【亲测免费】 Chatbot UI 项目安装和配置指南
1. 项目基础介绍和主要编程语言
Chatbot UI 是一个开源的 AI 聊天应用项目,旨在为所有人提供一个易于使用的聊天机器人界面。该项目的主要编程语言是 JavaScript,使用了 Node.js 作为运行环境。Chatbot UI 的设计目标是简单易用,适合开发者快速搭建自己的聊天机器人应用。
2. 项目使用的关键技术和框架
Chatbot UI 项目使用了以下关键技术和框架:
- Node.js: 作为项目的运行环境,提供了 JavaScript 的运行时。
- React: 用于构建用户界面的 JavaScript 库,提供了高效的组件化开发方式。
- Next.js: 一个基于 React 的服务器端渲染框架,提供了更好的 SEO 和性能优化。
- Supabase: 一个开源的后端即服务(BaaS)平台,提供了数据库、身份验证等功能。
- Tailwind CSS: 一个实用优先的 CSS 框架,提供了丰富的预定义样式类,方便快速开发。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装和配置 Chatbot UI 项目之前,请确保你的开发环境满足以下要求:
- Node.js: 建议使用 Node.js 18 或更高版本。
- npm: Node.js 的包管理工具,通常随 Node.js 一起安装。
- Docker: 用于在本地运行 Supabase 服务。
- Git: 用于克隆项目代码。
详细安装步骤
步骤 1:克隆项目代码
首先,你需要从 GitHub 上克隆 Chatbot UI 项目的代码到本地。打开终端并运行以下命令:
git clone https://github.com/mckaywrigley/chatbot-ui.git
步骤 2:安装项目依赖
进入项目目录并安装项目所需的依赖包。运行以下命令:
cd chatbot-ui
npm install
步骤 3:安装和配置 Supabase
Chatbot UI 项目使用 Supabase 作为后端服务。你需要在本地安装并配置 Supabase。
-
安装 Docker:如果你还没有安装 Docker,请先安装 Docker。Docker 是一个容器化平台,用于在本地运行 Supabase。
-
安装 Supabase CLI:在终端中运行以下命令来安装 Supabase CLI:
-
MacOS/Linux:
brew install supabase/tap/supabase -
Windows:
scoop bucket add supabase https://github.com/supabase/scoop-bucket.git scoop install supabase
-
-
启动 Supabase:在项目根目录下运行以下命令来启动 Supabase:
supabase start -
配置环境变量:复制项目中的环境变量示例文件并填充实际值:
cp .env.local.example .env.local获取 Supabase 的配置值:
supabase status将获取到的值填充到
.env.local文件中。 -
配置 SQL 数据库:在
supabase/migrations/20240108234540_setup.sql文件中,替换以下两个值:project_url(第 53 行):使用 Supabase 状态中的 API URL。service_role_key(第 54 行):使用 Supabase 状态中的服务角色密钥。
步骤 4:安装 Ollama(可选)
如果你计划在本地使用 Ollama 模型,请按照 Ollama 的安装指南进行安装。
步骤 5:运行项目
在项目根目录下运行以下命令来启动项目:
npm run chat
项目将在 http://localhost:3000 上运行。你可以通过浏览器访问该地址来查看你的本地 Chatbot UI 实例。
总结
通过以上步骤,你已经成功安装并配置了 Chatbot UI 项目。你可以根据自己的需求进一步定制和扩展该项目,或者将其部署到云端以供更多人使用。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00