lobehub/lobehub · 上手攻略

  • 仓库：lobehub/lobehub
  • 链接：https://github.com/lobehub/lobehub
  • 分类：agent
  • 作者：Tom
  • 更新：2026-07-10

这是什么

LobeHub 是一个首席 Agent 运营平台（Chief Agent Operator），核心理念是把 AI Agent 视为团队成员来管理——招聘（创建）、排班（调度）、汇报（生成报告），让你的 Agent 团队实现 7×24 不间断运转。

当前主流 Agent 的问题是：每次任务单独触发、无上下文、无协作、无法持续运行。LobeHub 改变了这一点，它把 Agent 作为工作的基本单元，提供基础设施让人类与 Agent 共同演化、共同成长。

项目定位介于"单一 Agent 工具"和"完整 AI 团队管理系统"之间，主打： - Agent 团队编排：多 Agent 协作、并行任务、迭代改进 - 个人记忆系统：Agent 持续学习用户偏好，白盒存储、用户可控 - 10,000+ Skills：MCP 兼容插件生态 - 一键部署：Docker / Vercel / Zeabur / Sealos / 阿里云

Stars 79,651，周增 +231，是当前 Agent 平台类增长最快的开源项目之一。

快速安装

方式一：Vercel 一键部署（最快）

# 1. 准备 OpenAI API Key
# 2. 点击 GitHub README 中的 Deploy 按钮，或访问：
# https://vercel.com/import?filter=lobehub

# 环境变量（必需）
OPENAI_API_KEY=sk-xxxxx

# 可选配置
NEXT_PUBLIC_APP_URL=https://your-app.vercel.app

方式二：Docker 部署（自托管推荐）

# 拉取官方镜像
docker pull lobehub/lobehub

# 启动
docker run -d \
  --name lobehub \
  -p 3000:3000 \
  -e OPENAI_API_KEY=sk-xxxxx \
  lobehub/lobehub

# 访问 http://localhost:3000

方式三：本地开发

git clone https://github.com/lobehub/lobehub.git
cd lobehub
npm install
npm run dev

注意：Node.js 18+ 必需。首次启动会自动拉取模型列表，无需手动配置模型端点。

核心用法

1. 创建你的第一个 Agent

进入应用后，点击 Agent Builder，用自然语言描述你的需求：

"一个帮我每天早上整理行业新闻摘要的助手，
重点关注 AI 和量化交易领域，
输出格式为 Bullet Points"

系统自动配置模型、技能和参数，可立即使用。

2. Agent 团队协作（Agent Groups）

LobeHub 的核心特色是多 Agent 协作模式：

  • Pages：多 Agent 在同一上下文中协作写稿、修改内容
  • Schedule：定时任务，让 Agent 在指定时间自动运行
  • Project：按项目组织 Agent 任务，便于追踪
  • Workspace：团队共享空间，多人共同管理 Agent 团队
# 通过 MCP 协议调用（开发者模式）
# LobeHub 支持 MCP Server，可与其他 Agent 工具互连

3. 插件与 Skills（10,000+ 生态）

LobeHub 内置 Skills 库，支持 MCP 兼容插件：

# 内置 Skills 分类示例
- 网络搜索（Web Search）
- 日历管理（Calendar）
- 文件读写（File System）
- 代码执行（Code Interpreter）
- 自定义 MCP 插件（Custom MCP Plugins）

4. 个人记忆系统（Personal Memory）

Agent 自动学习用户偏好，构建个人知识库：

  • 持续学习：Agent 从用户行为中学习
  • 白盒存储：记忆以结构化格式存储，用户可随时查看和编辑
  • 跨会话持久化：重启后记忆仍在

5. IM Gateway（消息网关）

Agent 可以接入你日常聊天的 IM 工具（文档未详细展开，但 README 提及），让 Agent 在已有聊天界面中工作。

典型适用场景

  1. 个人 AI 团队管理：想让多个 AI Agent 分工协作，形成"AI 部门"，而非每次手动触发单一任务
  2. 定时自动化任务：每天早上自动生成报告、定时抓取数据，适合内容创作者和研究员
  3. 多 Agent 协作写作：需要多个 Agent 互相校对、迭代改进的内容生产流程
  4. 企业 AI 基础设施：在 Vercel 或阿里云上快速部署私有 AI Agent 团队管理系统
  5. Skills 生态整合：需要接入大量外部工具（MCP 插件），构建复杂 Agent 工作流

坑与注意

坑 说明
API Key 依赖 必需 OpenAI API Key，无 Key 无法使用；成本按 token 计费，需关注用量
Vercel 冷启动 Serverless 部署有冷启动延迟，定时任务建议用独立实例
多 Agent 协作的 token 成本 多个 Agent 并行消耗 token，复杂流程需注意预算上限
自托管配置复杂度 Docker 部署相对简单，但多环境变量配置对新手有一定门槛
Skills 质量参差 10,000+ 插件数量庞大，质量不一，使用前建议先小范围测试
仍在活跃开发中 README 明确说明项目在 active development，部分 API 可能变化

与同类对比

项目 特点 对比
LangChain / LangGraph Agent 编排框架，面向开发者 LobeHub 更偏终端用户，一键部署开箱即用
AutoGen (Microsoft) 多 Agent 对话框架 更底层，LobeHub 提供更完整的管理界面和 UI
CrewAI 多 Agent 团队协作 与 LobeHub 理念接近，但 LobeHub 有更完整的记忆系统和 Skills 生态
Dify 开源 LLM 应用平台 Dify 偏工作流编排，LobeHub 偏 Agent 团队管理
n8n 自动化工作流 n8n 偏工作流自动化，LobeHub 专注 Agent 协作场景
LobeHub Agent 团队运营平台 定位独特，Stars 增速快，生态正在扩张

一句话推荐结论

如果你想从"用单个 AI 助手"升级到"运营一个 AI 团队"，LobeHub 是目前 Stars 增速最快、生态最完整的开源选择；Vercel 一键部署让非 DevOps 人员也能快速搭建自己的 AI 团队管理系统——但要控制好 token 成本和 Agent 协作的复杂度。

主要来源 - GitHub README：github.com/lobehub/lobehub - 官方文档：lobehub.com/docs/usage/start - Docker 镜像：hub.docker.com/r/lobehub/lobehub - 官方平台：lobehub.com