🤖 AnyModelBot

AnyModelBot 是跑在 Windows / macOS / Linux 上的 AI 机器人团队。每个机器人有自己的人设、默认模型、工作区和记忆；可在应用内聊天，也可接入微信、飞书、Telegram、Slack、Discord。它能读写文件、执行命令、在授权后操作桌面；要写到工作区以外，会先问你。

对话、记忆、文件和 API Key 留在你的设备上。模型可走 Modelflare（登录后按用量付费），或使用自己的官方 API Key 直连厂商。AnyModelBot 本身没有订阅费。

装好即可用：后台任务、定时规则和待你确认的事项都已内置。

📥 下载 · 🌠 截图 · 🌟 核心功能 · 🆚 对比 · 🔐 工作原理与隐私

⭐ 喜欢 AnyModelBot？点个 Star，第一时间收到新版本。

---

最省事的用法是 Modelflare：登录即可使用模型，不用分别申请各家的 Key（想直连厂商，见任意模型）。可用模型、价格和当前活动以 Modelflare 和 价格表 为准。

Bot 额度：新用户注册即送 Bot 额度，订阅 Modelflare 套餐另送套餐额度 10% 的 Bot 额度，具体以 Modelflare 页面为准。Bot 额度只能在 AnyModelBot 里使用，应用里的请求会先用它，剩余多少在左下角就能看到。

注册 Modelflare → · 价格表 · API 文档 · 信任中心 · X

AnyModelBot 怎么用 Modelflare

• 登录一次就行。 首次启动会打开浏览器，登录（或注册）Modelflare。之后应用自己把这台设备连上，不用复制 Key，授权完成后会自动回到应用；还没有默认模型时，会先选好一个支持工具、花费低的模型。在 Docker 或服务器上运行？在任意设备的浏览器里登录，再把登录后的链接贴回应用。
• 所有模型，一个选择器。 你的 Modelflare 模型会自动列出，每个模型旁边都有上下文长度、能力标记和参考价。
• 用多少付多少。 余额和充值入口常驻在左下角（有 Bot 额度时还显示它的剩余百分比），低余额提醒和每日用量也都在应用里看。选模型之前，先看公开价格表，和官方价格对比一下。
• 一条诚实的边界。 模型请求会经过 Modelflare 转发给你选定的供应商，Modelflare 会保留请求日志；保留什么、保留多久，见信任中心。除此之外的内容都留在你的设备上（详情）。

---

📥 下载与运行

选择你的平台。每个 Release 页面都列出全部安装包和 SHA256SUMS 校验文件。

平台	架构	安装包
	x64	anymodel-bot-<version>-win-x64.exe	下载
	arm64	anymodel-bot-<version>-win-arm64.exe	下载
	Apple 芯片	anymodel-bot-<version>-mac-arm64.dmg	下载
	Intel	anymodel-bot-<version>-mac-x64.dmg	下载
	x64	anymodel-bot-<version>-linux-x86_64.AppImage	下载
	arm64	anymodel-bot-<version>-linux-arm64.AppImage	下载

首次打开。 Windows 出现系统风险提示时，点「更多信息 → 仍要运行」。macOS 版已完成 Developer ID 签名和苹果公证，将应用拖入「应用程序」后打开；首次出现下载确认时点「打开」。Linux 先给 AppImage 加可执行权限（chmod +x）再运行。关闭窗口会把 AnyModelBot 收到托盘，要退出请用托盘菜单或设置里的选项。

校验下载文件。

sha256sum -c SHA256SUMS --ignore-missing

macOS 用 shasum -a 256 <文件名>，Windows PowerShell 用 Get-FileHash <文件名>，再和 SHA256SUMS 里的值对照。

用 Docker 部署到 NAS 或服务器（镜像同时支持 x64 和 arm64）

docker run -d --name amb -p 3600:3600 -v amb-data:/data ghcr.io/modelflare-ai/anymodel-bot
docker exec amb cat /data/ui-token   # 然后打开 http://<主机>:3600/?token=<令牌>

不要把 3600 端口直接暴露到公网。

从源码运行

git clone https://github.com/modelflare-ai/AnyModelBot.git
cd AnyModelBot
npm install
npm run setup      # 拉取并编译内置网关
npm start          # 本地管理界面：http://127.0.0.1:3600/

从源码构建需要 Node.js 22.13+ 和 Go 1.26.8+。想自己构建 Docker 镜像，见开发文档。

🌠 截图

截图是简体中文界面；应用也有英文界面，在设置里切换。

🌟 核心功能

🤖 真能干活的机器人

机器人不只是一个聊天窗口：它有自己的人设、默认模型、工作区和记忆。

• 需要几个就有几个，每个都有自己的人设、模型、工作区和头像。
• 每个机器人由你来定义。 人设就是一段话，模板只是起点，每个字都能改；六个头像只管长相，不决定它能做什么。
• 真正的文件操作。 机器人能读写文件、在沙箱里执行命令，并把结果作为文件发回聊天。
• 每个机器人三档权限。 只读、工作区（默认：只能写自己的文件夹；要写到工作区以外，得先经过你点头）、完全权限（不进沙箱；删除整个文件夹前仍会先问）。
• 导入技能。 在「机器人设置 → 技能」导入包含 SKILL.md 的 ZIP（每包一个技能，最大 20 MB），预览后添加。支持查看、启用、停用、删除；再次导入同名技能可确认替换，改动在当前工作结束后生效。 使用说明。
• 审批卡片，没有意外。 要写到工作区以外的操作会停下来，等你回答。
• 重启了也会告诉你。 应用退出或崩溃时还没处理完的消息，下次启动会在原对话里说一声，请你重新发送，不会自动重做。
• 群聊。 建一个群，拉几个机器人进来。@ 谁谁回答，没 @ 时上一个回答的接着答；机器人也能 @ 别的成员请它接手。每个机器人用自己的模型、工作区和记忆，花费分开算。
• 聊天记录搜索。 侧栏可搜索本机保存的全部消息，按机器人、会话、渠道和日期筛选，点击结果定位原消息。Ctrl/Cmd+Shift+F 打开全局搜索，Ctrl/Cmd+F 查找当前聊天；搜索不调用模型。没输入时，搜索弹窗按日期列出最近的对话。
• 斜杠命令，如 /model、/reset，在应用和各个聊天渠道里都能用；在聊天渠道里发 /bot 可以换机器人。

🧩 现成的 Bot

不想自己写人设，可以直接用发现页里的现成机器人。每个都有自己的界面，打开时先看示例，发第一句话才会安装。

官方 Bot 的界面、示例、人设和技能均随安装包内置，首次打开和安装不再下载 Bot 包；更新跟随应用版本发布，已有项目数据保留。模型调用和联网研究仍需要网络。每个 Bot 都是一个桌面工作台：左边是作品列表、右边是内容，「新建」用向导点选几项就能开始；顶栏可以切换到完整的对话，底部输入框也能选模型。

• 尽调助手： 在你的电脑上做公司尽调，生成可追溯的简报和 PDF。
• PPT 大师： 把文档或主题做成可编辑的 PPT，也能改现有的演示文稿。
• 影视创作室： 做短视频和分集短剧，从剧本、分镜到配音、剪辑和成片。
• 美股研报： 查阅美股财报和申报文件，写出数据可追溯的研究报告。

影视创作室需要 AnyModelBot 0.1.23 及以上版本、本机 Python 3.10+ 和 FFmpeg（含 ffprobe）。AI 图片和视频通过 Modelflare 按用量计费；项目与素材保存在你的设备上。

完整介绍见官网的 Bot 页面。

⏳ 在后台干活，需要你时才来找你

• 后台任务。 要跑一阵子的事（调研、做报告、整理文件），或者你说一句「后台做」，机器人会开一个后台任务，你可以接着聊别的。做完把结果发回原来的对话。
• 接着问。 在微信里引用结果、在飞书里回复那条消息，就是继续问这个任务。
• 规则。 「每天早上 8 点看看 X 的价格，低于 200 告诉我」会建成一条规则，到点就去查，有值得说的才告诉你。想先看看它会怎么做，就说「先观察」：只记下本会说什么，不发消息、不改文件，看过几次再改成执行。
• 「需要你」。 所有机器人在等你回答、批准或重试的事都在侧栏这一行里；没事时这一行不出现。信息面板的「任务」组列着这个机器人的任务和规则，每一步都看得到。
• 不吵你。 只推结果、要你决定的事和失败，进展不推。默认 22:00 到 08:00 免打扰；主动消息每天有上限（微信 3 条，其他渠道 5 条），多了合成一条。
• 有预算。 每个任务、每条规则都有预算（任务默认 1 美元，规则每次 0.1 美元、每月 3 美元），快用完时停下问你，可以在任务详情和规则编辑器里改。
• 随时暂停。 机器人设置 › 主动消息里一个开关暂停后台工作，聊天照常。
• 用完会清理。 任务和运行记录留 30 天；任务文件夹 30 天没动过会自动删除，不来问你，任务详情里写着哪天删，想留就点保留。运行记录能导出成 Markdown。

以上为 README 的开头部分。其余内容请阅读原文。 查看完整 README ↗