技术解读
一个 UI 吞下十二种 AI 能力：Dooy/chatgpt-web-midjourney-proxy 架构拆解
项目背景与痛点
AI 能力的爆发期呈现出一种尴尬的“碎片化”：文生图在 Midjourney 的 Discord 里，视频在 Luma 和 Runway 的网页里，音乐在 Suno 里，对话在 ChatGPT 里。对个人开发者而言，这意味着十几个书签、十几套密钥、十几种交互心智模型；对企业而言，这意味着密钥散落在浏览器端、数据流向无法审计、模型供应商一换就得重做前端。
早期的 chatgpt-web 类项目（包括本项目最初的血缘）解决的是“把 ChatGPT 私有化部署到自己的服务器上”。但当模型从单一走向多元、从同步走向异步时，那套只面向 chat completion 的架构就撑不住了。这个项目的核心命题由此变得清晰：用一套 UI 抽象、一个消息流模型，把对话、绘图、视频、音乐、实时语音这五类截然不同的交互范式收敛到同一个会话界面里，并且同时覆盖 Web / PWA / 桌面三端。
它要解决的不是“能不能调用某个模型”，而是“调用模型这件事能不能被统一建模”。
核心技术揭秘
从代码组织方式看，前端是 Vue 3 + Vite + TypeScript 的现代组合式架构，状态用 Pinia 切分（会话、配置、任务、密钥），消息渲染走组件化的“按类型分发”。后端则是一个轻量的 Node 代理层，承担三件事：密钥托管、跨域收敛、协议转发。桌面端与 PWA 复用同一份 Web 构建产物，只是换了壳层与存储适配。
真正的技术难点不在前端框架，而在统一抽象层。项目把一切能力建模为“会话 — 消息 — 任务”三元结构：
- 对话类（ChatGPT / GPTs / Realtime）是同步流式，走 SSE，边生成边追加；
- 生成类（MJ / Suno / Luma / Flux / Ideogram / Pika）是异步长任务，提交后拿到
taskId，靠轮询或 WebSocket 回推进度； - 两类结果最终写入同一个
Message模型，靠contentType字段（text / image / video / audio / progress）决定渲染组件。
这意味着前端必须内建一个任务调度器：带退避的轮询、并发上限、刷新后的任务恢复（把 taskId 持久化到 IndexedDB，重新挂载时续查）。这是很多同类项目偷懒跳过的部分，也是它体验差异的来源。
另一处设计取舍值得注意：Midjourney 并不直连，而是走 midjourney-proxy 这类中间服务，再由它桥接 Discord。这是被动选择也是明智选择——Discord 的交互协议不稳定、账号风控严苛，把脏活隔离在代理层，主项目只消费标准化的 /mj/submit、/mj/task/:id/fetch 接口，前端就永远不用知道 Discord 的存在。同理，Suno、Luma 各家 API 也被包装成“提交—查询”的两段式，用同一套适配器模式收敛。
功能亮点与差异
第一，UI 一致性本身就是产品力。 LobeChat 走插件生态、NextChat 走极简对话，而这个项目选择了“内置适配”的重路线：用户不需要理解 MJ 是轮询、Realtime 是 WebSocket、Suno 是任务队列，界面始终是那个输入框 + 消息流。这种“抹平协议差异”的体验，代价是适配器维护成本极高。
第二，多端同构。 PWA 负责移动端装应用，桌面壳负责本地文件与系统托盘，Web 负责开箱即用，一份代码三处落地，对私有化部署场景很实用。
第三，密钥与路由解耦。 后端代理层让 API Key 永不落到浏览器，同时支持通过 baseURL + 模型映射 切换上游（配合 one-api / new-api 网关可做多供应商分流与额度控制）。
应用场景与落地建议
适合：个人或小团队的 AI 聚合工作台、企业内部工具门户、面向客户的演示 Demo、需要隐藏密钥的私有化部署。不适合：直接拿来做多租户 SaaS——它缺少配额、审计、租户隔离，这些应该交给网关层。
上生产前务必注意几点：反向代理要关掉 SSE 缓冲（Nginx proxy_buffering off，并放开 X-Accel-Buffering），否则流式会变成“一次性吐出”；WebSocket 需要正确升级；MJ 依赖第三方代理服务，稳定性和合规性是外部风险，要有降级预案；长任务务必做前端恢复与去重，避免刷新后任务“失联”；模型更新节奏极快，建议锁定版本并保持与上游的同步观察。
综合评价
优点：抽象层次设计到位，把异构能力收敛为同构消息流；多端覆盖完整；密钥治理思路正确；对异步任务的处理比多数同类项目认真。
缺点：适配器是重资产，模型一多，维护成本呈线性上涨；前端状态机在长任务并发时容易变复杂；对第三方代理服务的强依赖削弱了自主可控性；代码层面的工程规范与测试覆盖，相较 LobeChat 这类社区项目仍有差距。
一句话总结：它不是最强的单点工具，而是把“多模型”这件麻烦事做成了一个界面——如果你的痛点是“切换”，它值得一试；如果你的痛点是“规模化治理”，请再叠一层网关。
相关仓库
代理框架性能优化系统。为 Claude Code、Codex、Opencode、Cursor 及其他工具提供技能、本能、记忆、安全性和研究优先的开发支持。
用 JavaScript 实现的算法与数据结构，并附有讲解和延伸阅读链接
Java 面试 & 后端通用面试指南，覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
手机端：
评论