LibreChat

LibreChat 是什么？

LibreChat 是一个可自托管的开源 AI 聊天与智能体平台。它把不同模型供应商、文件问答、工具调用和聊天记录管理整合到统一界面，适合希望自行掌握部署、模型选择与团队使用方式的人。它不是一个自带全部大模型能力的免费模型服务，也不是需要安装到电脑上的原生桌面客户端，而是通过浏览器使用的 Web 应用。

项目由 Danny Avila 创立，目前由 LibreChat 团队和社区维护。ClickHouse 于 2025 年 11 月宣布收购 LibreChat，并承诺维持 MIT 开源许可。原 danny-avila/LibreChat 仓库已转向 LibreChat-AI/LibreChat，查找代码、问题与版本时应使用现行仓库。

它能解决什么问题？

• 把模型集中到一个入口：支持多家云模型服务及兼容接口，也能配置本地模型端点。用户可以保留熟悉的聊天工作流，不必为了不同模型反复切换应用。
• 把聊天变成可复用工具：通过预设、智能体和共享提示词固定常见任务；结合文件搜索、MCP 或 API 工具，让助手获取与任务有关的资料。
• 更完整的交互方式：支持文件与多模态输入、Artifacts、代码执行等能力，但具体可用性取决于所选模型、服务和管理员配置，并非每个端点都支持全部功能。
• 适合团队统一部署：提供多用户认证和相关管理能力，便于建立公司内部 AI 入口。部署者仍需负责账户策略、数据隔离、更新与备份，不能把“自托管”理解成自动获得企业级安全。

典型应用场景

个人开发者可以用它比较不同模型的写作、编码和文档理解表现；研究或运营团队可以用共享智能体统一常见任务说明；企业技术团队则可把内部资料检索和受限业务工具接到同一个聊天入口。需要优先明确的是“哪些人能访问哪些数据、调用哪些工具”，而不是一开始就接入尽可能多的模型。

如何部署和使用？

1. 从官方仓库和快速开始文档选择发布版本，优先按 Docker 路线部署。官方 Compose 方案会协调 MongoDB、MeiliSearch 和 RAG API 等依赖。
2. 按文档复制并配置环境文件，设置模型供应商及必要密钥。不要把密钥写进公开仓库，也不要直接暴露默认开发环境。
3. 启动服务后进入本地 3080 端口，建立账户，完成一次最简单的聊天，再确认模型接口、日志和费用统计是否符合预期。
4. 加入自己的测试文件，检查文档回答、引用及模型兼容性；随后按实际需求添加 MCP、搜索或代码工具。
5. 团队上线前配置 HTTPS、访问控制、备份与升级流程，用普通成员账户验证数据范围和工具权限。

版本、成本与边界

官方在 2026 年 10 月 26 日发布 v0.8.9-rc1，涉及 Chat Projects、账户安全、部署主题与连接式编码工作流；这是候选版本，不能与稳定版混为一谈。重视稳定性的部署者应结合版本说明和测试结果选择，而不是直接追随开发分支。

MIT 许可覆盖项目代码，但模型 API、搜索服务、托管基础设施等可能单独计费。官方公共演示仅用于评估，不适合上传私密资料或需要长期保存的内容。通过外部供应商处理聊天和文件时，仍应遵守其数据与服务条款。模型生成的文字、代码和工具参数需要复核，尤其是连接真实业务数据或允许写入操作时。

与同类项目比较

推荐理由：LibreChat 的价值在于把“模型选择”和“使用界面”解耦。已经使用多个模型、又希望保留自己的聊天数据和部署控制权时，它比不断增加独立聊天客户端更值得系统评估。

官方入口：LibreChat 官网 · GitHub 源码 · 快速开始 · 部署与演示说明 · 版本记录 · ClickHouse 官方收购公告