Awesome GitHub RepositoriesMulti-User AI Chat Interfaces

Danswer is an LLM application framework and RAG engine that provides a self-hosted interface for connecting large language models to private data. It serves as an enterprise AI chat interface and agent orchestrator, enabling the creation of specialized assistants with custom instructions and knowledge bases. The platform differentiates itself through an observability dashboard for tracking query history and token consumption, as well as a white-labeled interface for customized branding. It includes a multi-step research workflow for producing long-form reports and a sandboxed environment for

This project is a web-based user interface and multi-model API gateway for interacting with various large language model providers and local inference services. It functions as a retrieval-augmented generation chatbot for private document questioning, a manager for model fine-tuning, and an autonomous agent framework. The system distinguishes itself by integrating an autonomous assistant mode that uses web search and external tools to solve complex, multi-step tasks without manual prompting. It also features an API gateway capable of rotating multiple authentication keys to balance usage and

Morphic est un agrégateur de modèles IA et un moteur de recherche conçu pour synthétiser des réponses étayées par des citations en coordonnant des grands modèles de langage (LLM) et des fournisseurs de recherche web externes. Il fonctionne comme une passerelle IA auto-hébergée qui se connecte à plusieurs fournisseurs de modèles et endpoints locaux, utilisant un sélecteur dynamique pour router les requêtes entre différents backends selon la disponibilité des clés API. Le projet propose un framework d'interface générative qui affiche des composants riches et interactifs en diffusant des spécifications JSON au lieu du markdown standard. Il intègre également des capacités de RAG (Retrieval Augmented Generation), permettant aux utilisateurs de télécharger des documents vers un stockage compatible S3 pour fournir un contexte spécifique aux requêtes IA. Le système inclut une infrastructure complète pour l'accès multi-utilisateurs, avec intégration de fournisseurs d'identité externes, gestion de sessions et limitation de débit par IP pour les invités. Il gère l'état de l'application et l'historique des discussions via une base de données persistante avec migrations de schéma automatisées, et est déployé sous forme de stack conteneurisée pour une orchestration cohérente. La télémétrie et l'observabilité sont gérées via le traçage des performances système et un mécanisme de routage par reverse-proxy conçu pour garantir la livraison des analyses en contournant les bloqueurs de publicités.

Wenda est une plateforme d'orchestration LLM et un moteur de workflow personnalisé conçu pour gérer plusieurs backends de modèles de langage via une interface unifiée. Il fonctionne comme une passerelle IA auto-hébergée qui permet l'exécution de séquences de tâches complexes et de flux de conversation automatisés. Le système utilise des plugins JavaScript pour orchestrer les workflows et déclencher des appels API externes. Il prend en charge la génération augmentée par récupération (RAG) en injectant des données pertinentes provenant de bases de données vectorielles et de fichiers hors ligne dans les prompts pour augmenter la précision des réponses. La plateforme est conçue pour des déploiements sur réseau privé, avec une gestion des accès multi-utilisateurs et la capacité d'exécuter des modèles open source quantifiés pour s'adapter à des contraintes matérielles spécifiques. Elle inclut également un suivi d'historique basé sur les sessions pour maintenir le contexte conversationnel.

Ce projet est une extension pour JupyterLab qui intègre des fournisseurs de grands modèles de langage et des agents IA directement dans les notebooks computationnels. Il fonctionne comme une couche d'intégration et un orchestrateur, reliant les backends d'IA générative à un espace de travail de science des données pour permettre l'exécution de prompts IA au sein des cellules de notebook et l'insertion de blocs de code générés dans les documents. Le système dispose d'une interface de chat collaborative où plusieurs utilisateurs peuvent interagir avec des personas IA en temps réel, partageant des fils de conversation et utilisant des pièces jointes par glisser-déposer pour le contexte. Il permet la création de personas IA personnalisés et l'intégration d'outils spécialisés via des serveurs de protocole, tout en maintenant une interface agnostique au fournisseur pour échanger différents backends de grands modèles de langage. Les capacités incluent l'automatisation de workflows tels que la gestion de fichiers, le débogage de code et l'exécution de commandes shell. Pour garantir la sécurité, le framework emploie une exécution protégée par des permissions, nécessitant une approbation explicite de l'utilisateur avant que les agents IA puissent modifier des fichiers ou exécuter des commandes système.

Ce projet est un système de gestion de compte de grands modèles de langage et un proxy multi-utilisateurs. Il fournit une passerelle qui permet à plusieurs utilisateurs authentifiés de partager un seul abonnement IA premium ou une clé API OpenAI. Le système fonctionne comme une couche de proxy qui intercepte les requêtes des clients et les transmet à l'API officielle tout en injectant des identifiants partagés. Il inclut un backend sécurisé pour la gestion centralisée des identifiants et un système de contrôle d'accès basé sur des jetons pour valider les identités des utilisateurs. Pour maintenir la confidentialité et l'organisation, le projet implémente une isolation de contexte basée sur la session pour empêcher la fuite de conversation entre les utilisateurs. Il dispose également d'un middleware pour l'audit d'activité afin de suivre l'utilisation et surveiller le comportement individuel des utilisateurs. L'interface fournit un accès aux capacités avancées des modèles, incluant la génération d'images, l'analyse de fichiers et l'exécution de code.