Lobe Chat 完整部署教程 + 蓝耘 MaaS 平台 GLM-5 接入实战

熊文豪2026-02-23 9:26

文章目录

    • 前言
    • [一、Lobe Chat：重新定义 AI 聊天体验](#一、Lobe Chat：重新定义 AI 聊天体验)
    • [二、部署 Lobe Chat（Windows Docker 方式）](#二、部署 Lobe Chat（Windows Docker 方式）)
      • [2.1 环境准备](#2.1 环境准备)
        • 系统要求
        • [安装 Docker Desktop](#安装 Docker Desktop)
      • [2.2 快速部署 Lobe Chat](#2.2 快速部署 Lobe Chat)
        • [方式一：Docker Run 快速部署（推荐新手）](#方式一：Docker Run 快速部署（推荐新手）)
    • [三、注册蓝耘 MaaS 平台并获取 API 密钥](#三、注册蓝耘 MaaS 平台并获取 API 密钥)
      • [3.1 为什么选择蓝耘 MaaS 平台？](#3.1 为什么选择蓝耘 MaaS 平台？)
      • [3.2 注册蓝耘 MaaS 平台](#3.2 注册蓝耘 MaaS 平台)
      • [3.3 获取 API 密钥](#3.3 获取 API 密钥)
        • [步骤 1：进入 API 密钥管理页面](#步骤 1：进入 API 密钥管理页面)
        • [步骤 2：创建新的 API 密钥](#步骤 2：创建新的 API 密钥)
      • [3.4 获取 GLM-5 模型信息](#3.4 获取 GLM-5 模型信息)
        • [步骤 1：进入模型广场](#步骤 1：进入模型广场)
        • [步骤 2：查找 GLM-5 模型](#步骤 2：查找 GLM-5 模型)
    • [四、在 Lobe Chat 中接入蓝耘 MaaS 的 GLM-5 模型](#四、在 Lobe Chat 中接入蓝耘 MaaS 的 GLM-5 模型)
      • [4.1 访问 Lobe Chat 设置页面](#4.1 访问 Lobe Chat 设置页面)
        • [步骤 1：打开 Lobe Chat](#步骤 1：打开 Lobe Chat)
        • [步骤 2：进入设置页面](#步骤 2：进入设置页面)
      • [4.2 测试 GLM-5 模型](#4.2 测试 GLM-5 模型)
    • [五、Lobe Chat + GLM-5 实战案例](#五、Lobe Chat + GLM-5 实战案例)
      • [5.1 GLM-5 模型核心优势](#5.1 GLM-5 模型核心优势)
      • [5.2 案例：自动化代码审查助手](#5.2 案例：自动化代码审查助手)
    • 总结

前言

今天，我将为大家介绍一款完全开源、功能强大、支持私有化部署的 AI 聊天应用 ------ Lobe Chat ，并手把手教你如何接入国内领先的 AI 模型服务平台 蓝耘 MaaS ，使用最新的 智谱 GLM-5 模型，打造属于你自己的智能助手。

一、Lobe Chat：重新定义 AI 聊天体验

1.1 什么是 Lobe Chat？

Lobe Chat 是一款基于 Next.js 开发的现代化开源 AI 聊天应用框架，在 GitHub 上拥有超过 70,000+ Stars，是 2025 年最受欢迎的 AI 客户端之一。

GitHub 仓库：https://github.com/lobehub/lobe-chat

1.2 为什么选择 Lobe Chat？

现代化的设计

Lobe Chat 拥有精美的用户界面，支持深色/浅色主题切换，流畅的交互体验让你爱不释手。

特性 说明
响应式设计 完美适配桌面端、平板和移动端
主题切换 支持浅色、深色和自动模式
PWA 支持 可以像原生应用一样安装到桌面
流式输出 实时显示 AI 回复，体验更流畅
强大的功能

多模型支持：

  • OpenAI GPT-4、GPT-3.5
  • Anthropic Claude 3
  • Google Gemini
  • 智谱 GLM-5（本文重点）
  • 通义千问、文心一言、Moonshot
  • Ollama 本地模型
  • 任何兼容 OpenAI API 的服务

多模态交互：

  • 文本对话
  • 图像识别（Vision）
  • 语音合成（TTS）
  • 文件上传与分析

知识库功能：

  • 支持 PDF、Word、Markdown 等文档
  • 基于 RAG 技术的智能检索
  • 向量数据库支持

插件生态：

  • 10,000+ 插件可用
  • 网络搜索、代码执行、图像生成
  • 支持自定义插件开发

Agent 系统：

  • 创建个性化 AI 助手
  • Agent Groups 团队协作
  • Personal Memory 个性化记忆
  • Project 项目化管理

二、部署 Lobe Chat（Windows Docker 方式）

本节将详细介绍如何在 Windows 系统上使用 Docker 部署 Lobe Chat。

2.1 环境准备

系统要求
项目 要求
操作系统 Windows 10/11 64-bit (Pro, Enterprise, or Education)
CPU 支持虚拟化的 64 位处理器
内存 最低 4GB，推荐 8GB+
硬盘 至少 20GB 可用空间
安装 Docker Desktop

步骤 1：下载 Docker Desktop

访问 Docker 官网：

bash 复制代码 
https://www.docker.com/products/docker-desktop

点击 Download for Windows 下载安装程序

步骤 2：安装 Docker Desktop

  1. 双击下载的 Docker Desktop Installer.exe
  2. 在安装向导中，确保勾选：
    • ✅ Use WSL 2 instead of Hyper-V（推荐）
    • ✅ Add shortcut to desktop
  3. 点击 OK 开始安装
  4. 安装完成后，点击 Close and restart 重启计算机

步骤 3：启动并验证

  1. 重启后，从桌面启动 Docker Desktop
  2. 等待 Docker Engine 启动（右下角图标变为绿色）
  3. 打开 PowerShell，运行验证命令：
powershell 复制代码 
# 检查 Docker 版本
docker --version

# 检查 Docker Compose 版本
docker compose version

# 运行测试容器
docker run hello-world

2.2 快速部署 Lobe Chat

方式一：Docker Run 快速部署（推荐新手）

这是最简单的部署方式，适合快速体验。

步骤 1：生成密钥

随机生成两个不同的32字节（256位）Base64编码的安全密钥

bash 复制代码 
KEY_VAULTS_SECRET:
Xm3kP9vR2wQ5tY8nL6jH4fD1sA7gK0mN9bC3xZ5vT2w=

AUTH_SECRET:
Qw8eR5tY2uI9oP3aS6dF7gH1jK4lZ0xC5vB8nM2qW6e=

重要：请将这两个密钥保存到记事本，后续配置需要使用！

步骤 2：运行 Lobe Chat 容器

在 PowerShell 中运行以下命令（替换为你自己的密钥）：

powershell 复制代码 
docker run -d `
  --name lobe-chat `
  -p 3210:3210 `
  -e KEY_VAULTS_SECRET="你的KEY_VAULTS_SECRET" `
  -e AUTH_SECRET="你的AUTH_SECRET" `
  -e NEXT_AUTH_SSO_PROVIDERS="auth0" `
  --restart=always `
  lobehub/lobe-chat:latest

参数说明：

参数 说明
-d 后台运行容器
--name lobe-chat 容器名称
-p 3210:3210 端口映射（主机端口:容器端口）
-e KEY_VAULTS_SECRET 用于加密存储的 API 密钥
-e AUTH_SECRET 用于用户认证和会话加密
--restart=always 容器自动重启

等待镜像下载和容器启动（约 2-3 分钟）

步骤 3：验证部署

powershell 复制代码 
# 查看容器状态
docker ps | Select-String "lobe-chat"

# 查看容器日志
docker logs lobe-chat

你也可以在 Docker Desktop 图形界面中查看容器状态：

步骤 4：访问 Lobe Chat

在浏览器中打开：

bash 复制代码 
http://localhost:3210

你将看到 Lobe Chat 的欢迎页面！

三、注册蓝耘 MaaS 平台并获取 API 密钥

现在 Lobe Chat 已经部署成功，接下来我们需要获取 AI 模型的 API 密钥。本文选择国内领先的 AI 模型服务平台 ------ 蓝耘 MaaS。

3.1 为什么选择蓝耘 MaaS 平台？

蓝耘 MaaS（Model as a Service）平台是国内领先的 AI 模型服务平台，具有以下优势：

优势 说明
统一接口 一个 API 密钥调用多种模型（GLM、DeepSeek、Qwen等）
价格优惠 比官方价格更具竞争力，新用户有体验额度
稳定可靠 国内服务器，访问速度快，无需科学上网
简单易用 完全兼容 OpenAI API 格式，无需修改代码
新用户福利 注册即送体验额度，免费试用


3.2 注册蓝耘 MaaS 平台

访问蓝耘 MaaS 平台注册页面：立即注册

3.3 获取 API 密钥

注册成功后，我们需要创建 API 密钥来调用 AI 模型。

步骤 1：进入 API 密钥管理页面
  1. 登录蓝耘 MaaS 平台控制台
  2. 在左侧导航栏找到 API KEY管理
  3. 点击进入 API 密钥管理页面
步骤 2：创建新的 API 密钥

点击 创建 API 密钥，创建完成后请妥善保存好API KEY

3.4 获取 GLM-5 模型信息

步骤 1：进入模型广场

在蓝耘 MaaS 平台控制台，点击左侧导航栏的 模型广场

步骤 2：查找 GLM-5 模型

在模型列表中找到 智谱 GLM-5 模型，点击 GLM-5 模型卡片，获取以下关键信息：

信息项 值 说明
模型 ID /maas/zhipuai/GLM-5 在 Lobe Chat 中配置时使用
API Base URL https://maas-api.lanyun.net/v1 API 请求的基础地址
兼容格式 OpenAI API 完全兼容 OpenAI 的 API 格式
上下文长度 200k 支持超长上下文
支持功能 文本对话、Function Call 支持的功能类型

四、在 Lobe Chat 中接入蓝耘 MaaS 的 GLM-5 模型

现在我们已经有了：

  • 部署好的 Lobe Chat 应用
  • 蓝耘 MaaS 平台的 API 密钥

接下来，让我们将它们连接起来！

4.1 访问 Lobe Chat 设置页面

步骤 1：打开 Lobe Chat

在浏览器中访问：

bash 复制代码 
http://localhost:3210
步骤 2：进入设置页面

进入到设置页面，配置语言模型，API Key设置成蓝耘MaaS平台的API KEY，API代理地址设置成蓝耘MaaS平台的OpenAI兼容接口：https://maas-api.lanyun.net/v1

4.2 测试 GLM-5 模型

选择配置好的GLM-5模型

测试成功，模型成功响应

我看到您分享了一篇关于使用 Lobe Chat 接入蓝耘 MaaS 平台的 GLM-5 模型的详细教程。这是一篇非常完整的技术文档！我可以帮您继续完善后续内容，聚焦在：

  1. 平台与工具联用的深度配置
  2. GLM-5 模型性能与适配体验
  3. 高级功能实操教程

让我为您继续完善这篇文章：

五、Lobe Chat + GLM-5 实战案例

成功接入 GLM-5 模型后，让我们深入体验这款智谱最新旗舰模型的强大能力。

5.1 GLM-5 模型核心优势

GLM-5 在编程能力上实现了对 Claude Opus 4.5 的对齐，在业内公认的主流基准测试中取得开源模型最高分数。在 SWE-bench-Verified 和 Terminal Bench 2.0 中分别获得 77.8 和 56.2 的开源模型最高分数，性能表现超过 Gemini 3.0 Pro。

5.2 案例：自动化代码审查助手

基于 GLM-5 的强大编程能力，我们可以创建一个专业的代码审查助手。

在 Lobe Chat 中创建新助手：

bash 复制代码 
助手名称: 代码审查专家
模型: GLM-5
温度: 0.3（更严谨）

编写系统提示词

bash 复制代码 
你是一位资深的代码审查专家，拥有 15 年以上的软件工程经验。

你的审查标准：
1. **代码质量**
   - 可读性和可维护性
   - 命名规范
   - 注释完整性

2. **性能优化**
   - 算法复杂度
   - 内存使用
   - 潜在性能瓶颈

3. **安全性**
   - SQL 注入风险
   - XSS 漏洞
   - 敏感信息泄露

4. **最佳实践**
   - 设计模式
   - SOLID 原则
   - 行业标准

审查输出格式：
## 总体评价
[简要总结代码质量]

## 严重问题 🔴
[列出必须修复的问题]

## 建议改进 🟡
[列出可以优化的地方]

## 优点 🟢
[指出代码的亮点]

## 修改建议
[提供具体的代码修改示例]

那让我们进行实战测试，输入如下代码：

python 复制代码 
def get_user(id):
    query = "SELECT * FROM users WHERE id = " + str(id)
    result = db.execute(query)
    return result

GLM-5 审查结果：

总结

本文详细介绍了如何使用 Docker 在 Windows 系统上部署开源 AI 聊天应用 Lobe Chat，并通过蓝耘 MaaS 平台接入智谱最新旗舰模型 GLM-5，实现了一套功能强大、成本优化的智能助手系统。GLM-5 在 SWE-bench Verified、Terminal Bench 2.0 等权威基准测试中取得开源模型最高分，编程能力逼近 Claude Opus 4.5，而通过蓝耘 MaaS 平台使用可节省 40% 的成本，同时享受国内服务器的快速访问、统一的 API 管理和完善的技术支持。无论是个人开发者进行代码审查、企业团队构建知识库系统，还是科研人员进行 AI 实验，Lobe Chat + 蓝耘 MaaS + GLM-5 的组合都能提供专业级的解决方案，真正实现了"开源工具 + 国产模型 + 便捷平台"的完美融合，让每个人都能以极低的门槛和成本打造属于自己的智能助手。

相关推荐
Lethehong17 天前
一次 GLM-4.7 的 MaaS 接入实践：Dify 工作流搭建笔记
人工智能·蓝耘元生代·蓝耘maas
Lethehong2 个月前
TextIn 赋能！Dify+DeepSeek 高效搭建新能源汽车销量可视化工作流
大数据·前端·python·textin·蓝耘元生代·蓝耘maas
Lethehong2 个月前
统一解析 × 大模型生成：多平台热点内容自动化总结工作流实战
工作流·dify·蓝耘元生代·蓝耘maas
fanruitian2 个月前
lobechat使用ollama搭建自己的离线聊天AI
ai·聊天机器人·ollama·lobechat
Lethehong2 个月前
React构建实时股票分析系统：蓝耘MaaS平台与DeepSeek-V3.2的集成实践
前端·react.js·前端框架·蓝耘mcp·蓝耘元生代·蓝耘maas
蓝耘智算3 个月前
GPU算力租赁与算力云平台选型指南：从需求匹配到成本优化的实战思路
大数据·人工智能·ai·gpu算力·蓝耘
蓝耘智算3 个月前
如何选择合适的GPU算力服务商？企业AI算力采购指南
ai·gpu算力·蓝耘
蓝耘智算3 个月前
蓝耘元生代GPU算力调度云平台深度解析：高性价比算力云与GPU算力租赁首选方案
人工智能·ai·gpu算力·蓝耘
热门推荐
01GitHub 镜像站点02AI Agent 平台横评：ZeroClaw vs OpenClaw vs Nanobot03Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services04HTML 早已不是标签了，它现在是系统级接口：这 9 个 API 直接干翻常用 JS 库05如何解决 OpenClaw “Pairing required” 报错：两种官方解决方案详解06全面体验 Grok API 中转站（2025 · Grok 4 系列最新版）07【OpenClaw 本地实战 Ep.3】突破瓶颈：强制修改 openclaw.json 解锁 32k 上下文记忆08MIUI显示/隐藏5G开关的方法，信号弱时开启手机Wifi通话方法09openClaw安装飞书插件｜核心踩坑：spawn EINVAL 错误终极解决指南10配置 OpenClaw 使用 Ollama 本地模型