【开源】Aivory：优雅使用 AI，知识库、MCP、工具调用和沙盒一次配齐的高颜值 AI 工作台

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

接近 GPT 网页版的高完成度交互体验，让个人专注工作，也让团队能够统一管理模型、知识、工具与成本。

项目地址：

为什么做 Aivory？

现在已经有很多优秀的 AI 聊天项目，它们让接入不同模型变得越来越简单。但在实际使用中，需求通常很快就会超出“发送一段文字，等待模型回答”：

• 希望界面像主流官方产品一样自然，而不是每天面对复杂的配置和调试信息；


• 希望模型不仅能写 Python，还能真正执行代码、读取表格并返回生成文件；


• 希望一次任务可以连续搜索、读取网页、分析数据，而不是每一步都由用户手动接力；


• 希望把论文、产品资料、内部文档和项目文件整理成可检索、可引用的知识库；


• 团队使用时，还需要成员权限、共享空间、用量统计、成本控制和统一的模型渠道；


• 面向更多用户时，则需要注册、额度、套餐、兑换码、支付和订单管理。

这些能力通常分散在多个项目或服务中。Aivory 想做的是把它们整理成一套连贯的产品：**前台保持简单，复杂能力交给模型编排和管理员后台。**

我希望它不只是一个连接模型的聊天页面，而是一套真正适合长期使用的 AI 产品：界面清爽，交互接近 GPT 网页版；既能完成日常问答和内容创作，也能查询知识库、调用工具、连接 MCP，并在隔离的 Python 沙盒中分析数据、绘制图表和生成文件。

对于个人，它可以成为自己的 AI 工作空间；对于团队，它可以统一管理模型、成员、项目、文件和共享知识库；如果需要向更多用户开放，还可以继续使用管理员后台中的额度、套餐和支付能力。

像 GPT 网页版一样自然地使用 AI

Aivory 把对话体验放在第一位。

打开首页就可以直接提问。模型、工具、知识库、文件和图片能力都围绕输入框组织，不需要先进入一堆配置页面。流式回答、思考过程、工具状态、引用、文件产物和错误反馈会在当前对话中自然呈现。

目前已经支持：

• GPT、Claude、Gemini、图片模型及 OpenAI 兼容模型；


• 流式回答、Markdown、代码块、数学公式和附件预览；


• 对话分支、重新生成、长对话上下文压缩和手动 /compact；


• 模型、工具、知识库和文件的会话级选择；


• 图片生成、提示词优化、个人画廊和生成结果管理；


• 桌面端与移动端响应式界面，以及 PWA 安装。

这里所说的“像 GPT 网页版”，不是说模仿页面布局，而是尽量还原方便快捷的使用体验，一次出结果的能力。复杂任务也不会把底层技术细节全部堆到用户面前。

从回答问题，到连续完成任务

Aivory 支持模型原生 Function Call，并内置搜索、网页读取、Python 执行、图片生成、记忆和 Skill 等工具。

工具不是彼此孤立的按钮。模型可以在一次回答中连续执行多个步骤，把前一个工具的结果交给下一个工具继续处理。例如：

搜索公开数据，核对来源，整理关键指标，制作图表，并生成一份可以下载的演示文稿。

模型可以依次完成：

1. 搜索并筛选可信来源；


2. 读取网页正文或公开数据；


3. 使用 Python 清洗和分析数据；


4. 绘制图表；


5. 生成表格、报告或 PowerPoint；


6. 在最终回答中提供文件和引用来源。

内置隔离 Python 沙盒

模型生成一段代码并不难，难的是让代码在可控环境中运行，并把结果真正交给用户。

Aivory 内置了会话级 Python 沙盒。每个对话拥有独立且可以跨轮次使用的工作区，模型可以读取用户上传的数据文件，调用 pandas、matplotlib、python-pptx 等依赖，并把生成的图表、表格、文档和演示文稿直接返回到对话中。

• 沙盒关闭外部网络；


• 不同对话的执行环境相互隔离；


• 文件可以在同一对话的多轮工具调用间复用；


• 标准输出、错误输出和异常信息实时返回；


• 写入输出目录的文件会自动成为可预览或下载的对话产物；


• 管理员可以检查和清理用户沙盒工作区。

这让“帮我分析这份表格”“把数据画成图”“整理成 PPT”不再停留在代码建议，而是可以直接得到结果。

Function Call 和 MCP 都可以接入**

除了内置工具，Aivory 还支持 MCP Streamable HTTP。

管理员可以在后台添加 MCP 服务，配置名称、图标、描述、服务地址和请求头，并决定全局是否可用以及哪些模型默认启用。论文查询、文献检索、企业内部搜索、数据库、工单系统等外部能力，可以通过 MCP 接入，而不需要修改 Aivory 的核心代码。

用户不需要理解工具的实现来源。所有可用工具都显示在统一的工具选择器中，并保持简单的三种运行模式：

• 自动：模型根据当前问题判断是否调用用户选中的工具；


• 开启：允许模型主动使用当前选中的工具完成任务；


• 关闭：本轮不提供工具调用能力。

无论处于自动还是开启模式，模型只会看到用户实际选择的工具，避免工具数量过多时干扰判断，也让用户对当前授权保持明确控制。

为真实对话设计的知识库

Aivory 的知识库不是一个独立于聊天之外的文档展示页，而是可以直接参与多轮对话的知识来源。

用户可以上传 PDF、DOCX、PPTX、XLSX、图片和文本文件。系统会解析文档结构、表格、代码与标题层级，完成分块和索引。在对话中附加知识库后，模型可以根据当前问题决定是否检索、如何生成查询，以及是否需要进行下一轮检索。

主要能力包括：

• 向量检索与 PostgreSQL BM25 全文检索融合；


• 根据结果相关性动态选择注入数量；


• 可选 OpenAI 兼容 Rerank 服务重新排序；


• 支持多轮查询，而不是限制为一次固定搜索；


• 引用可以查看检索片段并打开原文件预览；


• 明确区分“没有命中”和“检索发生错误”；


• 不同 Embedding 模型的知识库不会被错误混合检索；


• 团队可以共享知识库，同时保持个人数据与工作空间数据隔离。

知识库只有在当前对话明确选择后才会参与回答。没有附加知识库时，普通聊天流程保持不变，不会额外增加检索步骤或改变原有模型行为。

对个人而言，可以用它整理学习资料、论文、书籍和长期项目文档；对团队而言，可以沉淀产品资料、内部规范、技术文档、合同模板和常见问题。

一套产品，覆盖个人与团队两种核心场景

个人使用

个人用户可以把 Aivory 作为自己的 AI 工作空间。配置一个可用的模型 API 渠道后，就可以开始对话；搜索、知识库、MCP、Embedding、OCR 和图片模型可以根据实际需求逐步添加。

相比在多个产品之间切换，模型对话、个人知识库、文件、项目、生成图片和工具产物都可以集中管理。日常问答保持简单，需要处理复杂任务时再启用工具或沙盒。

团队使用

团队可以统一配置模型渠道、模型价格、工具权限和系统策略，不需要给每位成员分别发放和维护多个 API Key。

成员既拥有自己的个人空间，也可以在团队工作空间中共享：

• 对话与项目；


• 文件与知识库；


• 团队指令和常用工作流；


• 成员协作内容与可追溯的发送者身份。

管理员可以通过用户组控制模型和功能权限，查看按用户、模型和用途统计的用量与成本，并对工作空间资源进行管理。这一模式适合工作室、实验室、学校课题组、中小企业和需要内部 AI 助手的组织。

需要时，也能支持对外运营

如果后续希望向客户或社区用户开放，Aivory 已经提供注册、用户层级、模型配额、定时额度、永久积分、兑换码、积分套餐、支付渠道、订单审计和对账能力。

运营模块不是个人和内部团队使用的前置条件。不需要时可以保持关闭；真正有业务需求时，再逐步启用，而不必更换整套系统。

完整的管理员后台

多人使用 AI 产品时，真正影响稳定性的往往不只是模型回答，还包括渠道故障、模型配置、权限、成本、文件存储和问题排查。

Aivory 的管理员后台集中提供：

• 渠道与模型：API 地址与密钥、模型能力、上下文窗口、价格、回退渠道、默认工具和模型控件；


• 工具与知识库：内置工具、MCP、Skill、搜索服务、Embedding、Rerank、文档解析和知识库策略；


• 用户与团队：用户、用户组、角色、工作空间、项目、知识库、生成图片和内容资源；


• 额度与支付：套餐、模型配额、积分、兑换码、支付渠道、支付方式、订单和对账；


• 用量与成本：按用户、模型和任务类型查看调用情况、费用与错误日志；


• 系统能力：对象存储、上传策略、沙盒、OAuth、邮件、公告、日志隐私、备份与迁移。
  
  大多数配置保存后会在下一次请求中直接生效，日常调整不需要反复修改配置文件。

产品架构

Aivory 使用 React 作为前端、Go 作为后端，并通过统一编排器连接模型、工具、MCP、知识库和沙盒。生产环境使用 PostgreSQL 保存业务数据，Redis 负责缓存与协调，Qdrant 提供知识库向量检索。

模型密钥保存在服务端，文件可以使用本地目录或 S3 兼容对象存储。项目提供 Docker Compose 配置，适合部署到个人服务器、团队内网或云主机。首次启动后创建管理员账号，添加一个模型渠道和模型即可开始使用。

适合哪些用户？

• 希望获得接近 GPT 网页版体验，同时能够自由选择模型的个人用户；


• 经常分析数据、生成图表、报告或演示文稿的重度 AI 用户；


• 需要将内部文档整理成可引用知识库的团队；


• 希望统一管理模型渠道、成员权限和 API 成本的组织；


• 需要通过 Function Call 或 MCP 接入业务工具的开发者；


• 希望从内部使用逐步扩展到用户运营的项目团队。

如果只需要一个极简的 API 测试聊天框，Aivory 的功能可能偏多；如果需要的是一套可以长期使用，并能从个人自然扩展到团队的 AI 产品，它会更加合适。

项目目前仍处于持续开发阶段。如果在使用过程中遇到问题，或者对功能和体验有改进建议，欢迎在 GitHub 提交 Issue；也欢迎直接提交 PR，一起完善 Aivory。