HiveChat: un chatbot de inteligencia artificial de rápida implantación en las empresas

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.

HiveChat:适合公司内部快速部署的AI聊天机器人

 

HiveChat:适合公司内部快速部署的AI聊天机器人

 

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:

habilidaddescripciones
Siguiente.jsutilizado para crear el renderizado del lado del servidor del Reaccione aparato
TailwindcssProporciona un marco CSS rápido
Auth.jsAutenticación de usuarios
PostgreSQLBase de datos relacional con soporte de almacenamiento de datos
Llovizna ORMOperaciones con bases de datos Herramientas ORM
Diseño de hormigasBibliotecas 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 cantando npm run start Para uso en entornos de producción.
  • Despliegue de DockerClone el repositorio, ejecute docker compose build responder cantando docker 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

  1. 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
      
  2. 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: Uso openssl rand -base64 32 Genera una cadena aleatoria de 32 bits.
        • ADMIN_CODE: Establece el código de autorización del administrador, un ejemplo es 22113344se 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 devFuncionamiento del entorno de producción npm run build emperatriz npm 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.
  3. 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

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...