# MultiBot-Chat-master **Repository Path**: tienaokeke/MultiBot-Chat-master ## Basic Information - **Project Name**: MultiBot-Chat-master - **Description**: No description available - **Primary Language**: Unknown - **License**: GPL-3.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-01-14 - **Last Updated**: 2026-01-14 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # MultiBot-Chat-master MultiBot-Chat-master 是一个基于 Streamlit 和 FastAPI 的多机器人聊天应用，支持多种大语言模型（LLM）API，包括 OpenAI、AzureOpenAI、ChatGLM、CoZe、Qwen（通义千问）、Ollama、XingHuo（讯飞星火）、Qianfan（百度千帆文心一言）、DeepSeek（深度求索）、MiniMax（海螺）、Moonshot（月之暗面KIMI）、Stepfun（阶跃星辰）、Yi（零一） 、Groq、siliconflow（硅基流动）和 302AI代理。这个应用允许用户同时与多个 AI 聊天机器人进行对话，比较不同模型的回答，并进行群聊式的讨论。 ## 主要特点 - **多机器人对话**：与多个AI助手实时交互，直观比较不同模型的表现。 - **群聊模式**： - 支持多个AI参与讨论，模拟复杂的多方对话场景。 - 机器人可接力发言，或由"指挥官"（Base LLM）决定发言顺序。 - 可选择让**所有机器人同时回答**同一问题。 - 优化了群聊历史记录的处理，确保每个机器人只看到与自己相关的上下文。 - **可扩展工具箱**：通过自定义工具实现复杂工作流，提升AI协作能力。 - **用户与配置管理**： - 基于 FastAPI 的后端提供用户认证和API服务。 - 用户配置和机器人设置云端同步（依赖后端）。 - 前后端分离，Streamlit 作为前端界面。 - **灵活的模型支持**：支持多种主流大语言模型API（详见项目支持列表）。 - **UI优化**： - 调整了群聊页面布局，将设置项集中到主区域。 - 优化了部分交互逻辑。 其他特色功能： - 自定义系统提示词 - 支持多种主流大语言模型API - 用户账户系统确保数据安全 - 灵活的对话历史管理 - 可调节的上下文长度 ## 界面展示 ### 对话模式 在主页面中，用户可以同时与多个 AI 机器人进行对话，直观地比较不同模型的回答。 ![主页面对话](demo_images/demo_main_page_chat.png) 对话模式允许用户同时与多个 AI 机器人进行交互。这种独特的设计不仅能让用户直观地比较不同模型的回答，还可以探索各种 AI 模型在相同问题上的表现差异。通过这种方式，用户可以更深入地了解不同 AI 模型的优势和特点，为选择最适合特定任务的模型提供宝贵的参考。 ### 群聊模式 群聊模式下，多个 AI 机器人可以进行接龙式的讨论，例如玩成语接龙游戏。 ![群聊模式](demo_images/demo_group_page_chat.png) 群聊模式是 MultiBot Chat 的一大亮点，它不仅能让多个 AI 机器人进行有趣的互动，还可以主动让机器人发言或使用工具，实现复杂的工作流，模拟多方对话场景。用户可以观察不同模型如何协作完成任务，比较它们在群聊中的表现和互动方式，甚至可以自定义每个机器人的角色和专长，探索多样化的群聊动态。这种独特的功能为研究 AI 协作能力和测试不同模型在复杂对话环境中的表现提供了宝贵的平台。 ### 集中管理机器人 MultiBot Chat 提供了方便的批量管理功能，让用户可以轻松控制多个机器人。 ![批量管理机器人](demo_images/demo_group_page.png) 在群聊页面的侧边栏中，用户可以: 1. 编辑所有机器人 2. 调整聊天时携带的历史消息数量 3. 设置全局提示词，可覆盖每个机器人的设置 4. 设置群聊接力提示词，指导机器人如何在群聊中接力发言 5. 切换不同的话题，方便管理多个独立的讨论 这些功能大大提高了管理效率，使得用户可以轻松控制复杂的多机器人对话场景。 ## 群聊工具箱 群聊过程中可以使用工具参与讨论，以实现复杂的工作流，目前自带的示例工具为： 1. **计算器**：可以提取上一条消息中的所有算式，返回每个算式的计算结果。 ![计算器示例](demo_images/demo_group_page_tool_calculator.png) 2. **统计分析**：可以计算上一条消息的行数字数，并对数字行进行求和、求均值、求中位数等统计操作。 ![统计分析示例](demo_images/demo_group_page_tool_statistics.png) 3. **提取网页**：可以自动提取网页中的标题和正文部分，最多可以返回3个页面。 ![提取网页示例](demo_images/demo_group_page_tool_web_extractor.png) 4. **一键讨论**：由AI来自动规划接下来1~3轮需要由哪些角色参与发言。**注意，一键讨论默认使用本地Ollama的qwen2.5:3b模型，如不具备本地条件，请在环境变量`MULTIBOT_BASE_LLM_MODEL`、`MULTIBOT_BASE_LLM_BASE_URL`、`MULTIBOT_BASE_LLM_API_KEY`中设置可引用的模型，目前支持所有兼容OpenAI接口的模型，推荐使用Qwen替代。** ![一键讨论示例](demo_images/demo_group_page_tool_chat_pilot.png) 5. **AI搜索**：提取消息中的链接，用AI重新组织语言后返回最多3条搜索结果，包括标题、链接和摘要。**注意，AI搜索依赖DuckDuckGo接口，使用时需要魔法。** ![AI搜索示例](demo_images/demo_group_page_tool_web_search.png) 6. **MD转纯文本**：将Markdown格式的内容转换为纯文本，方便用户获取干净的文本信息。 通过以上步骤，您可以轻松扩展 MultiBot Chat 的功能满足您的特定需求，若需要添加新的工具，请阅读下文`自定义工具扩展`部分。 ## 自定义工具扩展 您可以根据需要自行扩展工具，只需遵循以下步骤： 1. 在 `tools/` 目录下创建一个插件目录，程序启动时会自动加载。 2. 在插件目录中创建一个新的 Python 文件，例如 `my_tool.py`。在该文件中，您可以定义自己的功能。例如，您可以创建一个工具来处理文本分析或数据处理。 示例代码： ```python # parameter = "本工具配置信息中的 parameter 参数" # content = "上一条消息的内容" # group_prompt = "群聊提示词" # group_history = "群聊历史记录" def run(parameter, content, group_prompt, group_history): # 您的自定义工具代码 pass return "您的自定义工具输出" ``` 3. 在 `tools/` 目录下创建一个 `config.json` 文件，用于存储工具的配置信息。您可以在此文件中定义工具的名称、描述和其他相关设置。 示例 `config.json` 文件内容： ```json { "name": "工具名称", "description": "简要说明本工具的用途", "main_file": "入口文件名.py", "parameter": { "工具内部使用的参数": "可由工具开发者自行定义" }, } ``` 4. 在群聊页面中，您可以在聊天窗口的右侧工具箱中看到添加的工具，点击即可用这个工具参与讨论。 ## 安装 1. **克隆仓库**： ```bash git clone https://gitee.com/gptzm/multibot-chat.git cd multibot-chat ``` 2. **创建并激活虚拟环境**（推荐）： ```bash # 使用 conda conda create -n multibot-chat python=3.12 conda activate multibot-chat # 或者使用 venv # python -m venv .venv # .venv\\Scripts\\activate # Windows # source .venv/bin/activate # Linux/Mac ``` 3. **安装依赖**： ```bash pip install -r requirements.txt # 如果下载慢，可以使用清华源： # pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple ``` ## 配置 1. **后端配置**： - 主要配置文件是 `config.py`。检查 `API_BASE_URL` 是否指向正确的后端服务地址（默认为 `http://127.0.0.1:8000`）。 - 根据需要配置其他环境变量，如 `TOKEN_EXPIRATION`、`SECRET_KEY_FILE` 等（详见下方环境变量部分）。 2. **模型配置**： - 在 `bot/config.py` 中查看和配置支持的引擎。 - 如果需要使用特定模型的 API 密钥，请参考 Streamlit 的 secrets 管理方式，在项目根目录创建 `.streamlit/secrets.toml` 文件并添加密钥。 ## 运行 **重要：必须先启动后端 API 服务，再启动前端 Streamlit 应用！** 1. **启动后端 API 服务**： 打开一个**新的**命令行窗口，激活虚拟环境，然后运行： ```bash # 确保你在项目根目录 (multibot-chat) # 激活虚拟环境 (conda activate multibot-chat 或 .venv\Scripts\activate 等) uvicorn app.main:app --host 127.0.0.1 --port 8000 ``` * `app.main:app` 指向 FastAPI 应用实例。 * `--host 127.0.0.1` 表示只允许本地访问。 * `--port 8000` 指定后端服务运行在 8000 端口。 * 如果需要热重载（开发时），可以添加 `--reload` 参数。 2. **启动前端 Streamlit 应用**： 打开**另一个**命令行窗口，激活虚拟环境，然后运行： ```bash # 确保你在项目根目录 (multibot-chat) # 激活虚拟环境 streamlit run app.py ``` 应用将在默认端口（通常是 8501）启动，并会自动打开浏览器。 * 或者，您可以使用提供的脚本（如果脚本已更新为包含后端启动步骤）： * 在 Windows 上：双击 `start_server.bat` * 在 Linux/Mac 上：运行 `./start_server.sh` * **注意**：请检查脚本内容是否符合先启动后端再启动前端的顺序。 * **详细启动步骤**：可以参考项目根目录下的 `启动操作.txt` 文件获取更详细的指导。 ## 环境变量 在使用 MultiBot Chat 之前，您可以设置一些环境变量来配置应用程序的行为。以下是一些关键的环境变量及其用途： 以下是 MultiBot Chat 的主要环境变量及其用途： | 变量名 | 用途 | 默认值 | |--------|------|------| | `MULTIBOT_TOKEN_EXPIRATION` | 设置 token 的过期时间（以秒为单位） | "86400" | | `MULTIBOT_SECRET_KEY_FILE` | 指定加密和解密 token 的密钥文件路径 | "secret.key" | | `MULTIBOT_ENABLED_REGISTER` | 是否允许注册 | "true" | | `MULTIBOT_SHOW_SECRET_INFO` | 控制是否在前端显示密钥信息，设置为 'true' 显示密钥信息，其他值或不设置则不显示 | "false" | | `MULTIBOT_LOG_LEVEL` | 设置日志记录的级别，可选值有 'DEBUG', 'INFO', 'WARNING', 'ERROR', 'CRITICAL'，默认为 'INFO' | "INFO" | | `MULTIBOT_USER_CONFIG_BASEDIR` | 指定用户配置文件的基础目录，每个用户一个加密文件 | "./user_config" | | `MULTIBOT_USER_DATA_FILE` | 指定用户数据文件的路径 | "users.json" | | `MULTIBOT_GUEST_USERNAMES` | 访客用户的账号，多个账号用,号连接 | "guest" | | `MULTIBOT_DEVELOPER_USERNAME` | 开发者调试的账号 | "" | | `MULTIBOT_BASE_LLM_MODEL` | 工具中所用的模型名称 | "qwen2.5:3b" | | `MULTIBOT_BASE_LLM_BASE_URL` | 工具中所用的模型地址 | "http://127.0.0.1:11434/v1" | | `MULTIBOT_BASE_LLM_API_KEY` | 工具中所用的模型API-KEY | "ollama" | 您可以将这些环境变量添加到您的 shell 配置文件（如 `.bashrc` 或 `.zshrc`）中，以便在每次启动 shell 时自动加载这些变量。 ## 近期更新日志 * **后端集成与优化**： * 引入 FastAPI 作为后端框架，处理用户认证和API请求。 * 优化了后端连接逻辑 (`user_manager.py`)，增加了超时时间和重试机制，提升了连接稳定性。 * 修正了默认后端 API 端口 (`config.py`) 为 8000。 * **群聊功能增强**： * 重构了消息处理逻辑 (`chat_router.py`)，`_join_messages` 和 `_fix_messages` 方法能更好地处理不同格式和角色的消息。 * 实现了群聊历史记录过滤，确保每个 Bot 只接收到与自身相关的对话历史，避免角色混淆。 * 添加了 "所有机器人同时回答" 的功能开关。 * **UI 调整**： * 将群聊页面的 "幕僚自动发言" 和 "所有机器人同时回答" 开关移至主内容区域并排显示 (`group_page.py`)。 * 将 "观众"（非活跃机器人列表）部分也移至主内容区域。 * 简化了侧边栏内容。 * **项目启动流程优化**： * 明确了必须先启动后端 FastAPI 服务，再启动前端 Streamlit 应用的顺序。 * 更新了 `启动操作.txt` 文件，提供了详细的分步启动指南。 ## 经验与排错总结 * **启动顺序至关重要**：务必先启动后端 Uvicorn 服务，再启动前端 Streamlit。否则前端无法连接到后端 API，会导致功能异常或出现"后端服务未启动"的警告。 * **后端连接问题**：如果在启动前端时遇到连接后端的错误或超时，请： * 确认后端服务 (`uvicorn app.main:app ...`) 是否已成功启动且正在运行。 * 检查 `config.py` 中的 `API_BASE_URL` 是否与后端实际运行的地址和端口一致。 * 检查防火墙设置，确保后端端口（默认为 8000）未被阻止。 * **环境依赖**：确保所有 `requirements.txt` 中的依赖都已在激活的虚拟环境中正确安装。 * **Streamlit 限制**：Streamlit 的页面刷新机制有时可能导致交互体验上的限制，特别是在需要高频实时更新的场景。对于更复杂的实时交互，未来可能考虑其他前端框架。 * **配置与密钥**：API 密钥等敏感信息应通过环境变量或 Streamlit 的 `secrets.toml` 文件进行管理，避免硬编码在代码中。 ## 未来计划 - 添加更多模型支持 - 增加更多扩展工具（OCR、爬虫.... - 添加本地模型 #已完成 - 支持本地模型与其他官方模型同时进行比较 - 有进行前后端分离的想法，目前想法是采用Flask + Vue.js（如果能实现的话，尝试实现）： - 前端：Vue.js处理实时UI更新 - 后端：Flask提供API和WebSocket支持 - 通信：使用SSE或WebSocket实现真正的流式输出 - 优势： - 响应速度快，UI更新流畅 - 前端可完全自定义 - 可扩展性强 - 实时流式显示文字（必须改变架构，streamlit架构局限性过大： - 重新渲染机制：每次状态更新都会触发整个页面重新渲染 - 单向数据流：不支持真正的双向实时通信 - 性能瓶颈：不适合高频率更新的应用场景 ## 许可证 MultiBot Chat 是自由软件,您可以根据自由软件基金会发布的GNU通用公共许可证的条款重新分发或修改它，您可以使用许可证的第3版,或(您可以选择)任何更新的版本。 发布 MultiBot Chat 是希望它能够有用,但没有任何担保;甚至没有对适销性或特定用途的适用性的暗示担保。详情请参阅GNU通用公共许可证。 您应该已经收到了一份GNU通用公共许可证的副本;如果没有,请参阅 。