它曾经是"界面最好看的开源 ChatGPT 前端"，如今把定位改成了"首席智能体运营官"——不再围绕一次对话，而是围绕一支长期在线的 AI 团队来组织工作。

改名不是换皮，是换了产品形态

2026 年 1 月，LobeChat 宣布更名为 LobeHub，GitHub 仓库也从过去的旧路径迁到了 lobehub 名下的新仓库。官方的说法很直白：过去两年他们做的是一个"用不同 AI 模型的界面"，攒下了七万多 Star 和数百万用户；但 Agent 不该只是被人在单次对话里叫起来的被动工具，它应该是常驻在线、可以成组干活的工作单元。

这句定位变化落到产品上，是几处明显的转向。入口从单一的对话线程，扩展成 Agent 团队；交互从一问一答，变成多个 Agent 并行协作；时间维度从"你在线的这段时间"，延伸到定时调度；记忆从全局模糊的上下文，换成结构化、可编辑、可查阅的白盒记忆；对外分发也不再局限于网页界面，而是搭了一座 IM 网关，让 Agent 出现在你日常本来就开着的聊天工具里。

换句话说，LobeChat 解决的是"我怎么跟模型说话"，LobeHub 想解决的是"我怎么带一支 AI 团队干活"。

一句话描述需求，Agent 自己配置好自己

上手路径被压得很短：用一句话描述你要什么，Agent Builder 会自动把名称、角色、技能和行为补齐，直接可用，不需要先啃一堆参数表单。这一步的门槛降低，其实是整个"团队化"思路成立的前提——如果建一个 Agent 要先配半小时，那"组一队"就无从谈起。

建好之后是排班。LobeHub 里的 Agent 可以挂上定时任务，在你不在线的时候按计划跑批处理，跑完把结果汇总成报告。官方首页举的场景很典型：有人攒了五百个未关闭的 issue，让 Agent 团队整晚跑一遍，人睡醒了看结果。这类"长周期、可后台化"的任务，正是单次对话模式最不擅长的部分。

Agent Groups：需要几个人，系统自己凑

单个 Agent 的视角永远是窄的，所以 LobeHub 做了 Agent Groups。你抛出一个任务，系统会判断该由哪些角色的 Agent 参与，把它们组起来，并且按任务特点选择协作方式：顺序执行适合有明确交接点的线性流程，并行适合彼此独立的子任务，迭代适合需要反复打磨的产出，辩论则让主张方、质疑方、分析师和仲裁者各站一个位置，把分歧摊开再收敛。

每个 Agent Group 里都内置了一个 Orchestrator，职责是理解目标、分配任务、协调发言顺序并提炼结论——也就是说，你不必自己当那个调度员。这一点配合前面的定时调度，才凑齐了"7×24 不打烊"的完整叙事：白班你定策略，夜班它自己跑。

记忆要能翻账，才敢放进生产

多 Agent 协作绕不开一个现实问题：它们记了什么、忘了什么，你得说得清。LobeHub 把记忆单独做成了结构化、可编辑的模块，官方称之为白盒记忆——记忆内容是可以被查看和修改的，而不是一团看不见的上下文。对个人用户来说这是可控性，对打算把它放进业务流程的人来说，这是能不能通过审查的问题。

技能和 MCP 决定它能干多少活

光有一队 Agent 还不够，它们得能动手。LobeHub 的扩展面分成两层：一层是自己的技能体系，把"查资料、读文档、生成图表、跑代码"这类动作封装成可挂载的能力，需要时给某个 Agent 配上；另一层是 MCP 协议接入，把外部工具和数据源接进来当 Agent 的手脚。这两层加起来，决定了你的 Agent 团队是只能在对话框里给建议，还是真能把流程跑完。桌面端近几个版本也在往"能动手"上靠——可以直接在本地文件入口里改代码、用重排视图检查表格，还能把本地网页文件发布成可分享的产物。

在你已经在用的聊天窗口里指挥它

IM 网关是 LobeHub 比较少被提到、但影响日常使用习惯的一环：Agent 可以被接到 Slack、Discord、Telegram、飞书这类聊天工具里，你在哪个窗口跟同事说话，就在哪个窗口给 Agent 派活。官方在最近的版本里还在持续补这块，比如飞书文档读取、Telegram 访客模式唤起、机器人回复可靠性等。

模型随便换，本地模型也接得住

模型接入是 LobeHub 的老本行，如今支持数十家模型服务商，云端 API 与本地推理可以混着用——通过 Ollama、LM Studio 这类本地推理方案跑自己的模型，也是官方文档里正面支持的能力，官方博客专门写过用本地模型零成本搭个人 AI 助手的两条路线：一条是图形界面友好的本地模型服务配云端客户端，不用自己起服务；另一条是把模型和客户端都放在自己机器上跑，全程不碰外部接口。桌面上则是常规的三平台覆盖，Windows、macOS、Linux 都有客户端，另外还有网页端和 iOS、Android 移动端。

开源可自部署，数据不必交出去

LobeHub 的源码是公开的，可以自行部署运行，云服务只是其中一种选择而非唯一路径。自部署意味着对话记录和知识库落在你自己的机器或服务器上，模型这边带自己的 API Key 就行。仓库里已经备好了 Docker Compose 一套编排文件，也支持在几种常见托管平台上做一键部署。云端版本提供免费额度与付费订阅两档，免费账户每月给一笔计算积分，付费主要买更多积分和更大存储，适合不想折腾环境的人；走自带 API Key 时不消耗积分，对已经有模型额度的人挺友好。

截至 2026 年 9 月，这个项目在 GitHub 上的 Star 数已经超过八万，当前稳定版为 v2.2.17。

如果你要的是一个"界面好看、模型随便换"的聊天客户端，LobeHub 依然称职；但它现在更值得看的是另一半能力——把一堆各自为战的 AI 对话，收编成一支有排班、有分工、有记忆、还能在聊天窗口里被你随时叫停的团队。