在人工智能快速发展的今天,智能对话机器人正在各行各业广泛应用。如何快速搭建一个功能强大的AI助手,成为很多企业和开发者关注的焦点。ChatGPT on WeChat项目为此提供了一个优秀的开源解决方案,让你可以轻松将ChatGPT等大语言模型的能力接入到微信等即时通讯平台,打造专属的智能机器人。
ChatGPT on WeChat(简称CoW)是一个基于大语言模型的智能对话机器人项目。它支持接入微信公众号、企业微信应用、飞书、钉钉等多个协作平台,可以选择GPT-3.5、GPT-4、Claude、文心一言、讯飞星火等多种AI模型作为对话引擎。除了基础的文本对话功能,CoW还支持语音识别与合成、图像生成与理解等多模态交互能力,并可通过插件扩展访问外部资源。此外,它还支持基于自有知识库来定制企业专属的AI应用。
CoW项目的主要功能包括:
多端部署:支持微信公众号、企业微信应用、飞书、钉钉等多种部署方式,功能完备。
智能对话:支持私聊和群聊的智能消息回复,具备多轮对话上下文记忆能力。可选用GPT-3.5、GPT-4、Claude、文心一言、讯飞星火等多种大语言模型。
语音交互:可识别语音消息并转换为文字,支持以语音或文字方式回复。支持Azure、百度、Google、OpenAI等多种语 音模型。
图像能力:支持图片生成、图像识别、图像编辑等功能。可使用DALL-E 3、Stable Diffusion、Midjourney等模型。
插件系统:支持通过插件扩展功能,已实现多角色切换、联网搜索、敏感词过滤、聊天记录总结等插件。
知识库定制:可上传文档构建专属知识库,打造行业垂直的智能问答系统。
要部署自己的CoW机器人,你需要:
注册OpenAI账号并获取API Key,或使用其他支持的AI模型服务。
准备Python 3.7.1~3.9.X的运行环境。
克隆项目代码并安装依赖:
git clone https://github.com/zhayujie/chatgpt-on-wechat cd chatgpt-on-wechat pip install -r requirements.txt
cp config-template.json config.json
在config.json
中填入API Key等必要配置。
python app.py
扫描终端中的二维码即可登录,机器人就可以开始工作了。
除了本地运行,CoW还支持以下部署方式:
对于企业用户,还可以选择使用LinkAI平台提供的SaaS服务或私有化部署方案。
CoW是一个开源项目,欢迎开发者参与贡献。你可以:
项目遵循MIT开源协议,我们期待你的贡献!
ChatGPT on WeChat为快速搭建智能对话机器人提供了一站式解决方案。无论是个人开发者还是企业用户,都可以基于这个项目打造功能丰富的AI助手。随着项目的不断发展和社区的积极贡献,相信CoW会让更多人体验到AI带来的便利,推动对话式AI在更多场景中的应用。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的 需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
高质量语音生成模型
CSM 是一个开源的语音生成项目,它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言,可生成多种声音,适用于研究和教育场景。通过使用 CSM,用户可以方便地进行语音合成,同时项目还提供了水印功能,确保生成音频的可追溯性和透明度。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号