thunderbird/thunderbolt
摘要
Thunderbolt 是一个开源的跨平台 AI 客户端,用户可以在本地部署,支持前沿模型、本地模型和本地部署模型,同时保持数据所有权并避免供应商锁定。目前处于早期活跃开发阶段,针对企业用户,支持 Web、iOS、Android、Mac、Linux 和 Windows 平台。
查看缓存全文
缓存时间: 2026/04/20 08:33
thunderbird/thunderbolt
Source: https://github.com/thunderbird/thunderbolt
Thunderbolt CI (https://github.com/thunderbird/thunderbolt/actions/workflows/ci.yml)
你掌控的 AI:选择你的模型。拥有你的数据。消除供应商锁定。
Thunderbolt 主仪表板
⚠️ 我们对 Thunderbolt 获得的关注程度感到兴奋,但想澄清的是,它仍处于早期阶段,正在积极开发中。目前,我们的目标客户是希望在本地部署的企业客户。我们鼓励你自托管并尝试它,但我们仍在处理一些注意事项:
- 虽然我们最终计划让 Thunderbolt 完全离线优先,但它目前依赖于身份验证和搜索功能(不过你可以在应用的集成屏幕中禁用搜索)。你可以使用 Docker 部署自己的后端并注册以在本地测试。
- 你需要添加自己的模型提供商 - 我们还没有公开的推理端点。我们建议如果你想要免费的本地推理,可以将 Thunderbolt 与 Ollama (https://ollama.com) 或 llama.cpp (https://github.com/ggml-org/llama.cpp) 一起使用,或者你可以在设置中为任何 OpenAI 兼容的模型提供商添加 API 密钥。
Thunderbolt 是一个开源、跨平台的 AI 客户端,可以在任何地方本地部署。
- 🌐 支持所有主要桌面和移动平台:网页、iOS、Android、Mac、Linux 和 Windows。
- 🧠 兼容前沿、本地和本地部署模型。
- 🙋 提供企业功能、支持和 FDE。
Thunderbolt 正在积极开发中,目前正在进行安全审计,并为企业生产就绪而做准备。
需要帮助?
发现了 bug?有想法?
- 我们正在积极开发文档、社区和路线图。目前,最好的联系方式是提交问题。
贡献
我们欢迎来自所有人的贡献。
- 开发:开发指南将帮助你快速上手。
- 请务必查看 Mozilla 社区参与准则 (https://www.mozilla.org/about/governance/policies/participation/)。
文档
- 常见问题 - 常见问题解答
- 部署 - 使用 Docker Compose 或 Kubernetes 自托管
- 开发 - 快速开始、设置和测试
- 架构 - 系统架构和图表
- 功能和路线图 - 平台和功能状态
- Claude Code 技能 - 斜杠命令、自动化和子树同步
- Storybook - 构建、测试和文档化组件
- Vite 包分析器 - 分析前端包大小
- Tauri 签名密钥 - 生成和管理发布的签名密钥
- 发布流程 - 创建和发布新版本的说明
- 遥测 - 数据收集和隐私政策信息
行为准则
请阅读我们的行为准则。Thunderbolt 社区的所有参与者都同意遵循这些准则和 Mozilla 的社区参与准则 (https://www.mozilla.org/about/governance/policies/participation/)。
安全
如果你发现安全漏洞,请通过我们的漏洞报告表单 (https://github.com/thunderbird/thunderbolt/security/advisories/new) 负责任地报告。请不要为安全漏洞提交公开的 GitHub 问题。
许可证
Thunderbolt 根据 Mozilla Public License 2.0 获得许可。
相似文章
Mozilla Thunderbolt AI:运行你自己的AI代理,并保护你的数据隐私
Mozilla的营利性子公司MZLA Technologies发布了Thunderbolt AI,这是一个开源、自托管的AI客户端,完全运行在用户的基础设施上,支持任何模型,并通过将数据保留在组织自己的系统内来确保数据隐私。
看起来 PyTorch 正在获得快速 Thunderbolt 通信后端(在 Mac 上分布式模型)
据报道,PyTorch 正在为 Mac 上的分布式模型训练添加一个快速的 Thunderbolt 通信后端。
OWC Stack AI 为 Windows 和 Linux 带来 Thunderbolt 5 本地 AI 支持
OWC 宣布推出 Stack AI,这是一款集 AI 加速与存储扩展于一体的 Thunderbolt 5 设备,能够在 Windows 和 Linux 上运行更大的本地 AI 模型,减少对云端的依赖并提升隐私性。
@zcbenz:MLX 在 macOS 上通过 Thunderbolt 实现的 RDMA(远程直接内存访问)现已作为独立库发布……
MLX 面向 macOS 的 RDMA-over-Thunderbolt 实现已独立成库,任何人都能用它组建高速 Mac 集群,在本地跑 AI 负载。
@akshay_pachaar: 苹果终于做到了。其新框架 Core AI 完全在 Apple 芯片上运行模型,因此推理发生在用户设备上…
苹果发布了 Core AI,这是一个新框架,可在 Apple 硅设备(iPhone、iPad、Mac、Vision Pro)上完全运行 AI 模型,无需服务器调用。它包含一个内存安全的 Swift API、用于 PyTorch 的模型导出配方、一个优化器和调试工具,支持 Qwen、Mistral 和 SAM3 等模型。