LibreChat 是一個以超過 4.4 萬顆星標位居自架 AI 對話平台前列的開源專案，由開發者 Danny Avila 於 2023 年 2 月建立，採 MIT 授權釋出。此平台把 OpenAI、Anthropic、Google、AWS Bedrock 與本機模型整合於單一介面，並內建 AI Agent、MCP 工具、技能系統與程式碼解譯器，讓組織在不外流資料的前提下統一管理所有模型。
LibreChat 是採 MIT 授權的開源自架對話平台，2023 年由 Danny Avila 建立，可整合 OpenAI、Anthropic 與本機模型。
LibreChat 是什麼？為何成為自架 AI 平台的熱門選擇？
LibreChat 的定位是「統一所有主要 AI 供應商的對話平台」。它並非單一模型的聊天介面，而是一層同時連接雲端 API 與本機模型的閘道， LibreChat 的定位是「統一所有主要 AI 供應商的對話平台」。它並非單一模型的聊天介面，而是一層同時連接雲端 API 與本機模型的閘道，使用者可以在同一次對話中切換供應商，並沿用既有的提示詞與預設組合。專案自稱完全開源、公開開發，強調使用者對自身 AI 基礎架構的掌控權。
這種定位回應了兩類需求。第一類是對資料外流敏感的組織，希望對話紀錄、檔案與檢索內容都留在自建伺服器；第二類是需要管理多個模型的團隊，過去必須在數個官方介面之間切換，如今可在一個具備權限控管的系統內完成。專案同時提供瀏覽器版管理面板，讓管理員在不重新部署的前提下調整角色與群組權限。
LibreChat 是一層連接雲端 API 與本機模型的閘道，讓使用者在同一介面切換供應商，並把對話與檔案留在自建伺服器，回應資料主權與多模型管理的需求。
LibreChat 的核心技術亮點有哪些？
平台的功能核心分為三層。最底層是模型接入層，支援 Anthropic、AWS Bedrock、OpenAI、Azure OpenAI、Google、 平台的功能核心分為三層。最底層是模型接入層，支援 Anthropic、AWS Bedrock、OpenAI、Azure OpenAI、Google、Vertex AI 與 OpenAI Responses API，同時相容任何 OpenAI 格式的自訂端點，因此 Ollama、Groq、Mistral、DeepSeek、Qwen、OpenRouter 等服務都能直接掛載。
中層是代理與工具層。LibreChat Agents 提供無程式碼的自訂助理，可掛載 MCP 伺服器、檔案檢索與程式碼執行；技能（Skills）以可重用的 SKILL.md 指令包形式存在，支援手動、自動或常駐三種觸發模式；子代理（Subagents）則把特定工作委派給擁有獨立上下文視窗的子執行緒。最上層是體驗層，包含程式碼工件、Trace Viewer、可恢復串流與多語系介面。
平台分為模型接入、代理工具與體驗三層：底層相容 OpenAI 格式與本機模型，中層提供無程式碼代理、MCP 與技能，上層具備程式碼工件與 Trace Viewer。
LibreChat 如何整合多個 AI 模型供應商？
整合方式是 LibreChat 最具辨識度的設計。使用者無需為每個供應商安裝獨立前端，只要在設定檔中宣告端點，平台便會以統一格式轉發請求。 整合方式是 LibreChat 最具辨識度的設計。使用者無需為每個供應商安裝獨立前端，只要在設定檔中宣告端點，平台便會以統一格式轉發請求。官方文件將此設計稱為自訂端點，其關鍵在於兼容 OpenAI 的請求結構，令社群既有的工具鏈可以直接沿用。
對於偏好本機運算的使用者，平台同樣支援連接 Ollama、Apple MLX 與 koboldcpp 等本機推理服務，形成雲端與本機混合的部署形態。這種混合模式在成本控制上尤其實用：高頻的整理與摘要工作可交由本機小模型處理，需要複雜推理的任務再送往雲端旗艦模型，兩者在同一介面內完成切換。
LibreChat 以自訂端點統一接入各供應商，只要端點相容 OpenAI 請求格式即可掛載，並可混合本機模型處理高頻任務、雲端模型負責複雜推理。
LibreChat 在企業部署與資料主權上有什麼優勢？
企業功能集中在驗證、權限與觀測三個面向。身分驗證支援 OAuth2、LDAP 與電子郵件登入，並內建內容審核與用量統計工具； 企業功能集中在驗證、權限與觀測三個面向。身分驗證支援 OAuth2、LDAP 與電子郵件登入，並內建內容審核與用量統計工具；管理面板讓管理員即時調整使用者、群組與角色的權限，無需重新部署服務。對於受監管行業而言，這種設計把帳號治理與模型使用紀錄留在組織內部。
程式碼解譯器是另一項關鍵能力。它由 ClickHouse 的開源專案驅動，在隔離沙箱內執行 Python、Node.js、Go、C、Java、PHP、Rust 與 Fortran 等語言，使用者可上傳檔案、處理後下載結果，整個流程不離開自建環境。觀測層則支援以 OpenTelemetry 匯出追蹤紀錄，並可接入 Langfuse 檢視代理與模型的成本與行為。
企業功能涵蓋 OAuth2 與 LDAP 身分驗證、即時權限管理與用量審核；程式碼解譯器在自建沙箱內執行多種語言，並可用 OpenTelemetry 匯出觀測資料。
LibreChat 的社群與專案數據表現如何？
專案自 2023 年 2 月上線以來維持高頻更新，截至 2026 年 9 月已累積約 4.5 萬顆星標與 9,200 次複製，貢獻者頁面超過 400 頁， 專案自 2023 年 2 月上線以來維持高頻更新，截至 2026 年 9 月已累積約 4.5 萬顆星標與 9,200 次複製，貢獻者頁面超過 400 頁，顯示其發展並非依賴單一開發者。主要語言為 TypeScript，授權條款為 MIT，允許商業使用與自行修改，這對需要內部客製的團隊是一項重要條件。
- 45kGitHub 星標
- 9,216複製次數
- MIT開源授權
- 2023專案建立年份
截至 2026 年 9 月，LibreChat 累積約 4.5 萬顆星標與 9,216 次複製，貢獻者超過 400 頁，以 TypeScript 撰寫並採 MIT 授權，允許商業使用與修改。
如何快速開始部署 LibreChat？
部署路徑以 Docker Compose 為主。官方提供現成堆疊，執行一行指令即可拉起身分驗證、資料庫與管理面板等元件，適合先在單機環境驗證功能。 部署路徑以 Docker Compose 為主。官方提供現成堆疊，執行一行指令即可拉起身分驗證、資料庫與管理面板等元件，適合先在單機環境驗證功能。若需要橫向擴充，平台支援以 Redis 支撐多節點部署，並可搭配 S3 與 CloudFront 提供穩定的媒體連結與邊緣傳送。
對於想先評估再導入的團隊，建議先在測試環境接入一至兩個供應商，確認模型回應品質與成本結構，再逐步啟用代理、MCP 與程式碼解譯器。官方同時提醒，升級前必須查閱版本變更紀錄，因為部分版本包含不相容的設定調整，忽略此步驟可能導致既有代理無法運作。
部署以 Docker Compose 為主，一行指令即可啟動完整堆疊；需要擴充時可搭配 Redis 與 S3。升級前應先查閱變更紀錄，避免不相容的設定調整導致代理失效。
出處連結有哪些？
本文資訊整理自 LibreChat 的 GitHub 儲存庫與官方功能文件，版本更新部分參考 v0.8.8-rc4 的說明。
本文內容整理自 LibreChat 的 GitHub 儲存庫（https://github.com/LibreChat-AI/LibreChat），並參考官方網站 librechat.ai 的功能文件與 v0.8.8-rc4 版本更新說明。讀者可前往上述來源查閱完整的部署指引與授權條款。
總結：LibreChat 適合什麼團隊？
LibreChat 適合重視資料主權與多模型管理的團隊。若組織需要把對話與檔案留在自建環境，並在同一介面管理雲端與本機模型，此專案值得優先評估。
LibreChat 的價值在於把分散的模型供應商、代理工具與權限治理收攏到同一個自架系統內。對於需要掌控資料流向的組織，它提供了介於純雲端服務與完全自建方案之間的中間路線。評估時應優先確認模型接入範圍、身分驗證方式與升級維護成本，再決定是否將其作為組織的 AI 對話中樞。