数据隐私安全及个性化部署的需求。通过支持私有化部署,用户可以轻松将服务搭建在 Vercel、Zeabur、Netlify 等平台或自有服务器上,避免依赖第三方公开服务。其独特的"API 密钥别名”功能尤为亮眼,允许管理员配置多个密钥别名,分享链接时无需暴露真实 API Key,既方便亲友共用又保障了账户安全。此外,它还率先支持了 OpenAI 最新的 o1、o1-mini 及 gpt-4o 系列模型。

ChatGPT Next 非常适合希望拥有独立 AI 助手的普通用户,以及需要快速搭建内部演示环境或定制前端体验的开发者。无论是想在不暴露密钥的前提下与家人共享 AI 能力,还是技术人员寻求一个轻量、美观且易于维护的部署方案,它都是一个极佳的选择。项目遵循 MIT 协议,代码开放透明,便于二次开发与学习。

使用场景

某初创团队希望为内部员工提供安全的 AI 助手,但担心直接使用官方接口会导致 API Key 泄露或被外部滥用。

没有 chatgpt-next 时

  • 密钥安全隐患:若直接分享官方链接或前端代码,核心 API Key 极易暴露给无关人员,导致额度被盗刷。
  • 部署门槛高:自行搭建类似微信风格的流畅界面需要耗费大量前端开发时间,难以快速落地。
  • 访问体验割裂:员工需在不同设备间切换,缺乏统一且熟悉的聊天交互界面,移动端适配效果差。
  • 网络受限风险:直接请求境外接口不仅速度慢,还面临连接不稳定甚至账号被封禁的风险。

使用 chatgpt-next 后

  • 别名隔离保护:通过配置 OPENAI_API_KEY_ALIAS,员工仅需输入"dev"或"prod"等别名即可调用,真实密钥完全隐藏在后端。
  • 一键私有部署:利用 Vercel 或 Docker 镜像,几分钟内即可在内部服务器完成部署,拥有完全可控的独立域名。
  • 极致交互体验:原生复刻微信聊天气泡风格,完美适配手机与电脑端,员工无需学习成本即可上手。
  • 灵活路由配置:支持自定义 API Host 结合代理方案,有效规避网络限制,确保服务稳定运行且不触发封号机制。

chatgpt-next 通过“别名鉴权 + 私有化部署”的组合拳,让团队以最低成本拥有了安全、稳定且体验极致的专属 AI 办公平台。

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该项目基于 Next.js 构建,需安装 Node.js 环境。支持通过 Docker、Vercel、Zeabur、Netlify 一键部署,也可使用 npx 或 pm2 运行。中国地区直接请求 OpenAI 接口可能导致封号,本地开发环境下默认跳过请求,如需测试需修改代码。建议私有化部署时域名避免包含敏感字眼以防被墙。
python未说明
Node.js
pnpm
Next.js
chatgpt-next hero image

快速开始

ChatGPT Next

微信风格的 ChatGPT,基于 Next.js 构建,私有化部署的最佳选择!

官方网站已被墙 [镜像]  |  私有化部署  |  配置

npm server docker test

特性

  • 🎉 支持 o1 和 o1-mini 啦
  • 🎉 支持 gpt-4o 和 gpt-4o-mini 啦
  • 微信风格的聊天气泡,支持移动/PC 端,打造最极致的交互体验
  • 支持私有化部署,使用 Vercel / Zeabur / netlify 等一键部署
  • 配置密钥别名,无需暴露 apiKey 就可以分享给朋友

官方网站被墙通知

如果无法访问官方网站 https://chatgpt-next.com,可以尝试访问镜像站 https://1.caninae.com,或者备份网址,或者私有化部署。

私有化部署

私有化部署时,域名最好不要带 chat、gpt、ai 等字眼,否则容易被墙探测到。

使用 Vercel 一键部署

  1. Fork 本仓库
  2. Vercel 中 Add New Project
  3. 选择 chatgpt-next 点击 Import 进行导入

使用 Zeabur 一键部署

  1. Fork 本仓库
  2. Zeabur 中创建新服务
  3. 选择 chatgpt-next 导入部署

使用 netlify 一键部署

  1. Fork 本仓库
  2. netlify 中 Add new site => Import an existing project
  3. 选择 chatgpt-next 点击 Deploy site 开始部署

运行 docker 镜像

docker run --name chatgpt-next -d -p 3000:3000 -e OPENAI_API_KEY_ALIAS xcatliu/chatgpt-next:latest
# --name 容器名称,-d 后台运行,-p 端口映射,-e 透传环境变量

使用 npx 运行

npx chatgpt-next -- -p 3000
# -- 后面的参数会透传给 next start,比如 -p 可以指定端口,默认端口是 3000

# 使用 pm2 后台运行
npx pm2 start --name chatgpt-next npx -- chatgpt-next -- -p 3000

配置

以下表格记录了所有的环境变量配置,一些较为复杂的配置在后面有单独的说明。

环境变量 描述 默认值
OPENAI_API_KEY_ALIAS apiKey 別名
CHATGPT_NEXT_DISABLE_PUBLIC 禁止陌生人通过他自己的 apiKey 访问 false
CHATGPT_NEXT_API_HOST 配置 API 请求的 host(包含端口) api.openai.com

OPENAI_API_KEY_ALIAS

配置环境变量 OPENAI_API_KEY_ALIAS 即可支持 apiKey 别名。

使用 | 分隔多项别名配置,每个别名配置使用 : 分隔别名和真实 apiKey,举例如下:

OPENAI_API_KEY_ALIAS="firstkey:sk-********FUt3|secondkey:sk-********f1J3"

按照上面的配置,用户在打开页面的弹窗中输入 firstkey 就会以第一个 apiKey 发送请求,输入 secondkey 就会以第二个 apiKey 发送请求。

链接中支持直接带上 api-key,更方便的分享给朋友,比如:

https://chatgpt-next.com/?api-key=firstkey

本地开发

需要先安装 Node.js 环境,可以在官网下载安装

# 安装依赖
npm i -g pnpm
pnpm i
# 本地开发
pnpm dev

# 构建
pnpm build
# 启动
pnpm start

重要提醒

中国地区直接请求 OpenAI 接口可能导致封号,所以 dev 环境下跳过了请求。如需发送请求,请将 app/api/chat/route.ts 文件中的相关代码注释掉。

whistle 代理

使用 whistle 可以方便的抓包,并将 api 请求代理到现网。

下面是本地开发时的 whistle 配置:

chatgpt-next.com/api ignore://*
chatgpt-next.com 127.0.0.1:3000

备份网址

如果你也部署了一个站点并且愿意公开出来,欢迎 pr!

开源协议

MIT,随便拿去用,记得帮我多宣传宣传。

如果觉得帮助到你了,欢迎请我喝一杯咖啡 ☕️

Star History

Star History Chart


MIT License

Copyright (c) 2023 xcatliu

Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

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