控制台聊天GPT

Name: 控制台聊天GPT
Author: amidabuddha

作者：amidabuddha151 星标更新：2025-09-30

安装使用来源：spider==github.com

项目介绍

console-chat-gpt v6

</h1>

您终极的CLI人工智能模型聊天伴侣

轻松与OpenAI、MistralAI、Anthropic、xAI、Google AI或其他兼容OpenAI SDK的LLM提供商（如DeepSeek、阿里巴巴、Inception、Moonshot AI、OpenRouter等）或Ollama托管的模型进行交互。</br>通过效率和便捷性提升您的聊天体验。

<h3>

主页 | 示例

</h3> <h4 align="center"> <a href="https://github.com/amidabuddha/consoleChatGPT/blob/main/LICENSE.md"> <img src="https://img.shields.io/github/license/amidabuddha/consoleChatGPT" alt="根据Apache许可证发布。" /> </a> <img src="https://img.shields.io/badge/Python-3.10+-blue" alt="运行在Python 3.10+" /> <img src="https://img.shields.io/github/stars/amidabuddha/consoleChatGPT"/> <img src="https://img.shields.io/github/issues/amidabuddha/consoleChatGPT"/> <img src="https://img.shields.io/github/forks/amidabuddha/consoleChatGPT"/> <img src="https://img.shields.io/badge/platform-Linux%20%7C%20macOS-blue"/> </h4> </div>

:new: 通过Responses API生成OpenAI图像。:new:
:star: 支持OpenAI Responses API。:star:
:star: 运行任何兼容OpenAI SDK的模型——只需在config.toml文件中添加相应的model_name和base_url。:star:
:star: 在本地运行Ollama托管的模型。Ollama应已安装且所选模型已下载。:star:
:star: 完全支持Anthropic提示缓存。:star:
:star: 支持模型上下文协议（MCP）! 如果您已经在使用MCP服务器，请将您的claude_desktop_config.json复制到根目录并重命名为mcp_config.json以开始使用任何模型！:star:
统一的聊天完成函数作为独立库，用于在任何应用程序中提供无缝跨提供商API体验。源代码可在Python和TypeScript中找到。
所有支持的模型均支持流式传输，默认情况下禁用，可以在设置菜单中启用。
支持OpenAI助手Beta版。
AI管理模式：根据任务复杂度自动确定使用哪个模型。
配置文件：通过config.toml文件轻松自定义应用设置，全面控制应用的工作方式。也可以通过应用内的设置命令进行支持。
角色选择：用户可以定义AI在对话中的角色，使对话更加个性化和互动。
温度控制：调整生成响应的温度，以控制对话中的创造性和随机性。
命令处理：应用响应用户输入的各种命令，实现简单直观的交互。
图像输入：与选定的模型一起使用。
错误处理：清晰且有用的错误消息，便于理解和解决任何问题。
对话历史：查看之前的交互并保存对话供将来参考，提供上下文和连续性。
优雅退出：平滑处理中断，确保在退出前保存对话，避免进度丢失。
一个优秀的团队：积极添加功能，开放接受想法并修复错误。

总体而言，此应用专注于提供用户友好且可定制的体验，增强个性化、控制和便利性的功能。

安装和使用

脚本在Linux和MacOS终端上运行良好。对于Windows，建议使用WSL。

克隆仓库：

git clone https://github.com/amidabuddha/console-chat-gpt.git

进入文件夹：
```
cd console-chat-gpt
```

安装必要的依赖项：

python3 -m pip install -r requirements.txt

从OpenAI、MistralAI、Anthropic、xAI、Google AI Studio或其他相关平台获取您的API密钥，具体取决于您选择的LLM。
首次运行时，config.toml.sample将自动复制为config.toml，并提示您输入API密钥。您可以根据需要更改其他默认值，这些默认值不在应用内设置菜单中提供。
运行可执行文件：
```
python3 main.py
```
小贴士：创建一个别名以便从任何地方运行可执行文件。
使用聊天中的帮助命令检查可用选项。
开始享受吧

`config.toml`中的可配置选项

[chat.defaults]	生成聊天完成/响应的主要属性。
temperature	采样温度，介于0和2之间。较高的值（如0.8）会使输出更随机，而较低的值（如0.2）则更集中。如果`chat.features`中的`adjust_temperature`为true，则可以在每个新的聊天会话开始时设置。
system_role	插入到模型上下文中的系统（或开发者）消息。应为[chat.roles]部分中列出的一项。如果`chat.features`中的`role_selector`为true，则可以在每个新的聊天会话开始时设置。
model	用于生成聊天完成/响应的模型ID，如gpt-4o或o3。应在[chat.models]部分中列出，并带有相关参数。如果`chat.features`中的`model_selector`为true，则可以在每个新的聊天会话开始时设置。

[chat.features]	聊天应用的可配置选项。其中一些可以通过聊天会话中的`设置`命令访问。
model_selector	`config.toml`中[chat.models]部分列出的模型选择列表。当为true时，此列表可以在每个新的聊天会话开始时修改。
adjust_temperature	提示更改每个聊天会话的温度。当为true时，温度值可以在每个新的聊天会话开始时修改。
role_selector	`config.toml`中[chat.roles]部分列出的角色选择列表。当为true时，此列表可以在每个新的聊天会话开始时修改。
save_chat_on_exit	当为true时，使用聊天中的`exit`命令时会自动保存聊天会话。
continue_chat	当为true时，提供先前保存的聊天会话列表，以便在新会话中继续。该列表可通过聊天会话中的`chats`命令进行修改。
~~debug~~	应用日志记录——尚未实现。
disable_intro_help_message	所有在`help`中可用的聊天命令会在聊天初始化时打印出来。这针对新用户，可以通过将其设置为false来禁用。
assistant_mode	启用Open AI助手API作为聊天初始化时的可用选择。
ai_managed	启用AI管理模式，允许模型根据您的提示自动选择最佳模型。详细设置如下。
streaming	如果设置为true，模型响应数据将被流式传输到客户端。
mcp_client	设置为false将防止在不需要时为每次聊天默认初始化MCP服务器。

[chat.managed]	专门用于AI管理模式的设置。无法在聊天会话中编辑。
assistant	评估您的提示并从下面配置的四个模型中选择最佳模型的首选模型。应在[chat.models]部分中列出，并带有相关参数。
assistant_role	对评估模型的自定义指令。仅在您确切知道自己在做什么时才更改此内容！
assistant_generalist	您首选的通用模型，通常是您最常用于各种查询的模型。应在[chat.models]部分中列出，并带有相关参数。
assistant_fast	当速度优先于准确性时。应在[chat.models]部分中列出，并带有相关参数。
assistant_thinker	复杂任务的推理模型。应在[chat.models]部分中列出，并带有相关参数。
assistant_coder	您首选的处理编程和数学问题的模型。应在[chat.models]部分中列出，并带有相关参数。
prompt	当频繁使用AI管理模式时，可以通过将此设置为false来禁用Y/N提示。

添加您的OpenAI SDK支持的模型

在您的config.toml文件末尾添加条目。使用以下示例结构：

[chat.models.{{对您有意义的模型名称}}]
api_key = "YOUR_API_KEY"
base_url = {{自定义基础URL，例如"https://api.deepseek.com/v1"}}
model_input_pricing_per_1k = 0.015 (当前价格未计算，但您可以根据需要调整此值)
model_max_tokens = 32000 (所选模型的支持上下文窗口)
model_name = {{模型名称，与相关API参考中指定的一致，例如"deepseek-reasoner"}}
model_output_pricing_per_1k = .075 (当前价格未计算，但您可以根据需要调整此值)
reasoning_effort = (如果支持，所需的值，例如"medium"，否则为false)