开源聊天应用与对话界面框架，包括 Open WebUI、LobeChat、LibreChat 等，支持自定义模型、多用户与插件扩展，可快速搭建私有化 ChatGPT 替代方案。
Open WebUI 是一个功能丰富、用户友好的自托管 AI 平台，支持 Ollama 和 OpenAI 兼容 API，提供 RAG、Agent 和 MCP 等功能。
NextChat 是一款轻量、跨平台的 AI 助手客户端，支持 GPT-4、Claude、Gemini 等多种模型，提供 Web、桌面和移动端体验。
跨平台 ChatGPT 类前端，支持多 Provider 与一键部署。
Lobe Chat 是一个开源的 ChatGPT 风格聊天应用，支持插件系统和多模型，适合作为 Agent 对话界面。
面向工作和生活的 AI Agent 协作空间，支持多 Agent 团队设计、协作和成长，将 Agent 作为工作交互的基本单元。
在任意设备上运行本地大语言模型的开源工具，支持商业使用，为 AI Agent 提供完全离线的本地推理和对话能力。
AnythingLLM 是一体化 AI 生产力工具，支持本地部署的聊天界面、RAG 知识库、AI Agent 与多模型管理，隐私优先且零配置。
面向多 AI Agent 编程的下一代终端开发环境，支持在终端中同时使用多个 AI Agent 协作编程。
ChatGPT 是开源桌面客户端，基于 Tauri 跨平台封装 ChatGPT Web，让用户脱离浏览器使用 ChatGPT。
微软开源的前沿语音 AI 平台，提供高质量的语音合成和语音识别能力，支持构建实时对话式语音 Agent 应用。
Cherry Studio 是一款支持多模型、多平台的 AI 助手客户端，集成智能聊天、自主 Agent 和 300+ 预设助手。
tldraw 是 React 无限画布 SDK，为 AI Agent 与生成式 UI 提供可嵌入的可视化交互界面，是多家 Agent 产品的首选前端。
text-generation-webui 是最经典的本地大语言模型交互界面，支持文本生成、视觉理解、工具调用和模型训练，提供 Web UI 和 API 接口，100% 离线运行且保护隐私。
Text Generation WebUI 是 oobabooga 出品的本地 LLM 一体化桌面工具，支持文本/视觉/工具调用与 Agent 工作流。
Jan 是一个开源的 ChatGPT 替代方案，可在电脑上 100% 离线运行，支持多种本地大语言模型，提供完整的桌面聊天应用界面和 API 服务。
LibreChat 是增强版开源 ChatGPT 克隆，支持多模型切换、Agent、MCP 工具、代码解释器、AI 搜索等功能。
Chatbox 是一款跨平台 AI 客户端，支持 OpenAI、Claude、Gemini 等多种大模型，提供桌面端和移动端应用。
集成多种即时通讯平台、LLM 和插件的 AI Agent 助手，支持 QQ、Telegram、Discord 等平台。
Novu 是开源的 Agent 与产品通信基础设施，统一管理邮件、短信、推送、应用内通知等多渠道消息。
Langchain-Chatchat 是一个基于 Langchain 和多种大语言模型的本地知识库 RAG 与 Agent 应用平台，支持 ChatGLM、Qwen、Llama 等模型，提供对话、知识库管理、Agent 调用等功能。
面向 Agent 和生成式 UI 的前端框架，React/Angular 组件库，AG-UI 协议的创始者，让 AI Agent 直接在应用 UI 中工作。
Khoj 是一个可自托管的 AI 第二大脑，支持从网页和文档中获取答案、构建自定义 Agent、安排自动化任务和深度研究。
AgentScope 团队出品的个人 AI 助理，基于 Agent OS 架构，三层记忆体系，内核级沙箱，一套实例接入钉钉、微信、Telegram 等全渠道。
Chatbot UI 是一个开源的 AI 聊天界面，支持 OpenAI、Claude、Gemini 等多种模型，提供现代化对话界面和灵活的部署选项。
(24 / 131)
详解 browser-use 在网页任务自动化中的优势与限制，并给出稳定执行和失败恢复策略。
三款主流开源 Chat UI 横评——Open WebUI(142k Stars)、LobeChat、LibreChat，从部署、RAG、多模型、用户管理、扩展性五个维度帮你选型。
Dify (145k Stars, $30M Pre-A) 是开源 LLM 应用开发平台的标杆。从 Docker 部署、RAG 管线、Agent 编排到 MCP 集成，本文带你全流程上手。
传统向量 RAG 只能找到"相似的块"。GraphRAG 提取实体关系构建知识图谱，让 Agent 理解"谁、在哪、什么时候、和什么有关"。对比 Microsoft GraphRAG 和 LightRAG 两条技术路线。
深度对比 deepset Haystack（生产级 NLP/QA Pipeline 框架，2018 年起） 与 LangChain（LLM 应用编排框架，2022 年起）在设计目标、抽象层次、组件化、Agent 能力、生产可维护性上的差异，给出按项目类型、团队背景、运维要求的选型决策树。
RAG 的"上游"决定"下游"的天花板。系统对比固定大小、Recursive、Semantic、Agentic 四种分块策略，给出可量化的选型决策、Chonkie / LlamaIndex / LangChain 工具链对比和离线评估方法。