LibreChat：把反复使用的提示、模型和资料，保存成一个专用助手

每周整理客户访谈，都要重新解释输出格式、补一遍背景，再选模型，重复的往往不只是那句提示词。LibreChat 的 Agents 可以把这些配置保存在一起：给助手命名、设定指令、选择模型，并按需要连接资料和工具。下一轮任务从同一个助手开始，准备工作便有了可复用的落点。

保存的是任务配置，不只是聊天记录

官方 Agent 文档把创建入口放在模型端点菜单的 Agents 中，编辑器位于侧栏。基本配置包括名称、说明、指令、模型和开场提示；工具与 Skills 则从库中按需添加。普通用户理解这些字段，就能开始定义一个专用助手，无须先写服务端程序。

这件事值得关注的地方，是固定任务规则可以和模型选择放在一起。一个负责提炼访谈的助手，可以约定区分“客户原话”和“编辑概括”；另一个负责检查对外表述的助手，可以使用另一套指令。它们的区别应来自任务要求，不能仅凭换一个头像就期待更专业的判断。

来源：LibreChat 官方网站仓库。图中是 Home Controller Pro 配置示例，用来说明字段关系；它不是下文访谈助手的运行结果，也不证明中文任务效果。

图中 Instructions 和 Model 是两个独立位置。这意味着“要求它怎样工作”与“由哪个模型执行”需要分别决定：保存了清晰指令，不代表任意模型都能同样遵守；换模型也不自动补齐缺失的任务要求。

让访谈摘录保留原话与推断的距离

例如，假设输入是一段中文访谈：“我上次找不到导出按钮，所以请同事代做；如果按钮放在列表页，我可能会再试。”可以给专用助手约定三栏成果：原话、涉及的问题、待确认事项，并要求每条概括保留原文依据。这是教学设计，不是本次生成记录。

对这段材料，可确认的是受访者找不到按钮、曾请求同事帮助；“按钮移到列表页就会提高留存”则还没有成立。前者能进入问题摘要，后者最多进入待验证假设。把这条判断写进固定指令，能让每次整理都围绕相同标准展开，但最终仍要核对输出有没有把“可能会再试”写成确定承诺。

长资料检索与固定全文上下文，各有位置

官方文档区分 File Search 与 File Context。File Search 从上传资料中检索相关内容，再为回答提供上下文；File Context 则把提取的文本纳入助手的系统指令，文本保存在数据库中。临时文件问题，文档建议使用聊天里的 Upload as Text，而不必都塞进长期助手。

例如，固定的一页访谈整理规范适合作为长期任务依据；不断增加的几十份访谈则更需要考虑检索。这里的区别影响每轮带入多少材料、维护什么版本，以及内容会占用多少上下文。文档还说明，扫描件可借助配置的 OCR 改善提取，不能把可上传文件直接理解成任意扫描内容都能读对。

工具加得越多，数据路径越需要明确

LibreChat 可以为助手连接 MCP、Actions 等外部工具。官方以 Spotify 演示如何逐项勾选工具，说明“连接某个服务器”和“允许哪些操作”之间还有一层选择。用于访谈整理的第一版助手，通常从文本和必要资料开始就够了；确有查询或写入需求时，再加入对应能力。

自托管 LibreChat 只决定应用部署位置。语言模型、嵌入、OCR 或外部工具若使用远程服务，相关内容仍会沿配置的数据路径送出。各服务费用由所选方案决定，不能把软件免费使用理解成模型调用、存储或全部工具都免费。

怎样开始，适合谁维护

官方仓库提供自托管代码及部署入口，项目软件采用 MIT 许可，模型权重与外部服务另按各自条款。需要有人准备运行环境、配置模型端点并维护账户和资料。仓库也提供中文说明；中文界面与文档不等于特定模型的中文分析质量已获验证。

部署后，从 Agents 新建一个只包含名称、指令和模型的助手，用一段熟悉的材料核对规则，再决定是否加 File Search 或工具。需要反复执行同类整理、又希望统一模型入口的个人或小团队，能从这种可保存的任务配置里获得具体帮助；只想立即聊一次的人，未必需要承担部署成本。