Neo Chat 是什么：本地优先的开源 AI 聊天工作台
Neo Chat 是一个本地优先（local-first）的开源 AI 聊天工作台：多模型聊天、Agent 多步工具工作流、Deep Research 深度研究装进同一个可自托管的 Web 界面，MIT 协议，GitHub 约 1800 star（2026-09 查询为 1816）。对话和文件默认存在你自己的浏览器里，模型接的是你自己的 API Key，支持 Google、OpenAI、Anthropic 和 OpenAI 兼容端点（来源：官方 README）。适合在意数据归属、想自带 Key、需要知识库和 Agent 能力的开发者与小团队。官方定位浓缩在 README 首页 slogan：“Your models. Your knowledge. Your workspace.”
和普通 chat UI 的差别：数据、模型、部署三件事
普通聊天应用把”界面”给你，Neo Chat 把”工作台”给你——数据默认留在浏览器、模型自带 Key、整套东西可部署到你自己的服务器上。对话和工作区文件默认留在浏览器存储，备份是 ZIP 导出导入，同步可选，走 WebDAV 或 S3/MinIO 且端到端加密。
| 对比维度 | 托管型聊天应用的通常做法 | Neo Chat（官方 README 事实） |
|---|---|---|
| 数据存放 | 服务端数据库 | 浏览器本地存储为默认 |
| 模型接入 | 平台内置或订阅制 | Google / OpenAI / Anthropic / OpenAI 兼容端点，自带 API Key |
| 部署方式 | 平台托管 | Docker、Vercel、Cloudflare Workers 均可自托管 |
| 备份与迁移 | 平台账号体系内 | ZIP 备份恢复 + 端到端加密同步 |
| 扩展能力 | 平台决定 | Text Skills、OpenAPI 插件、MCP、Docker bridge |
一条边界官方文档没有回避：本地优先不等于离线推理。README 原话 “Local-first storage does not mean inference runs offline”——数据存本地，推理请求仍会把内容发给模型供应商，锁定的是存储在谁手里。
三种工作模式：聊天、Agent、Deep Research
三种模式对应三档投入：日常问答用聊天，让模型动手干活用 Agent，要可核查的研究报告用 Deep Research。README 原述：日常对话；Agent 模式跑多步工具工作流；Deep Research 带可审查计划、引用报告和手动恢复（manual resume）。
| 模式 | 干什么 | 关键边界（来源：README、docs/agent-runtime.md） |
|---|---|---|
| 聊天 | 日常对话、附件、知识库检索、记忆、富输出 | 前台会话，数据在浏览器 |
| Agent | 多步工具工作流：规划、调用工具、按预算推进 | 前台执行，浏览器标签页持有会话租约；预算回落值为 20 轮工具、100 次调用 |
| Deep Research | 先出计划，批准后分波次检索，产出带引用报告 | 不用记忆与技能；报告是不可变 Artifact；只能手动恢复 |
Agent 预算分三档（docs/agent-runtime.md）：Light 8 轮 / 30 次调用 / 10 分钟，Standard 16 轮 / 75 次 / 25 分钟，Extended 24 轮 / 150 次 / 45 分钟。Deep Research 的机制——计划审查、引用验证——放在专文里展开。
知识工作台：附件、检索、记忆、助手预设
知识在这里是一等公民：文件附件、知识库检索、本地搜索、记忆、可复用助手预设，围绕”让模型记住并查到你的资料”组织（官方 README）。几处能落到配置上的细节：
- 附件：部署级默认单文件上限 10 MiB（MAX_ATTACHMENT_FILE_BYTES 默认 10485760 字节，docs/environment-variables.md）
- 知识库检索：DEFAULT_RAG_BASE_URL、DEFAULT_RAG_TOP_K、DEFAULT_RAG_CHUNK_SIZE 等向量检索配置，文档解析支持 MinerU 与 LlamaParse
- 记忆：DEFAULT_MODEL_MEMORY 专门指定记忆抽取用哪个模型（官方文档 memory extraction）
- 助手预设：模型、推理与搜索设置、审批模式、预算、工具白名单、记忆范围都存进 Agent Profile，按”全局默认 → 工作区 → Profile → 会话覆盖”的顺序生效（docs/agent-runtime.md）
换项目不用重新喂数据调参数，预设自带工具白名单与知识范围。
扩展体系：Skills、OpenAPI 插件、MCP、Docker bridge
四条扩展路线分工清楚，边界都有明文（官方 README、docs/mcp-stdio-bridge.md）。
| 扩展方式 | 形态 | 能做什么 | 硬边界 |
|---|---|---|---|
| Text Skills | 声明式文本 | 收窄已有工具集、注入流程约束 | 不能授权新工具、不能执行代码、不能联网（docs/agent-runtime.md） |
| OpenAPI 插件 | 注册的函数 schema | search_tools / load_tools 发现并加载 | 单次请求最多 64 个工具 schema |
| 远程 MCP | 标准 MCP 服务器 | 接外部工具、资源与提示词 | MCP 注解只是显示提示，安全边界在宿主侧 |
| Docker bridge | 独立容器跑白名单 stdio 服务器 | 本地 MCP 工具经 Streamable HTTP 接入 | 托管模式与 Cloudflare Worker 下不可用 |
MCP 接入逻辑与本站Cherry Studio 配置 MCP一文相通，差别在边界设计。
数据安全设计：备份与端到端加密同步
默认数据在浏览器；备份是 ZIP 导出导入；同步走你自己的 WebDAV 或 S3/MinIO，且是端到端加密。docs/encrypted-sync.md 的设计：浏览器上传前逐文档加密，AES-256-GCM 密钥从恢复码派生，远端对象名经 HMAC 派生、连本地路径都不暴露；恢复码内含 256 位 vault 密钥，是唯一解密凭据，官方无法找回。
三条边界全部出自官方文档：备份排除凭据和外部服务数据；Research 扩展数据（自定义模板、steering、报告问答）只在浏览器本地，不进备份也不进同步；部署密码是访问闸门，而非多用户账号系统（README 原文）。
和 Cherry Studio 这类客户端怎么比
两者都服务”自带 Key 用多家模型”的人群，但形态不同，这里只谈定位、不逐项比功能。Cherry Studio 是开源多模型桌面客户端的代表，装完即用（它与 Chatbox 的选型见这篇对比）。Neo Chat 的侧重在另一侧：工作台化——知识库、记忆、预设、扩展在一个入口串成工作流；Web 形态——可自托管，桌面与移动响应式布局，界面支持英文、简体中文、日文；Deep Research 是一等公民，多数聊天客户端里没有对应物。
以桌面聊天为主，Cherry Studio 一类够用；要沉淀可复用工作流或给团队共用入口，Neo Chat 更对口。
谁适合用，谁不适合
门槛不在安装，在于你得有自己的模型 Key，并接受前台浏览器会话的使用方式。
适合：有多家模型 API Key 想统一管理的人；在意数据归属、愿意自托管的用户；要把本地文档喂给模型检索问答的知识工作者；需要 Agent 干活或带引用研究报告的团队。
不适合：想开箱即用零配置的用户——Key 要自备；需要后台定时任务、Webhook、多租户隔离的场景——docs/agent-runtime.md 明确列为非目标；想当团队权限系统用的——部署密码只是访问闸门。
部署路径在Neo Chat 部署教程里完整展开。
常见问题
ai chat 推荐哪类开源工具？
开源 AI 聊天工具优先看三点：数据存哪、模型接谁、能否自托管，本地优先、可自带 API Key 的项目是当前最稳的一类。Neo Chat 偏工作台形态，Cherry Studio 偏桌面客户端。涉及工作内容的对话，数据存放位置应是第一决策因素；Neo Chat 浏览器本地存储默认开启，同步端到端加密。
Neo Chat 和普通 ai chat ui 有什么区别？
区别有三：数据默认存浏览器而非服务端，模型用自带 Key，聊天之外还有 Agent 与 Deep Research。普通 chat ui 到”多模型对话”为止，Neo Chat 多出知识工作台（附件、检索、记忆、预设）和任务执行（Agent 工作流、带引用研究报告）两层，且整套可自托管。停留在问答，前一层就有价值；要沉淀流程，后一层是差异点。
本地 AI 聊天工具，数据真的不出我的设备吗？
对话和文件默认存在浏览器本地，不出设备；但推理请求会把内容发给模型供应商，本地优先指的是存储，不代表推理离线。备份和同步都是可选：ZIP 备份在你手里，同步走你自己的 WebDAV 或 S3/MinIO，浏览器在上传前完成 AES-256-GCM 加密，服务端只见密文。链路里能接触明文的第三方只剩模型供应商，这环用任何云端模型都绕不开。