2026 年优秀的开放式 AI 对话程序：支持自定义 Base URL 的 6 个热门选择

很多 AI 对话应用看起来功能相似，但真正使用时，区别往往在于：它是否允许用户自己选择模型服务，以及能不能修改 API 的 Base URL。

本文所说的“开放式 AI 对话程序”，不是单纯指软件许可证必须是开源，也不是指可以免费使用，而是指它至少满足下面的条件：

• 支持用户填写自己的 API Key；
• 支持自定义 Base URL、API 地址或 API Host；
• 能连接 OpenAI-compatible、Ollama、LM Studio 或其他兼容网关；
• 不要求用户只能购买该应用内置的模型服务。

这类软件的好处是，用户可以在一个界面里切换官方 API、本地模型、第三方聚合网关和企业内部模型。比如，你可以把多个模型统一接入 UnifyLLM，再让对话客户端只维护一个供应商配置。

这 6 个程序是怎么选出来的？

下面的顺序参考了 2026 年 7 月 20 日查询到的 GitHub 公开星标数，同时考虑项目更新频率、平台覆盖、文档完整度和自定义接口能力。星标会持续变化，不能直接等同于活跃用户数量，因此这是一份“高人气且适合自定义接口”的实用榜单，不是严格的市场份额排名。

1. Open WebUI：最适合自部署和团队使用

Open WebUI 是目前人气最高的一类开源 AI Web 界面，官方文档把它定位为可连接 Ollama、OpenAI、Anthropic 以及其他 OpenAI-compatible provider 的统一界面。

它的优势不只是聊天，还包括文件和图片上传、网页搜索、多模型对比、知识库、工具调用、MCP、用户权限和用量管理。对于希望把本地模型与云端模型放在同一个入口的团队，Open WebUI 的扩展性很强。

如何接入自定义 Base URL

典型流程是：

1. 使用 Docker 或其他方式部署 Open WebUI；
2. 进入管理员设置中的连接（Connections）或 OpenAI API 配置；
3. 新增一个 OpenAI-compatible 连接；
4. 填写 API URL、API Key 和模型；
5. 保存后在聊天模型列表中选择该模型。

以 UnifyLLM 为例，OpenAI-compatible 地址通常填写：

https://api.unifyllm.com/v1

Open WebUI 的优点是功能完整、适合多人共享；缺点是部署和权限配置比桌面客户端复杂。如果你只是想在电脑上快速聊天，它可能显得过重。

2. NextChat：轻量、部署简单的 ChatGPT 替代界面

NextChat 原名 ChatGPT Next Web，是一个非常轻量的 Web/PWA 对话程序。它的核心目标是提供简洁的聊天界面，因此部署到 Vercel、Docker 或自己的服务器都比较方便。

NextChat 的官方 README 提供了 OPENAI_API_KEY 和 BASE_URL 等环境变量，其中 BASE_URL 用来覆盖默认的 OpenAI API 请求地址。它还支持多个模型服务的配置，适合不需要复杂知识库和团队权限、只想要一个干净聊天窗口的人。

它的优点和注意事项

• 页面轻量，启动和部署成本低；
• 支持多轮对话、提示词、模型切换和常见聊天功能；
• 可以通过环境变量接入自建代理或第三方网关；
• 更适合个人使用，不是以复杂 Agent 和团队管理为重点。

NextChat 不同版本对 BASE_URL 是否自动拼接 /v1 可能存在差异。接入前要以当前版本 README 和部署界面为准，避免把 /v1 重复添加。这个提醒对所有 OpenAI-compatible 客户端都适用。

3. LobeHub / LobeChat：界面和 Agent 能力都很完整

LobeHub（很多用户仍称它为 LobeChat）是一个界面完成度很高的多模型 AI 工作台，覆盖模型供应商、Agent、知识库、插件、MCP 和多种生产力功能。

它适合希望把“聊天、知识库、助手和工具”放在一起管理的用户。相比极简聊天窗口，LobeHub 的学习成本稍高，但长期使用时更容易沉淀自己的助手和工作流。

自定义 OpenAI Base URL

LobeHub 官方自托管环境变量文档提供了 OPENAI_PROXY_URL，用于覆盖默认的 OpenAI API 请求 Base URL。文档示例中既有不带 /v1 的地址，也有带 /v1 的网关地址，并特别提醒要根据代理服务实际路径判断是否添加后缀。

使用 UnifyLLM 时，可以按当前版本的配置方式设置：

OPENAI_API_KEY=<你的 UnifyLLM API Key>
OPENAI_PROXY_URL=https://api.unifyllm.com/v1

如果你使用的是 LobeHub 的托管版本，应以当前界面是否开放自定义供应商为准；自部署版本对环境变量和网络出口拥有更完整的控制权。

4. Cherry Studio：桌面端里最方便的多模型工作台之一

Cherry Studio 支持 Windows、macOS 和 Linux。官方文档显示，它内置 60 多家 Provider 模板，并把服务分成 OpenAI 兼容、Anthropic 兼容、Gemini、本地推理和特殊网关等类型。

Cherry Studio 的突出特点是“配置界面友好”：用户通常不需要编辑配置文件，在“设置 → 模型服务”中选择 Provider，填写 API 密钥和 API 地址，再点击“获取模型列表”即可。官方文档还提供了“自定义服务商”，可连接任意 OpenAI、Anthropic 或 Gemini 兼容端点。

用 UnifyLLM 接入 Cherry Studio

1. 打开“设置 → 模型服务”；
2. 新增自定义服务商，或选择 OpenAI 兼容类型；
3. API 地址填写 https://api.unifyllm.com/v1；
4. 填入本站 API Key；
5. 点击“获取模型列表”，选择需要使用的模型；
6. 点击“检测”，发送一条短消息确认连接。

Cherry Studio 还集成了知识库、Agent、MCP、翻译和多模型对比，适合希望在桌面端完成更多工作的用户。代价是功能较多，初次配置时需要理解 Provider、模型和能力类型之间的区别。

5. Chatbox：跨平台、上手快的个人客户端

Chatbox 覆盖 Windows、macOS、Linux、iOS、Android 和 Web。官方页面强调，桌面应用可以使用用户自己的 API Key 访问不同模型服务，而不是只能使用 Chatbox 内置的 AI 服务。

Chatbox 的优势是界面简单、跨设备和 Prompt 管理体验较好。官方帮助中心还提供了连接 LM Studio 的指南：在模型服务设置中选择 LM Studio，并填写 API 主机地址。这说明它不仅适合官方 API，也能连接本地或网络中的兼容服务。

适合的使用场景

• 在多台电脑和手机上使用同一个模型供应商；
• 不想部署服务器，只想安装客户端；
• 需要保存 Prompt、助手和会话记录；
• 连接 LM Studio、Ollama 网关或 OpenAI-compatible 代理。

接入 UnifyLLM 时，优先选择 OpenAI 兼容的 Provider，填写本站 API Key 和 https://api.unifyllm.com/v1。如果当前版本将 API Host 定义为不带版本后缀的主机地址，则按照界面说明填写根地址，关键是保证最终请求路径只出现一个 /v1。

6. LibreChat：配置自由度最高的自部署方案之一

LibreChat 是面向自部署的多供应商 AI 对话平台，支持多种官方和第三方模型，也支持 Agent、文件、RAG、工具和扩展配置。

LibreChat 的特色是把“自定义端点”作为正式能力。官方文档提供了 librechat.yaml 配置方式，可以使用环境变量引用 API Key，也可以将 Key 设置为 user_provided，让用户从 Web 界面填写自己的 Key。

官方快速开始文档中的 OpenAI-compatible 端点结构类似下面这样：

version: 1.3.13
cache: true
endpoints:
  custom:
    - name: "UnifyLLM"
      apiKey: "${UNIFYLLM_API_KEY}"
      baseURL: "https://api.unifyllm.com/v1"
      models:
        default: ["gpt-5.6-sol"]
        fetch: true

然后在 .env 中添加：

UNIFYLLM_API_KEY=你的 UnifyLLM API Key

Docker 部署时还要确认 librechat.yaml 已挂载到容器，并在修改后重启服务。LibreChat 很适合需要精细控制供应商、模型和权限的用户，但配置文件、环境变量和容器挂载也意味着更高的维护成本。

6 个程序怎么选？

可以按下面的思路快速判断：

• 想要团队自部署、知识库和权限：优先 Open WebUI；
• 想要最轻量的聊天页面：选择 NextChat；
• 重视漂亮界面、Agent 和工作流：选择 LobeHub / LobeChat；
• 想在 Windows、macOS 或 Linux 桌面端管理很多模型：选择 Cherry Studio；
• 想跨电脑和手机使用、尽量少配置：选择 Chatbox；
• 需要用 YAML 精细配置多个端点和用户 Key：选择 LibreChat。

如果你只看“能不能改 Base URL”，这 6 个都可以；真正的差异在于配置入口、是否需要自部署、是否支持本地模型、是否有知识库和 Agent，以及 Key 会存放在客户端还是服务器端。

用本站快速接入这些程序

UnifyLLM 对常见聊天客户端提供 OpenAI-compatible 接口。大多数支持自定义 Base URL 的程序，可以先使用下面这组参数：

协议：OpenAI Compatible
Base URL：https://api.unifyllm.com/v1
API Key：在 UnifyLLM 控制台创建的专用 Key
模型：从模型列表获取，或填写准确的模型 ID，例如 gpt-5.6-sol

通用接入步骤如下：

1. 登录 UnifyLLM 控制台，创建一个专用 API Key，并确认账户余额和模型权限；
2. 在目标程序中选择 OpenAI、OpenAI Compatible、Custom Provider 或类似选项；
3. 将 Base URL/API Host 填为 https://api.unifyllm.com/v1；
4. 粘贴 API Key，点击获取模型或手动填写模型 ID；
5. 发送一条简短请求；
6. 回到控制台用量日志，确认模型、Token、耗时和扣费记录。

/v1 应该填在哪里？

不同客户端对 Base URL 的处理方式不完全相同：

• 如果客户端要求填写“完整 OpenAI 兼容 Base URL”，使用 https://api.unifyllm.com/v1；
• 如果客户端文档说明会自动拼接 /v1，只填写 https://api.unifyllm.com；
• 如果使用 NextChat、LobeHub 等环境变量，请以当前版本文档中的默认地址和示例为准；
• 最终请求地址只能包含一个 /v1，否则常见结果是 404、模型列表为空或请求路径错误。

为什么模型列表可能为空？

模型列表为空不一定代表 API 不可用，常见原因包括：

• API 地址多写或少写了 /v1；
• 客户端的“获取模型”接口与聊天接口使用了不同协议；
• API Key 没有对应模型权限或账户余额不足；
• 客户端缓存了旧的模型列表；
• 模型 ID 写法与控制台显示不一致。

遇到这种情况，可以先手动填写一个确认可用的模型 ID，发送短请求，再查看 UnifyLLM 用量日志定位问题。

安全和隐私提醒

自定义 Base URL 带来了自由，也意味着你需要自己承担配置和数据管理责任：

• 不要把 API Key 写进公开 GitHub 仓库、前端代码或截图；
• 自部署应用尽量用环境变量或密钥管理，而不是将 Key 直接写进 YAML；
• 为不同客户端创建不同的 Key，设置额度、有效期和可用模型；
• 先用低额度 Key 测试，再接入批量任务或自动化 Agent；
• 不要把密码、支付信息、身份凭证和不必要的敏感文件发送给第三方模型；
• 使用团队部署时，检查日志、反向代理和备份是否会暴露请求内容或 Key。

“开放式”不代表“没有风险”。它只是把模型选择权和接口配置权交给用户，安全边界仍然需要自己设置。

结语

2026 年的 AI 对话程序正在从“只能使用官方模型的聊天窗口”，转向可以连接多家供应商、本地模型和自建网关的统一工作台。Open WebUI、NextChat、LobeHub、Cherry Studio、Chatbox 和 LibreChat 代表了六种不同方向：团队自部署、轻量 Web、Agent 工作台、桌面多模型、跨平台个人客户端和高自由度配置。

如果你经常切换模型，或者希望把多个模型统一放到一个 API 入口，优先选择支持自定义 Base URL 的程序，再通过 UnifyLLM 管理模型、Key、额度和用量，通常比为每一家模型单独维护一套客户端更省事。

参考资料

• Open WebUI 官方 GitHub
• Open WebUI 官方功能说明
• NextChat 官方 GitHub 与环境变量说明
• LobeHub 官方 GitHub
• LobeHub Model Provider 环境变量文档
• Cherry Studio 官方 GitHub
• Cherry Studio 模型服务文档
• Chatbox 官方 GitHub
• Chatbox 连接 LM Studio 指南
• LibreChat 官方 GitHub
• LibreChat 自定义端点快速开始
• 本站快速开始文档
• 本站工具集成文档