thunderbolt

自由切换模型，数据自己掌控，告别供应商锁定

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 339 🐛 待处理 50 👀 关注 22

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4822

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类智能体

开发团队thunderbird

官网地址https://thunderbolt.io

GitHubhttps://github.com/thunderbird/thunderbolt

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MPL-2.0

主要语言TypeScript

技术栈/模型ai,ai-agents,llms,on-device-ai

GitHub 星标★ 4822

上线时间2025-07-23 00:00:00

代码更新2026-11-08

仓库体积57.2 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数3

项目介绍

Thunderbolt 是一个强调用户控制权的 AI 智能体框架，核心目标是消除供应商锁定。它允许用户自由选择底层模型（如本地或云端 LLM），并完全掌控自己的数据。项目基于 TypeScript 构建，提供了一套灵活的接口和工具，让开发者能够轻松集成不同模型提供商，并在设备端运行 AI 推理。它解决了当前 AI 应用中常见的模型绑定、数据隐私和迁移成本问题，通过模块化设计和抽象层，使用户可以在不重写代码的情况下切换模型。核心能力包括模型无关的 API、本地优先的数据存储、以及支持多种推理后端（如 Ollama、OpenAI 等）。该项目处于成长阶段，社区活跃，适合希望构建可移植、隐私敏感型 AI 应用的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4822

技术标签

ai ai-agents llms on-device-ai

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 30 分钟部署方式：Docker 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

需自建后端：README 要求用 Docker 部署自有后端以支持认证与搜索功能
需自备模型提供方：本地 Ollama / llama.cpp，或任意 OpenAI 兼容服务的 API Key
支持 web、iOS、Android、Mac、Linux、Windows 多平台客户端
项目仍在早期开发阶段，官方当前面向希望 on-prem 部署的企业客户

安装与启动步骤

1克隆项目仓库

把 Thunderbolt 仓库克隆到本地，后续后端部署与配置都基于该目录。
```
git clone https://github.com/thunderbird/thunderbolt
cd thunderbolt
```
2阅读部署文档

仓库中的 deploy/README.md 是自建后端的部署说明，README 未给出具体命令，务必先通读该文档。
3Docker 部署后端

按 deploy/README.md 的步骤用 Docker 部署你自己的后端服务；本项目 README 未直接给出可执行命令。
4注册后端账号

README 说明当前仍依赖认证功能，需自行注册账号后才能本地试用客户端。
5准备模型提供方

官方没有公共推理端点，需自行接入模型：可安装 Ollama 或 llama.cpp 做免费本地推理，或准备 OpenAI 兼容 API Key。
6配置模型与搜索

在客户端设置中填入模型提供方的 API Key；若不需联网搜索，可在集成页面关闭搜索功能。

关键配置

配置项	必填	说明	示例
`模型提供方 API Key`	是	在设置中添加任意 OpenAI 兼容模型提供方的密钥	`sk-xxxxxxxx`
`搜索功能开关`	否	可在应用的集成页面关闭搜索，减少对联网服务的依赖	`关闭`