LobeChat Pro 项目服务器端数据库部署指南
前言
LobeChat Pro 是一款功能强大的聊天应用,默认使用客户端数据库(IndexedDB)存储数据,同时也支持部署服务器端数据库。本文将详细介绍如何为 LobeChat Pro 配置和部署服务器端数据库方案。
服务器端数据库架构概述
LobeChat Pro 的服务器端数据库方案采用 PostgreSQL 作为核心存储引擎,主要包含三个关键模块:
- 数据库服务:PostgreSQL 数据库实例
- 认证服务:用户身份验证系统
- 存储服务:文件存储解决方案
这种架构设计确保了系统的可扩展性、安全性和性能。
PostgreSQL 数据库配置
数据库选择
LobeChat Pro 支持两种 PostgreSQL 实例类型:
- Serverless 实例:如 Vercel/Neon 等无服务器数据库
- 自托管实例:通过 Docker/Railway/Zeabur 等部署的传统 PostgreSQL 实例
核心环境变量配置
1. 服务模式切换
NEXT_PUBLIC_SERVICE_MODE=server
此变量用于切换客户端/服务器端模式,默认值为 client,部署服务器端时需要设置为 server。
2. 数据库连接
DATABASE_URL=postgres://username:password@host:port/database
这是 PostgreSQL 的标准连接字符串格式。如需启用 SSL 连接,请参考相关文档进行配置。
3. 数据库驱动类型
DATABASE_DRIVER=node|neon
node:适用于传统 PostgreSQL 实例neon:适用于 Serverless 实例
4. 数据加密密钥
KEY_VAULTS_SECRET=your_32_char_random_string
使用 OpenSSL 生成随机密钥:
openssl rand -base64 32
pgvector 插件安装
LobeChat Pro 的 RAG(检索增强生成)功能依赖 PostgreSQL 的 pgvector 插件,用于实现向量搜索能力。部署时需确保数据库已安装此插件。
认证服务配置
LobeChat Pro 提供两种认证方案:
1. Clerk 认证服务
Clerk 是一款 SaaS 认证服务,提供开箱即用的认证功能,适合需要快速上线的场景。
配置参数:
NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY=your_publishable_key
CLERK_SECRET_KEY=your_secret_key
CLERK_WEBHOOK_SECRET=your_webhook_secret
2. NextAuth 认证服务
NextAuth 是一个开源认证库,支持多种身份提供商,适合需要完全私有化部署的场景。
特点:
- 支持多种 OAuth 提供商
- 可自定义认证流程
- 完全自主可控
对象存储服务配置
LobeChat Pro 的多模态功能(如图片上传)需要依赖兼容的对象存储服务。
支持的存储方案:
- Amazon S3
- 其他主流对象存储服务
- 阿里云 OSS
- MinIO(自托管)
配置要点:
- 创建存储桶(Bucket)
- 配置访问权限
- 设置环境变量连接信息
部署实践建议
1. Vercel 平台部署
- 推荐使用 Serverless PostgreSQL + Clerk 认证组合
- 配置简单,适合快速上线
2. Docker 部署
- 推荐使用传统 PostgreSQL + NextAuth 认证组合
- 适合私有化部署场景
- 官方提供预配置的
lobe-chat-database镜像
3. 混合部署
- 可根据实际需求混合搭配不同组件
- 例如:使用 Neon 数据库 + NextAuth 认证
常见问题解答
Q:为什么需要单独的数据库版本镜像? A:因为 NEXT_PUBLIC 前缀的环境变量需要在构建时注入,无法在容器运行时修改。
Q:如何确保数据安全? A:通过 KEY_VAULTS_SECRET 加密敏感数据,建议定期轮换密钥。
Q:文件存储是否必须使用对象存储? A:对于生产环境推荐使用兼容的对象存储方案,开发环境可暂时使用本地存储方案。
总结
部署 LobeChat Pro 的服务器端数据库方案需要综合考虑数据库、认证和存储三个核心组件。根据您的具体需求选择合适的配置组合,可以构建出高性能、安全可靠的聊天应用后端。本文提供的配置指南和最佳实践将帮助您顺利完成部署。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08