Skip to content
项目

s-nagaev/chibi has 56 GitHub stars and 13 forks. GitHot measured +2 in 7 days and +1 in 15 days. Last checked 2026-11-15 15:54 UTC. Last push 2026-11-04.

这些数字如何统计

可以做什么

  • Recursive delegation: spawn sub-agents that can spawn their own sub-agents
  • Background processing: long-running tasks execute asynchronously
  • Filesystem access: read/write/search/organize files
  • Terminal execution: run commands with LLM-moderated security

实测星标增长

24小时
更新延迟
7天
+2
15天
+1
1个月
更新延迟

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

Your Digital Companion. Self-hosted Telegram bot orchestrating multiple AI providers (OpenAI, Anthropic, Google, xAI, DeepSeek, Mistral, Alibaba, MiniMax) with autonomous agent capabilities, MCP integrations, and async task execution. Not a tool. A partner.

人工智能

docs/README.zh-CN.md

原文

Chibi Logo

您的数字伙伴。不仅是工具,更是合作伙伴。
自托管的异步 Telegram 机器人,可协调多个 AI 提供商、工具和子代理,完成实际工作。

Build CodeFactor Docker Pulls PyPI 下载 架构 授权 文档

🌍 Read this in other languages:
English • Español • Português (Brasil) • Українська • Bahasa Indonesia • Türkçe • Русский • 日本語 • 繁體中文 • 简体中文


Chibi 专为那些意识到自己需要的不仅仅是“一个 AI 工具”的时刻而打造。您需要一个能够协调模型、在后台运行工作并集成到您的系统中的合作伙伴——无需您时刻监督提示词。

Chibi 是一个异步、自托管的基于 Telegram 的数字伙伴,可协调多个 AI 提供商和工具,交付实际成果:代码变更、研究综述、媒体生成和运营任务。


为什么选择 Chibi

  • 单一界面(Telegram)。移动端/桌面端/网页端,始终伴您左右。
  • 提供商无关。为每个任务使用最佳模型——无需被供应商锁定。
  • 自主执行。子代理并行工作;长时间任务异步运行。
  • 工具连接。文件系统 + 终端 + MCP 集成(GitHub、浏览器、数据库等)。
  • 自托管。您的数据,您的密钥,您的规则。

支持的 AI 提供商(和端点)

Chibi 在单一对话中支持多个提供商。添加一个或多个密钥——Chibi 可以按任务路由。

LLM 提供商

原厂模型提供商:

  • Alibaba Cloud(Qwen)
  • Anthropic(Claude)
  • DeepSeek
  • Google(Gemini)
  • MiniMax
  • Mistral AI
  • Moonshot AI(Kimi)
  • OpenAI(GPT 系列模型)
  • Xiaomi(MiMo 系列模型)
  • xAI(Grok)
  • ZhipuAI(GLM 系列模型)

模型转售商及推理聚合商:

  • Baseten
  • Cheaper Inference
  • Cloudflare Workers AI
  • DeepInfra
  • Entrim
  • Featherless
  • Fireworks AI
  • GreenPT
  • Lyceum
  • Melious
  • Nebius
  • Novita AI
  • OpenRouter
  • Parasail
  • SambaNova
  • SiliconFlow
  • Together AI

OpenAI 兼容端点(自托管/本地)

  • Ollama
  • vLLM
  • LM Studio
  • 任意 OpenAI 兼容 API

多模态提供商(可选)

  • 图像:Google(Imagen、Nano Banana)、OpenAI(GPT Image)、Alibaba(Qwen Image、Wan)、xAI(Grok Imagine)、ZhipuAI(GLM Image、CogView)、MiniMax(Image-01),以及任何提供图像生成模型的转售聚合商
  • 视频:Alibaba(Wan)、ZhipuAI(CogVideoX)、MiniMax(Hailuo);每用户每月限额可通过环境变量 VIDEO_GENERATIONS_LIMIT 配置
  • 音乐:Suno、ElevenLabs Music
  • 语音(TTS/STT):ElevenLabs、OpenAI(GPT-4o Transcribe / TTS)、Gemini(Transcribe)、Together AI(Whisper、Kokoro)、Xiaomi(MiMo TTS)、自定义 OpenAI 兼容端点(自托管)

具体模型可用性取决于您配置的提供商密钥和启用的功能。


🚀 快速开始 (pip)

通过 pip 安装 Chibi 并作为命令行应用程序运行:

# 安装软件包
pip install chibi-bot

# 设置代理(添加 API 密钥、更新设置等)
chibi config

# 启动机器人
chibi start

机器人将以后台服务运行。使用 CLI 命令进行管理。

CLI 命令

命令 描述
chibi start 启动机器人作为后台服务
chibi stop 停止运行的机器人
chibi restart 重启机器人
chibi config 生成或编辑配置
chibi logs 查看机器人日志

本地客户端前端

Chibi 可通过版本化的本地 JSONL 协议为本地客户端提供服务:

chibi stdio --tui
chibi stdio --vscode
chibi stdio --pycharm
chibi stdio --neovim

该命令由客户端前端启动,不用于交互式使用。Chibi 负责维护 v1 协议并支持协商相同版本的兼容客户端。stdio 进程仅向 stdout 写入协议帧,向 stderr 写入诊断信息。现有的 Chibi 命令、工具、权限和审核行为仍具有权威性;客户端不添加额外的工具策略层。


🚀 快速开始(Docker)

创建 docker-compose.yml:

version: '3.8'

services:
  chibi:
    image: pysergio/chibi:latest
    restart: unless-stopped
    environment:
      TELEGRAM_BOT_TOKEN: ${TELEGRAM_BOT_TOKEN}  # 必需
      OPENAI_API_KEY: ${OPENAI_API_KEY}          # 或其他提供商
      # 根据需要添加更多 API 密钥
    volumes:
      - chibi_data:/app/data

volumes:
  chibi_data: {}
  1. 从 @BotFather 获取机器人令牌

  2. 将密钥放入 .env 文件

  3. 运行:

docker-compose up -d

下一步:


🗝️ 获取 API 密钥

每个提供商都需要自己的 API 密钥。以下是直接链接:

一级模型提供商:

模型转售商及推理聚合商:

创意工具:

📚 完整指南及设置说明: chibi.bot/guides/get-api-keys


部署后前 5 分钟尝试

将以下内容粘贴到 Telegram 中。

  1. 规划 + 执行

请向我提出 3 个问题以明确我的目标,然后提出计划并执行第一步。

  1. 并行工作(子代理)

启动 3 个子代理:一个用于研究选项,一个用于起草建议,一个用于列出风险。返回单一决策。

  1. 代理模式(工具)

检查项目文件并总结此仓库的功能。然后提出 5 项改进建议并创建检查清单。

  1. 后台任务

启动后台任务:收集关于 X 的资料,并在 30 分钟内提供综述。保持更新进度。


Chibi 的独特之处

🎭 多提供商编排

Chibi 可以在对话中途切换提供商的同时保持上下文,或为每个步骤选择最佳模型——平衡成本、能力和速度。

🤖 自主代理能力

  • 递归委派:启动可自行启动子代理的子代理
  • 后台处理:长时间运行任务异步执行
  • 文件系统访问:读取/写入/搜索/组织文件
  • 终端执行:运行经 LLM 审核的安全命令
  • 持久化记忆:对话历史在重启后仍保留,具备上下文管理和摘要功能
  • 技能:内置技能随包一起发布,安装后即可使用;将自定义的 .md 文件放入 skills_dir 即可添加技能(同名文件会覆盖内置技能);代理可按需将其加载到系统提示中(load_skill)

🔌 通过 MCP(模型上下文协议)扩展

将 Chibi 连接到外部工具和服务(或构建您自己的):

  • GitHub(拉取请求、问题、代码审查)
  • 浏览器自动化
  • Docker / 云服务
  • 数据库
  • 创意工具(Blender、Figma)

如果某个工具可以通过 MCP 暴露,Chibi 就能学会使用它。

🎨 丰富的内容生成

  • 图像:Nano Banana、Imagen、Qwen、Wan、GPT Image、Grok Imagine、GLM Image
  • 视频:Wan(Alibaba)、CogVideoX(ZhipuAI)、Hailuo(MiniMax)
  • 音乐:Suno(包括自定义模式:风格/歌词/人声)
  • 语音:转录 + 文本转语音(ElevenLabs、OpenAI)

使用场景

开发者

您:“运行测试并修复问题。我来处理前端。”
Chibi:*启动子代理,执行测试,分析失败原因,提出修复方案*

研究人员

您:“研究量子计算的最新进展。我明天需要一份综述。”
Chibi:*启动多个研究代理,聚合资料来源,交付报告*

创作者

您:“生成一幅赛博朋克城市景观,并创作一首匹配的合成器浪潮音乐。”
Chibi:*生成图像,创作音乐,同时交付*

团队

您:“审查此拉取请求并相应更新文档。”
Chibi:*分析变更,提出改进建议,通过 MCP 更新文档*

隐私、控制和安全

  • 自托管:您的数据保留在您的基础设施上
  • 公共模式:用户可自带 API 密钥(无需共享主密钥)
  • 访问控制:白名单用户/群组/模型
  • 存储选项:本地卷、Redis 或 DynamoDB
  • 工具安全:代理工具可配置;终端执行经过审核且可限制

MAX_HISTORY_TOKENS — 上下文摘要阈值(默认值变更)

MAX_HISTORY_TOKENS 是 Chibi 自动摘要对话以保持上下文可控的阈值。其语义已变更:现在与真实的、提供商报告的提示词 token 数量进行比较(整个发出的请求:系统提示 + 已激活的技能 + 工具模式 + 工具调用参数 + 每条消息的结构开销 + 对话内容),而非旧的仅衡量对话 content + role 的启发式方法。对于相同对话,真实数字约为旧估计的 4.8 倍。

  • 默认值已重设:64000 → 100000。新值保护最小常用上下文窗口(128k tokens):100000 约为 128k 窗口的 78%(因此摘要会在 128k 模型溢出前触发),约为 200k 窗口的 50%(留有充裕空间)。旧的 64000 仅是历史记录的估计,从未在真正溢出前被触发,因为该估计对西里尔文的计算少约 2 倍,且排除了固定的每轮开销(系统提示约 3.7k、工具模式约 6.8k、已激活技能约 5.9k、user_info 约 0.75–3k)——因此 128k 模型在约 128k 真实 token 时溢出,而启发式仍远低于 64k。
  • 迁移:如果您在 .env 中显式设置了 MAX_HISTORY_TOKENS,旧值是针对旧的历史估计调整的,现在与一个约为相同对话 4.8 倍的真实数字进行比较。请将其重新调整到 ~100k 量级(例如 64000 → 100000),以便在最小模型的上下文窗口溢出前触发摘要。如果从未设置,新默认值将自动生效。
  • 冷启动回退(进程重启后的第一轮,尚无提供商数据缓存时)仍使用旧的启发式,因此摘要功能保持可用。

REACTIVE_CONTEXT_RECOVERY — 上下文溢出后的一次性重试

REACTIVE_CONTEXT_RECOVERY(默认:true)是补充主动 MAX_HISTORY_TOKENS 阈值的反应式安全网。当提供商因类型化 context_length_exceeded 错误拒绝请求时,Chibi 会自动摘要对话历史并恰好重试一次该轮。如果重试成功,用户将收到正常回复(附带一条简短说明上下文已压缩的注释)。如果重试再次溢出或因任何原因恢复失败,则该轮回退到现有的道歉路径——摘要+重试循环在每个原始轮次中最多只能运行一次。设为 false 可禁用反应式恢复并保留旧行为(记录日志 + 道歉,不重试)。

工作目录按线程隔离(WORKING_DIR)

代理的工作目录——用于终端命令并作为当前工作目录报告给模型——是按线程隔离的,与所选 LLM 模型按线程绑定的方式一致。

  • 默认值:来自 WORKING_DIR 设置(默认 ~/chibi),通过遗留用户级值获取;全新部署直接继承该设置。
  • 每线程覆盖:任何线程/对话均可独立地通过代理的 set_working_dir 工具覆盖其工作目录(仅限 LLM 驱动——没有斜杠命令,需启用 FILESYSTEM_ACCESS)。这允许不同线程中的两个代理同时在不同项目上工作而互不干扰。
  • 解析顺序:线程覆盖 → 遗留用户级目录 → WORKING_DIR 设置。
  • 路径规范化:设置的值在保存时会被扩展为绝对路径(~/x 变为 /abs/x);未修改的默认值保持原始形式。
  • 子代理在某线程中生成时共享该线程的工作目录——相同的有效路径会被注入其系统提示和工具调用中。
  • 覆盖在线程克隆后保留:/new_thread_with_current_context 会将工作目录与消息和模型偏好一起携带。

文档


系统要求

  • 最低配置:树莓派 4 / AWS EC2 t4g.nano(2 vCPU,512MB RAM)
  • 架构:linux/amd64,linux/arm64
  • 依赖:Docker(可选 Docker Compose)

贡献

提交前请阅读 CONTRIBUTING.md。


许可证

MIT — 详见 LICENSE。


准备好迎接您的数字伙伴了吗?
开始使用 →