Gomoon

Gomoon 是一款桌面端的大模型效率工具。

介绍

要使用 Gomoon，你只需要在 Gomoon 上配置好你的模型引擎，就可以快速让你的助手帮你回答问题，提高工作和学习效率。又或者...只是给你讲个笑话😋。

它同时支持：

• 创建属于自己的助手，选择多种大模型引擎（支持实时切换）
• 快速问答和连续的对话以及存取对话历史
• 对话可以复制，暂停 ⏸，以及重新生成，方便你的使用。更厉害的是你还可以直接编辑答案，让后续的对话更加的智能
• 快速唤起，快捷键，置顶等功能，例如你可以使用 Ctrl + G 快速唤起 Gomoon，双击复制(Command + C +C)快速问答
• 发送文件，图片和URL解析，联网查询，朗读等快捷功能
• 使用记忆胶囊储存你的本地知识库，更加安全可靠，最重要的是完全免费
• 下载对话记录，助手一键导入导出, 把你觉得实用的助手分享给你的朋友
• 在 Gomoon 划选一段文本，可以快速进行查找和朗读
• 在任何地方滑选字段后，可以使用召唤 Gomoon 快捷键快速将选中字段粘贴到输入框内
• 合集功能，用来记单词，记知识点，整理方案，等等!

更多实用的功能可以询问 Gomoon 中自带的『Gomoon使用指南』 记忆胶囊来探索！

已支持的模型

模型类型	模型名称
ChatGPT	GPT3，GPT4 Mini，GPT4，支持 OpenAI API 模式的模型
文心	文心3.5，文心4.0，文心128k
DeepSeek	DeepSeek Coder 和 DeepSeek Coder 最新版本
千问	千问Turbo，千问Plus，千问Max
Gemini	Gemini Pro 和 Gemini 自定义模型
Kimi	Kimi 8k，Kimi 32k，Kimi 128k
Llama	node-llama-cpp 支持的所有模型
Ollama	ollama 支持的所有模型
Claude	Claude 最新的 Haiku，Opus，Sonnet 模型
自定义模型	任何支持 OpenAI 接口的模型，如DeepSeek，豆包，Kimi，讯飞星火等

由于 ChatGPT 国内访问不易，这里推荐一下 ChatAnywhere，价格十分实惠的国内 ChatGPT 提供商。

安装指南

官网下载地址

Tips:mac 用户由于没有上架 mac 应用市场，需要在『访达→应用』中找到 Gomoon 右键打开并二次确认才可以使用。『Command + C +C 双击复制』和『发送文件』功能需要用户允许 Gomoon 的权限请求，并且重启应用。

灵感来源

使用过很多大模型应用，但是他们总是局限于一个网页端，我想让他离我近一些，更好用一些。

寻找了很多应用，我还是没有找到适合自己的，于是我选择做一个。Gomoon 就诞生了。

Gomoon 的名字来源于 赛博朋克：边缘行者 的中 Lucy 的愿望：『去月球』。希望 Gomoon 能够帮助你去往那颗属于自己的月球。

交流

如果你有任何问题或者想交流一下使用体验，分享自己的助手，欢迎加入QQ群:758015092（后续 Gomoon 更新通知也会发布在群内）。

鸣谢

感谢以下开发者的支持：

贡献者	贡献内容
	协助完成 mac 端 x86_64 架构的适配
	支持通义千问模型

自部署指南

node 版本要求：v20.11.1 及以上 （开启Corepack，终端执行：corepack enable ） yarn 版本要求：v1.2.22 （终端执行： yarn ）

安装过程中会出现 prebuild-install 时间过长的情况，原因是安装会去 github 拉取文件，解决：暂时设置终端代理： export https_proxy=http://127.0.0.1:7890 http_proxy=http://127.0.0.1:7890 all_proxy=socks5://127.0.0.1:7890（其中端口 7890 根据实际情况更换）

由于仓库大小限制，默认的资源没有上传到 Github，开发者可以在本地安装的 Gomoon 中找到 resources文件夹（mac用户可以通过 Finder，右键点击应用，选择“显示包内容”来浏览到 Contents目录，resource文件夹存储于 Contents/Resource/app.asar.unpacked/resources; windows系统中，这个路径通常是在用户数据资源内，例如 C:\Users\Lenovo\AppData\Local\Programs\gomoon\resources\app.asar.unpacked\resources），将里面的资源文件复制到项目根目录的 resources文件夹中。

resources 文件夹结构如下：

resources/
├── assistants.json # 默认助手配置文件
├── eventTracker # 事件追踪文件，根据系统不同也可能为 `eventTracker.exe` 或者 `eventTracker-x86`
├── icon.png # 应用图标
├── icon@20.png # 应用图标
├── lines.json # 默认标题栏配置文件
├── memories.json # 默认记忆文件
└── models # 模型配置文件
    └── Xenova
        └── jina-embeddings-v2-base-zh
            └── ....

同时也可以使用云盘下载

后续就可以正常启动项目进行开发了。

llama-cpp 支持 CUDA（NVIDIA 显卡调用）

1. 确保你的显卡支持 CUDA，并且已经安装了 CUDA 驱动和 CUDA Toolkit（版本12以上）
2. 克隆该项目，获取 resource 文件，并放在项目根目录
3. 在根目录执行 yarn（确保电脑已经安装 node 和 全局依赖 yarn），安装项目所需依赖
4. 在根目录执行 npx --no node-llama-cpp download --cuda 安装 node-llama-cpp CUDA 支持依赖
5. 如需修改显卡使用大小，可以修改 src/lib/utils.ts中 ChatLlamaCpp的 gpuLayers参数
6. 执行 yarn dev 测试效果没有问题后，执行 yarn build 打包项目，在 dist 目录可以看到 setup.exe 软件安装文件

相关介绍

八个月后，我终于做出了自己满意的大模型工具

一键本地使用上百款开源大模型，不挑配置，2分钟学会！