AnythingLLM 与 LibreChat：知识工作区还是多模型代理

AnythingLLM 和 LibreChat 都是免费、采用 MIT 许可且可自行托管的产品，因此选择并不取决于价格，而取决于检索功能是内置于产品中，还是需要部署在产品旁边。 AnythingLLM 将文档作为工作单元：把文件放入工作区，嵌入器和向量存储已经就绪。LibreChat 将对话作为工作单元：支持多个模型、多个用户、按角色设置权限，而文档搜索则是需要你自行部署的独立服务。

在比较之前，先纠正一个会影响你理解项目的背景。LibreChat 现在是 ClickHouse 的项目：ClickHouse, Inc. 于 2025 年 11 月 4 日宣布收购，并表示对于现有部署，“运营继续保持不变，并持续投资开源项目和社区”；如今 librechat.ai 仍展示着这一横幅。AnythingLLM 仍是 Mintplex Labs 的产品。以下引用的每个来源都带有 2026 年 9 月 21 日的核查日期；结尾注释列出了为本页直接重新阅读的来源。

哪一个适合你实际要完成的任务

两者分别收费多少，以及“Pro”意味着什么

价格于 2026 年 9 月 21 日读取自 anythingllm.com/cloud 及上文链接的页面。这张表中有两个陷阱。首先，“AnythingLLM Pro”指的是两个互不相关的东西——每月 $99 的托管 Cloud 层级，以及要求使用 Desktop v1.15.0 或更高版本、且价格不在任何可访问官方页面上的 Desktop Pro 许可证——因此如果不说明指的是哪一个，单独引用价格没有意义。其次，供应商自己的术语前后不一致：价格页面写的是 Basic 和 Pro，而 Cloud 限制页面写的是“Starter”和“Professional”。没有任何第一方信息将两组名称相互对应，因此请在结账时确认，不要假定它们是相同层级。

LibreChat 方面还有一个值得注意的时间冲突：一则 2026 年 2 月 12 日的 GitHub 讨论引用了“逐步改进此产品并停止以当前形式提供该 API”的计划，目标日期为 2026 年 5 月 1 日；然而，2026 年 9 月 21 日的价格页面仍告知现有订阅者可以管理其订阅。本页面无法确认该日期是否已经执行。

检索的差异，这才是真正的决策点

AnythingLLM。文档进入工作区，应用自行对其建立索引。服务器环境文件仅将 VECTOR_DB="lancedb" 作为唯一未注释的值，同时在旁边注释列出 Chroma、Pinecone、Astra、pgvector、Weaviate、Qdrant、Milvus 和 Zilliz。问题在于作用范围：嵌入器文档写道：“嵌入模型是系统级设置，不能像 LLM 那样按工作区原子化配置”；之后如果更改选择，你“必须删除已上传的文档并重新嵌入”。这就是该产品的迁移成本，付出的是重新建立索引的时间，而不是金钱。

LibreChat。文档搜索完全不在聊天应用中。RAG API“作为一个独立的 FastAPI 服务运行，由 PostgreSQL + pgvector 数据库提供支持”，通过 RAG_API_URL 和 EMBEDDINGS_PROVIDER 配置（openai、azure、huggingface、huggingfacetei 或 ollama），分块默认值为 1500，重叠为 100。代理通过 file_search 能力访问它，管理员可以按角色禁用该能力。需要部署更多组件，也拥有更多控制权。

Kunavo 不提供嵌入、语音转文本或文本转语音服务——没有启用的模型携带这些端点——因此在任一产品中，嵌入器插槽，以及 AnythingLLM 单独的转录和语音插槽，都应指向提供这些能力的供应商；聊天插槽才是 Kunavo 密钥覆盖的部分。RAG 实现介绍了如何拆分这些阶段。

代理、MCP，以及谁可以更改什么

关于这张表有两点注意事项。LibreChat 的权限列表对应 0.8.8-rc 文档；由于项目没有发布稳定版本标签，较早固定的镜像不会包含全部权限——请以你实际运行的版本为准。AnythingLLM 的角色名称来自其 Security and Access 页面，该页面开头写着：“仅限 DOCKER VERSION！这些设置仅适用于 AnythingLLM 的 Docker 版本”——这句话说明的是设置所在的位置，并不是说托管 Cloud 是单用户的，因为 Cloud 文档将其描述为多用户部署。

将两者指向同一个密钥

两者都接受兼容 OpenAI 的端点，因此在一个密钥上并行运行它们，是公平的比较方式。对于网关而言，两者的配置差异很重要。

# AnythingLLM — LLM Preference -> provider "OpenAI (generic)".
# Self-host env names, from server/.env.example on master:
LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY=sk-kn-...
GENERIC_OPEN_AI_MODEL_PREF='claude-sonnet-5'      # typed by hand; no model-list fetch is documented
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=1000000
# Embeddings are a SEPARATE provider slot with its own key and its own base
# path (EMBEDDING_ENGINE / EMBEDDING_BASE_PATH / EMBEDDING_MODEL_PREF), and so
# are the transcription and speech slots. A working chat endpoint proves
# nothing about any of them.

# LibreChat — librechat.yaml in the project root, beside your .env.
endpoints:
  custom:
    - name: "Kunavo"                      # required
      apiKey: "${KUNAVO_API_KEY}"        # required; resolved from .env
      baseURL: "https://api.kunavo.com/v1"  # required
      models:                             # required
        default: ["claude-sonnet-5", "claude-haiku-4-5"]
        fetch: true
      # tokenConfig is what the docs say supplies a custom endpoint's rates and
      # context windows — read by context usage, cost breakdowns and balance
      # transactions. prompt/completion are USD per million tokens; context is
      # that model's own window. All three are required, per model.
      tokenConfig:
        claude-sonnet-5:
          prompt: 1.4
          completion: 7
          context: 1000000

AnythingLLM 的自身文档将该提供商描述为“面向开发者的 llm 提供商——除非你知道自己在做什么，否则不应使用”，并称其“如果你错误输入任何配置设置，可能无法按预期运行”。文档没有说明工具调用、代理或流式传输是否能够通过该路由，因此本页面不对任何一种结果作出声称。LibreChat 的自定义端点参考要求 name、apiKey、baseURL 和 models，并增加了 AnythingLLM 没有文档化对应项的选项：provider: anthropic 将同一个区块通过原生 Anthropic 客户端路由，但代价是必须手动列出模型 ID，因为“原生 Anthropic 自定义端点不使用 OpenAI 风格的 models.fetch”。如果允许每个用户提供自己的端点，还要注意另一个限制：使用 baseURL: "user_provided" 时，LibreChat 不会将已配置的请求头模板转发到该目标。

成本可见性也不对称。LibreChat 将 tokenConfig 文档为定义自定义端点每百万单位费率和上下文窗口的配置，也是其上下文用量、成本明细和余额交易的输入——因此管理员需要像上文所述，按模型手动填写；AnythingLLM 没有自己的按模型费率表。两种产品都不应被当作你的账本。两者的设置文档均已发布：AnythingLLM 和 LibreChat。

月度费用估算示例

这是示例性的 token 计算，不是实测成本，也不是账单上限。假设一个工作区每月回答 600 个问题，每个问题发送 12,000 个输入 token，其中包括系统提示词、检索到的段落和简短历史记录，并返回 600 个输出 token。费率是当前 Kunavo 目录中每百万 token 的价格。右侧一栏将检索上下文加倍，以展示这里真正重要的杠杆——每个问题检索多少内容本身就是定价决策，而在两种产品中都相同。

请将其与订阅费用一并阅读，而不是用它取代订阅费用。在这些假设下，Claude Haiku 4.5 的 token 成本为每月 $6.30，明显低于 AnythingLLM Cloud 每月 $50 的 Basic 层级——但两者并不可替代，因为该层级购买的是托管的私有实例，除此之外仍要求你自行提供密钥。自行托管 LibreChat 或 AnythingLLM Docker 实例，则意味着这 $50 转移为你自己的服务器账单。

Kunavo 目录金额是计费下限，而不是上限：上游报告费用后，账单取目录成本与上游成本乘以适用加价之间的较高者。缓存费用和外部工具不包含在本示例中。最低充值金额为 $10 的预付余额——这是资金最低要求，不是任务费用或订阅费。请参阅 计费详情，或者在选定客户端后创建 Kunavo 账户。若要深入了解任一方的支出明细，请参阅 AnythingLLM API 成本和 LibreChat API 成本。

正在权衡第三个选项？AnythingLLM 与 Open WebUI 对比以及 LibreChat 与 Open WebUI 对比，将以相同方式对比一个共享的替代方案。

常见问题

来源核查日期为 2026 年 9 月 21 日。撰写本页面时直接重新阅读的内容包括：anythingllm.com/cloud、AnythingLLM Cloud 限制、Desktop Pro、agent、MCP、Security and Access 和嵌入器配置文档、AnythingLLM 服务器环境示例、LibreChat 的自定义端点、界面、MCP 和 RAG API 参考、LibreChat releases 列表和 package.json、code.librechat.ai/pricing、librechat.ai/pricing 和 /enterprise 的 HTTP 状态、Code Interpreter 讨论，以及 ClickHouse 收购公告和 ClickHouse Agents beta 帖子。Kunavo token 费率来自实时目录，每个美元示例都是示例性 token 计算；Kunavo 尚未对任一客户端进行运行时测试——所链接的设置页面是配置参考，而不是兼容性测试。