Note
安装依赖时，请严格选择requirements.txt中指定的版本。
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
如果喜欢这个项目，请给它一个Star；如果你发明了更好用的快捷键或函数插件，欢迎发pull requests
If you like this project, please give it a Star. If you've come up with more useful academic shortcuts or functional plugins, feel free to open an issue or pull request. We also have a README in English|日本語|한국어|Русский|Français translated by this project itself.
Note
1.请注意只有红颜色标识的函数插件（按钮）才支持读取文件，部分插件位于插件区的下拉菜单中。另外我们以最高优先级欢迎和处理任何新插件的PR！
2.本项目中每个文件的功能都在自译解
self_analysis.md详细说明。随着版本的迭代，您也可以随时自行点击相关函数插件，调用GPT重新生成项目的自我解析报告。常见问题汇总在wiki当中。3.本项目兼容并鼓励尝试国产大语言模型chatglm和RWKV, 盘古等等。已支持OpenAI和API2D的api-key共存，可在配置文件中填写如
API_KEY="openai-key1,openai-key2,api2d-key3"。需要临时更换API_KEY时，在输入区输入临时的API_KEY然后回车键提交后即可生效。
| 功能 | 描述 |
|---|---|
| 一键润色 | 支持一键润色、一键查找论文语法错误 |
| 一键中英互译 | 一键中英互译 |
| 一键代码解释 | 显示代码、解释代码、生成代码、给代码加注释 |
| 自定义快捷键 | 支持自定义快捷键 |
| 模块化设计 | 支持自定义强大的函数插件，插件支持热更新 |
| 自我程序剖析 | [函数插件] 一键读懂本项目的源代码 |
| 程序剖析 | [函数插件] 一键可以剖析其他Python/C/C++/Java/Lua/...项目树 |
| 读论文、翻译论文 | [函数插件] 一键解读latex/pdf论文全文并生成摘要 |
| Latex全文翻译、润色 | [函数插件] 一键翻译或润色latex论文 |
| 批量注释生成 | [函数插件] 一键批量生成函数注释 |
| Markdown中英互译 | [函数插件] 看到上面5种语言的README了吗？ |
| chat分析报告生成 | [函数插件] 运行后自动生成总结汇报 |
| PDF论文全文翻译功能 | [函数插件] PDF论文提取题目&摘要+翻译全文（多线程） |
| Arxiv小助手 | [函数插件] 输入arxiv文章url即可一键翻译摘要+下载PDF |
| 谷歌学术统合小助手 | [函数插件] 给定任意谷歌学术搜索页面URL，让gpt帮你写relatedworks |
| 互联网信息聚合+GPT | [函数插件] 一键让GPT先从互联网获取信息，再回答问题，让信息永不过时 |
| 公式/图片/表格显示 | 可以同时显示公式的tex形式和渲染形式，支持公式、代码高亮 |
| 多线程函数插件支持 | 支持多线调用chatgpt，一键处理海量文本或程序 |
| 启动暗色gradio主题 | 在浏览器url后面添加/?__dark-theme=true可以切换dark主题 |
| 多LLM模型支持，API2D接口支持 | 同时被GPT3.5、GPT4和清华ChatGLM伺候的感觉一定会很不错吧？ |
| 更多LLM模型接入，支持huggingface部署 | 新加入Newbing测试接口(新必应AI) |
| …… | …… |
- 新界面（修改
config.py中的LAYOUT选项即可实现“左右布局”和“上下布局”的切换）
- 所有按钮都通过读取functional.py动态生成，可随意加自定义功能，解放粘贴板
- 润色/纠错
- 如果输出包含公式，会同时以tex形式和渲染形式显示，方便复制和阅读
- 懒得看项目代码？整个工程直接给chatgpt炫嘴里
- 多种大语言模型混合调用（ChatGLM + OpenAI-GPT3.5 + API2D-GPT4）
- 下载项目
git clone https://github.com/binary-husky/chatgpt_academic.git
cd chatgpt_academic- 配置API_KEY
在config.py中，配置API KEY等设置，特殊网络环境设置 。
（P.S. 程序运行时会优先检查是否存在名为config_private.py的私密配置文件，并用其中的配置覆盖config.py的同名配置。因此，如果您能理解我们的配置读取逻辑，我们强烈建议您在config.py旁边创建一个名为config_private.py的新配置文件，并把config.py中的配置转移（复制）到config_private.py中。config_private.py不受git管控，可以让您的隐私信息更加安全。）
- 安装依赖
# （选择I: 如熟悉python）（python版本3.9以上，越新越好）
python -m pip install -r requirements.txt
# 备注：使用官方pip源或者阿里pip源，其他pip源（如一些大学的pip）有可能出问题，临时换源方法：python -m pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
# （选择II: 如不熟悉python）使用anaconda，步骤也是类似的：
# （II-1）conda create -n gptac_venv python=3.11
# （II-2）conda activate gptac_venv
# （II-3）python -m pip install -r requirements.txt如果需要支持清华ChatGLM后端，需要额外安装更多依赖（前提条件：熟悉python + 电脑配置够强）：
python -m pip install -r request_llm/requirements_chatglm.txt
# 备注：如果遇到"Call ChatGLM fail 不能正常加载ChatGLM的参数" 错误，参考如下：
# 1：以上默认安装的为torch+cpu版，使用cuda需要卸载torch重新安装torch+cuda
# 2：如因本机配置不够无法加载模型，可以修改request_llm/bridge_chatglm.py中的模型精度, 将 AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True) 都修改为 AutoTokenizer.from_pretrained("THUDM/chatglm-6b-int4", trust_remote_code=True)- 运行
python main.py- 测试函数插件
- 测试函数插件模板函数（要求gpt回答历史上的今天发生了什么），您可以根据此函数为模板，实现更复杂的功能
点击 "[函数插件模板Demo] 历史上的今天"
- 仅ChatGPT（推荐大多数人选择）
# 下载项目
git clone https://github.com/binary-husky/chatgpt_academic.git
cd chatgpt_academic
# 配置 “Proxy”， “API_KEY” 以及 “WEB_PORT” (例如50923) 等
用任意文本编辑器编辑 config.py
# 安装
docker build -t gpt-academic .
#（最后一步-选择1）在Linux环境下，用`--net=host`更方便快捷
docker run --rm -it --net=host gpt-academic
#（最后一步-选择2）在macOS/windows环境下，只能用-p选项将容器上的端口(例如50923)暴露给主机上的端口
docker run --rm -it -p 50923:50923 gpt-academic- ChatGPT+ChatGLM（需要对Docker熟悉 + 读懂Dockerfile + 电脑配置够强）
# 修改Dockerfile
cd docs && nano Dockerfile+ChatGLM
# 构建 （Dockerfile+ChatGLM在docs路径下，请先cd docs）
docker build -t gpt-academic --network=host -f Dockerfile+ChatGLM .
# 运行 (1) 直接运行:
docker run --rm -it --net=host --gpus=all gpt-academic
# 运行 (2) 我想运行之前进容器做一些调整:
docker run --rm -it --net=host --gpus=all gpt-academic bash- ChatGPT + LLAMA + 盘古 + RWKV（需要精通Docker）
1. 修改docker-compose.yml，删除方案一和方案二，保留方案三（基于jittor）
2. 修改docker-compose.yml中方案三的配置，参考其中注释即可
3. 终端运行 docker-compose up-
如何使用反代URL/微软云AzureAPI 按照
config.py中的说明配置API_URL_REDIRECT即可。 -
远程云服务器部署（需要云服务器知识与经验） 请访问部署wiki-1
-
使用WSL2（Windows Subsystem for Linux 子系统） 请访问部署wiki-2
-
如何在二级网址（如
http://localhost/subpath）下运行 请访问FastAPI运行说明 -
使用docker-compose运行 请阅读docker-compose.yml后，按照其中的提示操作即可
- 自定义新的便捷按钮（学术快捷键）
任意文本编辑器打开
core_functional.py，添加条目如下，然后重启程序即可。（如果按钮已经添加成功并可见，那么前缀、后缀都支持热修改，无需重启程序即可生效。） 例如
"超级英译中": {
# 前缀，会被加在你的输入之前。例如，用来描述你的要求，例如翻译、解释代码、润色等等
"Prefix": "请翻译把下面一段内容成中文，然后用一个markdown表格逐一解释文中出现的专有名词：\n\n",
# 后缀，会被加在你的输入之后。例如，配合前缀可以把你的输入内容用引号圈起来。
"Suffix": "",
},
- 自定义函数插件
编写强大的函数插件来执行任何你想得到的和想不到的任务。 本项目的插件编写、调试难度很低，只要您具备一定的python基础知识，就可以仿照我们提供的模板实现自己的插件功能。 详情请参考函数插件指南。
- 对话保存功能。在函数插件区调用
保存当前的对话即可将当前对话保存为可读+可复原的html文件， 另外在函数插件区（下拉菜单）调用载入对话历史存档，即可还原之前的会话。 Tip：不指定文件直接点击载入对话历史存档可以查看历史html存档缓存，点击删除所有本地对话历史记录可以删除所有html存档缓存。
- 生成报告。大部分插件都会在执行结束后，生成工作报告
- 模块化功能设计，简单的接口却能支持强大的功能
- 这是一个能够“自我译解”的开源项目
- 译解其他开源项目，不在话下
- 装饰live2d的小功能（默认关闭，需要修改
config.py）
- version 3.5(Todo): 使用自然语言调用本项目的所有函数插件（高优先级）
- version 3.4(Todo): 完善chatglm本地大模型的多线支持
- version 3.3: +互联网信息综合功能
- version 3.2: 函数插件支持更多参数接口 (保存对话功能, 解读任意语言代码+同时询问任意的LLM组合)
- version 3.1: 支持同时问询多个gpt模型！支持api2d，支持多个apikey负载均衡
- version 3.0: 对chatglm和其他小型llm的支持
- version 2.6: 重构了插件结构，提高了交互性，加入更多插件
- version 2.5: 自更新，解决总结大工程源代码时文本过长、token溢出的问题
- version 2.4: (1)新增PDF全文翻译功能; (2)新增输入区切换位置的功能; (3)新增垂直布局选项; (4)多线程函数插件优化。
- version 2.3: 增强多线程交互性
- version 2.2: 函数插件支持热重载
- version 2.1: 可折叠式布局
- version 2.0: 引入模块化函数插件
- version 1.0: 基础功能
gpt_academic开发者QQ群-2：610599535
代码中参考了很多其他优秀项目中的设计，主要包括：
# 项目1：清华ChatGLM-6B：
https://github.com/THUDM/ChatGLM-6B
# 项目2：清华JittorLLMs：
https://github.com/Jittor/JittorLLMs
# 项目3：借鉴了ChuanhuChatGPT中诸多技巧
https://github.com/GaiZhenbiao/ChuanhuChatGPT
# 项目4：ChatPaper
https://github.com/kaixindelele/ChatPaper
# 更多：
https://github.com/gradio-app/gradio
https://github.com/fghrsh/live2d_demo