LobeChat 是什麼?GitHub 破 5 萬星開源多模型對話工作區懶人包與 LobeChat 教學:一站整合 Claude、Ollama 與 Artifacts 預覽

LobeChat 是什麼?這篇 LobeChat 教學深入解析這款在 GitHub 突破 5 萬星的開源多模型 AI 工作台,說明如何透過 API 金鑰同時串接 ChatGPT、Claude 與本地 Ollama,並實測 Artifacts 即時預覽、知識庫 RAG、MCP 外掛與 Vercel 免伺服器部署方案。

Share
LobeChat 開源現代化多模型 AI 對話工作區與外掛平台官方主視覺
LobeChat 提供跨模型對話、Artifacts 預覽、知識庫檢索與外掛市集,支援本機與雲端一鍵部署。 圖片來源:LobeChat GitHub 官方儲存庫。

如果你每個月同時付費訂閱 ChatGPT 與 Claude,偶爾還想切換到電腦本機的 Ollama 跑開源模型,這篇 LobeChat 教學能幫你把所有工具收進同一個視窗。

因為在不同官方網頁之間來回複製貼上提示詞,不但會打斷原本的工作思緒,每個月累積下來的多平台固定月費也是一筆不小的負擔。

許多人剛聽到自架多模型前端介面時,常以為那只是把官方網頁換一層皮,甚至擔心自己不懂伺服器架構根本裝不起來。

其實透過按量計費的 API 串接不同模型介面,你不但能只針對實際呼叫的字數付費,還能隨時在同一個對話串裡切換各家最強的模型。

在過去,想要自己架設這樣一套整合介面,往往得忍受簡陋的工程師排版,而且缺乏官方網頁版好用的即時程式碼預覽與檔案檢索功能。

這也是為什麼由 LobeHub 團隊開發、在 LobeChat 官方 GitHub 儲存庫突破 5 萬顆星的開源專案會成為全球開發者與知識工作者的首選。

因為它不只擁有極具現代感的視覺設計,還直接內建了 Artifacts 互動預覽、檔案知識庫檢索、五百多個預設助手市集與 MCP 外掛生態。

這套開源工作台非常適合需要跨模型比對答案的重度使用者、前端設計師、軟體工程師,以及想要幫團隊省下高額訂閱費的中小企業。

但如果你平常每天只會問 AI 兩三個簡單的生活常識,而且完全不想去申請任何模型服務商的後台金鑰,那麼直接用免費版官方網頁會更省事。

延伸閱讀:NVIDIA 投資指南:輝達 NVDA 做什麼、財報重點與美股購買教學

那麼這套開源工作區到底是如何把數十家雲端與本地模型無縫整合在一起的?

LobeChat 開源現代化多模型 AI 對話工作區與外掛平台官方主視覺
LobeChat 提供跨模型對話、Artifacts 預覽、知識庫檢索與外掛市集,支援本機與雲端一鍵部署。 圖片來源:LobeChat GitHub 官方儲存庫。

為什麼同時用多款 AI 的人最需要統一工作台?LobeChat 解決了哪些痛點?

現在的語言模型市場早就進入了戰國時代,沒有任何一家廠商能在所有任務上都保持絕對領先。

我們常常需要請 Claude 撰寫複雜的系統程式碼,接著請擅長邏輯推理的模型檢查漏洞,最後再用本機的免費模型整理內部會議逐字稿。

擺脫多個官方網頁切換與固定月費的束縛

如果你完全依賴各家廠商的官方網頁版,每當你想換一個模型測試同一段提示詞時,就必須重新打開另一個瀏覽器分頁並把背景資料重貼一次。

更現實的問題是,每一家官方的高階訂閱方案每個月都要收費二十美元左右,同時訂三家每個月就會固定燒掉將近兩千塊台幣。

但對大多數上班族來說,你不可能每天八小時都把三家模型的額度用滿,這就造成了嚴重的訂閱額度浪費。

透過這套統一的前端介面,你可以改去申請各家模型服務商的開發者後台,改用充多少用多少的計費方式來呼叫模型。

而且它支援直接連上你電腦本機已經下載好模型權重的 Ollama 或 vLLM 服務。

所謂的模型權重,就是語言模型訓練完成後的核心參數,只要先把它下載到本機硬碟裡,你就能在同一個美觀介面裡免費無限次對話。

跨模型無縫接力與行動端 PWA 的流暢體驗

在傳統的單一平台裡,一個對話串從頭到尾都只能綁死同一家廠商的模型,中途發現它答不好也沒辦法請別家模型進來救場。

而在 LobeHub 官方文件網站展示的工作流中,你可以在第一句先請雲端高階模型擬定大綱,下一句直接點選選單切換成本地模型繼續擴寫細節。

新接手的模型會完整讀取前面所有的對話上下文,讓你像是指揮一個跨廠牌的專家團隊一樣自由調度算力。

另外,很多開源專案雖然在電腦大螢幕上很好看,但只要用手機瀏覽器打開就會出現排版跑位或按鈕按不到的慘況。

這款工具從底層就針對行動裝置做了深度優化,並且完整支援漸進式網頁應用程式(PWA)技術。

你只要用手機的 Safari 或 Chrome 打開自己部署好的網址並選擇加入主畫面,它就會變成一個全螢幕獨立運作的手機 App,操作手感跟原生應用程式幾乎沒有差別。

核心功能拆解與 LobeChat 教學:Artifacts 預覽、知識庫與外掛怎麼用?

搞懂了跨模型整合的優勢之後,接下來這段 LobeChat 教學要帶你認識它最受好評的四大殺手級功能。

因為它之所以能累積破 5 萬顆星,關鍵在於它把各家商業產品最貴的招牌功能全部開源做出來,而且還讓你能在任何模型上通用。

開啟 Artifacts 即時渲染網頁、SVG 圖表與互動元件

許多人之所以離不開 Claude 官方網頁,就是因為喜歡它右側會彈出一個獨立的 Artifacts 預覽視窗,能直接把生成的程式碼變成可互動的畫面。

現在這套開源工作台也把完整的 Artifacts 渲染引擎直接內建到對話介面裡了。

這代表就算你底層接的是 OpenAI 的模型、DeepSeek 或是本機的開源模型,只要請它寫一段 HTML 網頁或 React 前端元件,右側就會立刻渲染出真實的視覺畫面。

除了互動網頁之外,你還可以請它直接繪製向量圖形(SVG)、撰寫 Mermaid 系統流程圖,並直接在預覽視窗裡點擊按鈕測試互動效果。

對於需要快速製作產品原型、畫簡報架構圖或設計資料儀表板的人來說,這種邊聊邊看畫面的體驗能省下大量來回複製程式碼測試的時間。

內建檔案知識庫與多模態視覺語音互動

在早期的版本中,如果你想讓它讀取整份 PDF 報告,通常得依賴外部的插件或是把文字全部硬塞進對話框裡。

現在它已經內建了完整的檔案知識庫(Knowledge Base)與檢索增強生成架構。

你可以直接在左側建立專屬的檔案庫,把 PDF、Word、Excel 與程式碼檔案拖曳進去,系統就會自動幫你完成文字切片與向量化索引。

在開啟對話時,你只需要勾選要掛載哪一個知識庫,任何接入的語言模型都能立刻針對你上傳的私有文件進行精準檢索與引用回答。

同時它也全面支援多模態的視覺辨識與語音合成功能,你可以直接貼上螢幕截圖請視覺模型抓錯,或是開啟語音朗讀功能直接用聽的複習長篇摘要。

一鍵匯入 Agent Market 助手市集與 MCP 外掛生態

很多人雖然接上了最頂尖的語言模型,卻常常苦惱自己不會寫精準的系統提示詞(System Prompt),導致 AI 給出的回答總是很空泛。

為了解決這個問題,官方建立了一個完全開放的助手市集(Agent Market),裡面收錄了全球社群貢獻的五百多種專業角色設定。

無論你需要的是精通台灣繁體中文語境的資深文案編輯、Python 除錯專家、學術論文翻譯官還是財務報表分析師,只要點一下就能直接安裝到自己的側邊欄。

更強大的是,它除了擁有自家的外掛市集可以串接即時網頁搜尋與繪圖工具之外,也正式支援了標準化的模型上下文協定(MCP)。

透過 MCP 外掛機制,你可以讓對話框裡的 AI 助手直接連接外部的資料庫、GitHub 儲存庫或本地檔案系統,把單純的聊天視窗直接升級成自動化代理工作站。

部署方案怎麼選?Vercel 免費一鍵雲端架設 vs Docker 本地資料庫比較

看到這裡,你一定會想問這套系統到底該裝在自己的電腦上,還是放在雲端伺服器上比較好。

因為這套專案提供了多達三種以上的資料儲存與部署架構,選對方案才能確保你的對話紀錄既安全又能跨裝置同步。

零成本 3 分鐘上線的 Vercel 一鍵部署與 PGLite 本地儲存

如果你是完全不想管伺服器維運的個人使用者,最推薦的入門方式就是直接點擊官方提供的 Vercel 或 Zeabur 一鍵部署按鈕。

只要你有一個免費的 GitHub 帳號,照著網頁指引點選 Fork 並填入一組自己設定的訪問密碼,不到三分鐘就能獲得一個專屬的加密網址。

在這種輕量模式下,系統預設會把你的所有對話紀錄、安裝的助手以及 API 金鑰,全部加密儲存在你自己瀏覽器內部的 IndexedDB 或 PGLite 本地資料庫裡。

這意味著就算網站是架設在免費的雲端平台上,你的任何對話內容與金鑰都不會經過平台伺服器,具備極高的個人隱私安全性。

以下我把三種常見部署方案在安裝門檻、資料同步能力與檔案知識庫支援度上的差異整理成表格:

部署方案類型 安裝與維護門檻 對話紀錄儲存位置 跨手機與電腦同步 進階檔案知識庫(RAG)支援
Vercel 免費輕量部署 極低,網頁點擊 3 分鐘完成 瀏覽器本地(IndexedDB / PGLite) 不支援自動同步,需手動匯出備份 僅支援基礎文字讀取,無伺服器向量庫
Docker 本機單機部署 中等,需在電腦執行一行啟動指令 個人電腦本機硬碟 僅限同區網或單機使用 可搭配本機資料庫開啟完整功能
伺服器版(含 PostgreSQL) 較高,需設定資料庫與物件儲存 雲端或自架 PostgreSQL 資料庫 完整支援多裝置即時同步與登入 完整支援 pgvector 向量檢索與大檔上傳

從表格中可以清楚看到,如果你只需要在固定一台電腦上使用,免費的 Vercel 輕量版就非常夠用。

需要跨裝置同步與大檔案知識庫?改用伺服器資料庫版

但如果你經常在辦公室桌機、家裡筆電與手機之間切換工作,瀏覽器本地儲存就會遇到「在電腦聊了一半,打開手機卻看不到紀錄」的困擾。

而且如果你想使用前面提到的完整版向量知識庫來儲存幾百份大型 PDF 文件,單靠瀏覽器內部的暫存空間很快就會撞到容量上限。

這時候你就應該選擇部署包含伺服器端資料庫(Server-side Database)的完整版本。

這套架構會搭配支援 pgvector 向量擴充套件的 PostgreSQL 資料庫,以及相容於 S3 協定的圖片與檔案儲存空間,並整合 Clerk 或 NextAuth 帳號登入系統。

只要架好這套伺服器版,你不管在哪一台設備登入自己的帳號,所有的歷史對話、自訂外掛與上傳過的知識庫文件都會即時秒速同步。

串接多家模型 API 與本地 Ollama 的實務省錢配置策略

當你把工作台架設好之後,最後一步就是去設定頁面把各家模型引擎接進來。

很多新手一開始會把所有任務都預設綁定最貴的旗艦模型,結果月底收到帳單才發現很多簡單的翻譯或格式整理根本不需要用到那麼貴的算力。

如何解決瀏覽器跨域限制連接本機 Ollama?

如果你想在雲端部署的網頁介面裡,直接呼叫自己電腦本機正在執行的 Ollama 模型,第一次連線時通常會遇到瀏覽器跳出連線失敗的錯誤提示。

這是因為現代瀏覽器基於資安保護機制,預設會攔截外部網頁去讀取你本機通訊埠的跨域請求(CORS)。

解決的方法非常簡單,你只需要在電腦啟動 Ollama 之前,新增一個名為 OLLAMA_ORIGINS 的系統環境變數並將值設為星號 *。

重新啟動本機服務之後,網頁端的工作台就能順利透過 127.0.0.1:11434 這個本機位址,自動抓出你電腦裡所有的開源模型清單了。

依任務難度混搭雲端與本地模型的黃金組合

為了在回答品質與荷包之間取得最佳平衡,最聰明的做法是在側邊欄建立三到四個綁定不同底層模型的專屬助手。

以下我把日常工作中最常見的四種任務情境與最划算的模型混搭策略整理成表格:

日常工作任務情境 建議搭配的模型等級 推薦串接管道 預估成本與隱私效益
機密合約摘要與內部會議整理 本地 8B–14B 開源模型 本機 Ollama 或 LM Studio 零 API 費用,資料百分之百不出本機
日常信件潤稿與外文網頁快速翻譯 雲端輕量級高速模型 GPT-4o-mini 或 Claude Haiku 每次對話不到台幣 0.05 元,反應極快
撰寫複雜程式碼與 Artifacts 預覽 雲端頂尖程式碼模型 Claude 3.5 / 3.7 Sonnet 按次計費,只針對寫程式的高價值任務付費
長篇研究報告架構與深度邏輯推理 雲端高階推理模型 OpenAI o系列或 DeepSeek-R1 解決高難度決策,省去固定包月訂閱浪費

照著上表的分類邏輯去分配任務,你每個月實際支出的 API 費用往往不到官方固定月費的三分之一,卻能同時享受到各家最頂尖的模型能力。

延伸閱讀:RTX 5080 16GB 跑本地 AI 夠用嗎?量化模型與顯存實測指南

結語:從單一聊天室走向個人專屬的多模型指揮中心

過去我們習慣被動適應單一科技巨頭提供的網頁介面,廠商給什麼功能我們就用什麼,一旦遇到當機或模型變笨就只能束手無策。

現在有了這款突破 5 萬星的開源工作區,主導權終於重新回到使用者自己手上。

如果你已經厭倦了在好幾個分頁之間疲於奔命,我建議你今天先花三分鐘,利用免費的 Vercel 一鍵部署或直接下載它的桌面版來體驗看看。

先去助手市集挑三個你最常使用的工作角色,再把本機的免費模型跟一組常用的雲端金鑰接上去,試著在同一個對話裡感受跨模型接力與 Artifacts 預覽的流暢感。

當你把這套個人專屬的指揮中心打磨順手之後,未來不管哪一家廠商又推出了震撼市場的新模型,你都只需要在設定裡填上一行金鑰,就能立刻把它納入你的日常生產力武器庫。

延伸閱讀:SK 海力士股價與 HBM 記憶體供應鏈完整分析

常見問題(FAQ)

Q1:照著這篇 LobeChat 教學自己部署一套系統,每個月需要付伺服器租金嗎?

如果你是按照這篇 LobeChat 教學介紹的 Vercel 輕量版進行一鍵部署,或是直接使用 Docker 安裝在自己的個人電腦上,軟體本身與雲端平台都是完全免費的。

你唯一需要支付的費用,只有當你主動去呼叫 OpenAI 或 Anthropic 等商業模型時,各家官方後台按實際字數收取的微量 API 額度費用。

如果你全程只連接自己電腦上的 Ollama 本地開源模型,那麼從介面部署到日常對話就是徹頭徹尾的零成本。

Q2:我填在網頁設定裡面的各家 API 金鑰,會不會被開發團隊或雲端平台偷走?

不會的,在預設的客戶端模式下,你填入的所有金鑰與聊天紀錄都只會保存在你自己電腦瀏覽器的本地儲存空間內。

當你發送訊息時,瀏覽器也可以設定為直接從你的電腦向模型官方伺服器發起加密請求,完全不會經過任何第三方中轉伺服器。

不過為了防止別人猜到你的專屬網址並盜刷你的額度,部署時務必記得在環境變數裡設定一組高強度的 ACCESS_CODE 訪問密碼。

Q3:為什麼我用免費版部署好之後,上傳 PDF 檔案時卻提示無法建立向量知識庫?

這是因為完整的檔案切片與向量檢索功能,必須依賴後端的 PostgreSQL 向量資料庫與 S3 檔案儲存空間才能運作。

如果你使用的是純前端的免費一鍵部署模式,系統因為沒有連接外部資料庫,所以只能支援基礎的圖片上傳與純文字讀取。

若想解鎖完整的大型檔案知識庫與跨裝置雲端同步功能,建議改用官方提供的伺服器資料庫版部署教學,或是直接選用內建 PGLite 引擎的最新分支版本。

Q4:這款開源工作台跟 Open WebUI 或是 AnythingLLM 相比,我該怎麼挑選?

這三款工具的定位其實非常鮮明,你可以根據自己最核心的使用場景來決定。

如果你主要是在電腦上做純本地的機密 PDF 檢索,而且完全不想碰任何伺服器設定,那麼點兩下就能裝好的桌面版知識庫工具會最適合你。

但如果你更看重媲美商業軟體的現代化設計感、豐富的五百多個預設助手市集、好用的 Artifacts 即時網頁預覽,以及跨多家雲端模型的靈活調度,那麼這款多模型工作台是目前公認的顏值與體驗首選。

Q5:如果官方在 GitHub 上發布了新功能更新,我部署在雲端的版本要怎麼升級?

如果你當初是透過 GitHub Fork 並綁定 Vercel 進行部署的,升級過程其實只需要動動滑鼠就能完成。

你只要回到自己的 GitHub 儲存庫頁面,點擊「Sync fork」按鈕把官方最新的程式碼同步過來,Vercel 就會在背景自動幫你重新編譯並發布最新版網站。

你原本儲存在瀏覽器本地或外部資料庫裡的所有對話紀錄與助手設定都會完好如初,完全不用擔心升級後資料會不見。

資料來源

Read more