Thunderbird Thunderbolt：Mozilla开源AI客户端，本地换模型

你有没有这种感觉——用ChatGPT怕数据被拿去训练，用Claude又担心隐私泄露，想跑本地模型却折腾不好环境，换一个AI工具就要重新适应一个新界面？更别提有些平台动不动就封号、限速，聊天记录还得导来导去。更烦人的是，你想用不同模型就得打开不同的App——GPT在ChatGPT里，Claude在Anthropic里，本地模型又得一堆配置。如果你也有这些困扰，那你今天一定要认识一下 Thunderbird Thunderbolt。

一、Thunderbird Thunderbolt 是什么？

Thunderbird Thunderbolt 是由 Mozilla 资助、Thunderbird 团队开发的一款开源 AI 客户端。简单来说，它不是又一个 ChatGPT，而是一个让你自己选模型、自己控数据、自己搭服务的统一入口。

项目 GitHub 地址：https://github.com/thunderbird/thunderbolt

目前星数已超 1,600（日增447，增长势头很猛），它最大的卖点可以用一句话概括：AI You Control——你做主的 AI。

这意味着什么？

• 选择自由：你想用 OpenAI 就用 OpenAI，想用 Claude 就用 Claude，想跑本地模型就跑本地模型，想接私有部署就接私有部署，完全由你说了算
• 数据自主：所有聊天记录存在本地 SQLite 数据库中，不强制上传任何云服务器。还有可选的端到端加密，连服务端都看不到你聊了什么
• 拒绝锁定：MPL 2.0 开源协议，代码公开透明，你随时可以 fork、修改、迁移，不会被任何厂商卡脖子

对于一个中国用户来说，这意味着什么？意味着你可以用 DeepSeek、智谱这些国产模型，也可以用 Ollama 在自己电脑上跑模型，完全不受 OpenAI 封禁的影响。你的数据、你的模型、你的选择。

二、核心功能一览

先上一张完整的功能清单表格，让你一目了然：

技术亮点再多说两句：

• 离线优先架构：这是 Thunderbolt 的一大特色。网络断了？不怕，本地模型照常用。坐飞机、在地铁里、在信号差的地方，照样和 AI 聊天
• 端到端加密：聊天记录加密存储，就算是自部署的服务器管理员也看不到你的对话内容
• MPL 2.0 开源：免费的，可商用的，社区驱动的。Mozilla 资助意味着这个项目有稳定的资金支持，不会突然跑路
• 技术栈现代：前端 React 19 + Vite + Radix UI，后端 Elysia on Bun，桌面端 Tauri，存储 SQLite——全是2024-2025年最前沿的技术选择，性能好、体验佳

三、安装步骤（手把手教你搞定）

Thunderbolt 的安装方式主要有两种：Docker 部署（最简单，推荐新手）和开发模式（适合想二次开发或者调试的同学）。

方式一：Docker Compose 部署（推荐新手）

这是最省事的方式，只要你有 Docker 就行。不管你用的是 Mac、Windows 还是 Linux，步骤都差不多。

第一步：安装 Docker

先确认你电脑上有没有 Docker。在终端（Mac/Linux）或 PowerShell（Windows）里输入：

docker --version

如果显示版本号就说明已安装。没有的话按下面方法装：

• Mac：去 Docker 官网下载 Docker Desktop 安装包，拖进应用文件夹即可
• Windows：同样去 Docker 官网下载 Docker Desktop for Windows，安装后重启电脑。注意 Windows 需要开启 WSL2 或者 Hyper-V
• Linux（Ubuntu/Debian）：

sudo apt update
sudo apt install docker.io docker-compose-plugin
sudo systemctl start docker
sudo systemctl enable docker

# 把当前用户加入 docker 组，这样不用每次都 sudo
sudo usermod -aG docker $USER
# 退出终端重新登录才能生效

第二步：克隆项目并启动

打开终端，依次执行以下命令：

# 克隆项目代码到本地
git clone https://github.com/thunderbird/thunderbolt.git

# 进入项目目录
cd thunderbolt

# 进入部署目录
cd deploy

# 复制环境变量配置文件（里面有默认配置，一般不用改）
cp .env.example .env

# 一键构建并启动！
docker compose up --build

第一次启动需要拉取 Docker 镜像和编译项目，可能要等3-5分钟，取决于你的网速。你会看到终端不断滚动日志，这是正常的。

第三步：开始使用

等日志不再滚动，说明服务已经启动好了。打开浏览器，访问：

http://localhost:3000

首次登录使用以下默认账号：

• 邮箱：demo@thunderbolt.io
• 密码：demo

登录成功后，你就能看到 Thunderbolt 的主界面了！是不是很简单？

💡 小提示：如果你想修改端口号或其他配置，编辑 deploy/.env 文件即可。改完后重启 Docker 容器生效。

方式二：开发模式安装（适合想折腾的开发者）

如果你想在本地跑开发版，参与贡献或者深度定制，可以走开发模式。需要准备以下工具：

Mac 开发环境

Mac 用户的开发体验最顺畅，步骤如下：

# 1. 克隆项目
git clone https://github.com/thunderbird/thunderbolt.git
cd thunderbolt

# 2. 一键安装所有依赖
make setup

# 3. 配置环境变量
cp .env.example .env
cd backend && cp .env.example .env && cd ..

# 4. 启动后端服务（Docker 容器）
make docker-up

# 5. 启动前端开发服务器（浏览器模式）
bun dev

# 或者如果你想跑桌面版应用
bun tauri:dev:desktop

Windows 开发环境

Windows 用户稍微多一步：

# 1. 先安装 Bun（PowerShell 管理)
powershell -c "irm bun.sh/install.ps1 | iex"

# 2. 安装 Rust（去 https://win.rustup.rs/x86_64 下载安装器运行）

# 3. 克隆项目
git clone https://github.com/thunderbird/thunderbolt.git
cd thunderbolt

# 4. 安装依赖
make setup

# 5. 配置环境变量（Windows 用 copy 代替 cp）
copy .env.example .env
cd backend && copy .env.example .env && cd ..

# 6. 启动后端
make docker-up

# 7. 启动前端
bun dev

Linux 开发环境

# 1. 安装 Bun
curl -fsSL https://bun.sh/install | bash

# 2. 安装 Rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

# 3. 克隆并进入项目
git clone https://github.com/thunderbird/thunderbolt.git
cd thunderbolt

# 4. 安装依赖
make setup

# 5. 配置环境变量
cp .env.example .env
cd backend && cp .env.example .env && cd ..

# 6. 启动后端
make docker-up

# 7. 启动前端
bun dev

⚠️ 如果桌面模式（bun tauri:dev:desktop）编译报错，别慌，先用 bun dev 跑浏览器版，功能完全一样。桌面版需要 Rust 编译环境，有时候会出点小问题。

四、使用方法：从入门到进阶

装好 Thunderbolt 后，怎么开始用呢？下面从最简单的讲起，一路带你到进阶玩法。

入门：接入一个云端 AI 模型

安装好 Thunderbolt 后，第一件事就是接入一个模型。这里以接入 OpenAI 为例：

1. 打开 Thunderbolt，进入主界面
2. 点击左侧边栏的 设置（齿轮图标）
3. 找到 模型提供商 选项卡
4. 点击选择 OpenAI
5. 在 API Key 输入框填入你的 OpenAI API Key（在 https://platform.openai.com/ 注册申请）
6. 点击保存

回到聊天界面，在顶部选择 GPT-4o 或其他可用模型，输入你的问题，就可以开始聊天了！

如果觉得 OpenAI 太贵，也可以选其他提供商，步骤类似——进入设置，选择对应提供商，填入 API Key，保存即可。

进阶1：本地跑模型，完全免费（Ollama）

不想花钱买 API？完全理解！用 Ollama 在本地跑模型，零成本，数据还不出本机。

第一步：安装 Ollama

# Mac 和 Linux 用户
curl -fsSL https://ollama.com/install.sh | sh

# Windows 用户
# 去 https://ollama.com/download 下载安装包，双击安装

第二步：下载一个模型

在终端中执行：

# 推荐先用 Qwen2.5 7B（通义千问，中文能力很强）
ollama pull qwen2.5:7b

# 如果你电脑配置好，也可以试更大的
ollama pull qwen2.5:14b

# 或者试试 Meta 的 Llama 3.1
ollama pull llama3.1:8b

下载速度取决于你的网速。7B 模型大约4GB，14B 大约8GB。

第三步：在 Thunderbolt 中连接 Ollama

1. 打开 Thunderbolt 设置
2. 模型提供商选择 Ollama
3. 服务地址填写 Ollama 默认地址（本地 11434 端口）
4. 保存后就能在聊天界面选择本地模型了

💡 配置建议：没有独立显卡的电脑，建议选 7B 参数量的模型，8GB 内存就能流畅运行。有 NVIDIA 显卡的话，可以跑 14B 甚至更大的模型，显存8GB以上体验最佳。

进阶2：接入国产模型，速度更快

作为中国用户，你可能更想用国产模型——延迟低、中文好、价格便宜。Thunderbolt 支持任何兼容 OpenAI API 格式的服务，接入国产模型非常方便：

1. 打开设置，选择 自定义提供商
2. 填写 API 地址（各厂商的 OpenAI 兼容接口）
3. 填入你的 API Key
4. 填写模型名称
5. 保存

举几个实际例子：

接入 DeepSeek（深度求索）：

• API 地址：https://api.deepseek.com/v1
• 模型名：deepseek-chat
• 去 DeepSeek 官网注册获取 API Key

接入智谱 AI（ChatGLM）：

• API 地址：https://open.bigmodel.cn/api/paas/v4
• 模型名：glm-4
• 去智谱开放平台注册获取 API Key

接入月之暗面（Kimi）：

• API 地址：https://api.moonshot.cn/v1
• 模型名：moonshot-v1-8k
• 去 Moonshot 官网注册获取 API Key

国产模型的优势很明显：不需要翻墙，速度快，中文理解能力强，价格还便宜。DeepSeek 的 API 价格大约是 OpenAI 的十分之一。

进阶3：使用搜索模式获得靠谱回答

普通 AI 聊天有个大问题——它会一本正经地胡说八道。Thunderbolt 内置了搜索模式，让 AI 先搜索互联网，再基于真实搜索结果来回答，靠谱多了：

1. 在聊天界面顶部，找到模式切换按钮
2. 切换到 搜索模式
3. 输入你想查的内容
4. AI 会先搜索相关资料，然后基于搜索结果给你一个有据可查的回答

搜完之后，每个回答都会附带信息来源链接，你可以点进去验证。比如问"2025年诺贝尔物理奖给了谁"，搜索模式会给你准确答案加上引用链接，而不是凭空编造。

进阶4：MCP 工具集成让 AI 更强大

MCP（Model Context Protocol）是目前 AI 领域的热门话题，它让 AI 不只能聊天，还能调用外部工具——查天气、读文件、操作数据库、调用 API 等等。Thunderbolt 正在积极支持 MCP，目前处于预览阶段：

1. 在设置中找到 MCP 配置
2. 添加你需要的 MCP 服务器（比如文件系统、Web 搜索等）
3. 保存后，聊天时 AI 就能自动调用这些工具

虽然还是预览功能，但已经能体验到 AI 不只是"嘴上说说"，而是真能帮你干活的魅力了。

五、实际场景举例

光说不练没感觉，看看这些真实使用场景：

六、与同类产品对比

市面上的 AI 客户端不少，Thunderbolt 到底好在哪？看这张对比表就清楚了：

总结一下对比的核心差异：

• 对比 ChatGPT / Claude：你被绑定在单一模型上，数据存在别人的服务器上，不能自部署。Thunderbolt 打破了这些限制
• 对比 Open WebUI：Thunderbolt 多了端到端加密、全平台原生客户端（包括移动端）、MCP 支持，还有 Mozilla 的稳定资助
• 对比 Jan：Thunderbolt 支持移动端，有搜索模式，有 MCP 支持，活跃度更高

当然 Thunderbolt 也有不足——它还处于早期开发阶段，功能不如 ChatGPT 那么完善稳定。但如果你在乎数据自主、模型自由、开源透明，Thunderbolt 目前是最佳选择之一。

七、注意事项（重要！）

开始使用之前，几个重要的事情你需要知道：

1. 项目仍处于早期阶段：Thunderbolt 目前正在进行安全审计，不建议直接用于生产环境处理高度敏感的数据。日常使用没问题，但关键数据还是多留个心眼
2. 默认 demo 账号仅供体验：Docker 部署后会自带 demo 账号，方便你快速试用。如果要长期使用，请务必修改配置，创建自己的账号
3. 本地模型需要硬件支撑：7B 模型至少需要 8GB 内存，13B 需要 16GB 内存，30B 以上建议有独立显卡。具体跑什么模型要看你电脑配置，别贪大
4. API Key 要保管好：不要把你从各平台申请的 API Key 提交到 Git 仓库里。项目的 .env 文件已经在 .gitignore 中，不会被意外提交
5. 国内网络提示：直接访问 OpenAI、Claude 等境外 API 可能需要网络配置。更简单的做法是直接用 DeepSeek、智谱等国产模型替代，体验一样好

八、常见问题解答

Q：我不懂技术，能用好 Thunderbolt 吗？ A：完全可以。Docker 部署只需要几行命令，配置界面也很直观。如果你实在不想折腾部署，等正式版发布后会有现成的安装包。

Q：必须要用 Docker 吗？ A：开发模式不需要 Docker，但后端依赖（数据库等）仍然建议用 Docker 跑，更省事。Docker 部署是最简单的入门方式。

Q：本地模型效果怎么样？ A：7B 模型的中文能力已经相当不错了，日常对话、写作辅助完全够用。但复杂推理和专业领域问题，还是云端的 GPT-4o、Claude 等大模型效果更好。Thunderbolt 的优势恰恰在于你可以在一个客户端里自由切换。

Q：数据安全吗？ A：本地模型模式数据完全不离开你的电脑。云端模型模式下，数据会经过 Thunderbolt 的加密层，项目正在做端到端加密。自部署模式下，你完全掌控数据流向。

九、小结

Thunderbird Thunderbolt 让你用一个客户端搞定所有 AI 模型——本地跑也行、云端调也行，数据永远在你自己手里。Mozilla 出品、开源免费、七端全覆盖，这是真正属于你的 AI 助手。

🔗 项目地址：https://github.com/thunderbird/thunderbolt

🔗 官网：https://thunderbird.net/thunderbolt/