lobehub
一款同Agent团队一起无限进步的AI Agent协同平台
预览
详细介绍
一、项目溯源：从协同需求出发，构建人与Agent共生生态
LobeHub是一款基于Next.js构建的开源AI Agent协同平台，由开源社区联合研发，核心研发团队汇集了AI智能体编排、前端架构设计、多模态处理等领域的资深开发者。其立项初衷源于对AI应用场景的深刻洞察——当前AI工具多为单一功能导向，难以适配复杂任务需求，且不同Agent之间缺乏协同能力，人与Agent、Agent与Agent的联动效率低下，同时普通用户构建专属Agent门槛高，开发者适配多LLM模型接口繁琐，这些痛点严重限制了AI能力的落地与价值释放。
项目以“打破AI协同壁垒，实现人与Agent共同演化”为初心，聚焦“Agent为工作单元”的核心逻辑，构建了集Agent构建、市场共享、协同工作、持续进化于一体的完整生态。自开源以来，LobeHub凭借前沿的设计理念与实用的功能，收获了全球开源社区的广泛关注与认可，成为AI Agent协同领域极具创新性的开源项目，其开源特性不仅让开发者能够自由迭代优化，更让普通用户能够免费享受高效的AI协同服务，践行“开源普惠，让AI赋能每一位使用者”的理念，目前已支持Windows、Mac、Linux多系统本地一键运行，同时提供Web端使用体验，适配不同用户的使用习惯。
+双运行时驱动，兼顾易用性与可扩展性
LobeHub的核心优势在于其“分层模块化+双运行时”的架构设计，以Model Runtime（模型运行时）与Agent Runtime（智能体运行时）为核心驱动力，采用Next.js构建的分层架构，将Agent构建、协同协作、模型适配、数据存储等功能拆解为独立模块，支持按需扩展与二次开发，既保证了普通用户的零门槛上手，也满足了开发者的定制化需求，同时实现了多模型、多模态、多终端的全面适配。
（一）核心架构拆解
LobeHub采用清晰的分层架构设计，各层无缝衔接，形成从Agent构建到协同落地的完整闭环，具体拆解如下：
1. 交互层：多终端可视化交互模块。作为用户与系统交互的核心入口，采用Next.js App Router与React Router DOM混合路由方案，兼顾服务端渲染的安全性与SPA应用的流畅性；支持Web端与本地客户端（Windows、Mac、Linux）双重模式，界面简洁直观，适配不同终端显示；同时支持自然语言交互，用户只需一句话即可启动Agent构建，系统会自动配置Agent的名称、角色、技能与行为，无需复杂操作，即使是非专业用户也能快速上手。此外，集成react-i18next国际化方案，支持多语言适配，满足全球用户使用需求。
2. 核心层：双运行时与Agent协同模块。这是LobeHub的核心所在，包含两大核心运行时与协同调度能力：一是Model Runtime（模型运行时），作为LLM API适配层，可抹平30+不同AI Provider（OpenAI、Anthropic、Google、Bedrock、Ollama等）之间的API差异，提供统一的调用接口，实现“一键运行任意LLM”的便捷体验；二是Agent Runtime（智能体运行时），作为Agent编排引擎，负责驱动多步AI Agent行为的完整生命周期，支持Plan-Execute循环、工具调用与批量执行、人工介入审批、上下文压缩等核心能力，同时通过GroupOrchestrationRuntime支持Supervisor + Executor模式的多Agent协作，让多个Agent像真实队友一样协同完成复杂任务。
3. 应用层：场景化工具与市场集成模块。聚焦个人高效办公、团队协作、专业任务处理等多类场景，提供丰富的预置功能与市场生态：包括Agent市场与Skills市场，目前已拥有28万+技能与5万+MCP服务器，用户可直接获取各类现成Agent与技能，也可自行构建并分享；同时支持多模态工作流，让Agent贯穿工作全流程，涵盖页面协同编辑、任务计划调度、项目结构化管理、共享工作区等功能，适配不同场景的协同需求。
4. 基础层：数据存储与技术支撑模块。作为系统的底层支撑，采用PostgreSQL + Redis + S3的组合方案，负责用户数据、Agent配置、技能信息、协作记录等内容的安全存储与高效检索；集成Better Auth认证体系，支持邮箱密码与SSO双重认证，保障用户数据安全；同时提供环境适配、版本更新、权限管理等功能，采用Monorepo架构，确保系统在不同环境下稳定运行，为上层功能提供可靠支撑。
（二）核心技术栈（开源可查）
LobeHub的技术选型兼顾前沿性、实用性与可扩展性，全部技术组件均为开源或可免费调用，具体基于官方文档与开源仓库整理如下：
- 前端：基于Next.js 16 + React 19构建，采用Next.js App Router与React Router DOM混合路由，UI组件选用@lobehub/ui与Ant Design，搭配antd-style样式方案，状态管理使用轻量级的zustand，数据请求采用SWR + tRPC，实现端到端类型安全的API通信；
- 后端：提供RESTful WebAPI与tRPC Routers双重API形式，按运行时分组管理路由，涵盖主业务、异步操作、工具调用、移动端专用等场景，适配不同业务需求；
- 核心运行时：包含@lobechat/model-runtime（模型运行时）与@lobechat/agent-runtime（智能体运行时），前者负责多LLM模型适配，后者负责Agent编排与协同；
- 数据存储：采用Drizzle ORM + PostgreSQL进行数据管理，搭配Redis缓存与S3存储，实现数据高效检索与安全存储；
- 多终端适配：支持Web端、Windows、Mac、Linux本地客户端，实现“一键运行”，无需复杂环境配置；
- 辅助工具：支持MCP协议兼容，可对接Claude、Cursor等支持MCP的智能体或大模型；集成多模态处理能力，支持视频无字幕理解、 transcript总结、学术论文可视化等功能；支持团队协作权限管理，适配企业级使用需求。
三、核心功能特性：以“Agent协同”为核心，解锁全场景高效协作
LobeHub的核心功能围绕“Agent构建、协同协作、全模型适配、多场景落地”展开，以双运行时为驱动，实现人与Agent、Agent与Agent的高效联动，兼顾零门槛易用性与灵活扩展性，其核心功能特性可概括为以下5点：
（一）零门槛Agent构建，一键生成专属智能伙伴
打破传统Agent构建的技术壁垒，采用“一句话启动”模式，用户只需输入简单描述，系统即可自动配置Agent的名称、角色、技能与行为，无需专业编程知识。同时提供可视化Agent构建器，支持自定义Agent的技能、行为逻辑，用户可轻松构建专属Agent，实现技能的精准控制；此外，接入Agent市场与Skills市场，用户可直接获取各类现成Agent（如求职申请Agent组、股票交易Agent组、论文总结Agent等）与技能，快速适配各类任务需求，目前平台已汇聚28万+技能与5万+MCP服务器，形成丰富的Agent生态。
（二）多Agent协同工作，像真实团队一样高效联动
创新的Agent群组协作模式，支持用户将多个Agent组建为协作团队，系统会根据任务需求自动组建合适的Agent团队，实现多Agent并行协作、多任务同步执行。Agent之间可共享上下文，像真实队友一样协同完成复杂任务，例如股票交易Agent组可协作分析市场信号、制定策略、识别核心风险；论文总结Agent组可批量读取论文、生成结构化摘要，包含核心观点、研究方法与关键结论，大幅提升文献综述效率；会议总结Agent可将会议记录或transcript转化为清晰的摘要，明确关键决策、行动项与负责人，方便后续跟进。
（三）全模型适配，一键运行任意LLM
依托Model Runtime的强大适配能力，抹平30+不同AI Provider之间的API差异，用户可一键运行任意LLM模型，无需手动适配接口，涵盖OpenAI、Anthropic、Google、Bedrock、Ollama等主流模型。无论是本地部署的模型还是云端模型，都能通过统一接口调用，实现“任意模型、任意模态——尽在掌控”的便捷体验，同时支持用量与成本追踪，实时统计token用量与费用，方便用户合理管控成本。
（四）多模态工作流，贯穿全场景协作流程
将Agent协同融入工作全流程，提供丰富的多模态工作流功能：页面协同编辑，支持在一个地方用多个Agent编写并完善页面，共享同一份上下文；任务计划调度，可安排Agent运行时间，让Agent在合适的时刻自动完成任务；项目结构化管理，按项目组织工作，让所有协作内容保持结构化且易于追踪；共享工作区，为团队提供统一的协作空间，实现人与Agent、团队成员之间的高效联动，同时具备清晰的归属与可见性，提升团队协作效率。
（五）人与Agent共同演化，持续优化使用体验
聚焦“人类与Agent共同进化”的核心理念，具备强大的学习与自适应能力：Agent可建立个人记忆，深度理解用户的工作方式与需求偏好，实现持续学习；支持自适应行为，能够在恰当的时机主动行动，贴合用户使用习惯；提供白盒记忆功能，用户可编辑结构化记忆，精准控制Agent的行为逻辑；同时，通过开源社区的迭代与用户反馈，持续优化Agent能力与系统功能，形成“用户使用-Agent学习-功能优化”的良性循环。
四、适用场景：覆盖多领域，兼具个人与团队价值
LobeHub凭借零门槛Agent构建、多Agent协同、全模型适配的核心优势，可适配从个人高效办公到企业团队协作、从专业任务处理到创新场景探索的多类场景，既满足个人用户的效率提升需求，也能支撑企业团队的协同创新，具体核心适用场景如下：
（一）个人高效办公场景
适用于职场人士、科研人员、自由职业者等个人用户，可借助各类Agent提升工作效率。例如，科研人员可使用论文总结Agent快速处理大量文献，生成结构化摘要，节省文献综述时间；职场人士可使用会议总结Agent整理会议纪要，明确行动项；自由职业者可构建专属Agent，协助完成文案创作、视频转录总结、任务规划等工作，无需投入大量时间处理繁琐事务，聚焦核心工作。
（二）企业团队协同场景
适用于各类企业团队，尤其是研发、运营、市场、人力资源等部门，可通过Agent群组实现高效协同。例如，研发团队可组建代码辅助Agent组，协同完成代码生成、调试、文档撰写；市场团队可借助Agent群组分析市场信号、制定推广策略；人力资源团队可使用求职申请Agent组，高效处理简历筛选、面试邀约等任务；同时，共享工作区功能可实现团队成员与Agent的协同联动，规范工作流程，提升团队协作效率。
（三）专业任务处理场景
适用于科研、金融、教育等专业领域，可通过专属Agent组解决复杂专业任务。例如，金融领域可使用股票交易Agent组，协同分析市场动态、制定交易策略、识别风险；科研领域可使用论文可视化Agent，将DeepSeek-OCR 2等研究论文转化为可视化学术漫画，助力成果传播；教育领域可构建课程总结Agent，将课程视频转化为结构化笔记，方便学生复习。
（四）开发者二次开发与集成场景
适用于开发者群体，LobeHub采用开源Monorepo架构，源码开放透明，开发者可基于开源源码进行二次开发与功能定制，如新增Agent能力、集成更多LLM模型、优化协同逻辑等；也可将其核心运行时与Agent协同能力集成到自身应用中，拓展产品的AI协同功能；同时，开发者可参与开源社区协作，提交代码贡献，推动项目持续迭代优化，共同完善Agent生态。
五、开源价值：赋能协同创新，推动人与Agent共生发展
LobeHub的开源价值极为显著，不仅打破了AI Agent协同的技术壁垒，更推动了人与Agent共生生态的构建，为AI技术的落地与创新提供了全新思路。其一，开源模式降低了AI Agent协同的使用与开发门槛，让个人用户、中小微企业无需投入高额成本，就能享受高效的AI协同服务，践行“开源普惠”的理念；其二，其“双运行时+多Agent协同”的设计，重构了AI的使用与协同模式，为不同领域的高效协作提供了可复制的解决方案，推动AI从单一工具向协同伙伴转型；其三，开源源码开放透明，采用现代化技术栈与Monorepo架构，为开发者提供了学习AI Agent编排、多模型适配、前端架构设计等核心技术的优质载体，同时支持二次开发，拓展应用边界，形成“开源-迭代-创新”的良性循环；其四，构建了丰富的Agent与技能市场，推动全球开发者与用户共同参与生态建设，打造人与Agent共同演化的网络，助力AI技术更好地服务于人类工作与生活。
六、总结：一款“人与Agent共生”的开源AI协同标杆平台
LobeHub作为一款开源AI Agent协同平台，以“双运行时驱动+多Agent协同”为核心特色，凭借零门槛Agent构建、全模型适配、多模态工作流、人与Agent共同演化等优势，彻底改变了传统AI的使用与协同模式，让Agent成为人类工作与协作的得力伙伴，解锁了高效协作的新范式。它不仅是个人提升工作效率的便捷工具，也是企业团队实现协同创新的高效解决方案，更是开发者探索AI Agent技术的优质开源项目。
