Các lựa chọn thay thế AnythingLLM: thực sự di chuyển được gì khi chuyển đổi

Lựa chọn thay thế AnythingLLM phù hợp phụ thuộc vào phiên bản nào trong ba phiên bản của nó mà bạn đang rời khỏi — Desktop, Docker tự lưu trữ hoặc Cloud — vì chúng gặp lỗi vì những lý do khác nhau. Open WebUI và LibreChat là các lựa chọn thay thế tương đồng gần nhất cho trò chuyện nhiều người dùng với tài liệu; RAGFlow là lựa chọn nên dùng khi vấn đề là chất lượng truy xuất; Onyx phù hợp với tìm kiếm công ty dựa trên trình kết nối; LM Studio và Jan phù hợp với người chỉ từng muốn một cửa sổ trò chuyện cục bộ.

Phần mà các danh sách theo thương hiệu bỏ qua là chi phí di chuyển. AnythingLLM chỉ xuất lịch sử trò chuyện và không xuất gì khác, không lựa chọn thay thế nào ở đây có tài liệu mô tả công cụ nhập dữ liệu đó, và công cụ bạn đang rời khỏi không gặp khó khăn — Mintplex-Labs/anything-llm được cấp phép MIT, không bị lưu trữ, vẫn có các commit trên nhánh mặc định gần đây nhất là ngày 17 tháng 9 năm 2026 và v1.16.1 được công bố ngày 27 tháng 8 năm 2026 (GitHub API, kiểm tra lại ngày 21 tháng 9 năm 2026). Vì vậy bạn có thời gian để thực hiện việc này đúng cách.

Vì sao mọi người rời đi và họ đang rời khỏi phiên bản nào

Bốn phàn nàn chiếm phần lớn nguyên nhân, và mỗi phàn nàn là một thuộc tính đã được ghi nhận của một phiên bản cụ thể chứ không phải khiếm khuyết chung.

Thông tin được đọc từ trang giới hạn của đám mây, tổng quan về phiên bản máy tính và trang giá vào ngày 19 tháng 9 năm 2026. Có hai bẫy về tên gọi cần lưu ý trước khi so sánh. Các giao diện riêng của AnythingLLM không thống nhất về tên gói — trang giá ghi Basic và Pro, tài liệu ghi Starter và Professional, và không có nơi nào giải thích sự khác biệt — vì vậy hãy xác nhận tài khoản của bạn đang dùng gói nào. Ngoài ra, "Pro" là tên của hai sản phẩm không liên quan: Cloud Pro với giá 99 USD/tháng và AnythingLLM Desktop Pro, một khóa cấp phép cho Desktop v1.15.0 trở lên. Trang Desktop Pro mô tả các tính năng nhưng không công bố giá, còn anythingllm.com/pro trả về 404, vì vậy mọi con số bạn thấy gắn với tên này đều đến từ nơi khác. Cũng không có số lượng chỗ ngồi, hạn mức lưu trữ hoặc hạn mức sử dụng nào được công bố cho Cloud Basic hoặc Pro.

Lưu ý những gì không có trong danh sách đó: chi phí của chính các mô hình. Khoản phí đó không biến mất dù bạn chuyển sang công cụ tự lưu trữ nào, vì mỗi công cụ đều yêu cầu bạn cung cấp khóa. Tuy nhiên, chúng không hoàn toàn giống nhau — các mặc định truy xuất khác nhau giữa những sản phẩm này, và chúng quyết định lượng ngữ cảnh được gửi cùng mỗi câu hỏi.

Giải pháp thay thế nào phù hợp với công việc nào

Giá và siêu dữ liệu kho lưu trữ được kiểm tra ngày 19 tháng 9 năm 2026 dựa trên trang doanh nghiệp của Open WebUI, librechat.ai, onyx.app/pricing, ragflow.io, dify.ai/pricing, bài đăng về giấy phép của LM Studio, msty.ai/pricing và GitHub API. Ba lưu ý. Mức 29 USD và 129 USD của RAGFlow là các con số khuyến mại được hiển thị gạch ngang từ 59 USD và 259 USD, không nêu ngày kết thúc, và trang này không bao giờ định nghĩa một trong các "tín dụng" của họ mua được gì. Điều khoản về nhận diện thương hiệu của Open WebUI, được nêu rõ trong trang giấy phép của sản phẩm và tệp LICENSE của kho lưu trữ, là chi tiết mà hầu hết mọi người bỏ qua: giữ nguyên nhận diện thương hiệu là cách sử dụng miễn phí, còn việc xóa hoặc thay đổi nhận diện chỉ được phép khi triển khai có từ năm mươi người dùng cuối trở xuống trong bất kỳ khoảng thời gian ba mươi ngày liên tiếp nào, khi bạn có sự cho phép cụ thể trước bằng văn bản từ chủ sở hữu bản quyền, hoặc theo giấy phép doanh nghiệp. Và Onyx là một tên bị trùng nghiêm trọng — chỉ onyx.app mới có thể cung cấp giá của Onyx; tìm kiếm không kèm tên miền sẽ trả về một tiện ích bảo trì macOS, một nhà cung cấp RIP cho ngành in và một số công ty khác.

Bốn dự án không giống như những gì các bài viết cũ mô tả

Danh sách các giải pháp thay thế lỗi thời nhanh hơn cả những sản phẩm có trong đó. Bốn sản phẩm này vẫn được khuyến nghị rộng rãi và không nên đưa vào danh sách rút gọn nếu chưa biết trạng thái hiện tại của chúng; tất cả đều được kiểm tra ngày 19 tháng 9 năm 2026.

Một sản phẩm khác cần xem xét thận trọng: kho lưu trữ của Quivr hiện chuyển đến một tổ chức GitHub khác, và README mô tả một thư viện lõi RAG thay vì một ứng dụng dành cho người dùng cuối. Không tìm thấy thông báo có ngày tháng giải thích việc chuyển đổi, vì vậy đây là sự thật về chuyển hướng, không phải về một thương vụ mua lại.

Những gì được chuyển đổi và những gì không

Đây là chi phí nên quyết định danh sách rút gọn của bạn, và nó giống nhau với mọi đích đến trên trang này.

Những gì đi cùng bạn: lịch sử trò chuyện, với đúng bốn định dạng — CSV, JSON, JSONL và JSON (Alpaca) — được cung cấp từ endpoint /system/export-chats của AnythingLLM. Đây là danh sách đầy đủ các loại xuất trong mã nguồn được phát hành.

Những gì không đi cùng: mọi thứ khác. Tài liệu của AnythingLLM đã được tìm kiếm để tìm chức năng xuất tài liệu, xuất vector hoặc quy trình sao lưu và khôi phục được ghi chép, nhưng không tìm thấy bất kỳ nội dung nào. Đây là sự thiếu bằng chứng chứ không phải bằng chứng về tính bất khả thi — nhưng bạn không thể lập kế hoạch di chuyển dựa trên một đường dẫn không được ghi chép. Workspace, embedding và chính các tài liệu không có đường dẫn nào được ghi chép để xuất ra. Các chuỗi nhập của Community Hub di chuyển kỹ năng tác tử, system prompt và lệnh gạch chéo — ba loại mục mà tài liệu liệt kê là được hỗ trợ — nhưng chỉ giữa các phiên bản AnythingLLM, và trên các bản cài đặt tự lưu trữ, việc nhập kỹ năng sẽ thất bại nếu không đặt COMMUNITY_HUB_BUNDLE_DOWNLOADS_ENABLED. Không có giải pháp thay thế nào trên trang này ghi chép một trình nhập dữ liệu AnythingLLM; đó là điều tôi đã kiểm tra trong tài liệu riêng của từng sản phẩm. LibreChat là sản phẩm duy nhất ghi chép về một trình nhập cuộc trò chuyện, và các nguồn mà nó nêu là ChatGPT, Claude và ChatbotUI v1 — không phải AnythingLLM.

Vì vậy, việc di chuyển có nghĩa là nhập lại, và nhập lại có một điều kiện tiên quyết bắt buộc: các tệp nguồn ban đầu của bạn phải tồn tại bên ngoài ứng dụng. Cụ thể:

1. Trước tiên hãy xuất lịch sử trò chuyện, khi phiên bản vẫn đang chạy. Đây là dữ liệu duy nhất AnythingLLM có thể xuất, và là bản ghi về những gì mọi người thực sự đã hỏi — hữu ích sau này để đánh giá liệu giải pháp thay thế có trả lời tốt tương đương hay không.
2. Thu thập các tài liệu gốc từ nơi chúng bắt nguồn — ổ đĩa dùng chung, wiki, hệ thống phiếu yêu cầu — không phải từ bên trong AnythingLLM.
3. Sao chép thư mục lưu trữ Desktop vào kho lưu trữ lạnh trước khi gỡ cài đặt bất kỳ thứ gì. Các vị trí được ghi chép là /Users/<usr>/Library/Application Support/anythingllm-desktop/storage trên macOS, ~/.config/anythingllm-desktop/storage/ trên Linux và C:\Users\<usr>\AppData\Roaming\anythingllm-desktop\storage trên Windows, còn anythingllm.db bên trong đó là cơ sở dữ liệu SQLite. Hãy chỉ coi đây là bản sao lưu: tài liệu không cung cấp hướng dẫn di chuyển, sao lưu hoặc khôi phục, và việc thư mục đó có thể được chuyển sang máy khác hoặc vào Docker hay không chưa được kiểm thử ở đây.
4. Dựng giải pháp thay thế song song với giải pháp cũ và nhập lại dữ liệu. Sau đó đặt mười câu hỏi mà bạn đã biết câu trả lời cho cả hai phiên bản và so sánh. Các mặc định truy xuất khác nhau giữa những sản phẩm này, vì vậy cùng một kho dữ liệu không đảm bảo cùng một câu trả lời.
5. Khôi phục bằng cách không làm gì cả. Giữ AnythingLLM chạy cho đến khi bước 4 đạt yêu cầu; theo mặc định, AnythingLLM lưu vector trong LanceDB trên chính phiên bản đó, vì vậy chỉ mục cũ nằm trên ổ đĩa của bạn, không nằm trong một dịch vụ mà bạn đã hủy.

Trỏ ứng dụng khách mới đến một endpoint mô hình

Mỗi sản phẩm trong số bảy sản phẩm dưới đây nhận một endpoint bên thứ ba trong một trường nhà cung cấp riêng, và mỗi sản phẩm có một điều kiện kiểm tra khác nhau. Trong mọi trường hợp, trường này tương thích với OpenAI; Jan và LibreChat cũng hỗ trợ định dạng Anthropic Messages nếu bạn yêu cầu. LM Studio và Msty Studio được cố ý loại khỏi bảng này — trang này không xác lập được đường dẫn endpoint từ xa có tài liệu cho một trong hai sản phẩm. Đây là bước cấu hình lại, và biết trước điều kiện kiểm tra sẽ giúp bước này ngắn gọn.

Mỗi điều kiện kiểm tra ở trên được trích dẫn từ trang thiết lập riêng của sản phẩm: nhà cung cấp OpenAI (generic) của AnythingLLM, hướng dẫn tương thích với OpenAI của Open WebUI, tài liệu tham chiếu endpoint tùy chỉnh của LibreChat, trang nhà cung cấp suy luận tùy chỉnh của Onyx, thiết lập khóa API mô hình của RAGFlow, trang endpoint tùy chỉnh của Jan và README của PrivateGPT.

Một ranh giới đáng xác định trước khi bạn cấu hình bất kỳ thứ gì. Trong AnythingLLM, LibreChat, RAGFlow, Dify và Cherry Studio, embedder được đăng ký là một nhà cung cấp riêng với mô hình trò chuyện, có đường dẫn cơ sở và khóa riêng. Kunavo không cung cấp mô hình embedding hoặc mô hình chuyển giọng nói thành văn bản, vì vậy trỏ embedder đến đó sẽ trả về lỗi "model is not available". Hoàn thành trò chuyện là giai đoạn duy nhất của quy trình RAG mà Kunavo có thể đáp ứng. Hãy giữ embedder trên mô hình cục bộ đi kèm hoặc trên một nhà cung cấp riêng:

# Chat goes to an OpenAI-compatible endpoint.
LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY='sk-...'
GENERIC_OPEN_AI_MODEL_PREF='claude-haiku-4-5'
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=200000

# Embeddings do NOT. Kunavo serves no embedding model, so the
# embedder stays on the bundled local one (or another vendor).
EMBEDDING_ENGINE='native'
EMBEDDING_MODEL_PREF='Xenova/all-MiniLM-L6-v2'

Sự phân tách đó không phải là đặc thù của AnythingLLM: API RAG của LibreChat có EMBEDDINGS_PROVIDER riêng và RAG_OPENAI_BASEURL riêng, còn RAGFlow, Dify và Cherry Studio đều đăng ký mô hình embedding ở một nơi khác với mô hình trò chuyện. Hãy lập ngân sách riêng cho hai phần này. Để biết phần truy xuất của thiết kế, xem Triển khai RAG; để biết bề mặt tương thích hỗ trợ và không hỗ trợ gì, xem API tương thích với OpenAI.

Chi phí trò chuyện trong một tháng sau khi chuyển đổi

Ứng dụng khách miễn phí trong gần như mọi dòng ở trên, vì vậy con số định kỳ là token. Đây là phép tính token mang tính minh họa, không phải chi phí đo được và không phải mức trần hóa đơn. Giả sử một nhóm nhỏ đặt 1.200 câu hỏi mỗi tháng, trong đó mỗi lượt gửi 6.000 token đầu vào (các đoạn được truy xuất, system prompt và một ít lịch sử) và trả về 500 token đầu ra — tổng cộng 7,2M token đầu vào và 0,6M token đầu ra mỗi tháng. Mức giá là giá catalog Kunavo hiện hành trên mỗi triệu token.

Có hai cách đọc. Thứ nhất, với quy mô này, lựa chọn mô hình làm hóa đơn chênh khoảng 2,0 lần giữa dòng rẻ nhất và đắt nhất, trong khi các cài đặt truy xuất quyết định có bao nhiêu đoạn được đưa vào 6.000 token đầu vào được thiết lập trong ứng dụng khách, không phải nhà cung cấp — vì vậy hãy tinh chỉnh ứng dụng khách trước khi tìm mức giá. Thứ hai, đặt nó cạnh các con số lưu trữ: gói Cloud 50 USD/tháng bao gồm lưu trữ nhưng vẫn yêu cầu bạn mang theo khóa, vì vậy phép so sánh là lưu trữ cộng token so với máy chủ Docker của riêng bạn cộng cùng số token.

Số tiền trong catalog của Kunavo là mức sàn thanh toán chứ không phải mức trần: khi nguồn upstream báo phí, hóa đơn là giá trị lớn hơn giữa chi phí trong catalog và chi phí upstream nhân với mức cộng giá áp dụng. Phí bộ nhớ đệm, các lệnh gọi hình ảnh hoặc video và mọi chi phí embedder phát sinh ở nơi khác nằm ngoài ví dụ này. Khoản nạp tối thiểu là 10 USD tín dụng trả trước — mức tối thiểu để nạp tiền, không phải phí tác vụ hoặc thuê bao. Xem chi tiết thanh toán.

Thiết lập giải pháp thay thế

Nếu bạn chọn Open WebUI, Kunavo có công bố tài liệu tham chiếu cấu hình cho sản phẩm này: hướng dẫn thiết lập Open WebUI. Đây là tài liệu thiết lập đã công bố, không phải bài kiểm thử khả năng tương thích — chưa có client nào trên trang này được kiểm thử khi chạy với endpoint của Kunavo, và mọi nội dung trên đây đều được đọc từ tài liệu riêng, tệp giấy phép, mã nguồn đã công bố và siêu dữ liệu kho lưu trữ của từng dự án. Hãy duy trì một đường dẫn đang hoạt động trong khi thử nghiệm, chạy một tác vụ có giới hạn, sau đó đọc khoản phí mà tài khoản của bạn thực sự ghi nhận cho tác vụ đó. Tạo tài khoản Kunavo khi bạn sẵn sàng nạp tiền cho một khóa.

Vẫn đang cân nhắc giữa hai công cụ cụ thể thay vì toàn bộ lĩnh vực? AnythingLLM so với Open WebUI đối đầu trực tiếp giữa cặp gần nhất, còn LibreChat so với Open WebUI bao quát danh sách rút gọn phổ biến khác. Tối ưu hóa chi phí AI đề cập đến việc giảm phần token sau khi bạn đã lựa chọn.

Câu hỏi thường gặp

Các trang giá của nhà cung cấp, tài liệu sản phẩm, tệp giấy phép, mã nguồn đã công bố và siêu dữ liệu kho lưu trữ của mọi dự án nêu trên được kiểm tra ngày 19 tháng 9 năm 2026 và kiểm tra lại ngày 21 tháng 9 năm 2026, chỉ từ nguồn chính thức. Mức giá token của Kunavo lấy từ catalog hiện hành, và mọi ví dụ tính bằng đô la ở đây đều là phép tính token mang tính minh họa chứ không phải chi phí đo được. Chưa có client nào trên trang này được kiểm thử khi chạy với endpoint của Kunavo.