> 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-ia-et-agents/lobechat.md). # Assistant IA LobeChat Déployez LobeChat sur Clore.ai — une interface de chat IA remarquable et riche en fonctionnalités avec prise en charge multi-fournisseurs, base de connaissances et plugins, fonctionnant sur des serveurs cloud abordables alimentés par GPU. ## Aperçu [LobeChat](https://github.com/lobehub/lobe-chat) est un framework de chat IA moderne et open source avec plus de 55 000 étoiles sur GitHub, connu pour son interface soignée et son vaste ensemble de fonctionnalités. Il prend en charge pratiquement tous les principaux fournisseurs de LLM — OpenAI, Anthropic Claude, Google Gemini, Mistral, ainsi que des modèles locaux via Ollama — le tout depuis une interface unique auto-hébergée. **Pourquoi exécuter LobeChat sur Clore.ai ?** * **Aucun GPU requis** — LobeChat lui-même est une application web légère. Des instances Clore.ai uniquement CPU ou avec un GPU minimal sont parfaitement suffisantes pour l’interface. * **Associer à des LLM locaux** — Lancez Ollama ou vLLM sur le même serveur Clore.ai et pointez LobeChat vers celui-ci pour une inférence locale et privée complète. * **Hébergement abordable** — Une instance de base Clore.ai coûte une fraction du prix des fournisseurs VPS traditionnels, et vous pouvez l’arrêter lorsqu’elle n’est pas utilisée. * **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** | Un seul conteneur Docker, paramètres stockés dans le navigateur | Tests rapides, usage personnel | | **Base de données** | Pile complète (PostgreSQL + MinIO + Auth + application) | Équipes, historique persistant, base de connaissances | *** ## Exigences ### Spécifications du serveur | Composant | Minimum | Recommandé | Remarques | | ------------ | ------------ | ------------------------------------------ | ---------------------------------------------------------------- | | **GPU** | Aucun requis | RTX 3090 (si vous exécutez des LLM locaux) | Uniquement nécessaire 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 | Davantage si vous stockez des fichiers téléversés ou des modèles | ### Référence tarifaire Clore.ai | Type de serveur | Coût approx. | Cas d’utilisation | | ------------------------ | ----------------------------------------- | --------------------------------------- | | Instance CPU uniquement | \~0,05–0,10 $/h | LobeChat autonome uniquement | | RTX 3090 (24 Go de VRAM) | 0,07–0,21 $/h | LobeChat + LLM locaux Ollama | | RTX 4090 (24 Go de VRAM) | 0,14–0,42 $/h | LobeChat + inférence locale plus rapide | | A100 80 Go | [bare metal](https://clore.ai/bare-metal) | LobeChat + grands modèles (70B+) | > 💡 **Astuce :** Pour une utilisation via API uniquement (connexion à OpenAI, Anthropic, etc.), n'importe quelle petite instance convient. Un serveur GPU n'a de sens que si vous souhaitez également exécuter des LLM locaux. Voir [Guide de comparaison des GPU](/guides/guides_v2-fr/premiers-pas/gpu-comparison.md) pour plus de 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 dans un seul conteneur. Les paramètres et l'historique des conversations sont stockés dans le stockage local du navigateur — aucune base de données n'est requise. **Étape 1 : connectez-vous à votre serveur Clore.ai** ```bash ssh root@ -p ``` **Étape 2 : récupérez et lancez LobeChat** ```bash docker run -d \ --name lobechat \\ --restart unless-stopped \\ -p 3210:3210 \\ -e OPENAI_API_KEY=sk-your-openai-key-here \\ -e OPENAI_PROXY_URL=https://api.openai.com/v1 \\ lobehub/lobe-chat ``` **Étape 3 : vérifiez qu'il s'exécute** ```bash docker ps docker logs lobechat --tail 20 ``` **Étape 4 : accédez à l'interface** Ouvrez votre navigateur et rendez-vous sur : ``` http://:3210 ``` > ⚠️ **Note de sécurité :** Les serveurs Clore.ai sont accessibles publiquement. Pensez à définir `ACCESS_CODE` pour protéger votre instance par mot de passe (voir la section Configuration ci-dessous). *** ### Option B : mode autonome avec plusieurs fournisseurs Passez plusieurs clés API pour prendre en charge plusieurs fournisseurs simultanément : ```bash docker run -d \ --name lobechat \\ --restart unless-stopped \\ -p 3210:3210 \\ -e OPENAI_API_KEY=sk-your-openai-key \ -e ANTHROPIC_API_KEY=sk-ant-your-anthropic-key \ -e GOOGLE_API_KEY=your-google-gemini-key \\ -e MISTRAL_API_KEY=your-mistral-key \\ -e ACCESS_CODE=your-secret-password \\ lobehub/lobe-chat ``` *** ### Option C : avec un 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 # D'abord, démarrez Ollama docker run -d \ --name ollama \\ --restart unless-stopped \\ --gpus all \ -p 11434:11434 \ -v ollama:/root/.ollama \\ ollama/ollama # Récupérez un modèle docker exec ollama ollama pull llama3.2 # Démarrez 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 ``` > Sous Linux, remplacez `host-gateway` par l'adresse IP réelle du pont Docker, généralement `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 persistant des conversations, la prise en charge multi-utilisateur, le téléversement de fichiers vers un stockage compatible S3 et une base de connaissances complète. **Étape 1 : créez le répertoire du projet** ```bash mkdir -p ~/lobechat && cd ~/lobechat ``` **Étape 2 : créez `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"] interval: 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: your-random-32-char-secret-here NEXTAUTH_URL: http://:3210 # Fournisseurs LLM OPENAI_API_KEY: sk-your-openai-key ANTHROPIC_API_KEY: sk-ant-your-key # Application APP_URL: http://:3210 volumes: postgres_data: minio_data: EOF ``` **Étape 3 : démarrez la pile** ```bash docker compose up -d docker compose logs -f lobechat ``` **Étape 4 : créez le bucket MinIO** ```bash # Installez 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 l'instance Ollama locale | — | | `ACCESS_CODE` | Mot de passe pour protéger l'interface | — | | `DEFAULT_AGENT_CONFIG` | Configuration JSON du 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=your-bing-search-key ``` **Activer la synthèse vocale :** ```bash -e AZURE_TTS_API_KEY=your-azure-key \\ -e AZURE_TTS_REGION=eastus ``` **Définir une invite système personnalisée pour l'agent par défaut :** ```bash -e DEFAULT_AGENT_CONFIG='{"systemRole":"Vous êtes un assistant utile."}' ``` ### Mise à jour de LobeChat ```bash # Récupérez la dernière image docker pull lobehub/lobe-chat # Arrêtez et supprimez l'ancien conteneur docker stop lobechat && docker rm lobechat # Démarrez un nouveau conteneur avec les mêmes paramètres docker run -d \ --name lobechat \\ --restart unless-stopped \\ -p 3210:3210 \\ -e OPENAI_API_KEY=sk-your-key \\ lobehub/lobe-chat ``` Pour Docker Compose : ```bash docker compose pull docker compose up -d ``` *** ## Accélération GPU LobeChat lui-même ne **pas** nécessite pas de 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 [Guide vLLM](/guides/guides_v2-fr/modeles-de-langage/vllm.md) pour la configuration complète. Intégration rapide : ```bash # Démarrez 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 # Démarrez 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 jetons/s sur une 3090 | | Ollama (Llama 3.1 8B) | \~6 Go | 40–60 jetons/s sur une 3090 | | vLLM (Llama 3.1 8B) | \~16 GB | 80–150 jetons/s sur une 3090 | | vLLM (Llama 3.1 70B) | \~80 Go | 20–40 jetons/s sur une A100 80 Go | *** ## 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 que vous n'ayez besoin d'une prise en charge multi-utilisateur ou d'un historique persistant côté serveur, le mode autonome évite la surcharge de PostgreSQL et MinIO. * **Utilisez des fournisseurs d'API pour les grands modèles.** Acheminer les requêtes Claude ou GPT-4 via des API externes est moins cher que de louer une H100 pour des requêtes occasionnelles. ### Sécurité ```bash # Définissez toujours un code d'accès sur les IP publiques Clore.ai -e ACCESS_CODE=your-strong-password-here # Restreindre à une origine spécifique (facultatif) -e NEXT_PUBLIC_SERVICE_MODE=server ``` * N'exposez jamais 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 tourner les clés API si vous soupçonnez une fuite. ### Performances ```bash # Augmentez le tas Node.js si le mode base de données est utilisé avec de nombreux utilisateurs -e NODE_OPTIONS="--max-old-space-size=4096" ``` * Pour le mode base de données avec plus de 10 utilisateurs simultanés, assurez-vous d'avoir au moins 8 Go de RAM sur l'hôte. * MinIO fonctionne mieux avec un stockage basé sur SSD (instances NVMe Clore.ai). ### Persistance entre les sessions Clore.ai Étant donné que les serveurs Clore.ai peuvent être arrêtés : ```bash # Créez un volume Docker pour les exportations de conversations en mode autonome docker run -d \ --name lobechat \\ -p 3210:3210 \\ -v lobechat_data:/app/data \\ lobehub/lobe-chat ``` Exportez régulièrement les conversations depuis Paramètres → Exportation des données dans l'interface. *** ## Dépannage ### Le conteneur ne démarre pas ```bash # Vérifier les journaux docker logs lobechat --tail 50 # Vérifiez que le port n'est pas utilisé ss -tlnp | grep 3210 # Vérifiez que le démon Docker est en cours d'exécution 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 l'état de PostgreSQL docker exec lobe-postgres pg_isready -U lobechat # Vérifiez le format de DATABASE_URL # postgresql://user:password@host:port/dbname # Exécutez les migrations manuellement si nécessaire docker exec lobe-chat npx prisma migrate deploy ``` ### Les images/fichiers ne se téléversent pas (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 la bonne adresse IP du serveur ``` ### Erreurs de mémoire insuffisante ```bash # Vérifiez l'utilisation actuelle de la mémoire docker stats lobechat # Augmentez la limite mémoire du conteneur docker run -d \ --name lobechat \\ --memory=2g \\ -p 3210:3210 \\ lobehub/lobe-chat ``` *** ## Pour aller plus loin * [Documentation de LobeChat](https://lobehub.com/docs) — documentation officielle, développement de plugins, guides de déploiement * [GitHub de LobeChat](https://github.com/lobehub/lobe-chat) — code source, problèmes, 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 haute performance compatible OpenAI * [Guide de comparaison des GPU](/guides/guides_v2-fr/premiers-pas/gpu-comparison.md) — choisir le bon GPU Clore.ai * [LobeChat Docker Hub](https://hub.docker.com/r/lobehub/lobe-chat) — tags et versions des images * [Variables d'environnement de 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, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-fr/plateformes-ia-et-agents/lobechat.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.