Descrição
LobeHub é um projeto de código aberto no GitHub (lobehub/lobehub) que seus mantenedores descrevem como um "Operador de Agentes Principal," destinado a organizar os agentes de IA de um usuário em operações contínuas, 24 horas por dia, 7 dias por semana, em vez de chats pontuais de uma única sessão. O repositório possui mais de 82.000 estrelas, mais de 15.900 forks e ainda estava recebendo commits até o momento desta redação.
Ler mais
O projeto trata os agentes como a unidade básica de trabalho. Sua camada "Operador" contrata, agenda e relata sobre os agentes de um usuário, incluindo um gateway de IM para que os agentes possam ser acessados a partir de aplicativos de chat que o usuário já utiliza. Sua camada "Criar" inclui um Construtor de Agentes: o usuário descreve o que precisa e o sistema aplica uma auto-configuração, com acesso a qualquer modelo ou modalidade suportada e uma biblioteca que o projeto afirma ter mais de 10.000 habilidades e plugins compatíveis com MCP.
Uma camada "Colaborar" adiciona Grupos de Agentes, onde o sistema reúne múltiplos agentes para trabalhar em uma tarefa em paralelo, juntamente com Páginas compartilhadas para escrita multi-agente, execuções agendadas e organização em nível de projeto e espaço de trabalho para equipes. Uma camada "Evoluir" adiciona o que o projeto chama de Memória Pessoal: agentes que aprendem com a forma como um usuário trabalha ao longo do tempo, construídos sobre o que o LobeHub descreve como memória "caixa branca," estruturada e editável, em vez de um armazenamento opaco.
LobeHub pode ser auto-hospedado no Vercel, Zeabur, Sealos ou Alibaba Cloud, ou executado a partir de uma imagem Docker, e suporta a vinculação de um domínio personalizado; a auto-hospedagem requer a própria chave de API do OpenAI do usuário. O projeto é escrito em TypeScript e é lançado sob uma licença personalizada em vez de uma licença padrão da OSI (rotulada como "Outro" no GitHub), portanto, qualquer pessoa que reutilize ou redistribua o código deve verificar seus termos diretamente em vez de assumir um uso permissivo de código aberto. Os mantenedores se descrevem como um grupo de engenheiros de design construindo o projeto através de uma abordagem de bootstrap, visando um ecossistema de produto aberto e transparente tanto para usuários comuns quanto para desenvolvedores profissionais. LobeHub também mantém uma comunidade no Discord, publica um gráfico de histórico de estrelas público rastreando seu crescimento no GitHub ao longo do tempo e foi lançado duas vezes no Product Hunt.
- CategoriaChatbots de IA
- Modelo de preçosCódigo aberto
- ImplantaçãoAuto-hospedado
- PlataformasWeb
Recursos principais de LobeHub
Organiza múltiplos agentes de IA em operações contínuas em vez de chats de sessão única
Inclui um Construtor de Agentes que auto-configura um novo agente a partir de uma descrição em linguagem simples
Fornece uma biblioteca de mais de 10.000 habilidades e plugins compatíveis com MCP
Suporta Grupos de Agentes que reúnem vários agentes para trabalhar em uma tarefa em paralelo
Oferece Páginas, Projetos e Espaços de Trabalho compartilhados para colaboração em nível de equipe com agentes
Inclui uma camada de memória "caixa branca" estruturada e editável pelo usuário para agentes
Acessa agentes através de um gateway de IM dentro de aplicativos de chat que o usuário já utiliza
Auto-hospeda no Vercel, Zeabur, Sealos, Alibaba Cloud ou Docker
Primeiros passos com LobeHub
Implante o LobeHub: Auto-hospede via Vercel, Docker ou uma nuvem suportada, usando sua própria chave de API do OpenAI.
Construa um agente: Descreva o que você precisa no Construtor de Agentes e deixe-o auto-configurar.
Conecte habilidades: Anexe habilidades relevantes ou plugins compatíveis com MCP da biblioteca.
Configure um gateway de IM: Acesse o agente a partir de um aplicativo de chat que você já usa, se necessário.
Agrupe agentes para tarefas maiores: Use Grupos de Agentes ou Páginas quando uma tarefa precisar de vários agentes.
Revise a memória do agente: Verifique e edite o que um agente aprendeu através de sua camada de memória.
Casos de uso de LobeHub
- Automação de tarefas multi-agente
- Construção de agentes personalizados
- Operações de agentes auto-hospedados
- Colaboração de agentes em equipe
