HiveChat: un chatbot de inteligencia artificial de rápida implantación en las empresas
Últimos recursos sobre IAPublicado hace 6 meses Círculo de intercambio de inteligencia artificial 10.6K 00
Introducción general
HiveChat es un chatbot de IA para equipos pequeños y medianos que permite a los administradores configurar varios modelos de IA (como Deepseek, OpenAI, Claude y Gemini) a la vez para facilitar su uso por parte de los miembros del equipo. Cuenta con renderizado LaTeX y Markdown, visualización de la cadena de inferencia DeepSeek, comprensión de imágenes, agentes de IA y almacenamiento de datos en la nube, y es compatible con 10 grandes proveedores de modelos. El proyecto utiliza las pilas tecnológicas Next.js, Tailwindcss y PostgreSQL y puede desplegarse localmente o a través de Vercel y Docker.


Lista de funciones
- Modelos de IA compatibles: HiveChat es compatible con modelos de IA como Deepseek, OpenAI, Claude, Gemini, Moonshot, Volcano Engine Ark, Ali Bailian (Qianwen), Baidu Qianfan, Ollama y otros. SiliconFlow 10 proveedores de modelos a gran escala, incluidas opciones nacionales e internacionales principales para equipos globalizados.
- Renderizado y visualización: admite renderizado LaTeX y Markdown, lo que resulta práctico para que los equipos trabajen con documentos técnicos; la función de visualización de la cadena de inferencia de DeepSeek ayuda a los usuarios a comprender el proceso de inferencia de la IA.
- Soporte multimedia: capacidades de comprensión de imágenes, adecuadas para manejar tareas relacionadas con la visión.
- Agente de IA: Integre la funcionalidad de agente de IA para mejorar las capacidades de automatización.
- Gestión de datos: proporciona almacenamiento de datos en la nube para garantizar que los datos del equipo estén seguros y sean persistentes.
Utilizar la ayuda
Pilas tecnológicas y opciones de implantación
HiveChat utiliza una moderna pila tecnológica de front-end y back-end que incluye:
habilidad | descripciones |
---|---|
Siguiente.js | utilizado para crear el renderizado del lado del servidor del Reaccione aparato |
Tailwindcss | Proporciona un marco CSS rápido |
Auth.js | Autenticación de usuarios |
PostgreSQL | Base de datos relacional con soporte de almacenamiento de datos |
Llovizna ORM | Operaciones con bases de datos Herramientas ORM |
Diseño de hormigas | Bibliotecas de componentes de interfaz de usuario para mejorar la experiencia del usuario |
Las opciones de despliegue incluyen el despliegue local, el despliegue Docker y el despliegue Vercel:
- despliegue localLos usuarios necesitan clonar el repositorio, ejecutar
npm install
instalando dependencias.npm run initdb
inicializar la base de datos.npm run dev
Inicio del entorno de desarrollo.npm run build
responder cantandonpm run start
Para uso en entornos de producción. - Despliegue de DockerClone el repositorio, ejecute
docker compose build
responder cantandodocker compose up -d
El servicio en contenedor puede iniciarse. - Despliegue de Vercel: a través de Enlaces de implantación de Vercel Para la implantación con un solo clic, es necesario configurar variables de entorno como DATABASE_URL, AUTH_SECRET y ADMIN_CODE.
Una vez finalizado el despliegue, el administrador deberá visitar http://localhost:3000/setup (o el dominio/puerto real) para configurar una cuenta de administrador.
Ayuda detallada
Para ayudar a los usuarios a empezar a utilizar HiveChat rápidamente, a continuación se detalla el proceso de instalación y uso:
Proceso de instalación
- almacén de clones::
- Abre un terminal y ejecuta el siguiente comando para clonar tu repositorio de GitHub:
git clone https://github.com/HiveNexus/HiveChat.git cd HiveChat
- Abre un terminal y ejecuta el siguiente comando para clonar tu repositorio de GitHub:
- Seleccionar método de implantación::
- despliegue local::
- Asegúrese de que Node.js y PostgreSQL están instalados.
- estar en movimiento
npm install
Instale la dependencia. - configure
.env
establezca las siguientes variables de entorno:DATABASE_URL=postgres://postgres:password@localhost/hivechat
(debe sustituirse por una conexión de base de datos real, por ejemplo PostgreSQL local).AUTH_SECRET
: Usoopenssl rand -base64 32
Genera una cadena aleatoria de 32 bits.ADMIN_CODE
: Establece el código de autorización del administrador, un ejemplo es22113344
se recomienda sustituirlo por un valor personalizado.NEXTAUTH_URL=http://127.0.0.1:3000
(El entorno de prueba puede mantener el predeterminado, el entorno de producción debe cambiarse al nombre de dominio oficial).
- estar en movimiento
npm run initdb
Inicializar la base de datos. - Entorno de desarrollo en funcionamiento
npm run dev
Funcionamiento del entorno de producciónnpm run build
emperatriznpm run start
.
- Despliegue de Docker::
- Asegúrese de que Docker y Docker Compose están instalados.
- estar en movimiento
docker compose build
Construye la imagen del espejo. - estar en movimiento
docker compose up -d
Arranca el contenedor. - La configuración de las variables de entorno es la misma que la implantación local, y debe realizarse en el archivo
docker-compose.yml
Especifique en el.
- Despliegue de Vercel::
- entrevistas Enlaces de implantación de Vercel.
- Siga las instrucciones para configurar DATABASE_URL, AUTH_SECRET y ADMIN_CODE.
- Haga clic en Desplegar y espere a que Vercel termine de construirse.
- despliegue local::
- Inicialización del administrador::
- Una vez finalizado el despliegue, vaya a http://localhost:3000/setup (despliegue local) o al nombre de dominio real e introduzca ADMIN_CODE para configurar la cuenta de administrador.
Utilización
- Funcionamiento del administrador::
- Inicie sesión y vaya al panel del administrador, donde podrá configurar el proveedor del modelo de IA (por ejemplo, la clave de la API de OpenAI, etc.).
- Gestione todas las cuentas de usuario añadiendo usuarios manualmente o habilitando el registro.
- Vea las estadísticas de uso del equipo y ajuste las configuraciones del modelo para optimizar el rendimiento.
- Funcionamiento general del usuario::
- Inicia sesión para acceder a la interfaz de chat, que admite la introducción de texto y la carga de archivos multimedia (por ejemplo, imágenes).
- Formatee los chats utilizando LaTeX y Markdown para discusiones técnicas.
- Selección de diferentes modelos de IA (p. ej. Búsqueda profunda o Claude) para entablar un diálogo y ver la cadena de inferencia de DeepSeek para comprender el proceso de toma de decisiones de la IA.
- Los datos se almacenan automáticamente en la nube, lo que garantiza que el historial de la sesión pueda consultarse en cualquier momento.
- Función destacada Operación::
- comprensión gráficaCarga imágenes y la IA puede analizar el contenido y generar descripciones, adecuadas para equipos de diseño de productos o análisis de datos.
- Agente de IALa IA puede automatizar tareas específicas, como generar informes o responder a preguntas frecuentes.
- Almacenamiento de datos en la nubeTodos los chats y configuraciones se guardan en la nube y los miembros del equipo pueden acceder a ellos desde cualquier dispositivo.
© declaración de copyright
Derechos de autor del artículo Círculo de intercambio de inteligencia artificial Todos, por favor no reproducir sin permiso.
Artículos relacionados
Sin comentarios...