PyGPT - 桌面 AI 助手

版本：2.7.12 | 构建日期：2026-02-06 | Python 版本：>=3.10 | 官网：https://pygpt.net | 文档：https://pygpt.readthedocs.io

Discord: https://pygpt.net/discord | Snap: https://snapcraft.io/pygpt | PyPi: https://pypi.org/project/pygpt-net

Linux (zip) 和 Windows 10/11 (msi) 64位编译版本：https://pygpt.net/#download

❤️ 捐赠：https://www.buymeacoffee.com/szczyglis | https://github.com/sponsors/szczyglis-dev

概览

PyGPT 是一款多合一桌面 AI 助手，通过 OpenAI API 提供与 OpenAI 语言模型（包括 GPT-5、GPT-4、o1、o3 等）的直接交互。通过利用其他 SDK 和 LlamaIndex，该应用还支持多种替代 LLM，例如 HuggingFace 上的模型、通过 Ollama 本地运行的模型（如 gpt-oss、Llama 3、Mistral、DeepSeek V3/R1 或 Bielik），以及 Google Gemini、Anthropic Claude、Perplexity / Sonar 和 xAI Grok 等其他模型。

该助手提供多种操作模式，例如聊天、助手、Agent、补全，以及图像生成和图像分析等图像相关任务。PyGPT 具备文件 I/O 能力，可以生成并运行 Python 代码、执行系统命令、执行自定义命令并管理文件传输。它还允许模型通过 DuckDuckGo、Google 和 Microsoft Bing 进行网络搜索。

在音频交互方面，PyGPT 集成了使用 Microsoft Azure、Google、Eleven Labs 和 OpenAI 文本转语音（TTS）服务的语音合成功能。此外，它还具备由 OpenAI Whisper、Google 和 Bing 提供的语音识别能力，使应用能够理解语音指令并将音频输入转录为文本。它拥有带有保存和加载功能的上下文记忆，允许用户从对话中的预定义点恢复交互。通过直观的预设系统，提示词（Prompt）的创建和管理也变得更加精简。

PyGPT 的功能通过插件支持进一步扩展，允许进行自定义增强（内置多个插件）。其多模态能力使其成为适用于多种 AI 辅助操作的通用工具，例如文本交互、系统自动化、日常辅助、视觉应用、自然语言处理、代码生成和图像创建。

应用包含多种操作模式，如聊天、文本补全、助手、Agent、视觉识别、文档聊天（通过 LlamaIndex）、命令执行、外部 API 调用和图像生成，这使得 PyGPT 成为处理许多 AI 驱动任务的强大工具。

演示 (mp4, 版本 2.5.65, 构建 2025-07-24):

https://github.com/user-attachments/assets/d8305109-8b1b-41cb-b3ba-8c654271a95c

截图 (版本 2.5.64, 构建 2025-07-23):

深色主题:

浅色主题:

您可以在此处下载适用于 Windows 和 Linux 的 64 位编译版本：https://pygpt.net/#download

功能特性

• 基于 Python 编写的适用于 Linux、Windows 和 Mac 的桌面 AI 助手。
• 工作方式类似于 ChatGPT，但运行在本地（桌面计算机上）。
• 11 种操作模式：聊天、文档聊天、实时 + 音频、研究（Perplexity）、文本补全、图像和视频生成、助手、专家、计算机使用、Agent 和自主模式。
• 支持多种模型，如 OpenAI GPT-5、GPT-4、o1、o3、o4、Google Gemini、Anthropic Claude、xAI Grok、DeepSeek V3/R1、Perplexity / Sonar，以及任何通过 LlamaIndex 和 Ollama 可访问的模型（如 DeepSeek、gpt-oss、Llama 3、Mistral、Bielik 等）。
• 与个人文件聊天：集成 LlamaIndex 支持，可与多种数据进行聊天，包括 txt、pdf、csv、html、md、docx、json、epub、xlsx、xml、网页、Google、GitHub、视频/音频、图像及其他数据类型，或将对话历史作为提供给模型的额外上下文。
• 内置向量数据库支持及自动化文件与数据嵌入。
• 通过 DALL-E、gpt-image、Imagen、Gemini 和 Nano Banana 等模型进行图像生成。
• 通过 Veo3 和 Sora2 等模型进行视频生成。
• 通过 DuckDuckGo、Google 和 Microsoft Bing 访问互联网。
• 通过 Microsoft Azure、Google、Eleven Labs 和 OpenAI 服务进行语音合成。
• 通过 OpenAI Whisper、Google 和 Microsoft Speech Recognition 进行语音识别。
• 插件支持，内置插件包括 Files I/O、Code Interpreter、Web Search、Google、Facebook、X/Twitter、Slack、Telegram、GitHub、MCP 等。
• 支持 MCP (Model Context Protocol)。
• 在视觉（Vision）模式下实时摄像头捕捉。
• 通过视觉模型进行图像分析。