LibreChat
LibreChat 是一个开源的多模型 AI 对话平台，界面设计参考了 ChatGPT，但功能更加丰富。它支持同时接入 OpenAI、Anthropic Claude、DeepSeek、Mistral、Google Gemini、AWS Bedrock、Azure 等数十种主流 AI 服务，用户可以在同一个界面中自由切换不同模型，找到最适合自己需求的 AI 助手。
这个工具特别适合需要使用多种 AI 服务的用户。无论是开发者想测试不同模型的编程能力，还是研究人员需要对比各模型的回答质量，或者是企业希望搭建私有的 AI 对话系统，LibreChat 都能满足。它支持自托管部署，数据完全保存在本地，安全性有保障。
LibreChat 的核心亮点包括：内置代码解释器，支持 Python、JavaScript、Go、C++ 等多种语言的安全沙箱执行；支持创建自定义 AI 智能体（Agents），并可通过 MCP 协议扩展工具能力；提供 Web 搜索功能，能实时获取最新信息；支持多用户协作和精细的权限管理。此外，它还兼容 Ollama 等本地模型，方便用户在本地运行 AI。
作为完全开源的项目，LibreChat 提供了详细的部署文档，用户可以快速在 Railway、Zeabur 等平台一键部署，或者完全自托管使用。
使用场景
某互联网公司的技术团队需要同时使用多个 AI 大模型来完成代码开发、技术调研和文档撰写等不同任务。
没有 LibreChat 时
- 团队成员需要在 ChatGPT、Claude、DeepSeek 等多个平台之间来回切换，每个平台都要单独注册账号，管理混乱
- 无法在同一界面比较不同模型对同一问题的回答质量，只能手动复制粘贴到不同窗口对比
- 团队成员之间无法共享对话记录和有效的提示词模板，导致重复提问和资源浪费
- 使用第三方商业平台时担心敏感代码和业务数据的安全，无法满足公司的合规要求
- 需要在本地搭建开发环境才能运行和测试 AI 生成的代码，流程繁琐效率低下
使用 LibreChat 后
- 在一个界面中同时集成了 OpenAI、Claude、DeepSeek、Mistral 等数十种模型，按需一键切换
- 可以同时向多个模型发送相同问题，对比各模型的回答效果，选择最优方案
- 支持多用户认证和权限管理，团队可以共享预设提示词和会话记录，协作更高效
- 支持完全自托管部署，数据存储在自有服务器上，满足企业数据安全合规要求
- 内置 Code Interpreter 功能，AI 生成的代码可以直接在沙箱环境中运行和调试
LibreChat 通过统一多模型入口、团队协作支持和自托管部署，让技术团队能够高效、安全地使用 AI 辅助开发。
运行环境要求
- 未说明
未说明
未说明
快速开始
LibreChat
English · 中文
✨ 功能特性
🖥️ UI 与用户体验：灵感来自 ChatGPT，拥有增强的设计和功能
🤖 AI 模型选择：
- Anthropic (Claude)、AWS Bedrock、OpenAI、Azure OpenAI、Google、Vertex AI、OpenAI Responses API（包括 Azure）
- 自定义端点：使用任何与 OpenAI 兼容的 API，无需代理
- 支持本地和远程 AI 提供商：
- Ollama、groq、Cohere、Mistral AI、Apple MLX、koboldcpp、together.ai、
- OpenRouter、Helicone、Perplexity、ShuttleAI、Deepseek、Qwen 等
🔧 代码解释器 API：
- 安全、沙箱执行环境，支持 Python、Node.js (JS/TS)、Go、C/C++、Java、PHP、Rust 和 Fortran
- 无缝文件处理：直接上传、处理和下载文件
- 无隐私问题：完全隔离的安全执行环境
🔦 代理与工具集成：
- LibreChat 代理：
- 无代码自定义助手：构建专业的 AI 驱动助手
- 代理市场：发现和部署社区构建的代理
- 协作分享：与特定用户和群组分享代理
- 灵活可扩展：使用 MCP 服务器、工具、文件搜索、代码执行等
- 支持自定义端点、OpenAI、Azure、Anthropic、AWS Bedrock、Google、Vertex AI、Responses API 等
- 支持模型上下文协议 (MCP)用于工具调用
- LibreChat 代理：
🔍 网络搜索：
- 搜索互联网并获取相关信息以增强 AI 上下文
- 结合搜索提供商、内容抓取器和结果重排序器以获得最佳结果
- 可自定义的 Jina 重排序：配置自定义 Jina API URL 用于重排序服务
- 了解更多 →
🪄 生成式 UI 与代码产物：
- 代码产物允许直接在聊天中创建 React、HTML 和 Mermaid 图表
🎨 图像生成与编辑
- 使用 GPT-Image-1 进行文生图和图生图
- 使用 DALL-E (3/2)、Stable Diffusion、Flux 或任何 MCP 服务器 进行文生图
- 从提示词生成令人惊叹的视觉效果，或通过单一指令优化现有图像
💾 预设与上下文管理：
- 创建、保存和分享自定义预设
- 聊天中切换 AI 端点和预设
- 编辑、重新提交和继续消息，支持对话分支
- 与特定用户和群组创建和分享提示词
- Fork 消息与对话以实现高级上下文控制
💬 多模态与文件交互：
- 使用 Claude 3、GPT-4.5、GPT-4o、o1、Llama-Vision 和 Gemini 上传和分析图像 📸
- 使用自定义端点、OpenAI、Azure、Anthropic、AWS Bedrock 和 Google 与文件对话 🗃️
🌎 多语言 UI：
- English、中文 (简体)、中文 (繁體)、العربية、Deutsch、Español、Français、Italiano
- Polski、Português (PT)、Português (BR)、Русский、日本語、Svenska、한국어、Tiếng Việt
- Türkçe、Nederlands、עברית、Català、Čeština、Dansk、Eesti、فارسی
- Suomi、Magyar、Հայերեն、Bahasa Indonesia、ქართული、Latviešu、ไทย、ئۇيغۇرچە
🧠 推理 UI：
- 为 DeepSeek-R1 等思维链/推理 AI 模型提供动态推理 UI
🎨 可自定义界面：
- 可自定义的下拉菜单和界面，同时适配高级用户和新手
🌊 可恢复流：
- 永不丢失响应：AI 响应在连接断开时自动重连和恢复
- 多标签页和多设备同步：在多个标签页中打开同一聊天或在其他设备上继续
- 生产就绪：从单服务器设置到支持 Redis 的水平扩展部署
🗣️ 语音与音频：
- 语音转文本和文本转语音，实现免提聊天
- 自动发送和播放音频
- 支持 OpenAI、Azure OpenAI 和 Elevenlabs
📥 导入与导出对话：
- 从 LibreChat、ChatGPT、Chatbot UI 导入对话
- 导出对话为截图、markdown、文本、json
🔍 搜索与发现：
- 搜索所有消息/对话
👥 多用户与安全访问：
- 多用户、安全认证，支持 OAuth2、LDAP 和邮箱登录
- 内置审核和代币消费工具
⚙️ 配置与部署：
- 配置代理、反向代理、Docker 及多种部署选项
- 完全本地部署或云端部署
📖 开源与社区：
- 完全开源并公开开发
- 社区驱动的开发、支持和反馈
🪶 一站式 AI 对话平台 LibreChat
LibreChat 是一个自托管 AI 聊天平台，在单一注重隐私的界面中整合所有主要 AI 提供商。
除了聊天，LibreChat 还提供 AI 代理、模型上下文协议 (MCP) 支持、代码产物、代码解释器、自定义操作、对话搜索和企业级多用户认证。
开源、积极开发，为任何重视 AI 基础设施控制权的人而构建。
🌐 资源
GitHub 仓库：
其他：
- 网站： librechat.ai
- 文档： librechat.ai/docs
- 博客： librechat.ai/blog
📝 更新日志
通过访问发布页面和更新说明了解最新动态：
⚠️ 更新前请查阅更新日志以了解重大变更。
⭐ Star 历史
✨ 贡献
欢迎贡献、建议、错误报告和修复！
对于新功能、组件或扩展，请在提交 PR 之前先开 issue 进行讨论。
如果您愿意帮助将 LibreChat 翻译成您的语言，我们非常欢迎您的贡献！改进翻译不仅能让全球用户更方便地使用 LibreChat，还能提升整体用户体验。请查看我们的翻译指南。
💖 感谢所有为这个项目做出贡献的人
🎉 特别感谢
我们感谢 Locize 提供的翻译管理工具，该工具支持 LibreChat 的多语言功能。
版本历史
v0.8.42026/03/20chart-2.0.22026/03/20v0.8.4-rc12026/03/17chart-2.0.12026/03/17v0.8.32026/03/09chart-2.0.02026/03/09v0.8.3-rc22026/03/04chart-1.9.92026/03/04v0.8.3-rc12026/02/19chart-1.9.82026/02/19v0.8.22026/01/28chart-1.9.72026/01/28v0.8.2-rc32026/01/18chart-1.9.62026/01/18v0.8.2-rc22026/01/07chart-1.9.52026/01/07v0.8.2-rc12025/12/17v0.8.12025/12/11chart-1.9.42025/12/11v0.8.1-rc22025/11/26常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。