作为一名经常测试各类 AI 产品的产品经理，我在选型“自托管 AI 聊天界面”时，总会遇到两类需求：
一类是团队内部希望有一个可控的、安全的聊天界面；另一类是开发者需要一个可扩展的“通用前端壳”，方便适配不同的大模型与私有部署环境。

Chatbot UI 正好属于这两类需求的交叉点——一个轻量、开源、可编排的 AI Chat Web App。
下面从项目定位、功能结构到部署方式，整理一篇面向专业用户的开源项目介绍。

项目概览：Chatbot UI 能做什么？

Chatbot UI 是一个开源的通用 AI 聊天界面，提供与主流聊天型产品类似的交互体验，但强调“自托管”“可扩展”“与后端模型解耦”。

项目的核心定位可概括为：

项目核心功能

相比常见的“快速演示类 Chat UI”，Chatbot UI 的要点更偏工程化：

1. 多模型支持

• OpenAI API

• Azure OpenAI

• 本地 Ollama

• 通用兼容（只要能符合标准 API 即可接入）

适合需要混合部署（云端 + 本地模型）的团队环境。

2. 对话管理 + 数据持久化（基于 Supabase）

2.0 版本将数据从浏览器本地存储迁移到 Supabase，主要原因包括：

• 浏览器存储不适合多端同步

• 安全性弱

• 难以支持多模态文件

• 难以满足企业级数据结构扩展

目前的数据库方案由 Supabase 承担 Postgres 存储与 Auth 认证。

3. 用户系统与权限基础

• 基于 Supabase Auth

• 支持 Email 登录

• 支持 API Key 注入（环境变量可禁用前端配置）

对需要“多人使用同一个实例”的团队比较友好。

4. 全套前端界面：聊天窗口、模型切换、文件上传等

项目本身就是一套完整的 Next.js Web App，可直接作为前端基础工程使用。

5. Docker + 本地运行链路较完善

官方提供了从 Docker、Supabase、本地模型到前端一条龙的命令行流程，适合开发者快速上手。

与类似项目的对比

如果你的诉求是“一个可控、可二次开发、能适配多种大模型的聊天界面”，Chatbot UI 更合适。
如果偏向 All-in-one 的本地 AI 办公环境，则 AnythingLLM 更适合。

应用场景

Chatbot UI 的适配场景可以概括为：

1. 团队内部自用的 AI 办公工具

• 希望有 ChatGPT 类界面

• 数据希望保留在企业内部

• 支持本地模型（如 Ollama）

2. AI 产品的前端 Demo 或 MVP 验证

很多独立开发者会 fork 这个项目作为“Shell”，再接上自己的后端。

3. 多模型切换或对比测试的统一界面

适用于 ML 工程团队用于测试和比对不同模型的输出。

4. 需要定制 UI 的场景

因为项目的代码结构十分清晰，适合用作前端基础模版。

安装与部署方式总结

Chatbot UI 的部署分为 本地运行 与 云端部署 两类。

① 本地部署（Local Quickstart）

流程结构如下：

步骤 1：拉取仓库

步骤 2：安装依赖

步骤 3：准备 Supabase（本地版本）

需要：

• Docker（运行本地 Postgres 服务）

• Supabase CLI

启动 Supabase：

然后：

• 复制 .env.local.example 为 .env.local

• 通过 supabase status 获取项目 URL 与 key

• 替换迁移文件中的 project_url 与 service_role_key

步骤 4：（可选）安装 Ollama 本地模型

用于运行 Llama、Mistral 等本地模型。

步骤 5：启动前端

默认访问路径：
http://localhost:3000

② 云端部署（Supabase + Vercel）

流程结构：

1. Supabase 作为后端数据库

• 创建项目

• 获取环境值（URL、Anon Key、Service role Key）

• 修改迁移文件

• supabase db push 同步数据库

2. Vercel 作为前端主机

在 Vercel 设置好以下环境变量：

• NEXT_PUBLIC_SUPABASE_URL

• NEXT_PUBLIC_SUPABASE_ANON_KEY

• SUPABASE_SERVICE_ROLE_KEY

• （可选）本地模型的 NEXT_PUBLIC_OLLAMA_URL

• 其他模型 API Key（OpenAI / Azure）

完成后直接 Deploy 即可。

项目更新与维护情况

作者近期正在进行 2.0 大版本迭代，重点包括：

• 更简单的部署流程

• 更好的后端兼容性

• 更合理的手机端布局

Issues 已严格限制为“与代码相关”，其他问题需通过 Discussions 处理。

从维护状态来看，项目仍处于持续更新阶段。

结语

从产品经理视角来看，Chatbot UI 的优势在于“结构清晰、扩展性好、模型兼容性强”。
它不是那种“全能型 AI 工作站”，也不追求内置复杂插件，而是提供一个可控的、工程化的聊天界面基础设施。

如果你需要：

• 一个可快速改造的聊天界面

• 与多个云端或本地模型兼容

• 团队可共享、数据可控

• 前后端解耦、便于二次开发

那么 Chatbot UI 是一个较为稳妥的开源选项。

项目地址：https://github.com/mckaywrigley/chatbot-ui