Lobe Chat

LobeChat（官网 LobeHub）是一个开源的多模型 AI 工作空间。官网中文标题把定位说得很直接：「LobeHub - 你的首席 Agent 运营官」，首页大字标语为「Your Chief Agent Operator」，说明写的是「LobeHub 将你的 Agent 组织成 7×24 小时运作。它会为你的整个 AI 团队进行招聘、排班并生成报告。你始终掌控全局——无需一直在线。」

它的形态已不是单纯的聊天框，而是「以 Agent 为工作单元」的调度台。官网列出运营、长周期任务、创建、协作、进化五个板块，社区推文里开发者称它为「Universal LLM Web UI」，也提到可在 Windows、Mac、Linux 上以 1 click 运行。

核心能力

• 运营（长周期任务）：官网说明你制定策略，平台负责运行 Agent，负责雇用、排程并汇报整个 AI 团队的工作。
• 创建（以 Agent 为工作单元）：官网提供 Agent 市场与 Agent 构建器，宣称一句话开始，名称、角色、技能和行为将自动设置。
• 统一智能（任意模型、任意模态）：官网将其作为核心卖点，强调模型与模态的可选择性。
• Skills 与 MCP 市场：官网首页给出「334,163+ SKILLs」与「106,994+ MCP 服务器」两个数字，用于把 Agent 接到外部能力上。
• IM 网关：官网说明可以在你已在使用的聊天工具里使用 Agent，无需另开新客户端。
• 协作与进化：官网列出多人共享 Workspace、安排运行时间让 Agent 工作，以及个人记忆与结构化可编辑的记忆。

适合谁

• 需要同时管理多个 AI 智能体、给它们排班并看进度报告的技术负责人。
• 想自己搭 Agent 工作流、但不打算从零写框架的开发者。
• 已经在用 Telegram、Discord、Slack 等 IM 协作、希望把 Agent 塞进现有对话流的团队。
• 注重自托管与开源可控、接受自己配模型 API Key 的用户。

使用建议

• 首页的 Skills 与 MCP 服务器数量是动态展示的营销口径，实际能装多少取决于你自己的运行环境，别按这个数字预估能力。
• 「一句话自动配置」是为了省事，但自动生成的角色与行为未必符合你的业务规范，创建后务必逐项检查再让它跑长任务。
• 自建部署时先确认模型 API Key 的费用归属与数据流向，不同提供商的留存策略并不相同。
• 接 MCP 服务器或 Skills 等于接入外部能力源，引入前核对来源可信度与权限范围，尤其是涉及文件写入、命令执行的扩展。