🔥🔥🔥开源AI对话平台OpenLoki，一个开箱即用的完全基于Python技术栈的AI Native Chat开发框架。

OpenLoki是一个基于Python技术栈的AI对话平台，集成了现代AI应用开发所需的核心功能。项目采用前后端分离架构，前端使用Dash构建，后端基于FastAPI开发，支持多种LLM模型集成。

OpenLoki/
├── fastapi_backend/           # FastAPI后端服务
│   ├── api/                  # API路由定义
│   ├── core/                 # 核心配置、中间件等
│   ├── database/             # 数据库相关
│   ├── models/               # 数据模型
│   ├── services/             # 业务服务层
│   ├── utils/                # 工具函数
│   └── app.py                # 后端主程序
├── dash_frontend/            # Dash前端界面
│   ├── assets/              # 静态资源（CSS、JS、图片等）
│   ├── blueprints/          # 蓝图模块
│   ├── callbacks/           # Dash回调函数
│   ├── components/          # UI组件
│   ├── utils/               # 工具函数
│   ├── views/               # 页面视图
│   └── app.py               # 前端主程序
├── script/                   # Windows启动脚本
│   ├── start_fastapi_backend.bat  # 后端启动脚本
│   └── start_dash_frontend.bat    # 前端启动脚本
├── config.toml               # 主配置文件
├── user_auth.toml            # 用户认证配置
├── pyproject.toml            # 项目依赖配置
├── requirements.txt          # 依赖包列表
└── README.md                 # 项目说明文档

项目的主要配置都集中在config.toml文件中：

1. 基础配置 ([config]):

   • launch_mode: 运行模式（dev/prod）
   • log_level: 日志级别
   • jwt_secret_key: JWT密钥
   • frontend_port: 前端端口（默认8000）
   • backend_port: 后端端口（默认8001）

2. 大模型配置 ([llm.*]):

   • api_key: 对应大模型的API密钥（如硅基流动API密钥）
   • model_url: 模型API地址
   • 支持配置多个大模型

3. 子智能体配置 ([subagent.*]):

   • 摘要模型相关配置

4. 短期记忆配置 ([short_memory]):

   • 对话历史长度配置

5. 长期记忆配置 ([long_memory]):

   • Memos记忆引擎配置

6. MCP工具配置 ([mcp]):

   • 联网搜索等工具集成配置

存储用户账号和密码信息，用于前端基础认证。

准备好Python环境，安装UV包管理器

pip install uv

使用以下命令安装项目依赖：

uv sync

启动前需要更新以下配置文件：

config.toml:

1. 更新api_key字段：替换为你自己的大模型API密钥
2. 根据需要调整端口号（默认前端8000，后端8001）
3. 更新时间记忆等相关配置

user_auth.toml:

1. 修改默认用户名和密码
2. 可以添加更多用户账户

应用本身不存储任何数据，除了长期记忆依赖外部记忆API，其他数据全部存储在浏览器端持久化Storage

1. 启动后端服务：双击运行script/start_fastapi_backend.bat

   • 服务将在 http://127.0.0.1:8001 启动
   • 可以访问 http://127.0.0.1:8001/docs 查看API文档

2. 启动前端界面：双击运行script/start_dash_frontend.bat

   • 界面将在 http://127.0.0.1:8000 启动

1. 启动后端：

cd fastapi_backend
python app.py

2. 启动前端：

cd dash_frontend
python server.py

1. 打开浏览器访问：http://127.0.0.1:8000
2. 使用user_auth.toml中配置的用户名和密码登录

• 🔄 多模型支持: 支持配置多个LLM模型（Qwen系列等）
• 💾 记忆系统: 支持短期对话记忆和长期知识记忆
• 🔧 工具调用: 集成MCP工具，支持联网搜索等功能
• 📊 可视化界面: 使用Dash打造现代化的聊天界面
• 🛡️ 用户认证: 基础HTTP认证机制
• 📁 文件上传: 支持文本文件上传和管理（todo）
• 📈 日志系统: 完整的日志记录和追踪

1. API密钥: 需要自行申请硅基流动或其他大模型平台的API密钥
2. 端口冲突: 如果8000或8001端口被占用，请在config.toml中修改端口配置
3. 依赖管理: 推荐使用uv进行依赖管理，确保环境一致性
4. 生产部署: 生产环境需要配置更安全的安全策略和密钥管理

1. 开发建议使用Python 3.12+版本
2. 调试时可将config.toml中的launch_mode设置为dev
3. 日志文件默认保存在logs/目录下