ChuanhuChatGPT
GaiZhenbiao/ChuanhuChatGPT加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这样的场景：你想用 Claude 3 来处理一份 PDF 论文，需要它先理解内容再回答你的问题，还要保存完整的对话历史——以前这需要写一堆 API 调用代码、配置代理、处理 token 限额。现在，一个不到 100 行配置的本地 Web 界面，把这一切全部搞定。
川虎 ChatGPT（ChuanhuChatGPT） 就是这样一款工具。它是一个功能完整的本地图形界面，专门用于调用各类大语言模型 API（OpenAI GPT、Claude 3、ChatGLM、Qwen 等），支持文件问答、Agent 代理、微调训练、提示词管理等进阶能力，在 GitHub 上拥有超过 1.5 万颗星，是目前最受欢迎的 LLM API 调用前端之一。
川虎 ChatGPT 由 GitHub 用户 GaiZhenbiao 开发维护。项目最早于 2023 年初 ChatGPT API 开放后不久启动，最初只是一个简单的 Gradio Web 界面，帮助用户绕过网页版的限制直接调用 API。
随着 OpenAI API 功能逐步扩展（Assistants、Function Calling、DALL-E 3 等）以及 Claude 3、ChatGLM、Qwen 等新兴模型的出现，作者持续迭代，逐步将川虎 ChatGPT 打造成一个支持多模型的通用 LLM 调用平台。项目采用 GPL-3.0 开源协议，代码质量稳定，更新活跃。
川虎 ChatGPT 最大的特点是多模型聚合。用户无需安装多个软件，只需在配置中填入各平台的 API Key，就能在同一个界面中切换使用：
每种模型的参数配置独立保存，切换模型时界面右上角自动刷新模型 logo 和名称，体验流畅。
这是川虎 ChatGPT 最受欢迎的功能之一。用户上传 PDF、Word、txt 文件后，系统会自动解析文件内容，将其作为上下文注入 LLM 提示词中。用户可以针对文档内容提问、总结要点、提取信息——无需 LangChain/Semantic Kernel 等复杂框架，一行代码都不用写。
底层使用 ChromaDB 作为向量数据库，文件首先被切分为文本块（chunk），通过 embedding 模型向量化后存入本地数据库。检索时用相似度搜索找到相关片段，拼接到提示词中发给 LLM。
支持 OpenAI 的 Function Calling 和 Claude 的 Tool Use 能力。用户可以定义自定义工具（如查天气、搜新闻、调用本地脚本），让 LLM 自主决定调用哪些工具完成任务。项目内置了川虎提示词库，覆盖翻译、总结、代码审查等常用场景。
集成 OpenAI Fine-tuning API 的完整流程：上传微调数据、创建微调任务、监控训练进度、部署微调模型。整个过程在 Web 界面中可视化完成，降低了微调的门槛。
内置提示词模板系统，支持 JSON/CSV 格式导入导出。用户可以创建自己的提示词库，在不同对话中快速切换。提供了中文、英文、繁体中文、日语、俄语等多语言提示词模板。
川虎 ChatGPT 的代码结构清晰，主入口文件 ChuanhuChatbot.py 约 2000 行，负责应用初始化、路由和核心交互逻辑。核心模块分布在 modules/ 目录下：
config.py：配置管理，支持多模型参数、API Key、环境变量的统一管理index_func.py：Web 界面核心函数（Gradio 组件定义、回调处理）models/：各模型适配器，封装不同 API 的调用方式pdf_func.py：PDF 文档解析与文本提取train_func.py：GPT 微调流程控制repo.py：文件问答和向量检索逻辑shared.py：共享工具函数前端基于 Gradio 构建。Gradio 是 Hugging Face 开源的 Python Web 界面库，通过装饰器语法即可快速构建交互式 AI 应用。相比 FastAPI + Jinja2 的组合，Gradio 大幅降低了 Web 界面开发成本。
界面资源（HTML、CSS、JS、图片）存放在 web_assets/ 目录，支持自定义外观和布局。templates/ 目录存放提示词模板文件。
用户请求的处理流程：
index_func.py 接收modules/models/ 中的适配器repo.py 执行向量检索，将相关片段注入提示词config.json核心依赖：
gradio — Web 界面langchain / langchain-community — Agent 和文档处理chromadb — 向量数据库pypdf / python-docx — 文档解析openai — OpenAI API 客户端anthropic — Anthropic API 客户端项目提供 Dockerfile，支持 Docker 部署。基础镜像为 python:3.10-slim，安装依赖后直接运行主程序。容器暴露 Gradio 默认的 7860 端口，用户可通过浏览器访问。
Dockerfile 为单阶段构建，镜像体积约 1-2 GB，适合有 Docker 环境的用户快速部署。
方式一：Docker 部署（推荐）
git clone https://github.com/GaiZhenbiao/ChuanhuChatGPT.git
cd ChuanhuChatGPT
docker build -t chuanhu-chatbot .
docker run -p 7860:7860 chuanhu-chatbot
然后浏览器打开 http://localhost:7860，填入 API Key 即可使用。
方式二：原生运行
git clone https://github.com/GaiZhenbiao/ChuanhuChatGPT.git
cd ChuanhuChatGPT
pip install -r requirements.txt
python ChuanhuChatbot.py
| 工具 | 多模型 | 文件问答 | Agent | 微调 | Docker | Stars |
|---|---|---|---|---|---|---|
| 川虎 ChatGPT | ✅ 20+ | ✅ ChromaDB | ✅ | ✅ | ✅ | 15272 |
| NextChat | ✅ 10+ | ✅ | ✅ | ❌ | ✅ | 25000+ |
| Chatbox | ✅ 15+ | ✅ | ❌ | ❌ | ❌ | 8000+ |
| Open WebUI | ✅ 15+ | ✅ | ✅ | ✅ | ✅ | 22000+ |
由于完全依赖第三方 API，用户需要自行承担 token 费用。GPT-4 和 Claude 3 Opus 的使用成本较高，大量文件问答场景下消耗较快。相比本地部署的 ollama/WebUI，费用是主要瓶颈。
目前仅部分模型（如 GPT-4o、Claude 3、GLM-4V）支持图片输入和语音交互，多模态能力不如官方界面丰富。
API Key 以明文或简单加密形式存储在本地配置文件，存在一定泄露风险。建议使用环境变量注入而非直接写入配置文件。
川虎 ChatGPT 体现了 LLM 应用的一个核心趋势：API 调用层与模型能力解耦。随着 GPT-4、Claude 3、Qwen 等模型能力的快速迭代，越来越多的 AI 应用选择调用 API 而非本地部署模型，以获得更好的推理能力和更低的基础设施成本。
在这一背景下，像川虎 ChatGPT 这样的"统一调用前端"工具具有重要价值：它降低了普通用户使用先进 LLM API 的门槛，同时通过文件问答、Agent 等功能，将 API 调用从简单的问答扩展到了实际的工作流中。
项目自 2023 年上线以来保持高频更新（作者在 2024 年持续维护），社区活跃，issue 处理及时，代表了开源 AI 应用的高质量水准。对于需要快速搭建 LLM 原型、或者希望用统一的本地界面管理多个 AI 助手的开发者而言，这是一个值得收藏的工具。
本报告基于 GitHub 仓库 v1.x 版本分析，数据采集时间 2024 年。