LobeHub

Documentation Index

Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt

Use this file to discover all available pages before exploring further.

​

Von LobeChat zu LobeHub

LobeHub ist der Nachfolger von LobeChat, einem Open-Source-Projekt mit über 77.000 GitHub-Sternen. 2026 wurde das Projekt umbenannt und von lobehub/lobe-chat zu lobehub/lobehub migriert. Damit wandelt es sich von einem „Open-Source-ChatGPT-Client” zu einer vollwertigen Agent-Kollaborationsplattform. Die offizielle Beschreibung formuliert es als „ein Raum für Arbeit und Leben, in dem Sie Agent-Teamkollegen entdecken, aufbauen und mit ihnen zusammenarbeiten, die mit Ihnen wachsen”. In dieser neuen Produktvision ist der Agent kein bloßes Hilfswerkzeug mehr – er ist die kleinste Arbeitseinheit in LobeHub.

​

Drei Bereitstellungsvarianten

LobeHub wird in drei Bereitstellungsformen geliefert – von Einzelnutzern bis Enterprise-Teams. Die Cloud-Edition gewährt bei der Registrierung 450.000 kostenlose Compute-Credits. Kostenpflichtige Abos sind in Starter, Premium und Ultimate gestaffelt; zusätzliche Credits können optional erworben werden. Desktop- und Self-hosted-Editionen sind selbst kostenlos – die Inferenzkosten werden über die eigenen API-Schlüssel des Nutzers abgerechnet.

​

Kernfähigkeiten im 2026-Release

Das 2026er-Release von LobeHub ist längst über den klassischen Chat-Client hinausgewachsen. Die Funktionsmatrix umfasst nun:

• Multi-Provider-Modellzugriff: Native Unterstützung für 70+ Anbieter, darunter OpenAI, Anthropic, Google, DeepSeek, Moonshot, Zhipu, Alibaba, Volcano Engine und Ollama.
• Agent Groups: Vier Modi der Multi-Agent-Kollaboration – Sequential, Parallel, Iterative und Debate.
• MCP-Plugin-Marketplace: Aufbauend auf dem Model-Context-Protocol-Standard, mit über 10.000 mit einem Klick installierbaren Skills.
• Personal Memory: Transparenter, strukturierter Langzeitspeicher, der jederzeit einsehbar und editierbar ist.
• Heterogeneous Agent Runtime (in RFC-153 eingeführt, mit der v2.1-Linie ausgeliefert): Externe CLI-Agenten wie Claude Code und Codex direkt in LobeHub-Workflows einbinden.
• Wissensdatenbank / RAG: Eine Vektor-Retrieval-Engine auf Basis von PostgreSQL + pgvector mit automatischer Chunking- und Embedding-Verarbeitung für PDF, Markdown, Word und weitere Formate.

Zusammen ergeben diese Fähigkeiten eine klare Verschiebung: LobeHub hat sich von einem „ChatGPT-Web-Ersatz” zu einem vereinheitlichten Agent-Workbench, der Modelle vieler Anbieter konsolidiert, entwickelt. Stabilität und Komfort der zugrunde liegenden Modellversorgung werden damit zum entscheidenden Faktor im Alltag.

---

​

AIHubMix-Schlüssel konfigurieren

AIHubMix bietet einen einheitlichen, OpenAI-kompatiblen Endpoint, mit dem ein einziger API-Schlüssel Zugriff auf GPT-5.5 / GPT-5.4, Claude Opus 4.7 / Sonnet 4.6, Gemini, DeepSeek V4 Flash, Kimi und andere gängige Modelle ermöglicht. Im Vergleich zum Self-Hosting von one-api oder dem Aufbau eines Cloudflare-Workers-Reverse-Proxies entfällt mit AIHubMix der Betriebsaufwand für Server-Wartung, Modell-Mapping und Rate-Limit-Policies.

​

Voraussetzungen

• Ein AIHubMix-Konto
• Ein gültiger API-Schlüssel (aus der Konsole erstellen)

---

​

Option 1: Web-App

​

Schritt 1 — Modellanbieter-Einstellungen öffnen

Besuchen Sie app.lobehub.com, klicken Sie unten links auf Ihren Avatar und gehen Sie zu Settings → Model Provider. Suchen Sie in der Liste AIHubMix und öffnen Sie es. <Frame>  </Frame>

​

Schritt 2 — API-Schlüssel eingeben

Fügen Sie Ihren AIHubMix-API-Schlüssel in das Feld API Key ein und klicken Sie rechts auf Check, um die Verbindung zu prüfen. Eine grüne Statusanzeige bestätigt die erfolgreiche Konfiguration.

​

Schritt 3 — Anbieter aktivieren und Modell auswählen

Aktivieren Sie oben auf der Seite den Anbieter-Schalter, um AIHubMix zu aktivieren. Wechseln Sie zurück zur Chat-Ansicht, öffnen Sie den Modell-Selektor und wählen Sie ein Modell aus der Gruppe AIHubMix, um eine Konversation zu starten.

---

​

Option 2: Desktop-Client

​

Herunterladen und Installieren

Laden Sie den passenden Build von lobehub.com/downloads:

Der Desktop-Client befindet sich derzeit in der öffentlichen Beta und bietet Funktionsparität mit der Web-App.

​

Konfiguration

Nach der Installation ist der Konfigurationsablauf identisch mit der Web-App:

1. Klicken Sie auf Ihren Avatar → Settings → Model Provider
2. Suchen Sie AIHubMix und fügen Sie Ihren API-Schlüssel ein
3. Aktivieren Sie den Anbieter-Schalter und kehren Sie zur Chat-Ansicht zurück, um ein Modell zu wählen

---

​

Praxis-Workflow-Szenarien

​

Szenario 1 — Alltagskonversation und Texterstellung

Empfohlene Modell-Kombination: GPT-5.5 (Allzweck) + Claude Sonnet 4.6 (Langtext). Wählen Sie aus dem Marketplace einen schreiborientierten Agent – z. B. einen Senior Prompt Architect oder einen Brand-Content-Assistenten – hängen Sie Produktunterlagen und Referenzdokumente an dessen Wissensdatenbank und erstellen Sie Briefings, E-Mails und Posts in großen Mengen. Für lange chinesische Texte bietet Claude Sonnet 4.6 ein deutlich besseres Kosten-/Qualitätsverhältnis als Opus 4.7 und sollte das Standardmodell für längere Inhalte sein.

​

Szenario 2 — Code- und Engineering-Aufgaben

Empfohlene Modell-Kombination: Claude Opus 4.7 (bevorzugt) + GPT-5.5. Mit dem LobeHub Agent Builder können Sie den System-Prompt und das MCP-Tool-Set für einen dedizierten Coding-Agent anpassen. Mit angehängtem GitHub-MCP-Plugin kann der Agent Repository-Code lesen, Pull-Request-Beschreibungen entwerfen und direkt bei Code-Reviews helfen. Ein fortgeschrittenes Muster ist der Iterative-Modus in Agent Groups: Claude Opus 4.7 erstellt eine erste Implementierung, GPT-5.5 reviewt und schlägt Änderungen vor, Opus 4.7 iteriert erneut. Da beide Modelle über denselben AIHubMix-Endpoint bedient werden, läuft die gesamte Schleife innerhalb einer einzigen Konversation – ohne Anbieterwechsel.

​

Szenario 3 — Recherche langer Dokumente und Wissensdatenbank-Q&A

Empfohlene Modell-Kombination: Gemini 2.5 Pro (langer Kontext) + Kimi (2M-Token-Kontext) + DeepSeek V4 Flash (kosteneffizient). In der Self-hosted-Datenbank-Edition von LobeHub liefert die Wissensdatenbank über pgvector eine vollständige RAG-Pipeline: Dokumente hochladen → automatisches Chunking → Vektor-Embedding → retrieval-augmented Generation. Konfigurieren Sie sowohl das Embedding-Modell (z. B. text-embedding-3-large) als auch das Chat-Modell über AIHubMix – die gesamte Pipeline läuft unter einem einzigen Schlüssel, ohne anbieterübergreifende Kontoverwaltung.

​

Szenario 4 — Multi-Agent-Kollaboration

Agent Groups ist die Vorzeigefunktion des 2026er-Releases und bietet vier Kollaborationsmodi:

• Sequential: Research-Agent → Analyse-Agent → Schreib-Agent. Ideal für lineare Workflows mit klaren Übergaben.
• Parallel: Mehrere Agents bearbeiten unabhängige Teilaufgaben gleichzeitig.
• Iterative: Autor und Editor tauschen Überarbeitungen aus; ideal für Output, der Politur benötigt.
• Debate: Mehrere Agents diskutieren unterschiedliche Positionen; ein Moderator fasst das Endergebnis zusammen.

Praxisbeispiel: Stellen Sie ein Wettbewerbsanalyse-Team auf, mit Gemini 2.5 Pro als Researcher, Claude Opus 4.7 als Kritiker und GPT-5.5 als Synthesizer. Im Sequential-Modus arbeiten die drei der Reihe nach und liefern einen ausgewogenen Bericht mit unterstützenden und gegensätzlichen Perspektiven.

---

​

LobeHub vs. Claude Code vs. Codex

​

So unterscheiden sich die drei

LobeHub, Claude Code und Codex werden 2026 oft gemeinsam genannt, gehören aber zu unterschiedlichen Produktkategorien:

• LobeHub: Eine grafische Multi-Agent-Kollaborationsplattform für allgemeine Workflows.
• Claude Code: Anthropics offizielles Kommandozeilen-Tool mit Fokus auf Coding und Terminal-Aufgaben.
• Codex: OpenAIs Coding-Agent mit Fokus auf Coding-Aufgaben.

Streng genommen ist „LobeHub vs. Claude Code” kein direkter Vergleich – es handelt sich eher um ein Verhältnis von „Plattform vs. Tool”.

​

Direkter Vergleich

​

Wann LobeHub wählen

LobeHub passt besser, wenn:

• Ihr Team aus Engineers und Nicht-Engineers besteht.
• Sie häufig zwischen Anbietern wechseln (GPT / Claude / Gemini).
• Sie eine Wissensdatenbank und Langzeitspeicher benötigen.
• Sie Multi-Agent-Orchestrierung mit visualisierter Konversationshistorie wünschen.

​

Wann Claude Code oder Codex wählen

Ein CLI-Tool passt besser, wenn:

• Ihre Arbeit hauptsächlich aus intensiven Coding-Workflows mit direktem Repository- und Terminalzugriff besteht.
• Sie Kommandozeilen-Schnittstellen bevorzugen und Kontextwechsel minimieren möchten.
• Sie eine Bindung an einen einzelnen Modellanbieter akzeptieren.

​

Drei kombinieren: Heterogeneous Agents

Die in RFC-153 eingeführte Heterogeneous Agent Runtime erlaubt das Einbinden externer CLI-Agents wie Claude Code und Codex in LobeHub-Workflows. Die Aufgabenverteilung ist klar:

• LobeHub kümmert sich um Konversationszustand, Memory und Agent-Orchestrierung.
• Claude Code / Codex übernehmen die lokale Ausführung (File-I/O, Befehlsausführung).
• Der Nutzer steuert CLI-Agents direkt aus dem LobeHub-Chat-Fenster, ohne die GUI zu verlassen.

Der praktische Vorteil ist der Wegfall des ständigen Kontextwechsels zwischen GUI und CLI. Werden die zugrunde liegenden Modelle von Claude Code und Codex über AIHubMix geroutet, läuft das gesamte Setup unter einem API-Schlüssel mit einheitlicher Authentifizierung und Abrechnung – ideal, um beide CLIs auf identischen Aufgaben zu vergleichen.

---

​

Häufig gestellte Fragen

F1. Sollte die Base URL mit /v1 enden? LobeHub hängt das Pfadsegment automatisch an. https://aihubmix.com/v1 funktioniert in der Regel direkt; falls Sie einen 404 oder eine leere Antwort erhalten, wechseln Sie auf https://aihubmix.com und versuchen es erneut. Verwenden Sie den Button Check neben der Modellliste, um die Verbindung zu prüfen. F2. Die Modellliste zeigt Claude Opus 4.7 oder andere neu veröffentlichte Modelle nicht. Der integrierte Modellkatalog von LobeHub hinkt Upstream-Releases leicht hinterher. Es gibt zwei Möglichkeiten, ein Modell manuell hinzuzufügen:

• In der Custom Provider-Konfiguration die Modell-ID an das Feld Model List anhängen.
• Stellen Sie sicher, dass das Modell in der AIHubMix-Konsole aktiviert ist, kopieren Sie die offizielle Modell-ID und fügen Sie sie in LobeHub ein.

F3. Antworten sind stets leer oder das Streaming bricht mitten in der Ausgabe ab. Diagnostizieren Sie in folgender Reihenfolge:

1. Prüfen Sie das /v1-Suffix der Base URL.
2. Prüfen Sie, ob die Stream-Option deaktiviert wurde.
3. Stellen Sie sicher, dass Ihr lokales Netzwerk SSE (Server-Sent Events) nicht blockiert.
4. Sehen Sie sich das Request-Log in der AIHubMix-Konsole an, um zu bestätigen, dass die Requests beim Gateway ankommen.

F4. 502 Bad Gateway.

• Self-hosted: Prüfen Sie die Gesundheit des PostgreSQL- und des LobeHub-Containers. Verifizieren Sie DATABASE_URL, die NextAuth-Domain-Allowlist und die S3-CORS-Konfiguration.
• Cloud oder Desktop: Meist ein vorübergehendes Netzwerkproblem – ein paar Minuten warten oder das Netzwerk wechseln und erneut versuchen.

F5. Kann ich Claude Code und Codex über LobeHub steuern, nachdem ich AIHubMix konfiguriert habe? Zwei Voraussetzungen müssen erfüllt sein:

1. LobeHub-Version ≥ v2.1.56.
2. Claude-Code-CLI oder Codex-CLI ist lokal installiert.

Sind diese erfüllt, aktivieren Sie das Heterogeneous-Agent-Feature in LobeHub und richten Sie auch ANTHROPIC_BASE_URL und OPENAI_BASE_URL der CLI-Tools auf AIHubMix. Authentifizierung und Abrechnung werden dann unter demselben Schlüssel vereinheitlicht.

---

LobeHub liefert die Agent-Workbench; AIHubMix liefert die einheitliche Modellversorgung. Zusammen bieten sie eine einzige grafische Oberfläche, einen einzigen API-Schlüssel und eine einzige Konfiguration für den Zugriff auf GPT-5.5, Claude Opus 4.7, Gemini, DeepSeek V4 Flash und weitere führende 2026-Modelle – darauf aufbauend ermöglichen Agent Groups, Wissensdatenbanken, MCP und die Heterogeneous Agent Runtime die Komposition individueller oder team-basierter KI-Workflows. Empfohlener Onboarding-Pfad für neue LobeHub-Nutzer:

1. Registrieren Sie sich bei AIHubMix und erstellen Sie einen Test-Schlüssel.
2. Verwenden Sie den Desktop-Client und folgen Sie Option 2 für die minimal-funktionierende Konfiguration, um den vollen Funktionsumfang zu erkunden.
3. Entscheiden Sie auf Basis Ihrer Nutzungsfrequenz und Teamgröße, ob Sie auf die Self-hosted-Datenbank-Edition upgraden.

Verwandte Ressourcen

• Offizielle LobeHub-Website
• LobeHub auf GitHub
• LobeHub-Downloads
• LobeHub-Preise
• Offizielle AIHubMix-Website

Zuletzt aktualisiert: 13. Mai 2026

---

Einige Übersetzungshinweise zur Überprüfung:

• Anbieteranzahl: Original schrieb „40+”; aktualisiert auf 70+ gemäß aktueller LobeHub-Homepage und offizieller Doku.
• Heterogeneous Agent: Mit RFC-153 und der v2.1-Linie verankert, um Auffindbarkeit und Glaubwürdigkeit zu erhöhen.
• Markenschreibweise: Jede Stelle auf AIHubMix vereinheitlicht (die Quelle hatte zwei verbliebene „AiHubMix”-Vorkommen in den Abschnitten „Voraussetzungen” und „Schritt 3”).
• Hervorgehobene SEO-Keywords: „AIHubMix in LobeHub konfigurieren”, „OpenAI-kompatibler Endpoint”, „Multi-Agent-Kollaborationsplattform”, „Heterogeneous Agent Runtime”, „MCP-Plugin-Marketplace”, „pgvector RAG” – alles sinnvolle Suchanfragen aus dem LobeHub + AIHubMix-Publikum.

Verwendete Quellen zur Verifikation von Terminologie und Fakten:

• LobeHub — Agent teammates that grow with you
• lobehub/lobehub on GitHub
• Agent Groups · LobeHub Docs
• RFC-153 — Heterogeneous Agent Runtime
• LobeHub Changelog
• LobeHub Pricing
• AIHubMix — One Interface, Router All LLMs
• AIHubMix Documentation Hub