# LobeChat AI 助手

## 概览

[LobeChat](https://github.com/lobehub/lobe-chat) 是一个现代的开源 AI 聊天框架，GitHub 星标超过 55K，以其精致的界面和丰富的功能著称。它支持几乎所有主要的 LLM 提供商——OpenAI、Anthropic Claude、Google Gemini、Mistral，以及通过 Ollama 的本地模型——并且都可以通过单一的自托管界面访问。

**为什么要在 Clore.ai 上运行 LobeChat？**

* **无需 GPU** — LobeChat 本身是一个轻量的 Web 应用。Clore.ai 的仅 CPU 或低 GPU 实例已完全足够用于界面。
* **与本地 LLM 配合** — 在同一台 Clore.ai 服务器上启动 Ollama 或 vLLM，并将 LobeChat 指向它以实现完全本地的私有推理。
* **经济实惠的托管** — 基本的 Clore.ai 实例费用只是传统 VPS 提供商的一小部分，而且在不使用时可以将其关闭。
* **完整的数据所有权** — 数据库模式将所有对话、文件和嵌入存储在服务器上的 PostgreSQL 实例中，由你自行掌控。

LobeChat 有两种不同的运行模式：

| 模式        | 4s                                | 最适合          |
| --------- | --------------------------------- | ------------ |
| **独立模式**  | 单个 Docker 容器，设置存储在浏览器中            | 快速测试、个人使用    |
| **数据库模式** | 完整栈（PostgreSQL + MinIO + 认证 + 应用） | 团队、多用户历史、知识库 |

***

## 要求

### 服务器规格

| 组件      | 最低     | 推荐                   | 注意事项                   |
| ------- | ------ | -------------------- | ---------------------- |
| **GPU** | 不需要    | RTX 3090（如果运行本地 LLM） | 仅在使用 Ollama/vLLM 后端时需要 |
| **显存**  | —      | 24 GB（RTX 3090）      | 用于本地模型推理               |
| **CPU** | 2 vCPU | 4+ vCPU              | LobeChat 本身很轻量         |
| **内存**  | 2 GB   | 8 GB                 | 如果使用数据库模式，需 4+ GB      |
| **存储**  | 10 GB  | 50+ GB               | 如果存储上传的文件或模型则需更多空间     |

### Clore.ai 价格参考

| 服务器类型              | 大致费用            | 模型变体                      |
| ------------------ | --------------- | ------------------------- |
| 仅 CPU 实例           | 约 $0.05–0.10/小时 | 仅独立部署的 LobeChat           |
| RTX 3090（24 GB 显存） | \~$0.20/小时      | LobeChat + Ollama 本地 LLMs |
| RTX 4090（24 GB 显存） | \~$0.35/小时      | LobeChat + 更快的本地推理        |
| A100 80 GB         | \~$1.10/小时      | LobeChat + 大型模型（70B+）     |

> 💡 **提示：** 对于仅使用 API（连接到 OpenAI、Anthropic 等），任何小型实例都可用。只有在你也想运行本地 LLM 时，GPU 服务器才有意义。参见 [GPU 比较指南](/guides/guides_v2-zh/ru-men/gpu-comparison.md) 了解详情。

### 先决条件

* 已在 Clore.ai 部署服务器的账户
* 对服务器的 SSH 访问
* Docker 和 Docker Compose（Clore.ai 服务器上预装）
* NVIDIA 驱动（预装；仅在使用本地 LLM 后端时相关）
* 至少一个 API 密钥（OpenAI、Anthropic 等） **或** 一个本地 Ollama 实例

***

## 快速开始

### 选项 A：独立模式（推荐用于入门）

独立模式将 LobeChat 作为单个容器运行。设置和对话历史存储在浏览器的本地存储中——无需数据库。

**步骤 1：连接到你的 Clore.ai 服务器**

```bash
ssh root@<your-clore-server-ip> -p <ssh-port>
```

**步骤 2：拉取并运行 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
```

**步骤 3：确认正在运行**

```bash
docker ps
docker logs lobechat --tail 20
```

**步骤 4：访问界面**

在浏览器中打开并访问：

```
http://<your-clore-server-ip>:3210
```

> ⚠️ **安全提示：** Clore.ai 服务器是公开可访问的。请考虑设置 `ACCESS_CODE` 以对你的实例进行密码保护（参见下文的配置部分）。

***

### 选项 B：支持多个提供商的独立模式

传入多个 API 密钥以同时支持不同提供商：

```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
```

***

### 选项 C：使用本地 Ollama 后端

如果你在同一台 Clore.ai 服务器上运行 Ollama（参见 [Ollama 指南](/guides/guides_v2-zh/yu-yan-mo-xing/ollama.md)):

```bash
# 首先，启动 Ollama
docker run -d \
  --name ollama \
  --restart unless-stopped \
  --gpus all \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  ollama/ollama

# 拉取模型
docker exec ollama ollama pull llama3.2

# 启动 LobeChat 并指向 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
```

> 在 Linux 上，替换 `host-gateway` 为实际的 Docker 网桥 IP，通常是 `172.17.0.1`:
>
> ```bash
> -e OLLAMA_PROXY_URL=http://172.17.0.1:11434
> ```

***

### 选项 D：数据库模式（Docker Compose）

数据库模式启用持久的对话历史、多用户支持、文件上传到兼容 S3 的存储，以及完整的知识库。

**步骤 1：创建项目目录**

```bash
mkdir -p ~/lobechat && cd ~/lobechat
```

**步骤 2：创建 `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:
      # 数据库
      DATABASE_URL: postgresql://lobechat:changeme_strong_password@postgresql:5432/lobechat
      # S3 存储（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://<your-server-ip>:9000
      # 认证（NextAuth）
      NEXTAUTH_SECRET: your-random-32-char-secret-here
      NEXTAUTH_URL: http://<your-server-ip>:3210
      # LLM 提供商
      OPENAI_API_KEY: sk-your-openai-key
      ANTHROPIC_API_KEY: sk-ant-your-key
      # 应用
      APP_URL: http://<your-server-ip>:3210

volumes:
  postgres_data:
  minio_data:
EOF
```

**步骤 3：启动服务栈**

```bash
docker compose up -d
docker compose logs -f lobechat
```

**步骤 4：创建 MinIO 存储桶**

```bash
# 安装 MinIO 客户端
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
```

***

## 配置

### 环境变量参考

| 变量                     | 4s                      | 默认值                         |
| ---------------------- | ----------------------- | --------------------------- |
| `OPENAI_API_KEY`       | OpenAI API 密钥           | —                           |
| `OPENAI_PROXY_URL`     | 自定义兼容 OpenAI 的端点        | `https://api.openai.com/v1` |
| `ANTHROPIC_API_KEY`    | Anthropic Claude API 密钥 | —                           |
| `GOOGLE_API_KEY`       | Google Gemini API 密钥    | —                           |
| `MISTRAL_API_KEY`      | Mistral AI API 密钥       | —                           |
| `OLLAMA_PROXY_URL`     | 本地 Ollama 实例的 URL       | —                           |
| `ACCESS_CODE`          | 用于保护界面的密码               | —                           |
| `DEFAULT_AGENT_CONFIG` | 默认助手行为的 JSON 配置         | —                           |
| `FEATURE_FLAGS`        | 启用/禁用特定功能的开关            | —                           |

### 启用特定功能

**启用网页搜索插件：**

```bash
-e BING_API_KEY=your-bing-search-key
```

**启用文本转语音：**

```bash
-e AZURE_TTS_API_KEY=your-azure-key \
-e AZURE_TTS_REGION=eastus
```

**为默认代理设置自定义系统提示：**

```bash
-e DEFAULT_AGENT_CONFIG='{"systemRole":"You are a helpful assistant."}'
```

### 更新 LobeChat

```bash
# 拉取最新镜像
docker pull lobehub/lobe-chat

# 停止并移除旧容器
docker stop lobechat && docker rm lobechat

# 使用相同参数启动新容器
docker run -d \
  --name lobechat \
  --restart unless-stopped \
  -p 3210:3210 \
  -e OPENAI_API_KEY=sk-your-key \
  lobehub/lobe-chat
```

对于 Docker Compose：

```bash
docker compose pull
docker compose up -d
```

***

## GPU 加速

LobeChat 本身并不 **工作方式：/api/generate** 要求 GPU。然而，当在 Clore.ai 上与加速 GPU 后端配合时，你可以获得本地的、私有的 LLM 推理：

### 与 vLLM 配合（高性能推理）

参见 [vLLM 指南](/guides/guides_v2-zh/yu-yan-mo-xing/vllm.md) 以获取完整设置。快速集成：

```bash
# 启动 vLLM 服务器（在同一主机）
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

# 启动 LobeChat 并指向 vLLM（兼容 OpenAI 的 API）
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
```

### 资源使用情况

| 后端                   | GPU 显存使用 | 大致吞吐量                           |
| -------------------- | -------- | ------------------------------- |
| Ollama（Llama 3.2 3B） | 约 2 GB   | 在 3090 上约 50–80 tokens/sec      |
| Ollama（Llama 3.1 8B） | \~6 GB   | 在 3090 上约 40–60 tokens/sec      |
| vLLM（Llama 3.1 8B）   | \~16 GB  | 在 3090 上约 80–150 tokens/sec     |
| vLLM（Llama 3.1 70B）  | 约 80 GB  | 在 A100 80GB 上约 20–40 tokens/sec |

***

## 提示与最佳实践

### 成本优化

* **闲置时请停止你的服务器。** Clore.ai 按小时收费——使用仪表板暂停你未主动使用的实例。
* **个人使用请用独立模式。** 除非你需要多用户支持或持久的服务器端历史记录，否则独立模式可以避免 PostgreSQL 和 MinIO 的开销。
* **对于大型模型使用 API 提供商。** 通过外部 API 路由 Claude 或 GPT-4 请求比偶尔租用 H100 更便宜。

### 安全性

```bash
# 在公共 Clore.ai IP 上始终设置访问码
-e ACCESS_CODE=your-strong-password-here

# 限制到特定来源（可选）
-e NEXT_PUBLIC_SERVICE_MODE=server
```

* 切勿在公共 IP 上暴露 LobeChat 而不设置 `ACCESS_CODE` 。
* 如果长期运行，考虑使用带 HTTPS 的 Nginx 反向代理。
* 如果怀疑密钥泄露，请更换 API 密钥。

### background = Image.open("studio\_bg.jpg")

```bash
# 如果在数据库模式下有大量用户，请增加 Node.js 堆内存
-e NODE_OPTIONS="--max-old-space-size=4096"
```

* 对于有 10+ 并发用户的数据库模式，请确保主机至少有 8 GB 内存。
* MinIO 在使用 SSD 支持的存储（Clore.ai NVMe 实例）时表现更佳。

### Clore.ai 会话之间的持久性

由于 Clore.ai 服务器可能被终止：

```bash
# 为独立模式的对话导出创建 Docker 卷
docker run -d \
  --name lobechat \
  -p 3210:3210 \
  -v lobechat_data:/app/data \
  lobehub/lobe-chat
```

定期从界面中的 设置 → 数据导出 导出对话。

***

## # 使用固定种子以获得一致结果

### 容器无法启动

```bash
# 检查日志
docker logs lobechat --tail 50

# 验证端口未被占用
ss -tlnp | grep 3210

# 检查 Docker 守护进程是否在运行
systemctl status docker
```

### 无法从 LobeChat 连接到 Ollama

```bash
# 从 LobeChat 容器测试连通性
docker exec lobechat curl -s http://172.17.0.1:11434/api/tags

# 如果失败，检查 Ollama 是否监听所有接口
docker exec ollama ollama serve --host 0.0.0.0
```

### 数据库连接错误（数据库模式）

```bash
# 检查 PostgreSQL 健康状态
docker exec lobe-postgres pg_isready -U lobechat

# 验证 DATABASE_URL 格式
# postgresql://user:password@host:port/dbname

# 如有需要，手动运行迁移
docker exec lobe-chat npx prisma migrate deploy
```

### 图片/文件无法上传（数据库模式）

```bash
# 检查 MinIO 是否可访问
curl -s http://localhost:9000/minio/health/live

# 验证存储桶是否存在
docker exec lobe-minio mc ls local/

# 检查 S3_PUBLIC_DOMAIN 是否设置为正确的服务器 IP
```

### 内存不足错误

```bash
# 检查当前内存使用情况
docker stats lobechat

# 增加容器内存限制
docker run -d \
  --name lobechat \
  --memory=2g \
  -p 3210:3210 \
  lobehub/lobe-chat
```

***

## 延伸阅读

* [LobeChat 文档](https://lobehub.com/docs) — 官方文档、插件开发、部署指南
* [LobeChat GitHub](https://github.com/lobehub/lobe-chat) — 源代码、问题、讨论
* [在 Clore.ai 上运行 Ollama](/guides/guides_v2-zh/yu-yan-mo-xing/ollama.md) — LobeChat 的本地 LLM 后端
* [在 Clore.ai 上运行 vLLM](/guides/guides_v2-zh/yu-yan-mo-xing/vllm.md) — 高性能的兼容 OpenAI 的推理
* [GPU 比较指南](/guides/guides_v2-zh/ru-men/gpu-comparison.md) — 选择合适的 Clore.ai GPU
* [LobeChat Docker Hub](https://hub.docker.com/r/lobehub/lobe-chat) — 镜像标签和版本
* [LobeChat 环境变量](https://lobehub.com/docs/self-hosting/environment-variables) — 完整的变量参考


---

# Agent Instructions: 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-zh/ai-ping-tai-yu-zhi-neng-ti/lobechat.md?ask=<question>
```

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.