> ## 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. # LobeHub ### 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](https://lobehub.com/) | 託管雲端 | 零設定試用,附訂閱額度 | | 桌面用戶端 | [lobehub.com/downloads](https://lobehub.com/downloads) | 本機 | 離線存取;原生 macOS / Windows 整合 | | 自架(Docker / Vercel / Zeabur) | [GitHub 儲存庫](https://github.com/lobehub/lobehub) | 您自己的資料庫 | 私有部署、團隊工作區、深度自訂 | 雲端版註冊即贈 **450,000 個免費運算額度**。付費訂閱分為 Starter、Premium 與 Ultimate 三級,並提供額度加值選項。桌面版與自架版本身免費 — 推論成本透過使用者自己的 API key 支付。 ### 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。 這些能力共同確立了明顯的轉變:LobeHub 已從「ChatGPT 網頁替代品」演進為**整合多個供應商模型的統一 Agent 工作台**。底層模型供應的穩定性與便利性,因而成為日常體驗的決定性因素。 *** ## 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 * [AIHubMix](https://aihubmix.com/) 帳號 * 有效的 API key([從控制台取得](https://aihubmix.com/token)) *** ## 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](https://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。 \ !\[Ff3451df F14d 429c A6f4 2391fdbe313a]\(/images/ff3451df-f14d-429c-a6f4-2391fdbe313a.jpeg) \ ### 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](https://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: 1. 點擊頭像 → **Settings → Model Provider** 2. 找到 **AIHubMix** 並貼上您的 API key 3. 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。 實際範例:組建競爭分析小組,以 Gemini 2.5 Pro 為研究員、Claude Opus 4.7 為批評者、GPT-5.5 為綜合者。在 Sequential 模式下,三者依序執行,產出兼顧支持與反對觀點的均衡報告。 *** ## 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。 嚴格來說,「LobeHub vs. Claude Code」並非對等比較 — 比較接近「平台 vs. 工具」的關係。 ### 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。 實際價值在於消除 GUI 與 CLI 之間不斷的上下文切換。當 Claude Code 與 Codex 的底層模型都透過 AIHubMix 路由時,整個設定在單一 API key 下執行,實現統一驗證與計費 — 這讓在相同任務上對兩種 CLI 進行基準測試變得直接。 *** ## 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。 **Q3. 回應一直為空或串流中途中斷。** 按下列順序診斷: 1. 確認 Base URL 上的 `/v1` 後綴。 2. 檢查 Stream 選項是否被停用。 3. 確認您的本機網路未阻擋 SSE(Server-Sent Events)。 4. 檢視 AIHubMix 控制台中的請求日誌,確認請求是否抵達閘道。 **Q4. 502 Bad Gateway。** * **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。 **Q5. 設定 AIHubMix 後可以透過 LobeHub 驅動 Claude Code 與 Codex 嗎?** 需要滿足兩個前置條件: 1. LobeHub 版本 ≥ v2.1.56。 2. 本機已安裝 Claude Code CLI 或 Codex CLI。 具備這些條件後,在 LobeHub 中啟用異質 Agent 功能,並將 CLI 工具的 `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: 1. 在 AIHubMix 註冊並建立測試 key。 2. 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。 3. 依使用頻率與團隊規模,決定是否升級至自架資料庫版本。 **相關資源** * [LobeHub 官方網站](https://lobehub.com/) * [LobeHub 於 GitHub](https://github.com/lobehub/lobehub) * [LobeHub 下載](https://lobehub.com/downloads) * [LobeHub 定價](https://lobehub.com/pricing) * [AIHubMix 官方網站](https://aihubmix.com/) 最後更新:2026 年 5 月 13 日 *** 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。 用於驗證術語與事實的來源: * [LobeHub — Agent teammates that grow with you](https://lobehub.com/) * [lobehub/lobehub on GitHub](https://github.com/lobehub/lobehub) * [Agent Groups · LobeHub Docs](https://lobehub.com/docs/usage/agent/agent-team) * [RFC-153 — Heterogeneous Agent Runtime](https://lobehub.com/blog/rfc-153) * [LobeHub Changelog](https://lobehub.com/changelog) * [LobeHub Pricing](https://lobehub.com/pricing) * [AIHubMix — One Interface, Router All LLMs](https://aihubmix.com/) * [AIHubMix Documentation Hub](https://docs.aihubmix.com/en/api/Aihubmix-Integration)