All-Model-Chat
All-Model-Chat 是一款专为 Google Gemini API 生态打造的旗舰级全能 AI 工作台。它基于 React 18 深度定制,不仅支持传统的文本对话,更原生集成了 Gemini 系列模型的前沿特性,实现文本、语音、图片及视频的多模态交互。
针对传统 AI 应用依赖云端存储导致的隐私顾虑及响应延迟,All-Model-Chat 坚持本地优先原则,将数据存储于浏览器 IndexedDB,无需后端服务器即可运行。这既保障了用户数据安全,又提供了媲美原生应用的流畅体验。
无论是需要复杂推理的研究人员、进行代码调试的开发者,还是追求高效办公的设计师与普通用户,都能在此找到价值。All-Model-Chat 的独特技术亮点包括思维链可视化,让用户实时查看 AI 逻辑演算;Artifacts 模式可将代码块自动转化为交互式 HTML 看板或图表;同时支持客户端音频压缩与多 Key 轮询,显著降低 Token 消耗并提升稳定性。作为开源项目,All-Model-Chat 致力于成为连接用户与 Google 最强 AI 算力的可靠桥梁。
使用场景
某资深全栈工程师正在重构一个遗留的 Python 数据分析项目,任务涉及深入分析数百行核心代码逻辑、生成动态性能图表并调试复杂的算法错误,同时需参考最新的技术文档。
没有 All-Model-Chat 时
- 需要在普通聊天窗口、搜索引擎和代码编辑器之间频繁切换,导致上下文丢失严重。
- 上传大型代码库或文档时 Token 消耗极快,且无法直接在对话中运行代码验证逻辑。
- 面对复杂问题,AI 的推理过程完全黑盒化,难以判断生成代码的正确性与安全性。
- 生成的数据可视化结果仅为静态图片,无法直接交互或导出为可编辑的看板。
使用 All-Model-Chat 后
- 内置实时联网搜索与 Python 代码沙箱,无需离开界面即可验证脚本运行结果并获取最新资料。
- 客户端自动压缩文件并支持 ZIP 拖入解析,大幅降低 Token 成本,实现长文档无损分析。
- 思维链可视化功能让 AI 的逻辑演算过程透明可见,便于快速排查错误并优化提示词。
- Artifacts 模式一键将数据转化为交互式 ECharts 看板,直接嵌入工作流提升汇报效率。
All-Model-Chat 通过本地优先架构与深度 Gemini 集成,将分散的 AI 能力整合为高效的一站式开发工作台。
运行环境要求
- Windows
- macOS
- Linux
无需本地 GPU(基于 Google Gemini API 云端推理)
未说明

快速开始
🤖 All Model Chat
📖 项目简介 / Overview
All Model Chat 是一款基于 React 18 深度定制的高性能 AI 交互终端。它不仅支持传统的文本对话,更原生集成了 Google Gemini 3.0 & 2.5 系列模型的最前沿特性。
项目坚持 Local-First (本地优先) 原则,数据存储于浏览器 IndexedDB(浏览器数据库),无需后端服务器,在保障隐私的同时提供媲美原生应用的响应速度。它是你连接 Google 最强 AI 算力的全能工作桥梁。
✨ 核心能力 / Flagship Capabilities
| 🧠 深度推理 (Thinking) | 🎙️ 实时音视频 (Live API) | 🎨 智能看板 (Canvas) |
|---|---|---|
| 思维链可视化:适配 Gemini 3.0,支持设置 Token 预算或推理等级 (Minimal-High)。实时查看 AI 的逻辑演算过程。 | 毫秒级交互:集成双向实时流。支持语音通话、屏幕共享视觉识别,配合动态 Orb 音频可视化。 | Artifacts 模式:代码块自动识别预览。一键将信息转化为交互式 HTML 看板、ECharts 图表或 Mermaid 流程图。 |
| 📁 高级文件处理 | 🔍 生产力工具链 | 🔐 企业级 API 管理 |
|---|---|---|
| 智能压缩:客户端自动将音频转码为 16kHz MP3,节省 90% Token。支持 ZIP/文件夹拖入自动解析代码库。 | 深度搜索:聚合 Google Search,自动规划搜索任务并提供精准引用。内置 Python 代码沙箱运行环境。 | 多 Key 轮询:支持填入多个 API Key(应用程序接口密钥)自动分担压力。原生兼容 Vertex AI Express 代理端点。 |
🚀 快速开始 / Quick Start
1. 安装与运行
# 克隆仓库
git clone https://github.com/yeahhe365/All-Model-Chat.git
cd All-Model-Chat/all-model-chat
# 安装依赖
npm install
# 启动开发服务器
npm run dev
2. 配置密钥
访问 http://localhost:5173,在设置 -> API 密钥中填入你的 Gemini API Key。
💡 提示: 你也可以在根目录创建
.env.local填入GEMINI_API_KEY=xxx实现自动加载。
🛠️ 技术架构 / Technical Architecture
| 核心框架 | React 18 + TypeScript 5.5 + Vite 5 (极速 HMR) |
| 持久化层 | 原生 IndexedDB (封装 db.ts),支持原子化事务与大数据量日志存储 |
| 音频引擎 | AudioWorklet API (音频处理接口) (实时流处理) + Lamejs (Web Worker (网页工作线程) 异步压缩) |
| 渲染引擎 | React-Markdown + KaTeX (公式) + Highlight.js (代码) + Mermaid.js |
| 网络拦截 | 自定义 Network Interceptor (网络拦截器),动态重写 SDK 请求路径以兼容各类代理与 Vertex AI (谷歌云 AI 平台) |
📂 项目结构 / Structure
src/
├── components/ # 模块化 UI 组件
│ ├── chat/ # 输入框、消息列表、Live 状态条
│ ├── message/ # 消息渲染引擎 (Markdown, 代码块, 思考过程)
│ ├── log-viewer/ # 开发者日志面板 (实时监控 API 与 Token)
│ └── modals/ # 场景市场、文件配置、导出等功能弹窗
├── hooks/ # 核心逻辑 (逻辑与视图分离)
│ ├── live-api/ # WebRTC (实时通信协议)、音视频流媒体处理逻辑
│ ├── message-sender/ # 消息发送编排 (流式处理、错误拦截)
│ └── file-upload/ # 文件预处理、MP3 压缩策略
├── services/ # 外部服务 (Gemini SDK 深度封装)
└── utils/ # 工具类 (文件夹上下文解析、IndexedDB 包装)
🤝 参与贡献 / Contribution
我们欢迎任何形式的贡献!
- 报告问题:提交 GitHub Issue。
- 代码贡献:Fork 仓库 -> 创建特性分支 -> 提交 Pull Request (代码合并请求)。
- 支持作者:点个 Star (星标) ⭐️ 或前往 爱发电 支持持续开发。
Developed with ❤️ by 从何开始 123
Powered by Google Gemini 3.0 生态系统
版本历史
v1.8.52026/04/01v1.8.42026/01/31v1.8.32025/12/27v1.7.32025/11/23v1.7.22025/11/23v1.4.62025/09/07v1.4.02025/08/27v1.3.12025/08/12v1.3.02025/08/10v1.2.02025/08/04v1.1.12025/07/24v1.0.02025/07/21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。
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。
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。
tesseract
Tesseract 是一款历史悠久且备受推崇的开源光学字符识别(OCR)引擎,最初由惠普实验室开发,后由 Google 维护,目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据,有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题,是数字化归档和信息自动化的重要基础工具。 在技术层面,Tesseract 展现了强大的适应能力。从版本 4 开始,它引入了基于长短期记忆网络(LSTM)的神经网络 OCR 引擎,显著提升了行识别的准确率;同时,为了兼顾旧有需求,它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码,开箱即用即可识别超过 100 种语言,并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面,它灵活支持纯文本、hOCR、PDF、TSV 等多种格式,方便后续数据处理。 Tesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库(libtesseract),不包含图形用户界面(GUI),因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中