> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/plateformes-et-agents-ia/lobechat.md). # Assistant IA LobeChat ## Aperçu [LobeChat](https://github.com/lobehub/lobe-chat) est un cadre de chat IA moderne et open-source avec plus de 55K étoiles sur GitHub, connu pour son interface soignée et son ensemble de fonctionnalités étendues. Il prend en charge pratiquement tous les principaux fournisseurs de LLM — OpenAI, Anthropic Claude, Google Gemini, Mistral, et des modèles locaux via Ollama — le tout depuis une interface auto-hébergée unique. **Pourquoi exécuter LobeChat sur Clore.ai ?** * **Aucun GPU requis** — LobeChat lui-même est une application web légère. Les instances Clore.ai uniquement CPU ou avec GPU minimal sont parfaitement suffisantes pour l’interface. * **Associer à des LLM locaux** — Lancez Ollama ou vLLM sur le même serveur Clore.ai et configurez LobeChat pour l’utiliser afin d’obtenir une inférence entièrement locale et privée. * **Hébergement abordable** — Une instance Clore.ai basique coûte une fraction des fournisseurs VPS traditionnels, et vous pouvez l’arrêter lorsque vous ne l’utilisez pas. * **Propriété complète des données** — Le mode base de données stocke toutes les conversations, fichiers et embeddings dans votre propre instance PostgreSQL sur le serveur. LobeChat fonctionne en deux modes distincts : | Mode | Description | Idéal pour | | ------------------- | -------------------------------------------------------------- | ----------------------------------------------------- | | **Autonome** | Conteneur Docker unique, paramètres stockés dans le navigateur | Tests rapides, usage personnel | | **Base de données** | Stack complet (PostgreSQL + MinIO + Auth + App) | Équipes, historique persistant, base de connaissances | *** ## Exigences ### Spécifications du serveur | Composant | Minimum | Recommandé | Remarques | | ------------ | ------------ | ------------------------------------- | ------------------------------------------------------------ | | **GPU** | Aucun requis | RTX 3090 (si exécution de LLM locaux) | Nécessaire uniquement pour le backend Ollama/vLLM | | **VRAM** | — | 24 Go (RTX 3090) | Pour l’inférence de modèles locaux | | **CPU** | 2 vCPU | 4+ vCPU | LobeChat lui-même est léger | | **RAM** | 2 Go | 8 Go | 4+ Go si vous utilisez le mode base de données | | **Stockage** | 10 Go | 50+ Go | Plus si vous stockez des fichiers téléchargés ou des modèles | ### Référence de tarification Clore.ai | Type de serveur | Coût approximatif | Cas d'utilisation | | ----------------------- | ----------------- | --------------------------------------- | | Instance uniquement CPU | \~0,05–0,10 $/h | Uniquement LobeChat autonome | | RTX 3090 (24 Go VRAM) | \~0,20 $/h | LobeChat + Ollama LLMs locaux | | RTX 4090 (24 Go VRAM) | \~0,35 $/h | LobeChat + inférence locale plus rapide | | A100 80 Go | \~1,10 $/h | LobeChat + grands modèles (70B+) | > 💡 **Conseil :** Pour une utilisation via API uniquement (connexion à OpenAI, Anthropic, etc.), n’importe quelle petite instance fonctionne. Un serveur GPU n’a de sens que si vous souhaitez également exécuter des LLM locaux. Voir [Guide de comparaison GPU](/guides/guides_v2-fr/prise-en-main/gpu-comparison.md) pour les détails. ### Prérequis * Compte Clore.ai avec un serveur déployé * Accès SSH à votre serveur * Docker et Docker Compose (préinstallés sur les serveurs Clore.ai) * Pilotes NVIDIA (préinstallés ; pertinents uniquement si vous utilisez un backend LLM local) * Au moins une clé API (OpenAI, Anthropic, etc.) **ou** une instance Ollama locale *** ## Démarrage rapide ### Option A : Mode autonome (recommandé pour commencer) Le mode autonome exécute LobeChat en tant que conteneur unique. Les paramètres et l’historique des conversations sont stockés dans le stockage local du navigateur — aucune base de données requise. **Étape 1 : Connectez-vous à votre serveur Clore.ai** ```bash ssh root@ -p ``` **Étape 2 : Récupérer et exécuter LobeChat** ```bash docker run -d \ --name lobechat \ --restart unless-stopped \ -p 3210:3210 \ -e OPENAI_API_KEY=sk-votre-cle-openai-ici \ -e OPENAI_PROXY_URL=https://api.openai.com/v1 \ lobehub/lobe-chat ``` **Étape 3 : Vérifiez qu’il fonctionne** ```bash docker ps docker logs lobechat --tail 20 ``` **Étape 4 : Accédez à l’interface** Ouvrez votre navigateur et rendez-vous sur : ``` http://:3210 ``` > ⚠️ **Remarque sur la sécurité :** Les serveurs Clore.ai sont accessibles publiquement. Envisagez de définir `ACCESS_CODE` pour protéger par mot de passe votre instance (voir la section Configuration ci-dessous). *** ### Option B : Mode autonome avec plusieurs fournisseurs Passez plusieurs clés API pour prendre en charge différents fournisseurs simultanément : ```bash docker run -d \ --name lobechat \ --restart unless-stopped \ -p 3210:3210 \ -e OPENAI_API_KEY=sk-votre-cle-openai \ -e ANTHROPIC_API_KEY=sk-ant-votre-cle-anthropic \ -e GOOGLE_API_KEY=votre-cle-google-gemini \ -e MISTRAL_API_KEY=votre-cle-mistral \ -e ACCESS_CODE=votre-mot-de-passe-secret \ lobehub/lobe-chat ``` *** ### Option C : Avec backend Ollama local Si vous avez Ollama en cours d’exécution sur le même serveur Clore.ai (voir [Guide Ollama](/guides/guides_v2-fr/modeles-de-langage/ollama.md)): ```bash # Tout d’abord, démarrez Ollama docker run -d \ --name ollama \ --restart unless-stopped \ --gpus all \ -p 11434:11434 \ -v ollama:/root/.ollama \ ollama/ollama # Récupérer un modèle docker exec ollama ollama pull llama3.2 # Démarrer LobeChat en pointant vers Ollama docker run -d \ --name lobechat \ --restart unless-stopped \ -p 3210:3210 \ -e OLLAMA_PROXY_URL=http://host-gateway:11434 \ --add-host=host-gateway:host-gateway \ lobehub/lobe-chat ``` > Sur Linux, remplacez `host-gateway` par l’IP réelle du pont Docker, typiquement `172.17.0.1`: > > ```bash > -e OLLAMA_PROXY_URL=http://172.17.0.1:11434 > ``` *** ### Option D : Mode base de données (Docker Compose) Le mode base de données permet un historique de conversation persistant, la prise en charge multi-utilisateur, les téléchargements de fichiers vers un stockage compatible S3, et une base de connaissances complète. **Étape 1 : Créer le répertoire du projet** ```bash mkdir -p ~/lobechat && cd ~/lobechat ``` **Étape 2 : Créer `docker-compose.yml`** ```bash cat > docker-compose.yml << 'EOF' version : '3.8' services : postgresql : image : pgvector/pgvector:pg16 container_name : lobe-postgres restart : unless-stopped environment : POSTGRES_DB : lobechat POSTGRES_USER : lobechat POSTGRES_PASSWORD : changeme_strong_password volumes : - postgres_data:/var/lib/postgresql/data healthcheck : test : ["CMD-SHELL", "pg_isready -U lobechat -d lobechat"] intervalle : 10s timeout : 5s retries : 5 minio : image : minio/minio container_name : lobe-minio restart : unless-stopped environment : MINIO_ROOT_USER : minioadmin MINIO_ROOT_PASSWORD : changeme_minio_password command : server /data --console-address ":9001" volumes : - minio_data:/data ports : - "9000:9000" - "9001:9001" lobechat : image : lobehub/lobe-chat-database container_name : lobe-chat restart : unless-stopped depends_on : postgresql : condition : service_healthy ports : - "3210:3210" environment : # Base de données DATABASE_URL : postgresql://lobechat:changeme_strong_password@postgresql:5432/lobechat # Stockage S3 (MinIO) S3_ENDPOINT : http://minio:9000 S3_BUCKET : lobechat S3_ACCESS_KEY_ID : minioadmin S3_SECRET_ACCESS_KEY : changeme_minio_password S3_PUBLIC_DOMAIN : http://:9000 # Auth (NextAuth) NEXTAUTH_SECRET : votre-secret-aléatoire-32-caractères-ici NEXTAUTH_URL : http://:3210 # Fournisseurs LLM OPENAI_API_KEY : sk-votre-cle-openai ANTHROPIC_API_KEY : sk-ant-votre-cle # App APP_URL : http://:3210 volumes : postgres_data : minio_data : EOF ``` **Étape 3 : Démarrer la stack** ```bash docker compose up -d docker compose logs -f lobechat ``` **Étape 4 : Créer le bucket MinIO** ```bash # Installer le client MinIO docker exec lobe-minio mc alias set local http://localhost:9000 minioadmin changeme_minio_password docker exec lobe-minio mc mb local/lobechat docker exec lobe-minio mc anonymous set download local/lobechat ``` *** ## Configuration ### Référence des variables d'environnement | Variable | Description | Par défaut | | ---------------------- | ----------------------------------------------------------------- | --------------------------- | | `OPENAI_API_KEY` | Clé API OpenAI | — | | `OPENAI_PROXY_URL` | Point de terminaison personnalisé compatible OpenAI | `https://api.openai.com/v1` | | `ANTHROPIC_API_KEY` | Clé API Anthropic Claude | — | | `GOOGLE_API_KEY` | Clé API Google Gemini | — | | `MISTRAL_API_KEY` | Clé API Mistral AI | — | | `OLLAMA_PROXY_URL` | URL vers une instance Ollama locale | — | | `ACCESS_CODE` | Mot de passe pour protéger l’interface | — | | `DEFAULT_AGENT_CONFIG` | Configuration JSON pour le comportement par défaut de l’assistant | — | | `FEATURE_FLAGS` | Activer/désactiver des fonctionnalités spécifiques | — | ### Activation de fonctionnalités spécifiques **Activer le plugin de recherche web :** ```bash -e BING_API_KEY=votre-cle-de-recherche-bing ``` **Activer la synthèse vocale :** ```bash -e AZURE_TTS_API_KEY=votre-cle-azure \ -e AZURE_TTS_REGION=eastus ``` **Définir un prompt système personnalisé pour l’agent par défaut :** ```bash -e DEFAULT_AGENT_CONFIG='{"systemRole":"You are a helpful assistant."}' ``` ### Mise à jour de LobeChat ```bash # Récupérer la dernière image docker pull lobehub/lobe-chat # Arrêter et supprimer l’ancien conteneur docker stop lobechat && docker rm lobechat # Démarrer le nouveau conteneur avec les mêmes paramètres docker run -d \ --name lobechat \ --restart unless-stopped \ -p 3210:3210 \ -e OPENAI_API_KEY=sk-votre-cle \ lobehub/lobe-chat ``` Pour Docker Compose : ```bash docker compose pull docker compose up -d ``` *** ## Accélération GPU LobeChat lui-même **ne** nécessite un GPU. Cependant, lorsqu’il est associé à un backend accéléré par GPU sur Clore.ai, vous obtenez une inférence LLM locale et privée : ### Association avec vLLM (Inférence haute performance) Voir le [- Débit le plus élevé](/guides/guides_v2-fr/modeles-de-langage/vllm.md) pour la configuration complète. Intégration rapide : ```bash # Démarrer le serveur vLLM (sur le même hôte) docker run -d \ --name vllm \ --gpus all \ --restart unless-stopped \ -p 8000:8000 \ -v ~/.cache/huggingface:/root/.cache/huggingface \ vllm/vllm-openai:latest \ --model meta-llama/Llama-3.1-8B-Instruct \ --served-model-name llama3.1-8b # Démarrer LobeChat en pointant vers vLLM (API compatible OpenAI) docker run -d \ --name lobechat \ --restart unless-stopped \ -p 3210:3210 \ -e OPENAI_API_KEY=not-needed \ -e OPENAI_PROXY_URL=http://172.17.0.1:8000/v1 \ lobehub/lobe-chat ``` ### Utilisation des ressources | Backend | VRAM GPU utilisée | Débit approximatif | | --------------------- | ----------------- | ------------------------------ | | Ollama (Llama 3.2 3B) | \~2 Go | 50–80 tokens/sec sur 3090 | | Ollama (Llama 3.1 8B) | \~6 Go | 40–60 tokens/sec sur 3090 | | vLLM (Llama 3.1 8B) | \~16 Go | 80–150 tokens/sec sur 3090 | | vLLM (Llama 3.1 70B) | \~80 Go | 20–40 tokens/sec sur A100 80GB | *** ## Conseils et bonnes pratiques ### Optimisation des coûts * **Arrêtez votre serveur lorsqu’il est inactif.** Clore.ai facture à l’heure — utilisez le tableau de bord pour mettre en pause les instances que vous n’utilisez pas activement. * **Mode autonome pour usage personnel.** À moins d’avoir besoin du support multi-utilisateur ou d’un historique persistant côté serveur, le mode autonome évite la charge de PostgreSQL et MinIO. * **Utilisez des fournisseurs d’API pour les grands modèles.** Acheminer les requêtes vers Claude ou GPT-4 via des API externes est moins cher que de louer une H100 pour des requêtes occasionnelles. ### Sécurité ```bash # Toujours définir un code d’accès sur les IP Clore.ai publiques -e ACCESS_CODE=votre-mot-de-passe-fort-ici # Restreindre à une origine spécifique (optionnel) -e NEXT_PUBLIC_SERVICE_MODE=server ``` * Ne jamais exposer LobeChat sans un `ACCESS_CODE` sur une IP publique. * Envisagez d’utiliser un proxy inverse Nginx avec HTTPS si vous l’exécutez à long terme. * Faites pivoter les clés API si vous suspectez une exposition. ### Performances ```bash # Augmenter le tas Node.js si vous exécutez le mode base de données avec de nombreux utilisateurs -e NODE_OPTIONS="--max-old-space-size=4096" ``` * Pour le mode base de données avec 10+ utilisateurs concurrents, assurez-vous d’au moins 8 Go de RAM sur l’hôte. * MinIO fonctionne mieux avec un stockage sur SSD (instances Clore.ai NVMe). ### Persistance entre les sessions Clore.ai Puisque les serveurs Clore.ai peuvent être terminés : ```bash # Créez un volume Docker pour les exportations de conversations autonomes docker run -d \ --name lobechat \ -p 3210:3210 \ -v lobechat_data:/app/data \ lobehub/lobe-chat ``` Exportez régulièrement les conversations depuis Paramètres → Exportation de données dans l’interface. *** ## Dépannage ### Le conteneur ne démarre pas ```bash # Vérifiez les logs docker logs lobechat --tail 50 # Vérifiez que le port n’est pas utilisé ss -tlnp | grep 3210 # Vérifiez que le démon Docker fonctionne systemctl status docker ``` ### Impossible de se connecter à Ollama depuis LobeChat ```bash # Testez la connectivité depuis le conteneur LobeChat docker exec lobechat curl -s http://172.17.0.1:11434/api/tags # Si cela échoue, vérifiez qu’Ollama écoute sur toutes les interfaces docker exec ollama ollama serve --host 0.0.0.0 ``` ### Erreurs de connexion à la base de données (mode base de données) ```bash # Vérifiez la santé de PostgreSQL docker exec lobe-postgres pg_isready -U lobechat # Vérifiez le format de DATABASE_URL # postgresql://user:password@host:port/dbname # Exécutez manuellement les migrations si nécessaire docker exec lobe-chat npx prisma migrate deploy ``` ### Images/fichiers non téléchargés (mode base de données) ```bash # Vérifiez que MinIO est accessible curl -s http://localhost:9000/minio/health/live # Vérifiez que le bucket existe docker exec lobe-minio mc ls local/ # Vérifiez que S3_PUBLIC_DOMAIN est défini sur l’IP correcte du serveur ``` ### Erreurs de mémoire insuffisante ```bash # Vérifiez l’utilisation actuelle de la mémoire docker stats lobechat # Augmentez la limite de mémoire du conteneur docker run -d \ --name lobechat \ --memory=2g \ -p 3210:3210 \ lobehub/lobe-chat ``` *** ## Lectures complémentaires * [Documentation LobeChat](https://lobehub.com/docs) — docs officielles, développement de plugins, guides de déploiement * [LobeChat GitHub](https://github.com/lobehub/lobe-chat) — code source, issues, discussions * [Exécuter Ollama sur Clore.ai](/guides/guides_v2-fr/modeles-de-langage/ollama.md) — backend LLM local pour LobeChat * [Exécuter vLLM sur Clore.ai](/guides/guides_v2-fr/modeles-de-langage/vllm.md) — inférence hautes performances compatible OpenAI * [Guide de comparaison GPU](/guides/guides_v2-fr/prise-en-main/gpu-comparison.md) — choisir le GPU Clore.ai approprié * [LobeChat Docker Hub](https://hub.docker.com/r/lobehub/lobe-chat) — tags d’images et versions * [Variables d’environnement LobeChat](https://lobehub.com/docs/self-hosting/environment-variables) — référence complète des variables --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-fr/plateformes-et-agents-ia/lobechat.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.