模型订阅越买越多?LibreChat 用开源自建把账压到最低

每个月给三四个 AI 平台交订阅费,换来的却是各自为政的对话记录。LibreChat 想做的事很直接:把模型接进你自己的服务器,账单按实际用量走。

先说一个挺普遍的处境。手机里躺着 ChatGPT Plus、Claude Pro、Gemini Advanced 的订阅,每个月光这几笔固定支出就接近三位数。可每个平台的强项又不一样——写代码顺手的是这个,读长文档靠的是那个,做张图还得换回去。真到要退订的时候,谁也舍不得。

LibreChat 给的是另一种算法。它不卖订阅,MIT 许可证下软件本身免费,代码放在 GitHub 上,目前 43.4k 星标、52.4M 次 Docker 拉取、410 位贡献者。你把它装在自己的服务器上,只为实际调用的模型 API 付费。

要理解它的位置,得先说清一件事:LibreChat 本身不跑模型。它是一个自托管的编排层加对话界面,后端 Node.js、前端 React,会话和用户数据存在自己的 MongoDB 里。模型那头你把 API key 配上就行,想一分钱不花,也可以接本地跑的 Ollama。数据不出自己的机器,这一点对不少人是刚需。

AI chat interface dashboard
桌面端主界面,浅色主题

一个界面里换遍各家模型

接入广度是它最实在的部分。OpenAI、Anthropic、Google Vertex AI、AWS Bedrock、Azure OpenAI 都在支持列表里,Groq、Mistral、OpenRouter、DeepSeek、Cohere、Perplexity 这些也都能加,任何兼容 OpenAI 格式的自定义端点同样可以直接填进去。落到使用上,就是同一个对话里随时换模型——前半段让一个模型理思路,后半段换个模型写代码,上下文不用重新交代。它的界面支持 30 多种语言,中文翻译由社区持续跟进。

AI model selection menu
模型端点菜单,一处统管

对一个团队来说,这件事的价值会更大。以前要按人头发起订阅,现在把 key 配一次,全组共用一套界面,谁用了多少额度在后台看得见。LibreChat 支持按模型设置速率限制,也能给不同用户分配不同的余额,成本不会糊在账里。

智能体、代码执行和生成式界面

如果只当个聊天窗口,它跟网页版没什么两样。真正拉开差距的是 Agents——不用写代码就能组装自己的 AI 助手,给它挂上文件处理、代码执行、调用外部 API 的能力,再配一段系统提示,一个专门干某类活的分身就成了。做得多了还能发布到应用市场,或者分给指定的同事。再往下一层是技能与子代理,把复杂的活拆给独立的子任务处理,各自有独立的上下文,不至于互相干扰。

代码解释器是另一个常被低估的功能。Python、JavaScript、TypeScript、Go、C、C++、Java、PHP、Rust 甚至 Fortran 都能在里面跑,环境是隔离的沙箱,不需要你在本机装任何运行时。上传一份 CSV 让它算出结果,再把文件下载回来,整个流程在对话里就走完了。数据敏感的场合,这套执行是发生在你自己服务器上的。

code execution sandbox
代码解释器执行结果

Artifacts 解决的是"看得见"的问题。让它生成 React 组件、HTML 页面或者 Mermaid 流程图,结果会直接在对话旁边渲染出来,改一行代码立刻能看到变化。做原型、画架构图、验证一段布局,比来回复制粘贴快得多。

让它接上你现有的工具

模型再强,也够不着你公司的数据库和内部系统。MCP 就是补这一块的——Model Context Protocol 是连接 AI 与外部工具的开放标准,LibreChat 支持接入任意 MCP 服务器。配好之后,模型可以查数据库、调内部接口、读文件系统,把它当成一个能动手的助手而不是只会说话的助手。有公司把它接到内部三十多个 MCP 服务器上,让全公司用自然语言查数据。

AI agent tools integration
MCP 工具在对话中调用

日常使用里还有几处细节做得比较到位。记忆会把偏好和历史跨对话保留下来,不用每次重申;联网搜索给任意模型接上实时信息,结果还会做重排序,避免把一堆无关网页塞进上下文;消息和文件的全文检索交给 Meilisearch,几百个历史对话里翻旧内容也不费劲;对话可以分支,试验性的提问不会污染主线。

面向团队的那部分也没省。多用户认证支持邮箱密码、OAuth2、SAML、LDAP 和双因素认证,管理员在浏览器里就能管理用户、角色和权限,不用改配置文件再重启服务。会话可以生成分享链接,也能导入导出,跟同事交接工作流方便不少。

项目

情况

许可证

MIT,软件本身免费,无订阅

当前稳定版本

v0.8.7(2026 年 6 月发布)

部署形态

自托管 Web 应用,Docker / npm / Helm

界面语言

30 种以上,社区翻译

模型来源

各家云端 API + 本地 Ollama

数据存储

自有 MongoDB,会话不出服务器

团队能力

多用户、SSO、额度与速率限制

顺便交代一下项目的去向。2025 年 11 月,实时分析数据库厂商 ClickHouse 宣布收购 LibreChat,创始人 Danny Avila 和团队一并加入。官方明确说明项目继续保持 100% 开源、沿用原有 MIT 许可证,已有部署不受影响。随后几个版本还在照常推进——v0.8.7 带来对话项目分类、上下文用量仪表和加固过的代码解释器,v0.8.8 的预览版已经在测试新的智能体构建方式。

AI chat app mobile
移动端适配,同一套数据

要说门槛,也是有的。它不是装完就能用的桌面软件——官方没有提供 .exe、.dmg 或 AppImage,本质上是一个需要用浏览器访问的 Web 应用,得自己准备服务器或者一台常年开机的机器,Docker 环境也要先备好。数据备份、版本升级这些事,从此落到自己头上。换来的是账单可见、数据可控,以及不再被任何一家平台的功能调整牵着走。

如果只是偶尔问几个问题,网页版的免费额度大概够了。但当你手上同时养着好几个订阅、又希望对话记录留在自己手里时,LibreChat 给出的选项很清晰:软件免费,服务器自己出,模型按量付费。账单从"每月固定支出"变成"用多少花多少",这笔账值得算一下。

LibreChat下载地址
支持的操作系统: Web