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！
| 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。
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。
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。
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）。
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 |
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
├── [email protected] # 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。
- 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）
- 克隆该项目，获取 resource 文件，并放在项目根目录
- 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 - 在根目录执行
npx --no node-llama-cpp download --cuda安装node-llama-cppCUDA 支持依赖 - 如需修改显卡使用大小，可以修改
src/lib/utils.ts中ChatLlamaCpp的gpuLayers参数 - 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