摘要
一句话总结 py-gpt 是一款跨平台的桌面端全能 AI 助手，通过集成多种主流云端与本地大语言模型，为用户提供多模态交互、智能体（Agent）和检索增强生成（RAG）等高级 AI 工作流。
关键要点
- 项目热度：开源于 GitHub，目前拥有 1626 颗 Stars。
- 跨平台支持：作为桌面应用程序运行，原生兼容 Linux、Windows 和 Mac 操作系统。
- 广泛的模型集成：支持 GPT-5、GPT-4、o1、o3、Gemini、Claude、Ollama、DeepSeek、Perplexity、Grok 及 Bielik 等云端与本地模型。
- 多模态与多媒体能力：具备文本对话、视觉理解、语音交互（语音合成与识别）功能，并支持图像与视频生成。
- 高级 AI 工作流：内置检索增强生成（RAG）、智能体（Agents）、工具调用（Tools）、MCP 以及插件（Plugins）系统。
- 个性化与上下文管理：提供记忆功能（Memory）、网络搜索、预设配置（Presets）以及自定义助手（Assistants）。
- 核心应用场景：可作为处理日常通用任务的桌面 AI 助理，或利用其工具链作为开发者的 AI 编程辅助工具。
功能与定位
py-gpt 是一款跨平台的桌面端 AI 助手与编程辅助工具。它通过集成市面上绝大多数主流的大语言模型（LLM）与本地模型，为用户提供包含对话、视觉、语音、智能体（Agents）以及检索增强生成（RAG）在内的全方位 AI 能力。
典型使用场景
- 桌面端日常 AI 助理：处理对话、网络搜索、图像与视频生成等通用任务。
- AI 编程与开发辅助：作为开发者的编程助手，利用其集成的工具、插件和智能体能力优化工作流。
核心功能
- 广泛的模型支持：支持 GPT-5、GPT-4、o1、o3、Gemini、Claude、Ollama、DeepSeek、Perplexity、Grok 以及 Bielik 等多种云端与本地模型。
- 多模态交互：具备文本对话（Chat）、视觉理解（Vision）、语音交互（Voice）以及语音合成与识别能力。
- 多媒体生成：支持图像与视频的生成。
- 高级 AI 工作流：内置 RAG（检索增强生成）、智能体（Agents）、工具调用（Tools）、MCP 以及插件（Plugins）系统。
- 上下文与个性化管理：提供记忆功能（Memory）、网络搜索（Web search）、预设配置（Presets）以及自定义助手（Assistants）功能。
特色与差异点
- 全平台覆盖：原生支持 Linux、Windows 和 Mac 操作系统。
- 高度集成化：将前沿的 AI 模型（涵盖闭源商业模型与开源/本地模型）与复杂的 Agent 工具链（如 RAG、MCP、长期记忆）整合在单一的桌面客户端中。
使用方式概览
作为桌面应用程序运行，兼容 Linux、Windows 和 Mac 环境。
链接
- GitHub 仓库：https://github.com/szczyglis-dev/py-gpt