LobeHub 配置指南：用 Agent 市场组装你的 AI 团队（2026）

LobeHub 是开源 Agent 协作平台里体量最大的（GitHub 73K+ stars），定位是「Chief Agent Operator」——通用 AI 工作平台，不只编程。核心是 Agent Marketplace + Agent Groups 自动组队 + 273K+ Skills / 51K+ MCP Servers 的庞大生态。本文带你 15 分钟跑通 Docker 自部署。

谁该看

• 已经在用 Claude / GPT，想升级到「多 Agent 团队同时干活」
• 需要超越单纯编程的 AI 工作流（写作、研究、设计、数据分析等）
• 想自部署、用自己的 LLM API Key 长期省成本
• 团队场景：希望共享 Agent 配置和 Skills

TL;DR

# 推荐：交互式安装脚本
git clone https://github.com/lobehub/lobehub.git
cd lobehub/docker-compose
bash setup.sh    # 支持中英文交互

# Web 界面：http://localhost:3210
# 默认账号系统 + 自部署数据库

部署方式选择

前置要求（Docker Compose 自部署）

• Docker + Docker Compose
• 至少一个 LLM Provider 的 API Key（OpenAI / Anthropic / Gemini / DeepSeek / 方舟 任一）
• 4GB 以上内存的服务器
• （可选）S3 兼容存储（AWS S3 / Cloudflare R2 / MinIO），仅文件/知识库功能需要

第一步：克隆并运行 setup 脚本

git clone https://github.com/lobehub/lobehub.git
cd lobehub/docker-compose
bash setup.sh

setup.sh 是交互式向导，会问你：

• 用 Cloudflare / 直连访问？
• 数据库用 Docker 内置 Postgres 还是外接？
• 邮件验证用 Resend 还是先跳过？
• 是否启用文件上传（需 S3）？

按提示填，脚本自动生成 .env 和 docker-compose.yml。

💡 不熟悉 Docker 也能跑：脚本支持中文交互，全程问答式，比手动配 .env 友好得多。

第二步：启动服务

docker compose up -d

# 查看日志，确认所有服务起来
docker compose logs -f

启动后访问 http://localhost:3210。

第三步：配置 LLM API Key

进 Web UI 后：

1. Settings → AI Providers
2. 选你要用的 Provider（OpenAI / Anthropic / Gemini / 自定义 OpenAI 兼容 endpoint）
3. 填 API Key + Base URL（如果是国内中转，比如方舟，填 https://ark.cn-beijing.volces.com/api/coding）
4. 测试连接 → 保存

⚠️ 绝不要把 API Key 提交进 git——.env 文件已在 .gitignore，但如果手动复制到其他配置文件需要自己检查。

第四步：从 Marketplace 挑 Agent

LobeHub 的核心优势在于生态。访问 Discover → Agents：

• 273K+ Skills（截至 2026-05）
• 51K+ MCP Servers
• Agents 涵盖编程、写作、数据分析、设计等

挑一个看上去靠谱的 Agent（比如 “Frontend Developer”），点 Add to My Workspace。下次开新对话时它就出现在 Agent 选择器里了。

第五步：用 Agent Group 自动组队

复杂任务（比如「开发一个登录页」）单个 Agent 搞不定时，用 Agent Group：

1. My Workspace → New Group
2. 描述任务目标（“做一个带表单验证的登录页”）
3. LobeHub 的 CAO（Chief Agent Operator）自动从你的 Workspace 选合适的 Agent 组合（前端 Agent + 测试 Agent + Code Review Agent）
4. Group 内多 Agent 协作，CAO 汇总最终交付

这是 LobeHub 区别于单 Agent 工具的核心能力。

持久记忆与持续学习

每个 Agent 都有自己的记忆库，自动学习你的偏好。例如：

• 第一次让 Frontend Agent 写组件，它问「用什么 CSS 方案？」你回 Tailwind
• 第二次它直接默认用 Tailwind，不再问
• 跨会话 / 跨设备同步（自部署版用你的 Postgres）

常见坑

1. 第一次跑 setup.sh 慢 → 镜像从 GHCR 拉，国内建议配阿里云加速：docker pull 前 docker login -u <user> -p <token> ghcr.io 走代理
2. API Key 配了但 Agent 不回复 → 看 docker logs，常见是 Base URL 写错（OpenAI 兼容 endpoint 必须以 /v1 结尾或不带）
3. 多 Agent Group 模型 API 费用爆涨 → 给不同 Agent 配不同档位模型（前端用便宜的 mini，最终 review 用旗舰）
4. Cloud Pro $20 怎么用得最值 → Pro 包含的计算额度配合官方优化路由，重度用户 ROI 比自部署高；轻度用户自部署 + 自己 BYO API 更便宜

与其他平台对比

横评见 2026 Agent 协作平台选型指南。

相关阅读

• LobeHub 产品详情页
• 2026 Agent 协作平台横评
• Multica 配置指南（开源编程协作平台）
• MCP 入门（理解 LobeHub 的 51K+ MCP Servers）

数据核查截止 2026-05-19。生态数字来源 LobeHub Marketplace 与 lobehub.com/mcp。