AMC-WebUI
以 Gemini 原生能力为核心的 All-in-one AI 工作站，支持深度推理、实时音视频交互、浏览器端 Python 沙箱、代码即时渲染与文件多模态处理。
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
以 Gemini 原生能力为核心的 All-in-one AI 工作站，支持深度推理、实时音视频交互、浏览器端 Python 沙箱、代码即时渲染与文件多模态处理。
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。
AMC WebUI 桌面端主界面——聊天、Canvas、文件处理、实时搜索、代码执行集于一身
想象一个场景：你正在研究一篇最新的 Gemini 2.0 技术报告，想要让 AI 帮你分析 PDF，同时让它实时画出一个流程图，然后立刻运行一段 Python 代码验证结论——整个过程不需要切换任何标签页，不需要复制粘贴，不需要打开第二个窗口。
这就是 AMC WebUI（All-in-one Model Console WebUI）试图解决的问题。它不是又一个简单的聊天界面，而是一个以 Google Gemini 为核心能力、同时兼容 OpenAI API 标准的全能 AI 工作站。项目在 GitHub 获得了超过 8900 star，坚持 MIT 开源许可，由独立开发者维护。
AMC WebUI 与其他 AI WebUI 最根本的区别在于：它不是"通用聊天框"，而是以 Gemini 专属能力为主线来组织功能矩阵的。
项目作者（yeahhe365）在设计之初就明确了 Local-First 原则——所有对话数据默认存储在浏览器的 IndexedDB 中，不经过任何第三方服务器。这意味着你的聊天记录、文件上传、上下文都在本地，隐私完全自主可控。同时，项目支持服务端部署模式，适合企业场景下统一管理 API 密钥和请求代理。
在 API 层面，项目采用 双轨制设计：
chat/completions 标准的第三方 API（OpenAI、DeepSeek、通义千问等），使用独立密钥和模型列表，与 Gemini 配置完全隔离。这种设计的好处是：用户可以根据任务类型灵活切换路径，而不需要维护两套密钥体系。
Gemini 3.x 系列引入了思维链可视化能力——AI 在回答复杂问题时会展示推理过程。AMC WebUI 将这一能力产品化：你可以设置 Token 预算或推理等级（Minimal/Low/Medium/High），实时观察 AI 的逻辑推演。对于需要严谨分析的场景，这是一个非常实用的调试窗口。
通过 WebSocket 双向流，AMC WebUI 支持与 AI 进行实时语音通话。更进一步，它还能共享屏幕，让 AI "看到"你当前的工作界面。这是一个极具潜力的场景：你可以让 AI 实时指导你调试代码、解释图表、分析摄像头画面，而这一切都在浏览器中完成，无需安装任何客户端。
音频可视化基于 AudioWorklet API，在浏览器端低延迟渲染波形；音频文件上传前会自动进行预处理和压缩，降低 Token 消耗。
Gemini 的 Artifacts 能力在 AMC WebUI 中得到了充分展现。当 AI 生成代码块时，系统会自动识别并渲染为交互式 HTML 预览——代码不再只是文字，而是可以直接操作的可视化输出。支持安全内联 HTML/SVG、Mermaid 流程图、Graphviz 关系图、带有 follow-up 交互的表单控件。
这是 AMC WebUI 最有特色的功能之一。基于 Pyodide（WebAssembly 版 Python 运行时），你可以在浏览器中直接执行 Python 代码，无需任何服务器端支持。系统预装了 numpy、pandas、matplotlib；遇到 scipy、scikit-learn 等依赖时会按需自动安装。matplotlib 图表会自动捕获并展示输出。
对于数据科学爱好者来说，这意味着：你可以上传数据集，让 AI 帮你写分析代码，立刻看到图表结果，整个过程在一个浏览器标签页内完成。
支持文件类型：图片、PDF、视频、音频、文本，以及 ZIP 解压和代码仓库整体上传。每个文件可以选择通过 Gemini Files API 上传（保留原文件引用）或直接 Base64 编码上传。输入细节等级可调（未指定/Low/Medium/High；图片可选 Ultra High）。
AMC WebUI 提供了三种部署模式：
方式一：Docker 一键部署（推荐）
git clone https://github.com/yeahhe365/AMC-WebUI.git
cd AMC-WebUI
GEMINI_API_KEY=your_key docker-compose up -d
# 访问 http://localhost:8080
docker-compose.yml 配置了 web + api 双服务：web 容器（nginx 静态前端）和 api 容器（Hono Node.js 后端）自动组网。Gemini 请求走 /api/gemini/*，第三方兼容接口走 /api/openai/*，Live API 走 /api/live 的 WebSocket 全代理。
方式二：标准开发模式
git clone https://github.com/yeahhe365/AMC-WebUI.git
cd AMC-WebUI
npm ci
npm run dev
# 访问 http://localhost:5173
需要 Node.js 24-26（推荐 26），项目启用了 engine-strict，版本不匹配会导致安装失败。
方式三：静态前端 + 独立 API
前端构建后部署到 Vercel/Cloudflare Pages，后端 Node.js API 单独托管，通过环境变量配置前端连接到独立 API 地址。这种模式适合团队共享部署场景。
项目代码质量较高：提供 CI/CD 工作流（GitHub Actions）、完整的单元测试和 E2E 测试（Playwright）、代码覆盖率报告。package.json 中的 npm run verify 整合了格式检查、类型检查、lint、测试、依赖审计和构建全流程。
门槛：相比纯 API 调用，AMC WebUI 需要一定的配置工作。Gemini API Key 是必须的（免费额度可通过 Google AI Studio 获取），Docker 部署需要容器环境，本地开发需要 Node.js 24+。但文档清晰，Docker 部署实际上非常简单。
局限性：
npm ci，需要通过 nvm 管理版本。AMC WebUI 的出现反映了 AI Web UI 赛道的一个趋势：从"通用聊天框"向"垂直能力工作站"分化。随着 Gemini、GPT-4o 等多模态模型的成熟，单一文本对话已经无法充分利用模型的全部能力——实时音视频、代码执行、文件理解、工具调用，这些能力需要一个精心设计的前端来承接。
项目在 GitHub 的快速成长（8900+ star）说明社区对"以特定模型能力为中心"的 UI 设计有真实需求。同时，Local-First 架构（IndexedDB 存储、不依赖服务端数据持久化）也为注重隐私的用户提供了差异化选择。
未来随着 Gemini 模型能力的持续迭代，AMC WebUI 这类"以模型原生能力为中心"的控制台类工具，有望成为 AI 爱好者和开发者日常使用的主流界面形态之一。