📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流👁 OCR💻 CLI🖼 视觉🔊 TTS🎙 STT🧠 Claude✨ GPT
Jin聊天机器人
🛠
AI工具

Jin聊天机器人

基于 Swift · 开源免费，本地部署，数据完全自主可控
英文名：Jin
⭐ 7 Stars 🍴 2 Forks 💻 Swift 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
chatbotllmmacosswift
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：Jin聊天机器人 是一款优质的AI工具。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

Jin聊天机器人 是一款基于 Swift 的开源工具，在 GitHub 上收获 0k+ Star，是chatbot、llm、macos、swift领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
Jin聊天机器人 依赖 Swift 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Swift 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 Jin聊天机器人 的版本更新，及时通知重要功能变化。

📋 工具概览

Jin聊天机器人 是一款基于 Swift 开发的开源工具，专注于 chatbot、llm、macos 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 7
开发语言
Swift
支持平台
macOS / iOS
维护状态
轻量级项目，按需更新
开源协议
Apache-2.0
AI 综合评分
7.5 分
工具类型
AI工具
Forks
2

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

Jin聊天机器人 是一款基于 Swift 开发的开源工具，专注于 chatbot、llm、macos 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

📌 核心特色
  • 开源免费，支持本地部署，数据完全自主可控
  • 活跃的 GitHub 开源社区，持续迭代更新
  • 提供详细文档和使用示例，新手友好
  • 支持自定义配置，灵活适配不同使用环境
  • 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
  • 本地部署运行，保护数据隐私，满足合规要求
  • 自定义集成到现有系统，扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 克隆仓库
git clone https://github.com/hrayleung/Jin
cd Jin

# 查看安装说明
cat README.md

# 按 README 完成环境依赖安装后即可使用
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
jin --help

# 基本运行
jin [options] <input>

# 详细使用说明请查阅文档
# https://github.com/hrayleung/Jin
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# jin 配置说明
# 查看配置选项
jin --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export JIN_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 51/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

<p align="center"> <img src="tmp/banner.png" alt="Jin Banner" /> </p>

Features

  • Multi-provider chat — Work across OpenAI, Anthropic, Gemini, Vertex AI, xAI, gateway providers, and more from one app
  • Parallel multi-model chat — Add up to 3 models to one conversation, compare responses side-by-side, and keep per-model context independent
  • Multimodal threads — Mix text, images, files, audio, PDFs, and generated media in one conversation
  • Markdown, code, and LaTeX rendering — Syntax-highlighted code blocks, markdown rendering, inline/block math, and copy-friendly output
  • Reasoning and advanced model controls — Per-chat controls for reasoning budget, web search, prompt caching, PDF mode, OpenAI service tier, and other provider-specific options
  • Search and grounding — Provider-native web search plus built-in search plugins, source cards, citation timeline, and Google Maps grounding for Gemini / Vertex AI
  • MCP tool calling — Connect external tools and data through MCP servers over stdio or HTTP, with persistent or ephemeral server lifecycles
  • Provider-native code execution — Run supported model-side code execution flows with visible activity timeline, logs, generated images, and downloadable files
  • Artifacts workspace — Inline HTML, React, and ECharts artifacts with split-pane preview, version history, source export, and reusable artifact IDs
  • Image and video generation — Image generation/editing across OpenAI (GPT Image / DALL·E) and xAI; video generation across xAI, Google Veo (Gemini & Vertex), and OpenRouter SeedDance, including source-image and source-URL edit workflows where available
  • PDF and OCR handling — Native PDF upload where supported, with Mistral OCR / MinerU / DeepSeek / OpenRouter / Firecrawl as cloud OCR fallbacks plus local macOS extraction
  • Voice workflows — Speech-to-text and text-to-speech via cloud providers, with a floating mini-player for chat playback
  • Assistants and defaults — Named assistants with custom prompts, language preference, model defaults, temperature/output settings, and optional history truncation
  • Quoted reply blocks — Pin a snippet from any message into the composer as a structured quote so the next turn keeps the reference highlighted in the thread
  • macOS polish — Configurable shortcuts, drag-and-drop attachments, storage breakdown with chat diagnostics, recovery pack export/import, and in-app Sparkle update controls

Requirements

  • Apple Silicon Mac for packaged release builds
  • macOS 14 (Sonoma) or later

Installation

Getting Started

  1. Launch Jin.
  2. Open Settings > Providers and add a provider credential. Most providers use API keys, while Vertex AI uses a service account JSON.
  3. Start a new conversation and pick one model, or add up to 3 models to the same chat.
  4. Optional: enable plugins in Settings > Plugins for search, OCR, voice, or cloud upload.
  5. Optional: add MCP servers in Settings > MCP Servers for tool calling.
  6. Optional: customize General settings for appearance, keyboard shortcuts, chat defaults, updates, and data / recovery tools.

Build from Source

git clone https://github.com/hrayleung/Jin.git
cd Jin
swift build
swift test
swift run Jin                 # Run from the command line (Debug)
open Package.swift           # Open in Xcode
bash Packaging/package.sh    # Build arm64 .app bundle and create dist/Jin.zip
bash Packaging/package.sh dmg

Requires Swift 5.9+ / Xcode 15+.

Screenshots

<p align="center"> <img src="docs/screenshots/multi-model-chat.png" alt="Parallel multi-model conversation in one chat with side-by-side responses" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/code-highlight.png" alt="Syntax-highlighted code blocks in a conversation" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/latex.png" alt="LaTeX math rendering in a conversation" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/chat-web-search.png" alt="Chat with in-thread web search and source timeline" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/tool-calling.png" alt="Tool calling flow with MCP tools in chat" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/artifact.png" alt="Interactive artifact with React component rendered in split workspace" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/image-generation.png" alt="Image generation result in a conversation" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/video-generation.png" alt="Video generation playback in chat" width="1200" /> </p>

<p align="center"> <img src="docs/screenshots/provider-settings.png" alt="Provider and model settings panel" width="1200" /> </p>

Plugins

All plugins are optional and configured in Settings > Plugins.

PluginServices
Web SearchExa, Brave Search, Jina Search, Firecrawl, Tavily, Perplexity Search
Text-to-SpeechOpenAI, OpenRouter, Groq, ElevenLabs, Xiaomi MiMo
Speech-to-TextOpenAI, OpenRouter, Groq, Mistral, ElevenLabs
PDF OCRMistral OCR, MinerU, DeepSeek (via DeepInfra), OpenRouter OCR, Firecrawl OCR — used as fallback when the active model can't natively ingest PDFs
Chat NamingAutomatic conversation naming with a selected model
Cloudflare R2 UploadUpload local videos to R2 and use public URLs in video workflows
📚 实用指南（长尾问题）
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
  • 需要从图片、PDF 提取文字的文档自动化场景
  • 做语音类 AI 产品的开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
部署方案
  • CLI：直接 npm install -g / pip install，命令行调用
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
Jin 中文教程Jin 安装报错怎么办Jin MCP 配置Jin Agent 工作流Jin 与同类工具对比Jin 最佳实践Jin 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
  • 需要从图片、PDF 提取文字的文档自动化场景
  • 做语音类 AI 产品的开发者
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

  • 本地部署运行，保护数据隐私，满足合规要求
  • 自定义集成到现有系统，扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点
  • +Apache-2.0 协议，可免费商用
  • +完全开源免费，无授权费用
  • +本地部署，数据完全自主可控
  • +开发者社区支持，遇问题可查可问
⚠️ 不足
  • −安装和初始配置可能需要一定技术基础
  • −功能完整性通常不如成熟商业产品
  • −技术支持主要依赖开源社区，响应速度不稳定
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。

🔗 相关工具推荐

transformers AI技能包
Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等
ComfyUI 节点式AI图像生成
强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像
llama-cpp AI技能包
高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合
yt-dlp 视频下载
功能强大的开源视频下载工具，支持YouTube、TikTok等数千个视频平台，可自动下载视频、字幕、封面和元数据。适合内
📚 相关教程推荐
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
中小企业 AI 客服系统搭建方案：低成本实现 7×24 小时智能响应
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI 前沿资讯：Anyone tried using AI models t…
AI 资讯 · 知识关联
AI 前沿资讯：If LLMs Have Human-Like Attrib…
AI 资讯 · 知识关联
AI 前沿资讯：I built an AI that acts withou…
AI 资讯 · 知识关联
AI 前沿资讯：Is your AI strategy burning ca…
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
ocr
document-ocr-pipeline
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
cordum MCP工具
MCP · Agent · 工作流
kb-arena开源AI工作流
kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图

❓ 常见问题 FAQ

Jin 是一款Swift开发的AI辅助工具。开源AI工具：MacOS native ChatBot that just works.。⭐7 · Swift 主要应用场景包括：与AI聊天。
💡 AI Skill Hub 点评

总体来看，Jin聊天机器人 是一款质量良好的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

📚 深入学习 Jin聊天机器人
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 Jin
原始描述 开源AI工具：MacOS native ChatBot that just works.。⭐7 · Swift
Topics chatbotllmmacosswift
GitHub https://github.com/hrayleung/Jin
License Apache-2.0
语言 Swift
🔗 原始来源
🐙 GitHub 仓库  https://github.com/hrayleung/Jin

收录时间：2026-06-01 · 更新时间：2026-06-01 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。