🐟 Chipilito

Ein schlanker, selbstgehosteter KI-Chatbot für Node.js – läuft komplett lokal mit Ollama, mit Google Gemini oder mit jedem OpenAI-kompatiblen Anbieter (z. B. OpenRouter, LM Studio, Groq). Kein Framework-Overhead, keine externe Datenbank, kein Frontend-Build – nur Node.js, SQLite und ein einziger Server-Prozess.

---

✨ Features

KI & Anbieter

💬 Mehrere KI-Anbieter – Ollama (lokal), Google Gemini oder ein beliebiger OpenAI-kompatibler Endpoint, jederzeit im Modell-Umschalter wechselbar. Modelle lassen sich mit ⭐ favorisieren (kontogebunden gespeichert).
🔌 Plugin-System für KI-Anbieter – neue Anbieter lassen sich per Datei in plugins/providers/ hinzufügen, ganz ohne Änderung am Kern-Code (siehe Abschnitt weiter unten). Ein funktionierendes Beispiel (Anthropic Claude) liegt bereits bei.
🖼️ Bildanalyse (Vision) – Bilder lassen sich direkt an Ollama- oder Gemini-Modelle mit Vision-Unterstützung anhängen und werden vom Modell ausgewertet.
🛡️ Schutz gegen Prompt-Injection – Inhalte aus hochgeladenen Dateien werden dem Modell mit einer expliziten Warnung übergeben, damit darin enthaltene Anweisungen nicht versehentlich befolgt werden.

Chat & Organisation

📌 Chat-Verwaltung – Anheften, Umbenennen, Löschen und Gruppieren von Chats in Projekte über ein ⋮-Kontextmenü.
📁 Projekte – Chats lassen sich Projekten zuordnen (und wieder entfernen); Projekte selbst können umbenannt oder gelöscht werden, ohne dass zugeordnete Chats verloren gehen.
🔍 Volltextsuche über alle Chats (Titel + Nachrichteninhalt).
🏷️ Automatischer Chat-Titel per KI nach der ersten Nachricht.
👁️ Markdown-Live-Vorschau beim Schreiben einer Nachricht.
🎤 Spracheingabe über die Web Speech API des Browsers.
🌍 Mehrsprachig – Deutsch, Englisch, Französisch, Spanisch.

Dateien & Export

📎 Datei-Uploads per Klick oder Drag & Drop. Unterstützt PDF, Word (.docx), Excel und Bilder.
📄 Export – Antworten lassen sich als PDF, Word oder Excel exportieren.
📦 ZIP-Download für Mehrdatei-Antworten – enthält eine Antwort mehrere Code-Blöcke, bietet die App automatisch eine gebündelte ZIP-Datei zum Download an, inkl. automatischer Dateinamen-Erkennung.
⬇️ Einzel-Download & Syntax-Highlighting mit Zeilennummern für jeden Code-Block.

Konten & Betrieb

🔐 Eigene Konten – einfache Benutzerverwaltung (Name + Passwort) mit kontoübergreifender Chat-Synchronisierung über SQLite.
💾 Automatische Datenbank-Backups (rotierend, konfigurierbares Intervall, sicheres Online-Backup via better-sqlite3).
🐳 Docker-ready – inkl. docker-compose.yml mit optionalem Ollama-Container.

📸 Screenshot

🚀 Schnellstart

Voraussetzungen

Node.js ≥ 18
Optional: Ollama für lokale Modelle, oder ein API-Key für Gemini/OpenRouter

Installation

git clone <dein-repo-url>
cd chipilito
npm install
cp .env.example .env   # Werte nach Bedarf anpassen (siehe unten)
npm start

Die App läuft danach unter http://localhost:3000.

Entwicklung (Auto-Reload)

npm run dev

⚙️ Konfiguration (`.env`)

Variable	Beschreibung	Default
`CHATLITE_PROVIDER`	`ollama`, `gemini` oder `openai_compatible`	`ollama`
`OLLAMA_URL`	URL des Ollama-Servers	`http://localhost:11434`
`OLLAMA_MODEL`	Standard-Ollama-Modell	`gemma2`
`OLLAMA_NUM_CTX`	Kontextfenster-Größe für Ollama	`21586`
`GEMINI_API_KEY`	API-Key für Google Gemini	–
`GEMINI_MODEL`	Standardmodell für Gemini	`gemini-2.0-flash`
`OPENAI_COMPATIBLE_URL`	Basis-URL des OpenAI-kompatiblen Anbieters	–
`OPENAI_COMPATIBLE_API_KEY`	API-Key dafür	–
`OPENAI_COMPATIBLE_MODEL`	Standardmodell dafür	–
`PORT`	Server-Port	`3000`
`DB_PATH`	Pfad zur SQLite-Datei (relativ wird relativ zum Projektordner aufgelöst)	`./chipilito.db`
`BACKUP_DIR`	Ordner für automatische DB-Backups (relativ = zum Projektordner)	`./backups`
`BACKUP_MAX_COUNT`	Wie viele Backups aufbewahrt werden	`14`
`BACKUP_INTERVAL_HOURS`	Intervall zwischen automatischen Backups (h)	`24`
`MAX_FILE_SIZE`	Maximale Upload-Größe in Bytes	`5242880` (5 MB)

Eine vollständige Vorlage liegt in .env.example.

Modellwahl im laufenden Betrieb: Der CHATLITE_PROVIDER in der .env setzt nur den Standard. Im Modell-Umschalter der App kann jederzeit zwischen allen konfigurierten Anbietern und Modellen gewechselt werden (inkl. Live-Abfrage aller verfügbaren Modelle beim OpenAI-kompatiblen Anbieter, z. B. der komplette OpenRouter-Katalog).

🐳 Docker

docker compose up -d

Startet Chipilito und einen lokalen Ollama-Container. Daten (SQLite-DB, Ollama-Modelle) liegen in benannten Docker-Volumes und überleben Neustarts. Für NVIDIA-GPU-Beschleunigung von Ollama die entsprechenden Zeilen in docker-compose.yml einkommentieren.

Nur die App ohne Compose bauen:

docker build -t chipilito .
docker run -p 3000:3000 -v chipilito_data:/app/data chipilito

Das Image nutzt einen zweistufigen Build (node:20-bookworm-slim), da better-sqlite3 ein natives Modul enthält, das gegen die Ziel-Plattform kompiliert werden muss.

🌐 Fernzugriff (optional)

Für einen schnellen, temporären Zugriff von außen (ohne eigenes Hosting) eignet sich ein Tunnel-Dienst wie ngrok. Eine Beispiel- Traffic-Policy liegt in policy.yaml und zeigt, wie sich der Zugriff zusätzlich per Google-OAuth auf eine bestimmte Domain einschränken lässt – als Ausgangspunkt für eigene Anpassungen gedacht, nicht als Produktions-Setup.

🗂️ Projektstruktur

chipilito/
├── server.js               # Dünner Einstiegspunkt: erstellt den HTTP-Server,
│                            # verdrahtet die Routen-Module
├── server/
│   ├── config.js            # Zentrale Konfiguration (liest .env)
│   ├── http-utils.js        # readJsonBody, sendJson, serveStatic, ...
│   ├── router.js            # Schlanker Routen-Matcher (kein Express)
│   ├── file-extraction.js   # PDF/Word/Excel/ZIP-Textextraktion für Uploads
│   ├── backup.js            # Automatische DB-Backups
│   ├── providers/
│   │   ├── registry.js       # Plugin-Registry (Kern des Provider-Systems)
│   │   ├── loadPlugins.js    # Lädt plugins/providers/*.js dynamisch
│   │   ├── index.js          # Importiert die eingebauten Anbieter
│   │   └── ollama.js, gemini.js, openaiCompatible.js
│   └── routes/
│       ├── auth.js, models.js, chats.js, projects.js
│       ├── favorites.js, chat-completion.js, chat-title.js
│       └── export.js, backup.js
├── plugins/
│   └── providers/            # Eigene KI-Anbieter-Plugins (siehe unten)
│       └── anthropic.example.js
├── db.js                    # SQLite-Zugriff (Nutzer, Chats, Projekte, Favoriten)
├── export.js                 # PDF/Word/Excel-Dokumentengenerierung
├── public/
│   ├── index.html
│   ├── app.js                # Gesamte Frontend-Logik (kein Build-Schritt nötig)
│   └── styles.css
├── .env.example
├── Dockerfile
├── docker-compose.yml
├── policy.yaml               # Beispiel-Zugriffsrichtlinie für ngrok
└── CHANGELOG.md

Kein Bundler, kein Build-Schritt fürs Frontend – public/ wird direkt vom Server ausgeliefert. Das Backend ist in kleine, fokussierte Module aufgeteilt statt einer einzigen großen server.js.

🧩 Eigene KI-Anbieter als Plugin

Neue KI-Anbieter lassen sich hinzufügen, ohne server/ anzufassen: einfach eine .js-Datei in plugins/providers/ ablegen, die beim Laden registerProvider(...) aufruft:

// plugins/providers/mein-anbieter.js
import { registerProvider } from '../../server/providers/registry.js';
import { normalizeMessages } from '../../server/file-extraction.js';
import { buildSystemPrompt } from '../../server/config.js';

registerProvider({
  id: 'mein-anbieter',            // eindeutiger Schlüssel
  label: 'Mein Anbieter',         // Anzeigename im Modell-Umschalter
  icon: '🔧',                     // optional
  configured: () => Boolean(process.env.MEIN_ANBIETER_API_KEY),
  listModels: async () => [],     // optional: Modelle beim Anbieter live abfragen
  defaultModel: 'irgendein-modell',
  async complete(body, clientSignal) {
    // WICHTIG: normalizeMessages() extrahiert Datei-/ZIP-Anhänge als Text,
    // buildSystemPrompt() liefert u. a. den Schutz gegen Prompt-Injection
    // über Datei-Inhalte - beides sollte jedes Plugin nutzen.
    const messages = await normalizeMessages(body.messages);
    // ... eigenen API-Aufruf bauen, Streaming-Response als
    // `new Response(readableStream, { headers: {...} })` zurückgeben ...
  }
});

Ein vollständiges, funktionierendes Beispiel (Anthropic Claude über die native Messages API) liegt in plugins/providers/anthropic.example.js – Datei zu anthropic.js umbenennen und ANTHROPIC_API_KEY setzen, um es zu aktivieren. Dateien mit der Endung .example.js werden absichtlich nicht automatisch geladen.

🔌 API-Übersicht

Alle Endpoints erwarten (außer Auth) den Header x-api-key mit dem beim Login erhaltenen Schlüssel.

Methode	Pfad	Zweck
`POST`	`/api/auth/register` / `/api/auth/login`	Konto anlegen / einloggen
`GET`/`PUT`	`/api/auth/profile`	Profil lesen / Namen ändern
`GET`	`/api/models`	Verfügbare Modelle je Anbieter
`POST`	`/api/chat`	Nachricht senden (Streaming-Antwort)
`GET`	`/api/chats`	Chats des Kontos laden
`GET`/`PUT`/`DELETE`	`/api/chats/:id`	Chat laden/speichern/löschen
`PUT`	`/api/chats/:id/pin` \| `/rename`	Chat anheften / umbenennen
`POST`	`/api/chats/:id/addToProject`	Projekt zuordnen (`project_id: null` entfernt)
`POST`	`/api/chats/:id/generateTitle`	Kurzen Chat-Titel per KI generieren
`GET`/`POST`	`/api/zumProjects`	Projekte auflisten / anlegen
`PUT`/`DELETE`	`/api/zumProjects/:id`	Projekt umbenennen / löschen
`GET`/`PUT`	`/api/favorites`	Favorisierte Modelle laden / speichern
`POST`	`/api/export`	Antwort als PDF/Word/Excel exportieren
`GET`/`POST`	`/api/backups`	DB-Backups auflisten / manuell auslösen

🛠️ Tech-Stack

Backend: Node.js (ESM), reines http-Modul (kein Express im Request-Pfad), better-sqlite3
Frontend: Vanilla JS, kein Framework, highlight.js für Syntax-Highlighting, JSZip für ZIP-Downloads
Export: pdfkit, docx, exceljs
Datei-Parsing: pdf-parse, mammoth (Word), adm-zip
Auth: bcryptjs für Passwort-Hashing, API-Key-basierte Authentifizierung

🔒 Sicherheit

Passwörter werden mit bcrypt gehasht, nie im Klartext gespeichert.
Zugriff auf alle geschützten Endpoints erfolgt über einen pro Konto vergebenen API-Key (x-api-key-Header).
Inhalte aus hochgeladenen Dateien/ZIP-Archiven werden dem Modell mit einer expliziten Prompt-Injection-Warnung übergeben (buildSystemPrompt() + wrapExtractedContent()), damit eingebettete Anweisungen in Dateiinhalten nicht unbeabsichtigt befolgt werden.
Jedes Provider-Plugin sollte normalizeMessages() und buildSystemPrompt() nutzen, um automatisch von diesem Schutz zu profitieren.

📄 Lizenz

MIT – siehe LICENSE.

🤝 Mitwirken

Hinweise zum lokalen Setup, Bug-Reports und Pull Requests finden sich in CONTRIBUTING.md.

📝 Changelog

Alle Änderungen sind in CHANGELOG.md dokumentiert.

👥 Mitwirken & Support

Beiträge, Fehlerberichte und Feature-Anfragen sind herzlich willkommen! Erstelle dazu einfach ein Issue oder einen Pull Request.

Navigation Menu

Repository files navigation

🐟 Chipilito

Inhaltsverzeichnis

✨ Features

📸 Screenshot

🚀 Schnellstart

Voraussetzungen

Installation

Entwicklung (Auto-Reload)

⚙️ Konfiguration (`.env`)

🐳 Docker

🌐 Fernzugriff (optional)

🗂️ Projektstruktur

🧩 Eigene KI-Anbieter als Plugin

🔌 API-Übersicht

🛠️ Tech-Stack

🔒 Sicherheit

📄 Lizenz

🤝 Mitwirken

📝 Changelog

👥 Mitwirken & Support

About

Releases

Packages

Contributors

Name		Name	Last commit message	Last commit date
Latest commit History 59 Commits
docs		docs
public		public
.env		.env
CHANGELOG.md		CHANGELOG.md
CONTRIBUTING.md		CONTRIBUTING.md
LICENSE		LICENSE
README.md		README.md
screenshot.png		screenshot.png

Folders and files

Latest commit

History

Repository files navigation

🐟 Chipilito

Inhaltsverzeichnis

✨ Features

📸 Screenshot

🚀 Schnellstart

Voraussetzungen

Installation

Entwicklung (Auto-Reload)

⚙️ Konfiguration (.env)

🐳 Docker

🌐 Fernzugriff (optional)

🗂️ Projektstruktur

🧩 Eigene KI-Anbieter als Plugin

🔌 API-Übersicht

🛠️ Tech-Stack

🔒 Sicherheit

📄 Lizenz

🤝 Mitwirken

📝 Changelog

👥 Mitwirken & Support

About

Resources

Contributing

Stars

Watchers

Forks

Releases

Packages

Contributors

⚙️ Konfiguration (`.env`)