Aplicación de escritorio GNOME para chatear con modelos de IA, centrada en ejecutarlos localmente en Linux.
hecrj/icebreaker
Una app de chat con IA local, desarrollada en Rust con el toolkit gráfico iced, que ejecuta modelos mediante llama.cpp y Hugging Face.
Alternativa open source a:ChatGPT
- Estrellas
- 468
- Forks
- 36
- Issues abiertos
- 7
- Último commit
- hace 2 meses
¿Qué es?
Icebreaker es una aplicación de escritorio para chatear que ejecuta modelos de lenguaje grandes localmente, en lugar de enviar las conversaciones a un servicio alojado. Está escrita en Rust y usa el toolkit gráfico iced para la interfaz, mientras que llama.cpp se encarga de la inferencia y Hugging Face proporciona los modelos.
El proyecto se distribuye como un crate de Rust y se puede instalar con cargo o compilar desde la rama master. Aún no ofrece binarios precompilados, así que para probarlo se necesita tener instalado el toolchain de Rust.
Es un ejemplo pequeño y enfocado de una aplicación nativa de IA en Rust, que combina una interfaz de escritorio con iced y un backend de inferencia local.
Funciones clave
- 01Ejecuta modelos de chat localmente en el equipo del usuario.
- 02Desarrollado en Rust con el toolkit gráfico multiplataforma iced.
- 03Usa llama.cpp para inferir con los modelos.
- 04Carga modelos desde Hugging Face.
- 05Se instala con cargo o se compila desde el código fuente.
Casos de uso
- Chatear con un LLM sin enviar las conversaciones a un servicio en la nube.
- Estudiar cómo crear una aplicación de escritorio nativa en Rust con un motor de inferencia local.
- Probar modelos abiertos en una computadora personal.
Inicio rápido
- 1
Instala la versión más reciente desde crates.io con cargo
cargo install icebreaker
Antes de usarlo
- No se proporcionan binarios precompilados, así que debes compilarlo con Rust y cargo.
- El README no documenta la estabilidad ni el estado actual del proyecto.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es icebreaker?
- Una app de chat con IA local, desarrollada en Rust con el toolkit gráfico iced, que ejecuta modelos mediante llama.cpp y Hugging Face. Icebreaker es una aplicación de escritorio para chatear que ejecuta modelos de lenguaje grandes localmente, en lugar de enviar las conversaciones a un servicio alojado. Está escrita en Rust y usa el toolkit gráfico iced para la interfaz, mientras que llama.cpp se encarga de la inferencia y Hugging Face proporciona los modelos.
- ¿icebreaker es gratuito? ¿Qué licencia tiene?
- icebreaker es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿icebreaker sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de icebreaker fue el 28 ago 2026.
- ¿Para qué puedo usar icebreaker?
- Chatear con un LLM sin enviar las conversaciones a un servicio en la nube. Estudiar cómo crear una aplicación de escritorio nativa en Rust con un motor de inferencia local. Probar modelos abiertos en una computadora personal.
- ¿Cómo se instala icebreaker?
- Instala la versión más reciente desde crates.io con cargo: cargo install icebreaker
- ¿Dónde consigo icebreaker?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/hecrj/icebreaker
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Interfaz de chat en el navegador para LLM locales servidos por Ollama, con conversaciones guardadas en IndexedDB en tu propio equipo.
Cherry Studio es un cliente de IA de escritorio multiplataforma que se conecta con numerosos proveedores de LLM, modelos locales y más de 300 asistentes preconfigurados.
Un estudio de IA de escritorio, gratuito y de código abierto para Windows y Linux, que reúne chat local, generación de imágenes y videos, y un agente de programación en una sola app.
Runner local en un solo archivo para modelos de lenguaje GGUF, con una interfaz web KoboldAI integrada y generación de texto, imágenes, voz y música.
Guía y aplicación web de chatbot para ejecutar un LLM local pequeño en hardware de consumo mediante una API compatible con OpenAI, usando Ollama, vLLM o llama-cpp-python.