【亲测免费】 Open Canvas 使用与启动教程
1. 项目介绍
Open Canvas 是一个开源的网页应用程序,旨在通过智能代理协助用户更好地撰写文档。该项目灵感来源于 OpenAI 的 "Canvas",但它具有一些关键的不同之处。Open Canvas 的全部代码,从前端、内容生成代理到反思代理都是开源的,并采用 MIT 许可证。
Open Canvas 的特点包括内置的内存系统,可以自动生成关于用户的反思和记忆,并在随后的聊天互动中使用,以提供更加个性化的体验。此外,它还支持自定义快速操作,允许用户定义与特定用户相关联的提示,并在会话之间持久化。
2. 项目快速启动
环境要求
在开始之前,请确保您的系统已安装以下依赖项:
- Yarn 包管理器
- OpenAI API 密钥
- Anthropic API 密钥(可选)
- Google GenAI API 密钥(可选)
- Fireworks AI API 密钥(可选)
- Groq AI API 密钥(可选)
- Supabase 账户用于认证
克隆仓库
首先,克隆 Open Canvas 的仓库:
git clone https://github.com/langchain-ai/open-canvas.git
cd open-canvas
安装依赖
接下来,使用 Yarn 安装项目依赖:
yarn install
配置环境变量
将 .env.example 文件的内容复制到 .env 文件中,并设置所需的值:
cp .env.example .env
对于前端应用,还需要在 apps/web 目录下执行相同的操作:
cd apps/web
cp .env.example .env
设置认证
在 Supabase 创建账户后,访问你的仪表盘并创建一个新项目。然后进入项目设置,复制 Project URL 和 anon public 项目 API 密钥,并设置到 .env 文件中的相应环境变量。
在认证页面确保启用了 Email 认证方式。你也可以启用 GitHub 和 Google 认证。
测试认证
运行以下命令启动开发服务器:
yarn dev
在浏览器中访问 localhost:3000,你应该会被重定向到登录页面。你可以使用 Google 或 GitHub 登录,或者使用电子邮件和密码注册新账户。
设置 LangGraph 服务器
在项目根目录运行以下命令构建应用:
yarn build
然后在 apps/agents 目录下启动 LangGraph 服务器:
yarn dev
最后,在 apps/web 目录下启动 Open Canvas 前端:
yarn dev
现在,你可以通过浏览器访问 localhost:3000 开始交互。
3. 应用案例和最佳实践
(此部分内容将根据实际项目应用场景进行编写,此处留白)
4. 典型生态项目
(此部分内容将介绍与 Open Canvas 相关的生态系统项目,此处留白)
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00