🔥 说实话，HiveChat 这套源码挺让我眼前一亮的。如果你正在找一款能自己部署、支持多模型切换的聊天对话系统，又不想被厂商绑定，那它绝对值得你花时间下载研究。尤其适合那些想做私有化部署的团队，或者想给客户搭建独立聊天服务的开发者。
简单来说，HiveChat 就是一套开箱即用的多模型聊天应用源码。它的核心亮点在于“多模型”和“开源可控”——你可以在后台自由切换不同的对话引擎，不用依赖单一服务商；同时因为是源码级别的开源，你可以按需二次开发、改界面、加功能，自由度非常高。部署起来也不复杂，对服务器要求不算高，很适合个人站长或小团队快速上线一个带聊天功能的站点。
有一点要提醒：虽然它支持多模型，但部分模型的 API 密钥和调用费用需要你自己准备，源码本身不包含这些。建议部署前先确认好你要接入的模型服务商，避免跑起来才发现缺资源。
源码介绍
HiveChat是由HiveNexus推出的一款开源多模型AI聊天应用，专为中小团队设计，旨在提高团队协作效率，轻松应对日常沟通需求。该应用支持多种AI模型，如Deepseek、OpenAI、Claude和Gemini，为用户提供更加智能和个性化的聊天体验。HiveChat源码的开放，使得任何有需求的团队或个人都可以根据自身需要进行二次开发，进一步丰富和完善应用的功能。
源码功能
多模型AI支持：用户可以轻松切换和配置不同的AI模型，以满足不同的沟通需求。
智能聊天体验：通过AI模型的加持，HiveChat能够提供更加智能和个性化的聊天体验，帮助用户更好地理解复杂问题。
LaTeX和Markdown渲染：支持LaTeX和Markdown语法，便于展示专业内容。
信息可视化：通过DeepSeek思维链等功能，将复杂信息进行可视化展示，帮助用户更好地理解。
图像理解：具备图像理解能力，能够处理和解析用户发送的图片信息。
云端数据存储：提供云端数据存储服务，确保用户信息的安全与便利。
源码特色
高度可定制性：由于源码的开放，用户可以根据自身需求进行二次开发，定制专属的AI聊天应用。
丰富的AI模型支持：支持多种AI模型，使得应用具备更强的智能性和适应性。
良好的用户体验：通过LaTeX和Markdown渲染、信息可视化等功能，为用户提供更加便捷和直观的聊天体验。
云端数据存储：提供云端数据存储服务，确保用户数据的安全性和可靠性。
技术栈
Next.js
Tailwindcss
Auth.js
PostgreSQL
Drizzle ORM
Ant Design
安装方法
方法 1：本地部署
克隆本项目到本地
git clone 
安装依赖库
cd hivechat
npm install
修改本地配置文件
将样例文件复制到.env
cp .env.example .env
修改 .env 文件
# PostgreSQL 数据库连接 URL，此处为示例，需本地安装或连接远程 PostgreSQL
# 注意，本地安装暂不支持使用 Vercel 或 Neon 提供的 Serverless PostgreSQL
DATABASE_URL=postgres://postgres:password@localhost/hivechat
#用于用户信息等敏感信息的加密，可以使用 openssl rand -base64 32 生成一个随机的 32 位字符串作为密钥，此处为示例，请替换为自己生成的值。
AUTH_SECRET=hclqD3nBpMphLevxGWsUnGU6BaEa2TjrCQ77weOVpPg=
# 管理员授权码，初始化后，凭此值设置管理员账号，此处为示例，请替换为自己生成的值。
ADMIN_CODE=22113344
# 生产环境设置为正式域名，测试用时无需修改
NEXTAUTH_URL=
初始化数据库
npm run initdb
启动程序
//测试开发
npm run dev
//正式启动
npm run build
npm run start
初始化管理员账号
访问
方法 2：Docker 部署
克隆本项目到本地
git clone
修改本地配置文件
将样例文件复制到.env
cp .env.example .env
根据实际情况修改AUTH_SECRET和ADMIN_CODE，正式环境务必重新设置，测试用途时可不修改。
构建镜像
docker compose build
启动容器
docker compose up -d
初始化管理员账号
访问
总结
HiveChat作为一款开源多模型AI聊天应用源码，具备高度的可定制性和丰富的功能，能够满足中小团队对于智能聊天应用的需求。通过安装和二次开发，用户可以轻松打造属于自己的AI聊天应用，提高团队协作效率，享受更加智能和个性化的聊天体验。
源码截图
