5.0
关注
AI SCORE
开源项目2025-11-11 00:44
ClickHouse 收购开源对话平台 LibreChat
Hacker News · clickhouse.com#ClickHouse#LibreChat#开源生态
Editor brief · 编辑速览
ClickHouse 收购 LibreChat 可能推动数据存储与 AI 应用的深度集成，改变开源 AI 应用的技术生态。
我们非常兴奋地宣布，ClickHouse 已收购 LibreChat——这是一款领先的开源 AI 聊天平台，提供与广泛 LLM 交互的统一界面，让用户和组织对自己的数据、agents 和对话拥有完全控制权。我们热烈欢迎 LibreChat 创始人 Danny Avila 以及 LibreChat 团队和社区加入 ClickHouse 家族。
LibreChat 成为我们 Agent-Facing Analytics 愿景中的一个核心组件，创造了一个真正开源的 Agentic Data Stack。通过结合 LibreChat 强大的用户体验和 AI agent 框架与 ClickHouse 大规模分析能力，构建分析 agents 来向代表用户运营的 agents 公开海量数据集从未如此简单。
通常在类似的公告中，用户引言往往被埋在文章的很深处。我们想换一种方式，先呈现原始的、未经过滤的用户反馈，然后再阐述我们的核心论点（你也可以直接跳到我们的投资论点）。
Shopify 是全球电子商务领导者，已在其整个运营中嵌入 AI，通过统一的内部平台为员工提供高级模型访问权限。利用开源 LibreChat 平台，Shopify 构建了诸如 RFP 助手等工具，它可以从公司数据中提取信息、评级响应置信度，并随时间改进。
LibreChat 在 Shopify 推动反思性 AI 使用。凭借近乎普遍的采用和数千个定制 agents，团队用它来解决实际问题、提高生产力并保持质量标准。通过连接超过 30 个内部 MCP servers，它使关键信息在整个公司范围内民主化。—— Shopify 高级工程师 Matt Burnett
Shopify 运行 librechat 的内部 fork，我们会合并大部分内容。我强烈建议其他公司为其内部 LLM 系统考虑这个项目。它对我们来说运行得非常好。https://t.co/ihExJyXY2i
cBioPortal for Cancer Genomics 提供大规模癌症基因组学数据集的可视化、分析和下载。cBioPortal 团队最近推出了基于聊天的 cBioAgent，允许用户用纯文本与基因组学数据集交互（示例交互）。
通过利用 ClickHouse、MCP 和 LibreChat 堆栈，我们快速为 cBioPortal 用户交付了一个原型，使他们能够提出完全新的关于癌症基因组学和治疗轨迹的问题、获得快速答案，并以现有 UI 不可能的方式探索数据。它让发现触手可及，就在癌症研究人员的指尖。—— cBioPortal 生物信息学软件工程经理 Ino de Bruijn
Fetch 是一款领先的移动奖励应用，允许用户通过扫描购物收据赚取积分，然后兑换礼品卡。Fetch 最近推出了 FAST：一款 AI 驱动的工具，将家庭购买行为转化为商业智能、洞察和媒体激活。通过为 FAST 门户运行定制 UX，这个用例很好地说明了面向用户的 agentic 分析。
我们在 ClickHouse 上构建了新产品 FAST by Fetch，以帮助用户立即发现洞察并推动高效激活。我们将 agentic 分析视为数据交互的未来，实现更直观、动态和有影响力的信息使用。凭借其无与伦比的速度和可扩展性，ClickHouse 很好地定位来为这一代新的 agentic 体验提供动力，我们很高兴能够加深合作关系。—— Fetch 机器学习总监 Sam Corzine
SecurityHQ 是一家全球托管安全服务提供商 (MSSP)，通过其全球安全运营中心提供 24/7 的威胁检测、响应和风险管理。
我们联系了 ClickHouse 来展示我们的用例，即使用 ClickHouse MCP 和 LibreChat 构建 Agentic AI，类似于 AgentHouse 提供的。在理解了用于 AgentHouse 的实现策略后，我们成功创建了一个强大的原型来实现我们想要的功能。ClickHouse cloud 和使用 MCP server 的 LibreChat 之间的集成无缝，使其成为我所见过的最好的甚至是最好的文本到 SQL 实现之一。现在 ClickHouse 和 LibreChat 联合在一起，将为我们构建 Agentic Analytics 的用例提供更加无缝的交互。期待 LibreHouse cloud 解决方案用于 agentic 分析。—— SecurityHQ 助理数据工程师 Nidharshanen Selliah
戴姆勒卡车（Daimler Truck）是世界上最大的商用车制造商之一，已在内部部署 LibreChat，为所有员工提供安全的聊天工具和数据 agents 访问权限。该系统在保护数据和满足合规标准的同时，使 AI 使用在整个公司民主化。他们发布了一个关于 LibreChat 设置的详细故事。
通过 LibreChat，戴姆勒卡车正在让现代 AI 的力量对所有员工可用。这使公司能够将创新和进步带入日常工作——简单、透明、安全，充满新的机遇。来源：https://www.daimlertruck.com/en/newsroom/stories/daimler-truck-makes-artificial-intelligence-accessible-to-all-employees-worldwide-with-librechat
想看看 ClickHouse 在你的数据上如何工作？在几分钟内开始使用 ClickHouse Cloud，并获得 300 美元的免费额度。
最后，我们也在 ClickHouse 数据仓库之上内部使用 LibreChat。我们部署了几个 agents，范围从产品分析到账单数据和支持案例分析。我们让你从下面的截图中猜测哪个是哪个。
在内部，我们也使用 LibreChat 进行数据分析，它现在处理超过 200 个用户的数据仓库查询的约 70%。生产力提升非常显著。最令我印象深刻的是 LibreChat 充满活力的社区，不断贡献和创新。ClickHouse Cloud 的闪电般快速的查询性能与 LibreChat 的灵活、多 LLM 架构之间的协同作用，解锁了新一代数据分析 agents——实时、安全、强大且易于访问。—— ClickHouse 工程总监 Dmitry Pavlov
现在，让我们深入探讨 Agentic Data Stack 背后的动机。
我们在 ClickHouse 对世界一流的速度和性能着迷。然而，传统分析工作流通常涉及数据工程师编写查询、分析师构建仪表板和业务用户解释结果之间的多个交接。每个步骤都在数据库的左右两侧引入延迟，通常以小时或天为单位。
通过 agentic 分析，这个时间线崩溃到秒或分钟。产品经理可以问"上周流失激增的原因是什么？"并立即不仅收到答案，还收到底层查询、探索、可视化，以及要探索的潜在下一个问题。
这与我们在 ClickHouse 的自身经验密切一致。今年早些时候，我们推出了第一个 agent Dwaine（Data Warehouse AI Natural Expert）：一个内部 agent，使我们的团队能够通过自然语言查询业务数据。从那时起，诸如"我们目前的收入是多少？"、"这个客户如何使用我们的产品？"、"客户遇到了哪些问题？"或"我们的网站流量和转化率是多少？"之类的问题正在获得接近即时的答案。
Dwaine 改变了我们的内部团队访问洞察的方式，消除了手写 SQL 查询和数据请求的瓶颈。在推出一个月后，ClickHouse 内部用户在 Dwaine 上生成了超过 1500 万个 LLM tokens。到 2025 年 10 月，这现在已经增长到每天 3300 万个 tokens。
Dwaine 前 3 个月 - 每天 Token 数量
如果你想亲身体验 agentic 分析的力量，尝试公共 AgentHouse 演示，它通过 Agentic Data Stack 公开可公开获得的数据集。
Agentic 开源生态目前以开发者工具和 SDK 为中心，这非常合理，因为开发者通常是新兴技术的最早采用者。这个空间的主要开源项目旨在赋能构建者创建、扩展和定制 agentic 系统，使用 SDK、框架、编排层和集成。这种开发者优先的焦点有助于在更广泛的消费者应用开始之前建立所需的基础生态和标准。
我们将 Agentic Data Stack 视为首批提议之一，一个可组合的软件堆栈，专注于更高级别的集成故事，允许用户快速开始并立即交付价值。ClickHouse 和 LibreChat 都共享相同的开源软件 DNA，联合在一起加强了我们对这个愿景的承诺：
这个被证明的方案与我们与 PeerDB 合作提供 ClickPipes CDC 能力以及 HyperDX（成为我们可观测性产品 ClickStack 的 UX）联合的方案相同。
我们认为，做开源的好管家不仅意味着维护代码，还意味着积极投资和增长依赖它的社区。
大语言模型在生产中可能很难使用。虽然用实时数据对响应进行基础处理通常有帮助，但 AI agents 对幻觉并非免疫：模型以高置信度生成不正确信息的情况。
我们在 ClickHouse 运行内部 agents 的经验教会了我们，最好的补救办法来自于为 LLM 提供最大和最准确的上下文。这可以通过使用 SQL COMMENT 语法注释表来实现，例如，或通过在聊天中内联提供更多上下文，或作为 LLM 会话的系统提示的一部分。
最后，强大的评估对生产中的 agentic 分析至关重要，因为它们将定性的 agent 行为转化为可量化的洞察，使团队能够衡量有效性、检测回归，并持续改进系统性能。
对于现有 LibreChat 部署： 没有任何变化。LibreChat 继续完全按照现在的方式工作，我们致力于继续投资它并确保社区蓬勃发展。
对于 ClickHouse 用户， 在接下来的几个月里，我们将发布定制的集成能力，使 LibreChat 成为 ClickHouse 体验的本地部分，而不牺牲其通用集成能力。把它想象成 LibreChat 中 agentic 分析的"happy path"。这将包括：
最后，对于 LibreChat Code Interpreter API 的用户（LibreChat 提供的付费服务，提供沙箱环境来执行代码）。我们计划发展这个产品并以其当前形式停止这个 API。我们理解改变可能需要时间来实现，为此，我们决定为这个过渡设定 6 个月的时间线（目标为 2026 年 5 月 1 日）。我们将直接与所有代码解释器用户联系以协调过渡。
对于 LibreChat 用户： 像往常一样继续使用 LibreChat，如果你还没有加入我们在 Discord 上的社区，请加入，与其他构建 agents 的用户联系。
对于 ClickHouse 用户： 你已经可以通过遵循我们的公共文档和视频中的用户指南来部署 Agentic Data Stack
对于其他人： 通过 AgentHouse 体验开源 Agentic Data Stack 的力量，让我们知道我们如何能帮助你成功！
如往常一样，ClickHouse 团队很荣幸能在你向 agentic 分析的旅程中与你合作。无论你今天是否正在使用 LibreChat，或是对构建分析 agents 感兴趣，请与我们联系！