- 开源地址：NitroRCr/nyaai
- 网站链接：nyaai.cc
Nya AI 结合了 AI 对话客户端和协作平台，让你能够在一个平台进行 AI 对话、网络搜索、记笔记、编写文档、与团队沟通/协作、管理文件等操作
在 AI 对话方面，Nya AI 旨在能够完全替代传统的 AI 对话客户端，支持的功能包括：
- 消息分支：在多个分支之间切换
- 文档输入：将 .docx 、.pdf 、.pptx 等解析为文本输入
- MCP：连接 MCP 服务器以扩展 AI 功能，支持 MCP Tools 、Resources 和 Prompts
- 多模态输入/输出：支持 Nano Banana 等模型
- 网络搜索与爬取：内置网络搜索和网页爬取的扩展
- 支持添加不同的服务商，使用任意模型
- 具体的模型参数和服务商选项配置
- 用户输入预览、消息目录、快速滚动、键盘快捷键及其他细节功能
（由于目前只有 web 端，因此一些功能比如跨域请求、STDIO 类型 MCP 服务器无法实现，后续会完善支持）
而在其他方面，Nya AI 拥有许多协作平台的功能和优势：
工作区
用户注册时会自动创建一个该用户的工作区，工作区拥有类似文件系统的储存结构，你可以创建文件夹，按照自定义的结构灵活地组织各种类型的内容。
工作区的一大作用是协作，你可以邀请他人加入你的工作区。加入工作区的成员都可以浏览、编辑工作区的内容。工作区的所有成员共享工作区的 AI 额度和储存空间。
此外支持创建多个工作区、控制工作区成员的角色（管理员/成员/游客）等功能
随时随地访问
所有内容都储存在云端，你可以随时通过任意设备访问所有内容。得益于同步引擎 Zero，虽然内容储存在云端，却能拥有接近本地优先应用的响应速度和交互性能。
界面是响应式的，移动设备也能通过相同的链接直接访问。Nya AI 也是 PWA ，你可以将其安装至主屏幕以获得接近原生应用的体验。
页面
页面是类似 Notion 的可编辑、可协作页面（只不过目前的编辑器还较为简陋）。支持：
- 完善的 Markdown 支持：使用 Markdown 语法输入、粘贴 Markdown 、导出为 Markdown
- 从 Docx 文件导入 / 导出为 Docx
- 编辑记录：可随时浏览、退回到历史版本
- 可在右侧打开 AI 对话，向 AI 提问或是让 AI 编辑页面
发布内容
页面、对话、文件等都可以发布（在右侧边栏右键项目->发布），发布后可通过该链接公开访问（只读），发布的项目的子项目也会随之发布。
频道
类似于工作区所有成员的群聊，可用于交流、协作，也可用于个人在不同设备间传文本、文件等
搜索
类似于传统搜索引擎和 AI 搜索的结合，左侧是搜索结果，右侧会生成 AI 总结回答，也可进行后续对话。
翻译
就是简单地调用 LLM 进行文本翻译。不过有一个比较贴合我使用习惯的优化：可以设置主要翻译语言和次要翻译语言，这样就会自动将主要语言的文本翻译为次要语言，将其他语言的文本翻译为主要语言，而不必每次翻译都选择语言。此外，会保留每次翻译的版本记录；另外由于用的是 LLM ，因此除了翻译自然语言，也可以用来做格式转换（比如 CSV ↔ Markdown ，Latex ↔ MathML ），编程语言翻译等，语言选项框可以填任意值。
关于付费
本项目是完全开源的，你可以自部署使用（参考 docker-compose.example.yml 使用 Docker Compose 部署）。
如果使用我们部署的平台（ nyaai.cc ），我们同时提供免费计划和付费计划。免费计划的限制为：
- 每月 $0.5 AI 额度（显然不够，但是可以添加自定义服务商，不消耗此额度）
- 1GB 文件储存空间，单个文件最大 100MB （如果不作为网盘使用，仅仅是在对话/页面中上传一些图片，那是够用的，较大的图片会自动压缩）
- 工作区最多 3 位成员（不影响个人使用）
要不送点？注册后回复 email 送 3 个月 Basic 会员，先送 50 个
反馈
项目目前仍处于公测阶段，欢迎汇报 bug & 提交 issue
技术细节
我的上一个项目是 AIaW ，一个 AI 对话客户端：NitroRCr/AIaW
之所以选择重新构建一个项目，是因为，之前的技术架构有一些难以解决的瓶颈。
数据使用 Dexie.js 储存在浏览器本地 Indexeddb 中，再辅以 Dexie Cloud 实现云同步。这种本地优先的架构能带来极快的响应速度，但是在数据量较大，特别是上传的图片/文件较多时，就会遇到瓶颈：
- 云同步缓慢，特别是新设备登录时，需要等待下载全部数据
- 浏览器并不保证大量数据的可靠储存，数据可能会被浏览器清理
此外，云同步始终依赖 Dexie Cloud 这个第三方，虽然集成简单，但无法做到对数据的完全控制。
而如果使用传统的服务端优先的架构，又会面临服务端优先的劣势：加载/响应较慢，开发效率底
好在，我发现了一个全新的同步引擎 Zero ，它能够基于服务端优先的架构（ Postgres 作为事实来源），同时实现实时查询+乐观更新+热数据缓存，使得客户端能获得接近本地优先应用的响应速度，同时拥有与传统服务端优先应用相当的灵活性（完全自定义的权限控制）。Zero 虽然也仍处于 alpha 阶段，我仍然大胆地使用了它。
如此大的架构转变，数据层必然是要完全重写的。此外，我本来也想做一些 AI 对话以外的独立的功能。于是，我利用新架构的优势，直接往协作平台的方向设计。最终得到了这样的产品。
整个开发过程 6 个月，基本只用 cursor tab 自动补全，放在现在也算是半古法编程了吧
Select Language