今天聊聊LibreChat，应该很多人都知道，我们好早之前也聊过这个，在 GitHub 上快4万Star了。之前这项目还是Danny Avila一个人写的，现在ClickHouse把它收了，2300多万次Docker拉取，370多个贡献者，算是一步步成长起来了。

这玩意到底是啥

LibreChat是个开源AI聚合项目，MIT协议，免费，自己部署。OpenAI、Anthropic、Google、Azure、AWS、Groq、Mistral、DeepSeek、Ollama，全塞进一个界面。

用了它之后不用在ChatGPT和Claude之间切来切去了。数据存在我们自己服务器上，对话不会流到第三方平台。30多种语言界面，自带用户管理和SSO，团队能用，个人开发者装家里NAS上也能跑。

功能详情

一个界面管所有模型

界面跟ChatGPT长得差不多，左边会话列表，中间聊天窗口，底部输入框，上手没门槛。

模型切换是最爽的地方，顶部下拉菜单里，GPT-5、Claude Sonnet 4.6、Gemini 2.5、DeepSeek V3、本地Ollama跑的Llama 3，随便选。

同一个会话里，随时换模型继续聊。刚才用Claude写代码，下一句切到GPT画图，再让DeepSeek推个理，官方平台给不了这种自由度。

它还支持自定义API端点。只要接口兼容OpenAI格式，我们自己的vLLM、LM Studio、公司私有模型，全都能塞进去。

Agent和MCP工具

LibreChat内置了一套Agent框架。界面上拖拽配置，不用写代码就能搭专属助手，Agent能调用MCP服务器、执行代码、搜索文件、调用外部API。

社区有人共享Agent。下载别人的配置，改改参数就能用。团队协作时，把自己的Agent分享给特定用户或组，别人点开就能用。

Skills功能也挺有意思，写一套SKILL.md指令包，让Agent按固定流程干活。手动触发也行，自动触发也行，常驻后台也行，自己挑。Subagent把复杂任务拆给子Agent，每个子Agent有自己的上下文窗口，互不干扰。

代码解释器

LibreChat自带代码解释器。Python、Node.js、Go、Java、C/C++、PHP、Rust、Fortran，都能跑。执行环境做了沙箱隔离。上传文件，处理数据，下载结果，全在聊天窗口里搞定。

分析CSV文件的时候，直接拖进聊天框，让模型写Python脚本处理。脚本在沙箱里运行，结果以表格或图表返回，不需要本地装Python环境。

这个解释器跑在ClickHouse开源的code-interpreter项目上。自己部署，数据不会离开服务器。

Artifacts和图像生成

Artifacts让模型直接在聊天里生成React组件、HTML页面、Mermaid流程图。点一下就能预览，代码和可视化结果并排显示。

图像生成支持DALL-E 3、Stable Diffusion、Flux、GPT-Image-1。文本生图、图片编辑、图生图，都能做，还能接任何支持图像生成的MCP服务器。

多模态和文件处理

上传图片、PDF、视频给模型分析，Claude 3、GPT-4o、Gemini这些支持视觉的模型，直接读取图片内容。PDF也能解析，模型根据文档内容回答问题。

独立的rag_api服务管RAG功能。上传文档，系统向量化存进pgvector数据库。之后问问题，模型先检索文档里的相关内容，再生成答案，适合搭内部知识库。

会话管理和搜索

LibreChat的会话管理比官方ChatGPT更灵活。给会话打标签、建文件夹、搜索历史消息。MeiliSearch把所有对话内容做了索引，输入关键词，瞬间找到三个月前某段代码。

Fork功能很实用，聊到一半，想换个方向试试，点一下Fork，从当前消息分出一个新会话。原来的会话还在，新的会话自己跑自己的。对比不同模型的回答，或者测试不同提示词的效果。

断网重连机制做得可以。网络波动导致连接中断，恢复后自动续上流式输出。换设备、换浏览器标签，同一会话状态同步。

快速上手

LibreChat用Docker Compose部署。我们准备一台Linux服务器，至少4G内存。

克隆仓库：

git clone https://github.com/danny-avila/LibreChat.git
cd LibreChat

复制环境变量文件：

cp .env.example .env

编辑.env，填入我们的API密钥。OpenAI、Anthropic、Google，想接哪个填哪个。本地Ollama的话，填Ollama地址。

启动服务：

docker-compose up -d

服务会拉取MongoDB、RediSearch、LibreChat主程序这几个容器。等容器跑起来，我们打开浏览器访问服务器的3080端口，注册第一个账号，这个账号自动获得管理员权限。

管理员面板直接在浏览器里操作。我们管理用户、分配角色、设置API密钥、配置模型参数。改完即时生效，不需要重启服务。

最后聊聊

LibreChat不完美，UI偶尔卡顿，Agent配置有时候抽风。但比起每个月给OpenAI、Anthropic、Google分别充钱，还要担心平台拿你的数据去训练，自己搭一个显然更划算。

开源项目的好处就在这儿，代码摊开给你看，不喜欢就改，觉得缺功能就提PR或者自己写。ClickHouse收购之后，开发节奏反而更快了。

如果你还在各个AI平台之间来回切换，或者公司数据不敢往第三方云上传，LibreChat值得试试。部署大概二十分钟，装完你就明白为什么它能霸榜GitHub。

GitGub仓库：

https://github.com/danny-avila/LibreChat