LobeChat

LobeChat 是一款开源现代化 AI 对话工作站，由 LobeHub 团队开发，采用 Apache 2.0 开源协议。

它的核心设计理念是”让每个人都能轻松构建自己的 AI 工作台”——通过一个精美的 Web 应用（同时也支持桌面端封装），聚合几乎所有主流大模型服务商，并让用户以可视化方式创建、调试、分享智能体（Agents）。LobeChat 在 GitHub 上获得极高关注度，是全球范围内最受欢迎的开源 AI 聊天应用与智能体工作台之一，与 ChatGPT Web、LibreChat 等并列开源 AI 前端第一梯队。

 

产品概述

LobeChat 官方定位：”Modern AI Chat Framework”——现代化 AI 聊天框架。它区别于纯 API 转发客户端（如 NextChat），定位为”开箱即用但完全自主”的 AI 操作系统：普通用户通过云端版立即使用；技术团队通过 Docker 一条命令自托管，获得对企业数据和用户管理的完全控制；开发者可基于 LobeChat 的框架二次开发，构建自定义的 AI 应用。LobeChat 提供桌面端（Windows/macOS/Linux）、Docker 自托管和 SaaS 云三种部署形态，共享同一套代码库。

 

核心能力

· 多模型聚合：支持 OpenAI、Anthropic Claude、Google Gemini、Grok、DeepSeek、Qwen、Mistral、Zhipu、MiniMax 等主流服务商，用户可在对话中随时切换模型；支持通过 Ollama 接入本地模型

· 智能体(Agents)可视化编排：

• 可视化创建智能体，配置人设、提示词、绑定模型与工具
• 支持智能体间协作与多智能体编排
• 智能体市场可发现、安装、分享社区智能体

· 知识库与 RAG：支持文件上传构建知识库，对话时基于用户私有文档做检索增强生成（RAG）

· 插件系统：

• 内置插件市场，包含 Web Browsing、Search、Chart、Weather、PDF 解析等常用插件
• 支持自定义插件开发，通过 JavaScript/TypeScript 编写
• 通过 MCP 协议接入外部工具与数据源

· 多模态能力：

• 视觉识别：支持多模态模型识别图片、文档
• TTS 语音合成：支持多种语音合成服务商，AI 回复可朗读
• ASR 语音识别：支持语音输入转文字

· 文件处理：支持拖拽上传文件，多模态模型可直接解析；支持文件批量处理

· 跨平台与同步：

• 支持 Windows、macOS、Linux 桌面端
• 移动端适配完善，手机浏览器访问体验佳
• 通过 WebDAV 实现配置、话题、智能体的跨设备同步

· 部署灵活：

• 桌面端：下载安装包直接使用
• Docker 自托管：docker run 一条命令启动
• SaaS 云：访问云端版立即使用

 

优势亮点

· Apache 2.0 开源：代码完全开放，可自由部署、修改、分发，无供应商锁定

· 精美的用户体验：UI/UX 设计业内领先，动画流畅，被誉为”开源 ChatGPT 替代品中最漂亮的一个”

· 智能体可视化编排：以可视化方式创建和调试智能体，降低 Agent 开发门槛，非技术用户也能构建专属 AI 助手

· 模型与服务中立：不绑定任何模型厂商，用户按任务自由切换；本地模型(Ollama)支持完善

· 插件生态活跃：内置插件市场覆盖常用场景，自定义插件机制灵活，MCP 协议支持扩展无边

· 全平台部署：桌面端、Docker、SaaS 云三形态统一，用户可在不同阶段无缝迁移

· 多模态原生支持：视觉识别、TTS、ASR 多模态能力开箱即用

· 活跃的社区生态：GitHub 高 Star 数，社区持续贡献插件、智能体、部署模板

 

短板

· 智能体编排深度有限：相比专业的 Agent 框架（如 LangGraph、CrewAI），LobeChat 的 Agent 能力偏”工具调用与 RAG 增强”，缺乏复杂的图状态编排、多智能体协商、持久执行等高级特性

· 企业级治理能力缺失：定位为个人/小团队 AI 工作台，无 SSO、RBAC、审计日志等企业级治理能力，难以直接满足大型企业的 IT 合规要求

· 知识库规模受限：本地知识库的文档规模与检索性能受限于部署环境算力，大规模企业知识库场景需配合外部向量数据库

· 闭源 SaaS 版的透明度：虽然核心代码开源，但官方 SaaS 云的托管架构与模型路由策略未完全公开

· 国内生态适配一般：主力生态在海外，国内用户常用的钉钉、飞书、企业微信、百度网盘等连接器不如本土平台丰富

 

适用场景

· 个人用户：希望在一个优雅的界面里使用所有主流大模型，避免频繁切换网页

· 开发者：需要对比不同模型表现、管理多组提示词、构建和调试智能体

· 隐私敏感用户：通过 Docker 自托管，数据完全留在本地/自有服务器

· 智能体爱好者：利用可视化智能体编排构建专属 AI 助手，并在社区市场分享

· 小团队：通过自托管 LobeChat 为团队提供统一的 AI 工作台入口

· AI 应用开发者：基于 LobeChat 框架二次开发，构建垂直领域 AI 应用

LobeChat 官方定位：”Modern AI Chat Framework”——用现代化的框架设计，让 AI 聊天与智能体编排变得简单而美好。

 

开通与使用

 

桌面端（最快上手）：

1. 访问 https://lobechat.com/ ，下载 Windows/macOS/Linux 桌面客户端
2. 首次启动后，在设置中配置 LLM 提供商 API Key（如 OpenAI、Anthropic、Google 等）
3. 如需本地模型，配置 Ollama 地址，启用本地模型
4. 开始对话，随时切换底层模型

 

Docker 自托管（团队部署）：

# 一键启动
docker run -d \
  -p 3210:3210 \
  -v ./lobe-data:/app/data \
  lobehub/lobe-chat
# 访问 http://localhost:3210 完成初始化配置

 

SaaS 云版：

访问 https://lobechat.com/ ，注册账号立即使用

 

进阶用法：

· 构建智能体：可视化配置人设、提示词、绑定模型与工具，保存到智能体市场

· 安装插件：从插件市场安装 Web Browsing、Search、Chart 等常用插件；或通过 MCP 协议接入外部工具

· 构建知识库：上传文件建立私有知识库，对话时基于文档做 RAG 检索

· 启用多模态：配置 TTS 服务商实现语音朗读；启用 ASR 实现语音输入；多模态模型直接识别图片

· 跨设备同步：配置 WebDAV 实现配置、话题、智能体的跨设备同步

· 企业部署：Docker 自托管 + 反向代理 + 域名绑定，为团队提供统一 AI 工作台入口

个人用户建议从桌面端起步，零成本、体验佳；技术团队建议 Docker 自托管，获得数据自主权；需要最强模型能力时，配置云端服务商 API Key，与本地 Ollama 模型混合使用，兼顾能力与隐私。