Skip to content

massif-01/ChatRaw

BranchesTags

Repository files navigation

ChatRaw Template

Lightweight AI Chat Interface with Plugin System | 轻量 AI 聊天界面与插件系统

Fast, Lightweight, Extensible | 快速、轻量、可扩展

Lighthouse Performance License Python JavaScript Docker Docker Pulls Memory Startup OpenAI Compatible

English | 中文

English

Interface Preview

Main Chat Interface

Main Interface

Model Configuration

Model Configuration

Plugin Market

Plugin Market

Why ChatRaw?

Many developers, AI hardware vendors, and users just need a simple, lightweight application that can quickly demonstrate their model capabilities. That's why we created ChatRaw - a minimal, ready-to-use chat interface that deploys in seconds. No complex configuration, no heavy dependencies—just a clean, fast AI chat experience.

Part 1: Core Features

Fast, Lightweight, Convenient

Core Highlights

  • Ultra Lightweight - ~60MB memory footprint, optimized binary embedding storage
  • Instant Startup - Ready in seconds with connection pooling for fast API calls
  • Custom Branding - Freely customize name, logo, and theme
  • Universal API Support - Works with any OpenAI-compatible API (Ollama, vLLM, LocalAI, LM Studio, etc.)
  • Document Parsing - Native PDF, DOCX, TXT, MD parsing as chat context
  • Vision AI Ready - Multimodal image understanding with auto-compression
  • Thinking Mode - Support for reasoning models (DeepSeek-R1, Qwen, o1, etc.)
  • Responsive Design - Optimized for desktop, tablet, and mobile with touch-friendly UI
  • One-Click Copy - Copy AI responses instantly (text only, no metadata)
  • Bilingual UI - English & Chinese with one-click switch
  • Zero Registration - Settings auto-saved locally
  • One-Click Deploy - Docker deployment in 30 seconds

Key Features

Multi-Model Configuration

  • Supports unlimited chat, embedding, and reranking models
  • Automatic API key rotation to bypass rate limits
  • Built-in endpoint validation and testing

Thinking Mode

  • Deep reasoning for supported models
  • Collapsible thought process display

Custom Branding

  • Customize interface: name, Logo, subtitle, avatar, and theme colors

Document & Image Support

  • Upload documents (PDF, DOCX, TXT, MD) as chat context. AI can read and reference document content
  • Attach images for multimodal understanding. Automatically compressed to WebP format (~2MB)

Part 2: Extension Plugins

Flexible, Free, Community-Driven

ChatRaw features a complete plugin system to extend functionality:

Official Plugins

  • Lightweight RAG Demo — Knowledge base retrieval
  • Bocha Search — Web / AI search
  • Tavily Search — Web search with AI answers
  • Excel Parser — Parse .xlsx/.xls for chat
  • CSV Parser — Parse CSV/TSV for chat
  • Enhanced Web Parsing — Parse web pages (browser / Firecrawl / Jina)
  • Multi-Model Manager — Manage and switch models
  • Markdown Renderer Plus — Math (KaTeX), Mermaid, code copy, offline
  • Context Compressor — Compact older chat history automatically or from the input toolbar
  • Toolbar Extension Demo — Demo plugin showcasing UI Extension API

Toolbar Extension

Plugins can add custom buttons to the input toolbar with active/loading states, overflow menu for many buttons, and fullscreen modal for complex interactions.

Plugin Development

  • Complete development documentation
  • Rich hook system (including new UI Extension API)
  • Custom settings UI
  • One-click packaging and distribution

Plugin Development Guide: Plugins/README.md

Performance

Note: Performance tests conducted using Google Lighthouse on localhost deployment

Desktop Mobile
Desktop Performance Mobile Performance
Lighthouse Report Lighthouse Report

Desktop: Performance 100 | Accessibility 100 | Best Practices 100 | SEO 100

Mobile: Performance 96 | Accessibility 93 | Best Practices 100 | SEO 100

Quick Start

Option 1: Docker (Recommended)

Prerequisites: Docker installed.

Docker images are published to Docker Hub and GitHub Container Registry. To get the latest image (not a cached old one), always run docker pull with the tag you want before creating the container. Use :latest for the current release, or a version tag (e.g. v2.1.2) from Releases for a fixed version.

Supported platforms: linux/amd64 (Intel/AMD), linux/arm64 (Apple Silicon, Raspberry Pi 4/5).

Method A: docker run (no project files)

Run these commands in a terminal. Data is stored in a Docker volume chatraw-data.

# 1. Pull the latest image (run this again whenever you want to update)
docker pull massif01/chatraw:latest

# 2. Start the container (creates volume chatraw-data if needed)
docker run -d -p 51111:51111 -v chatraw-data:/app/data --name chatraw massif01/chatraw:latest
  • Access: http://localhost:51111
  • To access LAN services (e.g. local LLM at 192.168.x.x), use host network instead: 
    docker run -d --network host -v chatraw-data:/app/data -e PORT=51111 --name chatraw massif01/chatraw:latest

Method B: docker-compose (host network, good for LAN)

Clone the project and run from the repo root. The included docker-compose.yml uses host network so the app can reach LAN services (e.g. 192.168.x.x) without extra config.

# 1. Clone the repository
git clone https://github.com/massif-01/ChatRaw.git
cd ChatRaw

# 2. Pull the latest image and start the service
docker compose pull
docker compose up -d

Option 2: From Source

Requirements: Python 3.12+

# Clone repository
git clone https://github.com/massif-01/ChatRaw.git
cd ChatRaw/backend

# Install dependencies
pip install -r requirements.txt

# Run
python main.py

Access: http://localhost:51111

Docker image sources

Source Pull command
Docker Hub docker pull massif01/chatraw:latest
GitHub Container Registry docker pull ghcr.io/massif-01/chatraw:latest

Use the same tag for a specific version, e.g. massif01/chatraw:v2.1.2 (see Releases).

Update Guide

Docker (docker run)

# Stop and remove the current container
docker stop chatraw && docker rm chatraw

# Pull the latest image (important: otherwise the old image is reused)
docker pull massif01/chatraw:latest

# Start again (same volume keeps your data)
docker run -d -p 51111:51111 -v chatraw-data:/app/data --name chatraw massif01/chatraw:latest

Docker Compose

cd ChatRaw
git pull origin main
docker compose pull
docker compose up -d

From Source

cd ChatRaw
git pull origin main
cd backend
pip install -r requirements.txt --upgrade
python main.py

Important changes in v2.0.0 (if upgrading from v1.x)

  • RAG is now a plugin: install Lightweight RAG Demo from Plugin Market if you need it.
  • Default theme is light (changeable in Settings).
  • Chat history and settings are preserved.

Configuration

Initial Setup

  1. Open http://localhost:51111
  2. Click the Settings button in the bottom-left corner
  3. Go to Model Settings
  4. Add your API configuration:
    • API Base URL (e.g., https://api.openai.com/v1)
    • Model ID (e.g., gpt-4)
    • API Key
  5. Click Verify to test the connection
  6. Click Save

Custom Branding

In Settings → Interface, you can customize:

  • Application name and logo
  • User and AI avatars
  • Theme mode (light/dark)

Install Plugins

  1. Click the Plugins button in the bottom-left corner
  2. Browse the Plugin Market tab
  3. Click Install on any plugin
  4. After installation, enable the plugin in the Installed tab

For Context Compressor, enable the plugin to use compacted history in model requests. The autoCompress setting creates or updates summaries automatically; when it is off, existing summaries are still used and you can click the input toolbar compression button to compact manually.

Use Cases

  • Developers: Quickly test and demo your AI models
  • AI Hardware Vendors: Showcase device capabilities with a ready-to-use interface
  • Researchers: Experiment with RAG, embeddings, and reranking
  • Students: Learn AI applications hands-on
  • Enterprises: Internal AI tools and knowledge bases

Contributing

Contributions are welcome! Please submit issues or pull requests.

Development Guidelines

  1. Fork this repository
  2. Create your feature branch (git checkout -b feature/AmazingFeature)
  3. Commit your changes (git commit -m 'Add some AmazingFeature')
  4. Push to the branch (git push origin feature/AmazingFeature)
  5. Open a Pull Request

License

MIT License

© 2026 ChatRaw by massif-01, RMinte® AI Technology Co., Ltd.

Links





中文

界面展示

主聊天界面

主界面

模型配置

模型配置

插件市场

插件市场

为什么选择 ChatRaw？

很多开发者、AI 硬件厂商，甚至是用户只需要一个简洁轻量，能够快速展示自己模型使用的应用，于是我们提供了极简、开箱即用的聊天界面，秒级部署。无需复杂配置，无重型依赖——只需一个干净、快速的 AI 聊天体验。

第一部分：核心功能

快速、轻量、便捷

核心亮点

  • 极致轻量 - 内存占用约 60MB，优化的二进制向量存储
  • 极速启动 - 秒级启动，连接池加速 API 调用
  • 自定义品牌 - 自由定制名称、Logo 和主题
  • 通用 API 支持 - 兼容任意 OpenAI 兼容 API（Ollama、vLLM、LocalAI、LM Studio 等）
  • 文档解析 - 原生支持 PDF、DOCX、TXT、MD 解析作为聊天上下文
  • 视觉 AI 就绪 - 多模态图片理解，自动压缩
  • 思考模式 - 支持推理模型（DeepSeek-R1、Qwen、o1 等）
  • 响应式设计 - 完美适配桌面、平板和移动设备，触控友好
  • 一键复制 - 一键复制 AI 回复内容（纯文本，不含元数据）
  • 双语界面 - 中英文一键切换
  • 零注册 - 设置本地自动保存
  • 一键部署 - Docker 30 秒部署

主要功能

多模型配置

  • 支持无限数量的聊天、嵌入和重排模型
  • 自动 API Key 轮换以绕过速率限制
  • 内置端点验证和测试

思考模式

  • 为支持的模型启用深度推理
  • 可折叠的思考过程显示

自定义品牌

  • 自定义界面：名称、Logo、副标题、头像和主题颜色

文档与图片支持

  • 上传文档（PDF、DOCX、TXT、MD）作为聊天上下文。AI 可以阅读和引用文档内容
  • 附加图片进行多模态理解。自动压缩为 WebP 格式（约 2MB）

第二部分：扩展插件

灵活、自由、社区驱动

ChatRaw 拥有完整的插件系统以扩展功能：

官方插件

  • 轻量 RAG 演示 — 知识库检索
  • 博查搜索 — Web / AI 搜索
  • Tavily 搜索 — Web 搜索 + AI 答案
  • Excel 解析器 — 解析 .xlsx/.xls 供对话使用
  • CSV 解析器 — 解析 CSV/TSV 供对话使用
  • 增强网页解析 — 解析网页（浏览器 / Firecrawl / Jina）
  • 多模型管理 — 管理并切换模型
  • Markdown 渲染增强 — 数学公式、Mermaid、代码复制，离线可用
  • 上下文压缩 — 自动或通过输入框工具栏压缩较早聊天历史
  • 工具栏扩展演示 — 展示 UI 扩展 API 的演示插件

工具栏扩展

插件可以在输入框工具栏添加自定义按钮，支持激活态/加载态、按钮溢出折叠菜单，以及全屏模态框实现复杂交互。

插件开发

  • 完整的开发文档
  • 丰富的 Hook 系统（包含全新 UI 扩展 API）
  • 自定义设置界面
  • 一键打包分发

插件开发指南: Plugins/README.md

性能测试

说明: 使用 Google Lighthouse 对本地部署进行性能测试

桌面端 移动端
桌面端性能 移动端性能
Lighthouse 测试报告 Lighthouse 测试报告

桌面端: 性能 100 | 无障碍 100 | 最佳做法 100 | SEO 100

移动端: 性能 96 | 无障碍 93 | 最佳做法 100 | SEO 100

快速开始

方式一：Docker（推荐）

前置条件：已安装 Docker。

镜像发布在 Docker Hub 和 GitHub Container Registry。若想用最新镜像（避免用到本地缓存的旧镜像），在创建容器前请先执行一次 docker pull。使用 :latest 表示当前最新版本；如需固定版本，可使用 Releases 中的版本号标签（如 v2.1.2）。

支持平台：linux/amd64（Intel/AMD）、linux/arm64（Apple Silicon、树莓派 4/5）。

方式 A：docker run（无需项目文件）

在终端依次执行。数据保存在 Docker 卷 chatraw-data 中。

# 1. 拉取最新镜像（每次要更新时重新执行此命令）
docker pull massif01/chatraw:latest

# 2. 启动容器（若卷 chatraw-data 不存在会自动创建）
docker run -d -p 51111:51111 -v chatraw-data:/app/data --name chatraw massif01/chatraw:latest
  • 访问：http://localhost:51111
  • 如需访问局域网服务（例如本机 LLM 在 192.168.x.x），可改用 host 网络： 
    docker run -d --network host -v chatraw-data:/app/data -e PORT=51111 --name chatraw massif01/chatraw:latest

方式 B：docker-compose（host 网络，适合访问局域网）

克隆项目后在仓库根目录执行。项目内的 docker-compose.yml 使用 host 网络，可直接访问局域网服务（如 192.168.x.x），无需额外配置。

# 1. 克隆仓库
git clone https://github.com/massif-01/ChatRaw.git
cd ChatRaw

# 2. 拉取最新镜像并启动服务
docker compose pull
docker compose up -d

方式二：源码部署

环境要求：Python 3.12+

# 克隆仓库
git clone https://github.com/massif-01/ChatRaw.git
cd ChatRaw/backend

# 安装依赖
pip install -r requirements.txt

# 运行
python main.py

访问：http://localhost:51111

Docker 镜像来源

来源 拉取命令
Docker Hub docker pull massif01/chatraw:latest
GitHub Container Registry docker pull ghcr.io/massif-01/chatraw:latest

需要固定版本时使用相同标签格式，例如 massif01/chatraw:v2.1.2，版本号见 Releases。

更新指南

Docker（docker run）

# 停止并删除当前容器
docker stop chatraw && docker rm chatraw

# 拉取最新镜像（重要：否则会继续用旧镜像）
docker pull massif01/chatraw:latest

# 再次启动（使用同一卷，数据保留）
docker run -d -p 51111:51111 -v chatraw-data:/app/data --name chatraw massif01/chatraw:latest

Docker Compose

cd ChatRaw
git pull origin main
docker compose pull
docker compose up -d

源码部署

cd ChatRaw
git pull origin main
cd backend
pip install -r requirements.txt --upgrade
python main.py

v2.0.0 重要变更（从 v1.x 升级时）

  • RAG 已改为插件：需要 RAG 时请在插件市场中安装 轻量 RAG 演示。
  • 默认主题为亮色（可在设置中修改）。
  • 对话历史与设置会保留。

配置说明

初始设置

  1. 打开 http://localhost:51111
  2. 点击左下角的设置按钮
  3. 进入模型设置
  4. 添加你的 API 配置：
    • API Base URL（例如：https://api.openai.com/v1）
    • Model ID（例如：gpt-4）
    • API Key
  5. 点击验证测试连接
  6. 点击保存

自定义品牌

在设置 → 界面中，你可以自定义：

  • 应用名称和 Logo
  • 用户和 AI 头像
  • 主题模式（亮色/暗色）

安装插件

  1. 点击左下角的插件按钮
  2. 浏览插件市场标签页
  3. 点击任意插件的安装按钮
  4. 安装后，在已安装标签页中启用插件

对于上下文压缩插件，启用插件后模型请求会使用压缩后的历史摘要。autoCompress 会自动创建或更新摘要； 关闭自动压缩后，已有摘要仍会继续使用，未创建摘要时则走完整历史，也可以点击输入框工具栏的压缩按钮手动压缩。

使用场景

  • 开发者：快速测试和演示你的 AI 模型
  • AI 硬件厂商：用即插即用的界面展示设备能力
  • 研究人员：实验 RAG、嵌入和重排技术
  • 学生：动手学习 AI 应用
  • 企业：内部 AI 工具和知识库

贡献

欢迎贡献！请提交 issue 或 pull request。

开发指南

  1. Fork 本仓库
  2. 创建你的特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交你的更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 打开一个 Pull Request

开源协议

MIT License

© 2026 ChatRaw by massif-01, RMinte® AI Technology Co., Ltd.

相关链接

About

Ultra-minimal AI chat UI: 30s deploy, no sign-up; OpenAI-compatible; RAG + vision + web parsing; plugins/adapters.

massif-01.github.io/ChatRaw/

Topics

chatbot openaicompitable chatraw

Resources

Readme

License

MIT license
Activity

Stars

55 stars

Watchers

0 watching

Forks

5 forks
Report repository

Releases 26

v2.1.4 Latest
Apr 25, 2026
+ 25 releases

Packages

 
 
 

Contributors

Languages