Open WebUI 实战教程本地AI平台从0到1指南【免费下载链接】open-webuiUser-friendly AI Interface (Supports Ollama, OpenAI API, ...)项目地址: https://gitcode.com/GitHub_Trending/op/open-webuiOpen WebUI 是一个可完全离线运行的本地AI平台一条 Docker Compose 命令就能拉起界面、模型运行器和知识库检索。你的对话记录、文档、向量数据全部留在自己的机器上不用为隐私和月费纠结。下面从部署到生产带你把它完整跑起来。为什么是它—— Open WebUI 一句话定位它解决的核心问题就一个把模型、界面、检索、权限这套组合拳压缩成一次容器启动。不只是 Ollama 的前端皮肤任何 OpenAI 兼容 APIvLLM、LMStudio、GroqCloud、Mistral 等都能接进来混着用内置 RAG 推理引擎文档上传后自动切分、向量化、检索不用自己搭一套向量服务完全离线可跑断网环境下整条链路照常工作数据不出内网Open WebUI 的聊天界面左侧管理文档与知识库中间多模型并行对话右侧切换模型与插件三步跑起来 —— 最小可用部署确保机器上已安装 Docker 和 Docker Compose装好docker --version能正常输出版本号即可。第 1 步克隆仓库git clone https://gitcode.com/GitHub_Trending/op/open-webui cd open-webui第 2 步一条命令启动compose 文件里自带 Ollama 和 WebUI 两个服务docker-compose up -d第 3 步浏览器打开http://localhost:3000注册第一个账号即为管理员。看到登录页正常渲染、注册后能进入聊天界面即部署成功。 后面所有配置都围绕docker-compose.yaml这个文件展开不用碰代码。核心能力拆解 —— Open WebUI 能帮你做什么多模型接入与对比同一套界面接多个模型来源本地 Ollama 和远程 API 可以共存。左边 Ollama 跑小模型做日常问答右边接商用 API 跑难任务同一个问题同时丢给几个模型直观对比回答质量模型列表在界面里实时增删不用重启服务本地 RAG 知识库文档丢进去聊天时自动带上相关上下文回答有依据。支持 PDF、Markdown、网页等多格式上传即自动向量化用#指令快速调出指定文档参与对话向量数据落在本地可换 Chroma、PGVector 等后端图像生成与编辑对话里直接出图也能对已有图片做提示词修改。接 DALL-E 或本地 ComfyUI / AUTOMATIC1111 引擎支持图片作为上下文继续追问和再编辑语音输入与输出本地 Whisper 或云端 STT 做语音转文字TTS 把回答读出来Azure、ElevenLabs、OpenAI 任选全程免提边干别的边开会多模型混用的配置思路一个片段感受一下services: open-webui: environment: - OLLAMA_BASE_URLhttp://ollama:11434 - OPENAI_API_BASE_URLhttp://vllm:8000/v1 - OPENAI_API_KEYyour-key配置调优 —— 让 Open WebUI 贴合你的环境所有环境变量都在docker-compose.yaml的open-webui.environment段里改改完docker-compose up -d重建即可。如果 3000 端口被占用→ 把端口映射改成${OPEN_WEBUI_PORT-8080}:8080或设OPEN_WEBUI_PORT8080环境变量 → 容器内部始终是 8080只动外部端口最省事。ports: - 8080:8080如果要接远程 Ollama 或换模型源→ 改OLLAMA_BASE_URL或在管理后台添加 OpenAI 兼容 API 并填 base_url 和 key → 界面里添加模型不用重启随时可插拔。如果要备份或迁移数据→ 数据都在open-webui:/app/backend/data这个卷里SQLite、文件、向量索引→ 迁移时只需docker run --rm -v open-webui_open-webui:/data -v /backup:/out alpine cp -r /data/. /out/一把带走。如果并发用户多、要上生产→ 把DB_URL指到 PostgreSQL 替代 SQLite → 读写分离、连接池都交给成熟数据库处理。如果打算跑多实例→ 固定WEBUI_SECRET_KEY为同一个强随机值 → 它是 JWT 签名密钥不一致会导致各节点会话互相不认。团队与生产 —— 从个人到规模化个人玩一两个实例无所谓团队用起来有三个点必须提前想清楚。权限RBAC 加用户组。管理员在后台给用户分配角色、按组授予模型/文档访问权限默认安全、按需放开。比如实习生组只能访问摘要模型研发组才能碰知识库原文不用靠口头约定。扩展Redis 支撑多节点。单实例扛不住时加 Web 节点用 Redis 做会话和 WebSocket 的共享存储配合负载均衡横向扩。可观测OpenTelemetry 开箱即用。启用后链路追踪、指标、日志统一导出到你的 OTel 后端接口慢在哪一步、哪个模型拖了后腿不用猜。Open WebUI 生产环境由 WebUI 节点、模型运行器、Redis 与向量库组成分布式架构踩坑与排障现象3000 端口起不来容器反复重启。别慌大概率是端口被占。netstat -tlnp | grep 3000确认占用进程后按第 4 节改端口映射即可。现象首次拉取模型极慢甚至超时。原因是模型文件要从官方仓库下载网络决定速度。在 Ollama 容器里先把模型pull下来再继续或者走内网可达的镜像源。现象刷新后登录状态频繁丢失。原因是WEBUI_SECRET_KEY没固定容器重建后密钥变了、旧会话全部失效。把它写成固定值清一次浏览器缓存就好。现象磁盘越跑越大。模型和镜像都吃空间先看docker system df定位大头再用docker image prune -a和docker volume prune清掉不用的镜像与卷。下一步后台把 Ollama 常用模型拉几个上传第一批文档建知识库接一个 OpenAI 兼容 API 做对比固定 WEBUI_SECRET_KEY 再上生产延伸阅读完整环境变量清单仓库backend/open_webui/config.py插件与扩展机制backend/open_webui/plugins/相关源码项目文档与社区入口见仓库根目录README.md本地这套东西跑起来之后改配置、加模型、扩节点都是顺手的事慢慢把它调成自己最顺手的 AI 工作台吧。【免费下载链接】open-webuiUser-friendly AI Interface (Supports Ollama, OpenAI API, ...)项目地址: https://gitcode.com/GitHub_Trending/op/open-webui创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考