ChatALL
ai-shifu/ChatALL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。
你一定遇到过这种情况：向 ChatGPT 提问，答案总觉得差点意思；换 Claude 再问一遍，好像也没好到哪去；再试试文心一言……来回切换、反复提问，一件事折腾了半小时还没定论。
这不是你的问题，而是"单一AI"天然的能力盲区。每个大模型都有自己的擅长领域——数学推理、创意写作、代码生成、情感陪伴——表现参差不齐。正因如此，如何快速找到最适合当前任务的AI，成了一个真实的痛点。
ChatALL（中文名"齐叨"）正是为解决这个问题而生：它是一个开源桌面客户端，能够同时向十多个主流AI发送同一条指令，让你在一个窗口里对比所有回复，瞬间判断哪个答案最令你满意。
图1：ChatALL 同时与多个AI对话的主界面，不同机器人以标签页形式并排展示回复
ChatALL 的作者孙志刚（Sunner）是一位有着深厚技术背景的独立开发者，也是一位父亲。他最初只是想帮助女儿解决学习问题——让她向多个AI请教同一道数学题，对比不同答案的解题思路，从而真正理解知识点而非死记硬背。
2023年初，随着 ChatGPT 带起的LLM浪潮，各种AI助手如雨后春笋般涌现：ChatGPT、Bing Chat、Google Bard（后更名为Gemini）、Claude、ChatGLM、MOSS、讯飞星火、文心一言……每一家的回答风格、擅长领域、响应速度都各不相同。孙志刚意识到，如果有一款工具能让这些AI"同台竞技"，用户在对比中自然会选择最优答案——这比任何一个单独AI的体验都要好得多。
于是他在 GitHub 上开源了 ChatALL，项目迅速在开发者社区传播，目前 star 数超过 16000，成为 AI 工具类开源项目中少见的现象级产品。
ChatALL 的核心产品理念非常朴素：不替用户做选择，而是让用户自己选。它没有复杂的 AI 路由逻辑或评分机制，纯粹是一个"多路广播"工具——把用户的一条消息原封不动地转发给所有配置的AI，再把各自的回复汇聚到同一个界面。
这种设计的精妙之处在于"零门槛"。用户不需要理解什么是 RAG、什么是模型微调，只需要知道：我在这个框里输入问题，所有AI同时回答，我看完自己决定哪个好。类比一下，就像餐厅里同时请了十位大厨做同一道菜，你亲自品尝后再打分——没有中间商赚差价。
支持的 AI 机器人列表（包括但不限于）：
| AI 名称 | 网页访问 | API 支持 | 备注 |
|---|---|---|---|
| ChatGPT | ✅ | ✅ | GPT-4/3.5 |
| Claude | ✅ | ✅ | Claude 3 Opus/Sonnet/Haiku |
| Google Gemini | ✅ | ✅ | 原 Bard |
| 文心一言 | ✅ | ❌ | 百度 |
| 讯飞星火 | ✅ | ❌ | 科大讯飞 |
| 通义千问 | ✅ | ✅ | 阿里 |
| ChatGLM | ✅ | ✅ | 智谱 |
| 360 AI Brain | ✅ | ❌ | |
| Character.AI | ✅ | ❌ |
ChatALL 的技术选型非常务实：基于 Electron 跨平台桌面框架，前端用 Vue 3 + Vuetify 3 构建 UI 层，数据状态由 Vuex 管理，HTTP 请求走 Axios，响应式编程用 RxJS。这是 2021-2023 年前端桌面应用的事实标准，生态成熟、文档完善、踩坑少。
后端集成方面，项目引入了 LangChain 生态的多个组件（@langchain/anthropic、@langchain/openai、@langchain/google-genai 等），用于结构化调用各大模型 API。Dexie（IndexedDB 封装）负责本地聊天记录的持久化存储，这意味着所有对话数据都保存在用户本地——隐私安全，不依赖云端。
代码目录结构清晰：
src/
├── bots/ # 各AI bot的适配器实现
├── components/ # Vue 组件（对话气泡、发送框等）
├── composables/ # Vue 3 Composition API 复用逻辑
├── store/ # Vuex store（对话、设置、主题）
├── helpers/ # 工具函数（格式化、加密等）
├── i18n/ # 多语言翻译（9种语言）
└── prompts/ # 内置提示词模板
bot 适配器模式是架构亮点：每个 AI 对应一个独立模块，统一接口规范（send / receive / cancel），新增一个 AI 只需要实现适配器即可。这种设计让项目具备了良好的可扩展性——截至目前已支持超过 20 种 AI。
除了同时发送，ChatALL 还支持：
每个 AI 的回复以独立标签页展示，用户可以：
对于需要认证的 AI（如 ChatGPT Plus、Claude Pro），ChatALL 支持保存 cookies 和登录态，用户首次认证后，后续自动复用——无需反复扫码登录。
ChatALL 是桌面应用，不是 Web 服务。项目不提供 Docker 镜像，也没有 docker-compose 一键部署方案。用户有两条路：
方式一（推荐新手）：下载预编译包
brew install chatall方式二（适合开发者）：源码编译
git clone https://github.com/ai-shifu/ChatALL.git
cd ChatALL
npm install # 约 2-3 分钟
npm run electron:serve # 开发模式启动
要求：Node.js ≥ 20，无 GPU 需求，内存 2GB+ 即可流畅运行。
图2：ChatALL 项目 Logo
ChatALL 只负责收集和展示，不做评判。用户需要自己读、比较、做决策。对一些用户来说，这反而增加了认知负担——"看完十个答案，更不知道怎么选了"。
由于部分 AI（如文心一言、讯飞星火）依赖网页爬取而非官方 API，响应速度和成功率依赖目标网站的反爬策略。作者在 README 中也坦承：有时某个 AI 会静默失败，需要重试。
作为 Electron 桌面应用，无法像网页应用一样在服务器上托管运行。多用户协作、远程访问等场景不适用。
ChatALL 折射出一个更大的趋势：在模型能力趋同的时代，体验和入口成为新的竞争维度。当 ChatGPT、Claude、Gemini 的能力差距越来越小，用户选择用哪个，往往取决于"谁先回答"、"谁回答得最贴心"，而非绝对的模型强弱。
ChatALL 的 16000+ stars 证明了这一点：用户愿意为一个"聚合体验"买单，哪怕它背后没有自研模型、没有云端服务。它是一个轻量级的"AI 聚合浏览器"，也是一种"让用户主权回归"的体验哲学。
对于 AI 开发者而言，ChatALL 的 bot 适配器架构也是一份优质的学习样本——如何在统一接口下封装差异巨大的第三方 AI 服务（有些是 REST API，有些是 WebSocket，有些是浏览器自动化），这在 MCP（Model Context Protocol）协议日益流行的今天，具有很强的工程参考价值。