申请会员ID： 躺平run一下

申请会员ID： 躺平run一下
申请 ID：   躺平run一下
个人邮箱：   fj1945@live.cn
仓库地址:   openwebui-extension


原创技术文章：

我在 OpenWebUI 项目里做的插件集

先说背景

我做的项目叫 openwebui-extensions，核心思路是把 OpenWebUI 从一个聊天界面，逐步扩展成一套能承载真实任务的工作系统。目前已收获 122 颗星星，官方插件市场下载累计突然 1w。

---

功能一：把长文本变成可交互思维导图

对应插件：Smart Mind Map

解决什么问题

大模型总结长内容的能力很强，但输出通常还是"一大段文字"。用户看完知道"说了什么"，但很难一眼抓住结构。

怎么做的

整个流程分三层：

1. LLM 分析层：把用户输入（支持最近 1-5 条消息）送入大模型，用专门设计的提示词让模型提取层级结构——根节点、分支、子分支。
2. 格式转换层：模型输出标准 Markdown 列表格式（# 根节点\n- 分支\n  - 子分支），这是 Markmap.js 的原生输入。
3. 渲染层：前端用 Markmap.js 把 Markdown 转成可交互的 SVG 思维导图——支持缩放、拖拽、节点展开/折叠。

关键技术决策：

• 多语言自适应：4 级语言检测回退（JS 注入读 localStorage → HTTP Accept-Language → 用户配置 → 默认 en-US），确保中英文内容都能正确生成对应语言的导图。
• 响应式布局：自动检测横竖屏，动态调整节点宽度（140-220px）和间距，手机上也能用。
• 高质量导出：PNG 导出使用 9 倍缩放因子，打印清晰；同时支持 SVG 矢量格式和 Markdown 源码。

带来什么价值

把 AI 的理解能力转化为可视化结构。输入一篇技术文章，能看到章节关系；输入需求文档，能看到模块拆分；输入学习笔记，能更高效地复习和记忆。

一句话：不是让输出更好看，而是让内容更适合人脑理解。

---

功能二：把文字信息变成直观的信息图

对应插件：Smart Infographic

解决什么问题

大模型很会写文字，但很多场景下文字不是最优形态。做汇报、写报告、把结论发给同事——纯文字的阅读门槛很高。

怎么做的

这是一个 AI 驱动的可视化管线：

1. 内容分析：LLM 分析输入文本（最少 100 字），提取关键数据点和逻辑结构。
2. 模板匹配：从 70+ 专业模板中选择最合适的类型——时间轴、对比图、层级图、数据图表等。模板库基于 AntV Infographic 语法，这是一种类似 Mermaid 的声明式图表语言。
3. 语法生成：模型输出 AntV Infographic 语法代码，插件会自动清洗和修正（比如去掉多余冒号、修复前缀）。
4. 渲染输出：前端加载 AntV JS 库，将语法代码渲染为 SVG。支持导出 SVG、PNG 和独立 HTML。

技术亮点：

• 双模式渲染：默认生成可交互的 HTML（缩放、hover 提示）；也可选择嵌入静态图片模式。
• 智能回退：模板映射有完整的向后兼容层，即使模型生成了旧版语法也能正确渲染。
• 容器感知：自动检测聊天窗口宽度，动态调整图表尺寸，不会溢出。

带来什么价值

把 AI 结果从"聊天答案"推进成"演示材料"。用户拿到的不是一段等待二次排版的草稿，而是可以直接展示的视觉化内容。

一句话：缩短 AI 输出到"可用成品"之间的距离。

---

功能三：把聊天结果导出为 Word 和 Excel

对应插件：Export to Word Enhanced、Export to Excel

解决什么问题

这是最现实的问题：AI 生成内容很方便，但很难"带出去"。你需要交付的是 Word 文档、Excel 表格，而不是聊天记录。没有导出能力时，用户只能手动复制粘贴、重新排版，遇到代码块、表格、公式更是麻烦。

怎么做的

Word 导出解决了格式保真问题：

• 代码高亮：用 Pygments 支持 500+ 编程语言的语法高亮，导出到 Word 后代码块带颜色，不是灰扑扑的纯文本。
• 数学公式：LaTeX 公式（$$...$$）通过 latex2mathml → mathml2omml 转成 Word 原生公式，导出后还能在 Word 里编辑。
• 图片处理：支持 data URL、OpenWebUI 文件 API（兼容 S3/本地存储）、以及 Mermaid 图表——先在浏览器端渲染成 SVG/PNG，再嵌入文档。
• 表格美化：自动设置列宽、表头颜色、斑马纹，不是丑陋的默认样式。

Excel 导出解决了数据结构化问题：

• 智能类型检测：自动识别数字、日期、序列类型，右对齐数字、居中日期，不用手动调。
• 表格提取：从聊天记录中自动识别 Markdown 表格，支持单条消息多表格、跨消息导出。
• AI 命名：可以用模型自动生成文件名，也可以用聊天标题或 Markdown 标题。

两者都遵循同一套工程规范：单文件 i18n（内置多语言）、Valves 配置、事件状态推送、健壮的错误处理。

带来什么价值

把 AI 结果从"对话内容"转成"办公文档"。这是很多 AI 产品的盲区——功能做得炫，但结果无法进入真实工作流。

一句话：让 AI 产物真正能交付。

---

功能四：把 GitHub Copilot SDK 接入 OpenWebUI，让它变成代理工作台

对应插件：GitHub Copilot SDK Pipe — 活跃开发中

解决什么问题

普通聊天只适合问答，不适合复杂任务。当你想让 AI 做的事情不是"回答一个问题"，而是"完成一套动作"时，聊天界面就捉襟见肘了。比如：读代码仓库并给出修改方案、自动跑测试并定位失败原因、生成可下载的报告文件。

怎么做的

这个插件的核心是把 OpenWebUI 从"模型前端"升级为"代理工作台"。技术架构分三层：

第一层：SDK 集成

通过 GitHub Copilot SDK 实现多模型支持（GPT-4o、Claude 3.5、o1 等），支持多轮对话、流式输出、无限会话。关键是——不需要 GitHub Copilot 订阅，支持 BYOK（自带 API Key）模式。

第二层：能力注入

自动复用 OpenWebUI 生态中的已有能力：

• Tools：用户已安装的工具自动注入给 Agent
• MCP：接入 Model Context Protocol 服务器
• OpenAPI Servers：对接已配置的 API 服务
• Skills：支持 SKILL 目录和 OpenWebUI Workspace Skills 双向桥接

这意味着 Agent 不是孤立的，而是站在你已有配置的肩膀上工作。

第三层：任务编排

Agent 具备自主决策能力：

• 意图识别：理解用户要做什么，自动规划步骤
• Web 搜索：需要外部信息时主动搜索
• 上下文压缩：长任务中自动压缩历史，保持专注
• 文件交付：生成文件后调用 publish_file_from_workspace 自动上传到 OpenWebUI 存储，跳过 RAG 处理

技术细节亮点：

• 思维链渲染：用原生 <think> 标签包裹推理过程，前端自动显示折叠框
• 工具调用卡片：输出标准 <details type="tool_calls"> 格式，前端原生渲染折叠面板
• 会话持久化：SQLite 存储会话状态，重启不丢失
• 实时 TODO 追踪：紧凑的任务进度组件，同步到 session.db

带来什么价值

OpenWebUI 从"模型前端"升级为"代理工作台"。系统不仅能回答，还能调用工具、做长任务规划、在工作区生成文件和结果页面。

一句话：让 AI 不仅能想，还能做。

---

功能五：让长对话能真正持续下去

对应插件：Async Context Compression

解决什么问题

只要真实使用大模型一段时间，就会遇到：

• 对话越来越长，上下文成本飙升；
• 模型开始遗忘之前的约束和关键信息；
• 连续做复杂任务时，后半段质量明显下降。

怎么做的

这是一个 Filter 插件，在对话的输入/输出管道中透明工作。核心是混合压缩算法：

压缩策略：保留两端，摘要中间

• 保留前 N 条消息（系统提示词、核心约束）
• 保留后 N 条消息（最近的对话上下文）
• 中间的消息用 LLM 生成摘要，作为一条 assistant 角色的消息插入

异步架构：不阻塞用户

• inlet（入口）：同步执行——压缩并注入已有摘要，速度快
• outlet（出口）：异步执行——在后台生成新的摘要，用 asyncio.create_task 启动，不等用户响应

这意味着用户不会感知到压缩过程的延迟。

智能处理：不只是简单截断

• Token 估算：多语言启发式算法（中文约 1.5 token/字，英文约 0.25 token/词），快速判断是否需要压缩
• 工具输出折叠：超过 600 字的工具调用结果自动折叠，保留调用链但精简内容
• 外部引用：跨对话引用时，小对话直接注入，大对话生成摘要
• 进度追踪：压缩后重新计算历史坐标，确保前端显示正确

性能数据：长对话中可实现 65%+ 的 token 压缩率。

带来什么价值

把"一次性聊天"变成"可持续的长任务会话"。连续改代码、连续整理文档、长时间调试问题——这类场景需要系统能"续航"，而不是聊着聊着就"忘了前面"。

一句话：给整个系统提供持续工作的能力。

---

这 5 个功能形成的链路

单独看每个功能，都是解决一个局部问题。但串在一起，形成了一条完整的使用链路：

1. 输入 → 各种文本、文件、代码
2. 处理 → 上下文压缩（功能五）保障长对话续航，格式规范化确保内容质量
3. 执行 → GitHub Copilot SDK（功能四）调用工具、完成复杂任务
4. 呈现 → 思维导图（功能一）、信息图（功能二）等可视化形式
5. 交付 → 导出为 Word / Excel（功能三）等办公文档

这不再是"几个插件的集合"，而是一套把 AI 从"能回答"推进到"能交付"的工作系统。

---

总结

如果要用一句话概括这个项目在做什么：

围绕 OpenWebUI 做了一组互相配合的能力，让它既能看、能想、能执行，也能把结果真正交付出去。

Hmily

抱歉，未能达到申请要求，申请不通过，可以关注论坛官方微信（吾爱破解论坛），等待开放注册通知。