LobeChat 开源项目深度评测：多模型支持和部署方案

我偶然发现了它。一位中国开发者朋友提到“这个在中国人人都用的聊天工具”，我原以为它不过是又一个 ChatGPT 套壳。结果，我发现这是一个拥有 60,000 个 GitHub Star 的项目，而我此前从未在 Dev.to、Hacker News 或 Reddit 上看到有人提起它。一次都没有。

这个项目就是 LobeChat。在亲自部署，并将它与 ChatGPT、LibreChat 以及其他几款工具逐一对比后，我认为它值得一篇真正面向英文读者的评测。

LobeChat 是什么？

LobeChat 是一款面向大语言模型的开源聊天界面，由中国的 LobeHub 团队开发。你可以把它理解为一个私有的 ChatGPT UI——区别在于，一切都由你掌控：使用哪些模型、数据存储在哪里，以及界面如何运作。

其底层技术栈为 Next.js 14 + Ant Design，通过 Server-Sent Events 实现流式传输，并被打包在单个 Docker 容器中。

核心卖点：为什么你会需要它

支持多个 Provider，而不只是 OpenAI

这是 LobeChat 的杀手级功能。它不会将你绑定在某一个模型上。你可以配置：

• OpenAI（GPT-4、GPT-4o）
• Anthropic（Claude 3.5 Sonnet、Claude Fable）
• Google Gemini（Gemini 1.5 Pro）
• DeepSeek（R1、V3）
• Ollama（Llama、Mistral、Qwen——在你自己的硬件上运行本地模型）
• Azure、Bedrock、Groq、Perplexity，以及另外 10 多个 Provider

更关键的是：你可以在对话进行到一半时切换模型。只需几秒，就能用同一个 prompt 对比 GPT-4 和 Claude 的回答：

Click provider icon → Select different model → Retry query

不需要重新开始，也不需要刷新页面。每个对话都会记住自己使用的 Provider。

Self-Hosted：你的数据，你做主

docker run -d -p 3210:3210 \ -e OPENAI_API_KEY=sk-xxx \ -e ACCESS_CODE=your-password \ --name lobe-chat \ lobehub/lobe-chat:latest

就这么简单。从零开始，只需十分钟，你就能在自己的基础设施上运行一个功能完整的 ChatGPT 替代方案。如果你的公司有数据驻留要求，那么这一项是 ChatGPT 无法勾选的复选框。

对于团队使用场景，LobeChat 还提供了基于 Docker Compose 的部署方案，搭配 PostgreSQL 实现持久化对话历史记录和多用户访问控制。

具备真正实用能力的插件系统

LobeChat 采用基于 manifest 的插件架构。插件通过 manifest.json 声明自己的能力，并在沙箱化的 iframe 中运行。目前，其插件市场大约有 50 款插件，覆盖：

• Web 搜索（Google、Bing、SearXNG）
• Code interpreter（执行 Python、JS、SQL）
• 图片生成（DALL-E、Stable Diffusion）
• 天气、新闻和日历集成
• MCP（Model Context Protocol）支持——可从 MCP marketplace 一键安装

编写自定义插件也很直接：定义 manifest、实现 API 调用，聊天 UI 就会将其渲染成交互式工具。如果你使用过 OpenAI function calling，这套思维模型几乎可以直接迁移过来。

PWA：像原生应用一样安装

LobeChat 本身就是一个 Progressive Web App。在移动端，点击“Add to Home Screen”，它就能像原生聊天应用一样工作——支持离线使用、推送通知以及完整的键盘快捷键。在桌面端，LobeChat 的 PWA 体验与 ChatGPT 桌面应用几乎没有区别，只是少了 Electron 带来的臃肿。

PWA：像原生应用一样安装

LobeChat 本身就是一个 Progressive Web App。在移动端，点击“Add to Home Screen”，它就能像原生聊天应用一样工作——支持离线使用、推送通知以及完整的键盘快捷键。在桌面端，LobeChat 的 PWA 体验与 ChatGPT 桌面应用几乎没有区别，只是少了 Electron 带来的臃肿。

设计真的很出色

开源工具往往一眼就能看出“开源工具”的样子，但 LobeChat 不是。它的 UI 打磨得非常精致，支持自定义主题（Dark mode 尤其出色）、响应式布局，而且聊天体验始终能达到、甚至超过 ChatGPT 自身界面的水准。

设计真的很出色

开源工具往往一眼就能看出“开源工具”的样子，但 LobeChat 不是。它的 UI 打磨得非常精致，支持自定义主题（Dark mode 尤其出色）、响应式布局，而且聊天体验始终能达到、甚至超过 ChatGPT 自身界面的水准。

由于基于 Ant Design 构建，它继承了一套成熟的设计系统，组件行为和无障碍体验都很一致。这个团队显然有着很强的设计品位——这并不令人意外，因为维护流行 React 组件库 Lobe UI 的也是同一个团队。

对比：LobeChat 与其他产品

坦诚地说，取舍在于：LibreChat 内置了 RAG，也就是支持上传文档并通过向量搜索进行检索。LobeChat 则通过插件实现知识库功能。如果上传 PDF 并对其提问是你的主要使用场景，那么目前 LibreChat 可能更适合你。至于其他方面——UI 质量、Provider 灵活性、插件生态和移动端体验——LobeChat 更胜一筹。

为什么你从未听说过它？

这是最有意思的部分。LobeChat 拥有 60,000 个 GitHub Star、活跃的社区和成熟精致的产品。然而，用英文搜索“LobeChat review”，几乎找不到任何内容。

原因很简单：语言壁垒和社区隔离。

LobeChat 的文档、社区和贡献者主要使用中文。GitHub README 同时提供英文版和中文版，但相关讨论大多发生在中文论坛。英文 AI 社区只是还没有发现它。

这种模式并非个例。另一个来自中国的开源项目 Dify（LLM 应用构建工具）也走过同样的轨迹——先在中国爆发式增长，在英语圈几乎无人知晓，之后才逐渐被国际用户采用。

对于愿意跨越语言壁垒的开发者来说，这是一种信息套利机会：当大多数英语开发者还在评估那些半成品替代方案时，你已经可以使用一款经过庞大用户群实战检验的工具。

局限：LobeChat 的不足之处

说点实话。

没有内置 RAG

如果不安装插件，你无法上传 PDF 并针对其内容提问。路线图中提到了原生 RAG，但现阶段仍然需要额外配置。

插件生态尚不成熟

社区插件约有 50 款，而 ChatGPT 有数千款。构建自定义插件需要理解 manifest schema，不过相关文档写得很完善。

免费 API 套餐存在速率限制

如果你使用的是免费套餐的 API key（例如 OpenAI trial credits），LobeChat 本身不会额外添加 rate limiting，但你的 Provider 会进行限制。

默认设置偏向中文用户

全新安装后，部分设置默认使用中文。在 Settings → Language 中一分钟就能改好，但这一点仍值得说明。

谁适合使用 LobeChat？

最后的结论

LobeChat 并不是“中文版 ChatGPT”。它更像是：“如果 ChatGPT 是开源的、不绑定任何 Provider，并且专为掌控自身基础设施的人设计，它本可以成为的样子。”

GitHub 上的 60,000 个 Star 并非炒作。它反映的是一款真实的产品，正在为庞大的用户群解决真实的问题。它之所以尚未进入英语开发者的视野，唯一的原因是曝光度，而不是质量。

如果你一直在寻找一款 Self-Hosted 的 AI 聊天界面，同时又不希望 UI 体验比 ChatGPT 降级，那么今晚就部署 LobeChat。你无需支付任何费用，只需要一个 Docker 容器，以及一个你很可能已经拥有的 API key。

如需采取进一步措施，你可以考虑屏蔽此人和／或举报滥用行为。