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.
從 LobeChat 到 LobeHub
LobeHub 是 LobeChat 的後繼者,該開源專案已累積超過 77,000 個 GitHub 星標。專案在 2026 年改名並從lobehub/lobe-chat 遷移至 lobehub/lobehub,將定位從「開源 ChatGPT 用戶端」重塑為完整的 Agent 協作平台。官方描述將其定義為「一個工作與生活的空間,在這裡您發現、建構並與會與您共同成長的 Agent 夥伴協作」。在這個新的產品敘事下,Agent 不再是輔助工具 — 而是 LobeHub 中工作的最小單位。
三種部署模式
LobeHub 提供三種部署模式,涵蓋從個人使用者到企業團隊的所有情境。| 模式 | 入口 | 資料儲存 | 適合對象 |
|---|---|---|---|
| LobeHub Cloud | lobehub.com | 託管雲端 | 零設定試用,附訂閱額度 |
| 桌面用戶端 | lobehub.com/downloads | 本機 | 離線存取;原生 macOS / Windows 整合 |
| 自架(Docker / Vercel / Zeabur) | GitHub 儲存庫 | 您自己的資料庫 | 私有部署、團隊工作區、深度自訂 |
2026 版核心能力
2026 版的 LobeHub 早已不只是傳統聊天用戶端。其能力矩陣現在包含:- 多供應商模型存取:原生支援 70+ 供應商,包含 OpenAI、Anthropic、Google、DeepSeek、Moonshot、智譜、阿里、火山引擎與 Ollama。
- Agent Groups:四種多 Agent 協作模式 — Sequential、Parallel、Iterative 與 Debate。
- MCP 外掛市集:建構於 Model Context Protocol 標準之上,已列出超過 10,000 個一鍵安裝的技能。
- 個人記憶:透明、結構化的長期記憶,使用者可隨時檢視與編輯。
- 異質 Agent 執行環境(RFC-153 中提出,於 v2.1 系列推出):直接在 LobeHub 工作流程中掛載 Claude Code、Codex 等外部 CLI 代理。
- 知識庫 / RAG:由 PostgreSQL + pgvector 支援的向量檢索引擎,可自動為 PDF、Markdown、Word 等格式進行切塊與向量嵌入。
設定 AIHubMix Key
AIHubMix 提供統一的 OpenAI 相容端點,讓單一 API key 可存取 GPT-5.5 / GPT-5.4、Claude Opus 4.7 / Sonnet 4.6、Gemini、DeepSeek V4 Flash、Kimi 等主流模型。相比自架 one-api 或建構 Cloudflare Workers 反向 proxy,AIHubMix 移除了伺服器維護、模型對應與速率限制策略的營運負擔。前置需求
選項 1:Web 應用程式
步驟 1 — 開啟模型供應商設定
造訪 app.lobehub.com,點擊左下角的頭像,並導覽至 Settings → Model Provider。在清單中找到 AIHubMix 並開啟。 <Frame>  </Frame>步驟 2 — 輸入您的 API Key
將您的 AIHubMix API key 貼入 API Key 欄位,並點擊右側的 Check 驗證連線。綠色狀態指示器代表設定成功。步驟 3 — 啟用供應商並選擇模型
切換頁面頂部的供應商開關以啟用 AIHubMix。回到聊天視窗,開啟模型選擇器,從 AIHubMix 群組中選擇模型即可開始對話。選項 2:桌面用戶端
下載與安裝
從 lobehub.com/downloads 下載適合的版本:| 作業系統 | 備註 |
|---|---|
| macOS | Apple Silicon 與 Intel 通用版本 |
| Windows | x64 版本 |
桌面用戶端目前處於公開測試階段,功能與 Web 應用程式相同。
設定
安裝完成後,設定流程與 Web 應用程式相同:- 點擊頭像 → Settings → Model Provider
- 找到 AIHubMix 並貼上您的 API key
- 啟用供應商開關,回到聊天視窗選擇模型
實際工作流程情境
情境 1 — 日常對話與文案
建議的模型組合:GPT-5.5(通用)+ Claude Sonnet 4.6(長篇)。 從市集中挑選一個寫作導向的 Agent — 例如資深 Prompt 架構師或品牌內容助理 — 將您的產品素材與參考文件附加到其知識庫,即可批次產出簡報、電子郵件與貼文。對於長篇中文寫作,Claude Sonnet 4.6 的性價比明顯優於 Opus 4.7,應作為長篇輸出的預設模型。情境 2 — 程式碼與工程任務
建議的模型組合:Claude Opus 4.7(首選)+ GPT-5.5。 LobeHub Agent Builder 讓您能為專屬的程式設計 Agent 自訂系統提示與 MCP 工具集。附加 GitHub MCP 外掛後,Agent 即可讀取儲存庫程式碼、撰寫 pull request 描述,並直接協助程式碼審查。 進階模式是 Agent Groups 中的 Iterative 模式:Claude Opus 4.7 產出初步實作,GPT-5.5 審查並提出修訂建議,Opus 4.7 再進行迭代。由於兩個模型都透過同一個 AIHubMix 端點提供服務,整個迴圈會在單一對話中執行,無需切換供應商。情境 3 — 長文件研究與知識庫問答
建議的模型組合:Gemini 2.5 Pro(長上下文)+ Kimi(2M token 中文上下文)+ DeepSeek V4 Flash(成本效益高)。 在 LobeHub 的自架資料庫版本中,知識庫使用 pgvector 提供完整的 RAG 流水線:上傳文件 → 自動切塊 → 向量嵌入 → 檢索增強生成。透過 AIHubMix 設定嵌入模型(例如text-embedding-3-large)與聊天模型,整個堆疊在單一 key 下運作 — 無需跨供應商帳號管理。
情境 4 — 多 Agent 協作
Agent Groups 是 2026 版 LobeHub 的旗艦能力,提供四種協作模式:- Sequential:Research Agent → Analysis Agent → Writing Agent。最適合具有明確交接點的線性工作流程。
- Parallel:多個 Agent 同時處理獨立的子任務。
- Iterative:作者與編輯交換修訂;適合需要打磨的輸出。
- Debate:多個 Agent 就同一問題辯論不同立場;主持人綜合最終結論。
LobeHub vs. Claude Code vs. Codex
三者的差異
LobeHub、Claude Code 與 Codex 在 2026 年的討論中經常被一同提及,但它們屬於截然不同的產品類別:- LobeHub:面向通用工作流程的圖形化多 Agent 協作平台。
- Claude Code:Anthropic 的官方指令列工具,專注於程式設計與終端機任務。
- Codex:OpenAI 的程式設計 Agent,專注於程式設計任務。
並排比較
| 維度 | LobeHub | Claude Code | Codex |
|---|---|---|---|
| 形式 | Web / 桌面 / 自架 | 指令列 CLI | 指令列 CLI |
| 主要使用情境 | 對話、知識庫、Agent 協作 | 儲存庫內程式碼撰寫、終端機任務 | 儲存庫內程式碼撰寫 |
| 底層模型 | 70+ 供應商,自由選擇 | Claude 系列(固定) | GPT 系列(固定) |
| 多模型協作 | 原生 Agent Groups | 不支援 | 不支援 |
| 知識庫 / RAG | 內建(pgvector) | 無 | 無 |
| 外掛生態 | MCP(10,000+) | MCP | MCP |
| 學習曲線 | 低 | 中 | 中 |
| 目標對象 | 一般知識工作者 | 工程師 | 工程師 |
何時選擇 LobeHub
LobeHub 在下列情況更適合:- 您的團隊混合了工程師與非工程師。
- 您頻繁地在供應商間切換(GPT / Claude / Gemini)。
- 您需要知識庫與長期記憶。
- 您需要具備視覺化對話歷史的多 Agent 協作。
何時選擇 Claude Code 或 Codex
CLI 工具在下列情況更適合:- 您的工作由密集的程式碼撰寫工作流程主導,需要直接存取儲存庫與終端機。
- 您偏好指令列介面,並希望盡量減少上下文切換。
- 您接受被單一模型供應商鎖定。
三者結合:異質 Agent
RFC-153 中提出的異質 Agent 執行環境讓您可以將 Claude Code、Codex 等外部 CLI 代理掛載到 LobeHub 工作流程中。職責分工明確:- LobeHub 擁有對話狀態、Memory 與 Agent 協作。
- Claude Code / Codex 擁有本機執行(檔案 I/O、指令執行)。
- 使用者從 LobeHub 的聊天視窗中驅動 CLI 代理,無需離開 GUI。
常見問題
Q1. Base URL 應該以/v1結尾嗎?
LobeHub 會自動附加路徑片段。https://aihubmix.com/v1 通常可直接使用;如果遇到 404 或空回應,請切換至 https://aihubmix.com 重試。使用模型清單旁的 Check 按鈕來驗證連線。
Q2. 模型清單未顯示 Claude Opus 4.7 或其他新發布的模型。
LobeHub 內建的模型目錄稍微落後於上游發布。手動加入模型有兩種方式:
- 在 Custom Provider 設定中,將模型 ID 加入 Model List 欄位。
- 確認模型在 AIHubMix 控制台中已啟用,複製官方模型 ID,並貼到 LobeHub 中。
- 確認 Base URL 上的
/v1後綴。 - 檢查 Stream 選項是否被停用。
- 確認您的本機網路未阻擋 SSE(Server-Sent Events)。
- 檢視 AIHubMix 控制台中的請求日誌,確認請求是否抵達閘道。
- 自架:檢查 PostgreSQL 容器與 LobeHub 容器的健康狀況。確認
DATABASE_URL、NextAuth 網域白名單與 S3 CORS 設定正確。 - 雲端或桌面:通常是暫時性的網路問題 — 等候幾分鐘或切換網路後重試。
- LobeHub 版本 ≥ v2.1.56。
- 本機已安裝 Claude Code CLI 或 Codex CLI。
ANTHROPIC_BASE_URL 與 OPENAI_BASE_URL 也指向 AIHubMix。驗證與計費將會在同一個 key 下統一。
LobeHub 提供 Agent 工作台;AIHubMix 提供統一的模型供應。兩者結合提供單一圖形化介面、單一 API key 與單一設定,即可存取 GPT-5.5、Claude Opus 4.7、Gemini、DeepSeek V4 Flash 等 2026 年領先模型 — 在此之上,Agent Groups、知識庫、MCP 與異質 Agent 執行環境讓您能組成個人或團隊的 AI 工作流程。 對於初次使用 LobeHub 的使用者,建議的上手路徑是:
- 在 AIHubMix 註冊並建立測試 key。
- 使用桌面用戶端並依照選項 2進行最小可行設定,探索完整功能。
- 依使用頻率與團隊規模,決定是否升級至自架資料庫版本。
一些翻譯說明供您審閱:
- 供應商數量:原文寫「40+」;依據目前 LobeHub 首頁與官方文件更新為 70+。
- 異質 Agent:錨定 RFC-153 與 v2.1 系列,方便搜尋與可信度。
- 品牌拼寫:統一規範為 AIHubMix(原始來源在前置需求與步驟 3 區段有兩處出現 「AiHubMix」)。
- 浮現的 SEO 關鍵字:「configure AIHubMix in LobeHub」、「OpenAI-compatible endpoint」、「multi-Agent collaboration platform」、「Heterogeneous Agent Runtime」、「MCP plugin marketplace」、「pgvector RAG」 — 都是 LobeHub + AIHubMix 受眾合理的英語搜尋查詢。