独立部署chatGPT,告别网络困扰

简介: 独立部署chatGPT,告别网络困扰

最近的chatGPT是热火朝天,基本人手一个。工具用的好,工作5分钟,划水一整天。

但是也会有不少烦恼,访问官方网站都有网络的问题,需要FQ解决。这类工具也还是会有网络波动的问题,也有一定的安全风险。今天介绍一个方案,从此告别网络的问题,私人独享属于自己的chatGPT,不再担心想用的时候访问不了的情况。

这个项目是一个国内大佬ddiu8081开源的chatGPT项目,基于 OpenAI GPT-3.5 Turbo API 的demo。界面如下所示,非常简洁好看,反应速度流畅,还可以设置场景角色提示词,更好的和chatGPT交流。

d8f4070e3d5076ff9a935e50d3f0f3e.png

本地部署

本地部署需要有一定的前端开发环境,如果没有开发环境可直接跳过看下一种在线部署到云端的方式。

前置环境准备

1 Node:在部署之前要安装node环境。检查您的开发环境和部署环境是否都使用Node v18或更高版本,你可以使用nvm管理本地多个node版本。可以使用下面的命令查看node的版本。

node -v

2 PNPM: 推荐使用 pnpm 来管理依赖,如果你要用npm安装依赖也是可以的,如果你从来没有安装过 pnpm,可以使用下面的命令安装:

npm i -g pnpm

3 OPENAI_API_KEY: 在运行此应用程序之前,您需要从 OpenAI 获取 API 密钥。您可以在官网 beta.openai.com/signup 注册 API 密钥。

本地运行

1 克隆项目到本地的两种方式,仓库地址如下:

// http
git clone https://github.com/ddiu8081/chatgpt-demo.git
// ssh
git clone git@github.com:ddiu8081/chatgpt-demo.git

2 克隆下载完成后,进入项目跟目录,在终端输入如下命令安装依赖:

pnpm install

3 复制 .env.example 文件,重命名为 .env,并添加你的 OpenAI API key 到 .env 文件中。

OPENAI_API_KEY=sk-xxx...

4 运行应用,本地项目运行在 http://localhost:3000/

pnpm run dev

tips:因为是本地运行,所以还是会有网络的问题,如果你有相关工具,可以进行配置,配置 .env 文件中的 HTTPS_PROXY 即可。

# Provide proxy for OpenAI API. e.g. http://127.0.0.1:7890
HTTPS_PROXY=

部署到Vercel

Vercel是一个云端部署和服务平台,它提供了一个快速、安全、可扩展的方式来部署和管理现代web应用程序和网站。

部署到Vercel相对比较简单,点击仓库的README文件的Deploy with Vercel跳转到Vercel中设置相关OPENAI_API_KEY即可。

94591b068a63ff4ec0c205b56cd1325.png

部署到Netlify

Netlify是一个现代化的Web应用程序部署和托管平台,它提供了一个快速、简单、安全、自动化的方式来构建、部署和管理Web应用程序。

1 Fork 此项目,前往 https://app.netlify.com/start 新建站点,选择刚刚 fork 完成的项目,将其与 GitHub 帐户连接。

d5e20852cf7cb2069f1b304c9c65994.png

61c327dc102476ffed632af52f8236a.png

2 选择要部署的分支,选择 main 分支, 在项目设置中配置环境变量,环境变量配置参考下文。

8b779fe3a08c56492a7929eace35469.png

3 选择默认的构建命令和输出目录,单击 Deploy Site 按钮开始部署站点。

1395cd927814c214857618dde931a20.png

4 部署完成后在个人的站点里面即可看到对应的访问地址,如果个人有域名也可以设置自定义域名。

bf827ef720a8bf570cdeafcc572f8b0.png

部署完成后访问地址可以看到运行正常,网络顺畅。

94959321b8b3b2e35851d849b264bb0.png

为了防止他人使用可以为网站设置密码,修改 .env 中的 SITE_PASSWORD 配置即可,以下是有设置密码的样式。

b8976db0995187031ab4eba737fcf37.png

环境变量

Name Description Default
OPENAI_API_KEY 你的 OpenAI API Key null
HTTPS_PROXY 为 OpenAI API 提供代理. e.g. http://127.0.0.1:7890 null
OPENAI_API_BASE_URL 请求 OpenAI API 的自定义 Base URL. https://api.openai.com
HEAD_SCRIPTS 在页面 之前注入分析或其他脚本 null
SECRET_KEY 项目的秘密字符串。用于生成 API 调用的签名 null
SITE_PASSWORD 网站设置密码。如果未设置,则该网站将是公开的 null
OPENAI_API_MODEL 使用的 OpenAI 模型列表. List models gpt-3.5-turbo

最后

整个安装部署的教程就到此结束了,相对还是比较简单,从此再也不用担心网络的问题了,电脑手机随时随地都可以使用。有兴趣的朋友可以试试看,有遇到安装或部署问题的欢迎留言交流。

看完本文如果觉得有用,记得点个赞支持,收藏起来说不定哪天就用上啦~



目录
相关文章
|
5月前
|
传感器 算法 数据安全/隐私保护
基于GA遗传优化的三维空间WSN网络最优节点部署算法matlab仿真
本程序基于遗传算法(GA)优化三维空间无线传感网络(WSN)的节点部署,通过MATLAB2022A实现仿真。算法旨在以最少的节点实现最大覆盖度,综合考虑空间覆盖、连通性、能耗管理及成本控制等关键问题。核心思想包括染色体编码节点位置、适应度函数评估性能,并采用网格填充法近似计算覆盖率。该方法可显著提升WSN在三维空间中的部署效率与经济性,为实际应用提供有力支持。
|
6月前
|
存储 运维 监控
2025年4月深度评测:10款最值得部署的网络监控软件
真正卓越的运维不仅仅是对当前问题的解决,更在于对未来的预测和防范。 OpManager 的预测报表功能可以为用户提供有关未来存储需求增长方式的直观展示,帮助用户进行基于需求的容量规划,从而避免成本浪费。
258 0
|
Kubernetes Devops 持续交付
DevOps实践:使用Docker和Kubernetes实现持续集成和部署网络安全的守护盾:加密技术与安全意识的重要性
【8月更文挑战第27天】本文将引导读者理解并应用DevOps的核心理念,通过Docker和Kubernetes的实战案例,深入探讨如何在现代软件开发中实现自动化的持续集成和部署。文章不仅提供理论知识,还结合真实示例,旨在帮助开发者提升效率,优化工作流程。
|
11月前
|
供应链 监控 安全
网络安全中的零信任架构:从概念到部署
网络安全中的零信任架构:从概念到部署
874 75
|
8月前
|
传感器 算法 物联网
基于粒子群算法的网络最优节点部署优化matlab仿真
本项目基于粒子群优化(PSO)算法,实现WSN网络节点的最优部署,以最大化节点覆盖范围。使用MATLAB2022A进行开发与测试,展示了优化后的节点分布及其覆盖范围。核心代码通过定义目标函数和约束条件,利用PSO算法迭代搜索最佳节点位置,并绘制优化结果图。PSO算法灵感源于鸟群觅食行为,适用于连续和离散空间的优化问题,在通信网络、物联网等领域有广泛应用。该算法通过模拟粒子群体智慧,高效逼近最优解,提升网络性能。
306 16
|
11月前
|
人工智能 API 数据安全/隐私保护
使用 Docker 一键免费部署 63.8k 的私人 ChatGPT 网页应用
NextChat 是一个可以在 GitHub 上一键免费部署的私人 ChatGPT 网页应用,支持 GPT3、GPT4 和 Gemini Pro 模型。该项目在 GitHub 上获得了 63.8k 的 star 数。部署简单,只需拉取 Docker 镜像并运行容器,设置 API Key 后即可使用。此外,NextChat 还提供了预设角色的面具功能,方便用户快速创建对话。
1212 22
使用 Docker 一键免费部署 63.8k 的私人 ChatGPT 网页应用
|
12月前
|
安全 定位技术 数据安全/隐私保护
|
9月前
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
12月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
416 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
存储 运维 安全
多云网络部署存在挑战,F5分布式云应用简化方案解读
多云网络部署存在挑战,F5分布式云应用简化方案解读
150 0
下一篇
oss教程