一款 macOS 菜单栏应用,用于在本机运行大语言模型,基于 llama.cpp 构建,提供本地 API 服务和内置 WebUI。
- Star
- 47,739
- Fork
- 5,987
- 未关闭 Issue
- 865
- 最近提交
- 2个月前
这是什么?
TextGen 是一款在本机运行大语言模型的桌面应用。它把聊天界面和 API 放在一起,同一个本地模型既可以通过界面使用,也可以被代码调用。便携版支持 Linux、Windows 和 macOS,提供 CUDA、Vulkan、ROCm 和纯 CPU 等选项,可通过 llama.cpp 加载 GGUF 模型;完整安装还支持 ExLlamaV3、Transformers 和 TensorRT-LLM 等后端。
除基本对话外,它支持指令模式和角色对话模式,可为视觉模型附加图片,也能上传文本、PDF 和 .docx 文件进行问答。模型可以调用网页搜索、网页抓取和自定义 Python 函数等工具,并支持 MCP 服务器。项目还包含 LoRA 微调、基于 diffusers 的图像生成页面,以及 TTS、语音输入和翻译等扩展。应用声明完全离线运行,且不发送遥测数据。
API 提供符合 OpenAI 和 Anthropic 格式的 Chat、Completions 和 Messages 接口,已有的客户端代码只需把地址指向本地服务即可使用。
核心功能
- 01支持指令模式和角色对话模式,提示词通过 Jinja2 模板生成
- 02支持图片输入,以及 PDF、.docx 和文本文件附件
- 03支持 llama.cpp、Transformers、ExLlamaV3 等多种推理后端
- 04提供兼容 OpenAI 和 Anthropic 的 API,并支持工具调用
- 05工具可用自定义 Python 函数实现,也支持 MCP 服务器
- 06内置 LoRA 微调和基于 diffusers 的图像生成功能
适用场景
- 在个人电脑上私下运行 GGUF 格式的对话模型,数据不上传到云端
- 开发时把已有的 OpenAI 或 Anthropic 客户端代码指向本地模型
- 用本地支持视觉的模型对图片或文档进行问答
- 基于自有的对话或文本数据集训练 LoRA 适配器
快速上手
- 1
从发布页面下载适用于你操作系统的便携版
- 2
解压下载的文件,双击 textgen 打开应用窗口
- 3
将 GGUF 模型文件放入 user_data/models 文件夹,界面会自动识别
使用前须知
- 采用 AGPL-3.0 许可证,这是一种 copyleft 许可证,要求提供基于其修改的网络服务时公开源代码。
- ExLlamaV3、Transformers 等其他后端以及训练和图像生成功能需要完整安装,约占用 10GB 磁盘空间并需下载 PyTorch。
- 便携版仅支持 GGUF(llama.cpp)模型。
标签
常见问题
- textgen 是什么?
- 一款开源桌面应用,用于在本地运行大语言模型,提供聊天界面和兼容 OpenAI/Anthropic 的 API。 TextGen 是一款在本机运行大语言模型的桌面应用。它把聊天界面和 API 放在一起,同一个本地模型既可以通过界面使用,也可以被代码调用。便携版支持 Linux、Windows 和 macOS,提供 CUDA、Vulkan、ROCm 和纯 CPU 等选项,可通过 llama.cpp 加载 GGUF 模型;完整安装还支持 ExLlamaV3、Transformers 和 TensorRT-LLM 等后端。
- textgen 可以免费使用吗?用的什么许可证?
- textgen 以 AGPL-3.0 许可证开源。用于商业产品前,请先确认许可证条款。
- textgen 还在维护吗?
- 半年内有更新。textgen 最近一次提交是在 2026年8月17日。
- textgen 适合用来做什么?
- 在个人电脑上私下运行 GGUF 格式的对话模型,数据不上传到云端 开发时把已有的 OpenAI 或 Anthropic 客户端代码指向本地模型 用本地支持视觉的模型对图片或文档进行问答 基于自有的对话或文本数据集训练 LoRA 适配器
- textgen 怎么安装和运行?
- 从发布页面下载适用于你操作系统的便携版 解压下载的文件,双击 textgen 打开应用窗口 将 GGUF 模型文件放入 user_data/models 文件夹,界面会自动识别
- 在哪里获取 textgen?
- 源代码和安装说明在 GitHub 上:https://github.com/oobabooga/textgen
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
把开源大模型打包成单个可执行文件,无需安装即可在多数操作系统和 CPU 架构上运行。
纯 C/C++ 实现的 LLM 推理引擎,可在本地或云端运行大语言模型与视觉语言模型,支持多种硬件后端。
开源桌面应用与 Web 界面,可在本地运行、微调和导出大语言模型与扩散模型,并提供代码版训练库。
一款 Rust 编写的命令行与终端工具,检测 CPU、内存和显卡,按硬件适配度推荐可运行的开源大模型。
一个本地安装的高级用户界面,可统一对接多种 LLM API、图像生成与 TTS 语音模型。