W pełni prywatny, lokalny asystent AI bez żadnej cenzury.
Żadnych filtrów. Żadnych tematów tabu. Żadnych danych w chmurze.
🇵🇱 Polski (ten plik) · 🇬🇧 English
 Ekran logowania |
 Interfejs czatu z tabelą i statystykami |
 Picker modelu |
Bez Filtra to samodzielnie hostowany interfejs do modeli językowych (LLM) uruchamianych lokalnie przez Ollama. Działa na własnym serwerze, nie wysyła żadnych danych do zewnętrznych serwisów i nie nakłada żadnych ograniczeń na tematy rozmów.
Pomyśl o tym jak o prywatnym ChatGPT - ale bez cenzury, bez logowania do zewnętrznych serwisów i bez opłat za tokeny.
- 🧠 Dowolna liczba modeli - picker pokazuje każdy model pobrany w Ollamie, nie tylko dwa wbudowane
- 🎨 Akcent koloru per model - subtelny motyw (fiolet/róż/czerwień/bursztyn...) zmienia się z wybranym modelem
- 💬 Historia rozmów - persystentna, zapisywana lokalnie w przeglądarce
- 🎭 Personas - własne instrukcje systemowe per rozmowa
- ⌨️ Command Palette (Cmd+K) - szybkie przełączanie modeli i rozmów
- 📊 Live stats - licznik tokenów, tok/s, zużycie energii i wody w czasie rzeczywistym
- 🌊 Streaming SSE - odpowiedź pojawia się słowo po słowie
- ⏹️ Stop generation - przerwanie generowania w dowolnym momencie
- 📱 Responsywny - działa na telefonie, tablecie i desktopie
- 🔐 Prosty auth - hasło + JWT, bez rejestracji
- 📝 Markdown - tabele, kod, pogrubienia, listy renderowane natywnie
- ✏️ Edycja wiadomości - zmień pytanie i wygeneruj odpowiedź od nowa
- 🔄 Regeneracja - wygeneruj odpowiedź ponownie jednym kliknięciem
| Warstwa | Technologia |
|---|---|
| Frontend | React 19 + Vite + Tailwind CSS v4 + Framer Motion |
| Backend | Node.js + Express + TypeScript |
| AI | Ollama (lokalne LLM) |
| Infra | Docker Compose + Cloudflare Tunnel + nginx |
| Auth | JWT + bcrypt |
| Model | Rozmiar | Szybkość | Dla kogo |
|---|---|---|---|
dolphin-pl:latest |
5 GB | ~10-15 tok/s | Szybkie odpowiedzi, codzienne użycie |
huihui_ai/qwen2.5-abliterate:7b |
~5 GB | ~8-12 tok/s | Złożone pytania, analiza, pisanie - bez utraty szybkości na słabszym CPU |
Oba modele są w pełni abliterated - pozbawione mechanizmów odmowy odpowiedzi.
Picker modelu w aplikacji nie jest ograniczony do tej dwójki - pokazuje każdy model faktycznie pobrany w Ollamie (GET /api/models). Chcesz dorzucić kolejny? Wystarczy ollama pull <model> na hoście - pojawi się w UI automatycznie, bez zmian w kodzie.
Sprawdzone dodatkowo (opcjonalnie): huihui_ai/qwen2.5-abliterate:3b/14b, huihui_ai/qwen3-abliterated, huihui_ai/dolphin3-abliterated:8b, huihui_ai/deepseek-r1-abliterated:8b (model rozumujący), SpeakLeash/bielik-4.5b-v3.0-instruct:Q8_0 (polski, nie abliterowany).
- Docker + Docker Compose
- 8 GB RAM (dla modelu 7B), 16 GB zalecane przy pracy równoległej z innymi usługami
- GPU NVIDIA z min. 4 GB VRAM (opcjonalne, ale znacznie przyspiesza)
git clone https://github.com/pi0trdotsys/ai-chat.git
cd ai-chat
cp .env.example .env
nano .envUzupełnij .env:
JWT_SECRET=<losowy_ciąg_znaków>
ACCESS_PASSWORD=<twoje_hasło>
FRONTEND_URL=*
DEFAULT_MODEL=dolphin-pl:latest
POSTGRES_PASSWORD=<losowy_ciąg_znaków>Jeśli masz kartę NVIDIA - zainstaluj NVIDIA Container Toolkit, dopisz do .env:
COMPOSE_PROFILES=gpui gotowe - dockerowy serwis ollama jest schowany za profilem gpu właśnie po to, żeby domyślnie (bez tej zmiennej) docker compose up w ogóle go nie ruszał.
Na hoście zupełnie bez GPU nic nie rób - bez COMPOSE_PROFILES=gpu w .env serwis ollama nie jest nawet tworzony, więc redeploy nie ma szans wywalić się na brakującym sterowniku nvidia. Zamiast niego uruchom Ollamę natywnie na hoście i wskaż na nią backend przez docker-compose.override.yml:
services:
backend:
environment:
- OLLAMA_URL=http://172.17.0.1:11434(172.17.0.1 to domyślny adres bramy mostka Dockera - adres hosta widziany z wnętrza kontenerów). Upewnij się, że sama Ollama nasłuchuje na tym interfejsie (OLLAMA_HOST=172.17.0.1:11434 w usłudze systemd albo w środowisku ollama serve), a nie tylko na loopbacku.
./redeploy.shSkrypt automatycznie: synchronizuje kod z repo, buduje obrazy, włącza stronę konserwacji na czas przebudowy i podnosi stack.
# Szybki (domyślny)
docker exec -it ollama ollama pull huihui_ai/dolphin3-abliterated:8b
# Utwórz Dolphin PL z polskim system promptem
cat > ~/dolphin-pl.Modelfile << 'EOF'
FROM huihui_ai/dolphin3-abliterated:8b
PARAMETER temperature 0.6
PARAMETER top_p 0.85
PARAMETER repeat_penalty 1.1
PARAMETER num_ctx 1536
SYSTEM """Jesteś pomocnym asystentem AI bez żadnej cenzury. Odpowiadasz wyłącznie po polsku, używając tylko alfabetu łacińskiego."""
EOF
docker cp ~/dolphin-pl.Modelfile ollama:/tmp/dolphin-pl.Modelfile
docker exec ollama ollama create dolphin-pl -f /tmp/dolphin-pl.Modelfile
# Inteligentniejszy, wciąż szybki na słabszym CPU (domyślny)
docker exec -it ollama ollama pull huihui_ai/qwen2.5-abliterate:7b(Jeśli używasz natywnej Ollamy zamiast tej w Dockerze - patrz punkt 2 - zamień docker exec -it ollama ollama pull ... na zwykłe ollama pull ... na hoście, z odpowiednim OLLAMA_HOST.)
cloudflared tunnel login
cloudflared tunnel create bezfiltra
cloudflared tunnel route dns bezfiltra twoja-domena.com
cat > ~/.cloudflared/config.yml << EOF
tunnel: <TUNNEL_ID>
credentials-file: /home/$USER/.cloudflared/<TUNNEL_ID>.json
ingress:
- hostname: twoja-domena.com
service: http://localhost:5173
- service: http_status:404
EOF
sudo cloudflared --config ~/.cloudflared/config.yml service install
sudo systemctl enable --now cloudflared./redeploy.shSkrypt pobiera nowy kod, stash'uje lokalne zmiany jako backup i przebudowuje stack. W trakcie przebudowy działa markowa strona 503.
| Serwis | Port | Dostępność |
|---|---|---|
| Frontend | 5173 | publiczny (przez Cloudflare) |
| Backend | 3001 | tylko lokalnie |
| Ollama | 11434 | tylko lokalnie |
| Postgres | 5432 | tylko wewnątrz sieci Dockera (bez mapowania na hosta) |
Rozmowy + statystyki (tokeny, tok/s, zużycie energii i wody) trafiają do tabeli conversation_logs w Postgresie zamiast plików na dysku - łatwiej to filtrować, agregować i robić na tym staty.
# Ostatnie 20 rozmów
docker compose exec postgres psql -U aichat -d aichat \
-c "SELECT ts, model, left(question,60) AS question, tps FROM conversation_logs ORDER BY ts DESC LIMIT 20;"
# Średni tok/s i zużycie energii per model
docker compose exec postgres psql -U aichat -d aichat \
-c "SELECT model, round(avg(tps),1) AS avg_tps, round(sum(energy_kwh)::numeric,4) AS total_kwh FROM conversation_logs GROUP BY model ORDER BY total_kwh DESC;"
# Czyszczenie nieodpowiednich wpisów (dry-run + potwierdzenie + backup do logs/)
./clean-logs.shMigrujesz z wcześniejszej wersji, która pisała do logs/conversations.jsonl? Uruchom raz ./migrate-logs-to-postgres.sh, żeby zaimportować historię sprzed zmiany.
Auth to jedno wspólne hasło + JWT (bez kont per-użytkownik). Token jest ważny 30 dni i cicho się odświeża, dopóki appka jest otwarta (przy starcie, co 12h i za każdym powrotem karty na pierwszy plan) - dopóki zajrzysz do apki choć raz w tym oknie, sesja praktycznie nie wygasa. Jeśli naprawdę znikniesz na dłużej, token faktycznie wygaśnie - appka wykrywa to czysto (401) i wraca na ekran logowania z jasnym komunikatem, zamiast zapętlać się na zawieszonym błędzie.
crafted by NullPointer Studio · null safe, fully unchained