Open WebUI 部署实战从一条命令到私人 AI 工作台【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 是一款支持 Ollama、OpenAI API 的自托管 AI 界面让你把聊天记录、模型配置、知识库全部攥在自己手里。本文沿着一条真实的部署路线从敲下第一条命令到日常用顺带你完整跑通中途的坑也一并标注。周五晚上 10 点我决定不再把对话交给别人的服务器那天我想让 AI 帮我整理一份项目周报先要登录网页端结果发现昨晚的对话没同步、想用的模型要单独开会员、上传的内部文档还得先过一遍对方的审核条款。折腾半小时后我忽然意识到问题不在模型本身而在我的对话没有放在我自己的地盘上。Open WebUI 解决的就是这件事——它是运行在你自己的电脑或服务器上的 AI 前台背后接哪家模型服务完全由你决定可以是本地的 Ollama可以是 OpenAI 的 API也可以是任何 OpenAI 兼容的接口。界面用起来像 ChatGPT但数据、配置、知识库都归你管还完全免费开源。接下来按我实际操作的顺序走全程约 10 分钟。动手前先花 30 秒这台AI 前台由哪三块拼成在敲命令之前先在心里搭个框架后面遇到报错就不慌界面层Open WebUI你看到的聊天窗口、设置页、知识库管理都是这一层。模型服务层Ollama / OpenAI API / 任意兼容接口真正回答问题的大脑可以是一个或多个。数据层SQLite / PostgreSQL聊天记录、账号、配置的存放地默认 SQLite够用且零维护。类比成一家店Open WebUI 是前台的收银和点单系统模型服务是后厨数据库是仓库。你只需要负责把后厨模型接好前台系统本文帮你搭。路线 ADocker 一键起航推荐新手如果机器上已经装好 Docker没有的话装一下几分钟的事这是最省心的方式。先把项目拉到本地git clone https://gitcode.com/GitHub_Trending/op/open-webui cd open-webui仓库里已经配好了一份 docker-compose 文件里面同时定义了 Ollama 和 Open WebUI 两个服务也就是说连模型服务都一起给你带上了。直接启动docker-compose up -d # 后台启动首次会拉取镜像稍等片刻等日志安静下来浏览器打开http://localhost:3000你就能看到登录页了。如果你不想用 Compose单容器一条命令同样能跑以官方镜像ghcr.io/open-webui/open-webui:main为例docker run -d -p 3000:8080 --add-hosthost.docker.internal:host-gateway \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main⚠️ 那条-v open-webui:/app/backend/data一定别删。它把数据库挂载到命名卷里删了容器数据还在不挂载的话哪天容器一重建你的账号和聊天记录就全没了。这是整个部署中最容易踩、后果也最重的坑。路线 B不爱 Docker原生安装 30 秒也能跑如果你只是想在个人电脑上快速体验又不想碰容器Python 方案更轻。前提是 Python 版本在 3.11 左右避免兼容性小问题pip install open-webui # 安装本体 open-webui serve # 启动服务随后访问http://localhost:8080即可。这条路线没有自带 Ollama模型需要你另行准备见下一节。进阶玩家还可以走源码构建克隆仓库后后端在backend/目录装依赖、前端在src/目录npm install npm run build最后回到后端目录启动。想改界面、想二次开发的朋友可以研究这条线日常使用没必要。第一次打开浏览器注册那个超级管理员页面加载出来后先别急着登录因为还没有任何账号。Open WebUI 的规则很简单第一个注册成功的用户自动成为管理员拥有全部设置权限。所以请用一个你记得住的邮箱把第一把钥匙拿到手。注册完顺手做一件事点进右上角的设置在通用选项里把界面语言切换成中文项目内置 60 多种语言包切换即时生效不用重启。这一步虽小但能让后面所有操作都更顺手。接上你的第一个模型本地 Ollama 与云端 API 双通道这是配置的核心环节也是 Open WebUI 最值钱的地方它允许你同时挂多个后端随时切换互不干扰。接本地 Ollama先在机器上装好 Ollama拉一个模型比如ollama pull qwen2.5:7b然后在 Open WebUI 的管理员设置 → 连接里填 Ollama 的地址。默认本机就是http://localhost:11434Docker 部署时 Compose 文件已经自动指向http://ollama:11434基本不用改。接云端 API在同样的设置页里填入 OpenAI 的 API Key或者把地址换成任何 OpenAI 兼容的服务OpenRouter、vLLM、Groq 这类都行模型列表会自动刷新出来。完成之后回到对话页顶部的模型选择器就能在不同模型间一键切换了。你甚至可以同时勾选多个模型发起多模型对话让它们就同一个问题各自作答、交叉印证——想评测哪个模型更适合你的场景时特别好用。这就是即将在你浏览器里打开的界面左侧导航、顶部模型选择器、中间对话区支持同时唤起多个模型作答。把工作台调成认得你的样子跑通之后再花几分钟把这些能力点亮工作台才算真正属于你喂知识库RAG把 PDF、Word、TXT 拖进知识库然后在对话里用#键引用AI 就能基于你的文档回答。底层支持多种向量数据库与内容解析引擎实现都在backend/retrieval/里普通用户无需关心。长期记忆开关打开后AI 会跨对话记住你的偏好——比如以后周报都用表格形式下次它会直接照做。语音输入在输入框旁开启语音支持本地 Whisper 转写隐私留在自己机器上。自定义观感背景图、主题色都能改。深色模式配一张星空图夜间写代码时看聊天窗口特别舒服。换一张浩瀚星空做背景深夜加班和 AI 聊需求时至少眼睛是舒服的。翻车现场3 个高频报错与自救手册部署路上最常见的三个问题我提前替你踩过了1. 页面显示 Server Connection Error几乎都是 Open WebUI 容器够不到 Ollama 导致的。本机部署时容器里的127.0.0.1指的不是你的电脑需要把OLLAMA_BASE_URL指向真实地址或改用--networkhost启动。改完重启容器即可。2. 端口 3000 被占用用 Compose 时改环境变量OPEN_WEBUI_PORT换个端口号即可单容器命令则直接改-p的前半段。3. 容器重建后账号没了回到开头那条血泪教训——检查-v open-webui:/app/backend/data是否在启动命令里。数据卷挂载对了容器随便删。仓库根目录的TROUBLESHOOTING.md整理了更多场景卡住了先去翻一遍比在社区里大海捞针快。最后把命令行换成一句今晚试试现在你的电脑上多了一扇只属于自己的门门后是随时待命的 AI 前台。下次再想整理周报、对比两个模型、或者让 AI 读一份公司内部的旧文档时不用再纠结这段对话会不会被存到别人那里——答案已经在你手里了。从一条git clone到点开localhost:3000整个过程没有玄学。如果还惦记着让这个工作台更聪明仓库里的backend/routers/和backend/retrieval/就是下一步的入口那些功能等你用顺手了自然会想去看。今晚就把那句压在输入框里很久的话发给你的第一个自托管 AI 吧。你的 AI 工作台就在屏幕另一端像这颗星球一样安静而完整地等着你。【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 Open WebUI 部署实战：从一条命令到私人 AI 工作台
Open WebUI 部署实战从一条命令到私人 AI 工作台【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 是一款支持 Ollama、OpenAI API 的自托管 AI 界面让你把聊天记录、模型配置、知识库全部攥在自己手里。本文沿着一条真实的部署路线从敲下第一条命令到日常用顺带你完整跑通中途的坑也一并标注。周五晚上 10 点我决定不再把对话交给别人的服务器那天我想让 AI 帮我整理一份项目周报先要登录网页端结果发现昨晚的对话没同步、想用的模型要单独开会员、上传的内部文档还得先过一遍对方的审核条款。折腾半小时后我忽然意识到问题不在模型本身而在我的对话没有放在我自己的地盘上。Open WebUI 解决的就是这件事——它是运行在你自己的电脑或服务器上的 AI 前台背后接哪家模型服务完全由你决定可以是本地的 Ollama可以是 OpenAI 的 API也可以是任何 OpenAI 兼容的接口。界面用起来像 ChatGPT但数据、配置、知识库都归你管还完全免费开源。接下来按我实际操作的顺序走全程约 10 分钟。动手前先花 30 秒这台AI 前台由哪三块拼成在敲命令之前先在心里搭个框架后面遇到报错就不慌界面层Open WebUI你看到的聊天窗口、设置页、知识库管理都是这一层。模型服务层Ollama / OpenAI API / 任意兼容接口真正回答问题的大脑可以是一个或多个。数据层SQLite / PostgreSQL聊天记录、账号、配置的存放地默认 SQLite够用且零维护。类比成一家店Open WebUI 是前台的收银和点单系统模型服务是后厨数据库是仓库。你只需要负责把后厨模型接好前台系统本文帮你搭。路线 ADocker 一键起航推荐新手如果机器上已经装好 Docker没有的话装一下几分钟的事这是最省心的方式。先把项目拉到本地git clone https://gitcode.com/GitHub_Trending/op/open-webui cd open-webui仓库里已经配好了一份 docker-compose 文件里面同时定义了 Ollama 和 Open WebUI 两个服务也就是说连模型服务都一起给你带上了。直接启动docker-compose up -d # 后台启动首次会拉取镜像稍等片刻等日志安静下来浏览器打开http://localhost:3000你就能看到登录页了。如果你不想用 Compose单容器一条命令同样能跑以官方镜像ghcr.io/open-webui/open-webui:main为例docker run -d -p 3000:8080 --add-hosthost.docker.internal:host-gateway \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main⚠️ 那条-v open-webui:/app/backend/data一定别删。它把数据库挂载到命名卷里删了容器数据还在不挂载的话哪天容器一重建你的账号和聊天记录就全没了。这是整个部署中最容易踩、后果也最重的坑。路线 B不爱 Docker原生安装 30 秒也能跑如果你只是想在个人电脑上快速体验又不想碰容器Python 方案更轻。前提是 Python 版本在 3.11 左右避免兼容性小问题pip install open-webui # 安装本体 open-webui serve # 启动服务随后访问http://localhost:8080即可。这条路线没有自带 Ollama模型需要你另行准备见下一节。进阶玩家还可以走源码构建克隆仓库后后端在backend/目录装依赖、前端在src/目录npm install npm run build最后回到后端目录启动。想改界面、想二次开发的朋友可以研究这条线日常使用没必要。第一次打开浏览器注册那个超级管理员页面加载出来后先别急着登录因为还没有任何账号。Open WebUI 的规则很简单第一个注册成功的用户自动成为管理员拥有全部设置权限。所以请用一个你记得住的邮箱把第一把钥匙拿到手。注册完顺手做一件事点进右上角的设置在通用选项里把界面语言切换成中文项目内置 60 多种语言包切换即时生效不用重启。这一步虽小但能让后面所有操作都更顺手。接上你的第一个模型本地 Ollama 与云端 API 双通道这是配置的核心环节也是 Open WebUI 最值钱的地方它允许你同时挂多个后端随时切换互不干扰。接本地 Ollama先在机器上装好 Ollama拉一个模型比如ollama pull qwen2.5:7b然后在 Open WebUI 的管理员设置 → 连接里填 Ollama 的地址。默认本机就是http://localhost:11434Docker 部署时 Compose 文件已经自动指向http://ollama:11434基本不用改。接云端 API在同样的设置页里填入 OpenAI 的 API Key或者把地址换成任何 OpenAI 兼容的服务OpenRouter、vLLM、Groq 这类都行模型列表会自动刷新出来。完成之后回到对话页顶部的模型选择器就能在不同模型间一键切换了。你甚至可以同时勾选多个模型发起多模型对话让它们就同一个问题各自作答、交叉印证——想评测哪个模型更适合你的场景时特别好用。这就是即将在你浏览器里打开的界面左侧导航、顶部模型选择器、中间对话区支持同时唤起多个模型作答。把工作台调成认得你的样子跑通之后再花几分钟把这些能力点亮工作台才算真正属于你喂知识库RAG把 PDF、Word、TXT 拖进知识库然后在对话里用#键引用AI 就能基于你的文档回答。底层支持多种向量数据库与内容解析引擎实现都在backend/retrieval/里普通用户无需关心。长期记忆开关打开后AI 会跨对话记住你的偏好——比如以后周报都用表格形式下次它会直接照做。语音输入在输入框旁开启语音支持本地 Whisper 转写隐私留在自己机器上。自定义观感背景图、主题色都能改。深色模式配一张星空图夜间写代码时看聊天窗口特别舒服。换一张浩瀚星空做背景深夜加班和 AI 聊需求时至少眼睛是舒服的。翻车现场3 个高频报错与自救手册部署路上最常见的三个问题我提前替你踩过了1. 页面显示 Server Connection Error几乎都是 Open WebUI 容器够不到 Ollama 导致的。本机部署时容器里的127.0.0.1指的不是你的电脑需要把OLLAMA_BASE_URL指向真实地址或改用--networkhost启动。改完重启容器即可。2. 端口 3000 被占用用 Compose 时改环境变量OPEN_WEBUI_PORT换个端口号即可单容器命令则直接改-p的前半段。3. 容器重建后账号没了回到开头那条血泪教训——检查-v open-webui:/app/backend/data是否在启动命令里。数据卷挂载对了容器随便删。仓库根目录的TROUBLESHOOTING.md整理了更多场景卡住了先去翻一遍比在社区里大海捞针快。最后把命令行换成一句今晚试试现在你的电脑上多了一扇只属于自己的门门后是随时待命的 AI 前台。下次再想整理周报、对比两个模型、或者让 AI 读一份公司内部的旧文档时不用再纠结这段对话会不会被存到别人那里——答案已经在你手里了。从一条git clone到点开localhost:3000整个过程没有玄学。如果还惦记着让这个工作台更聪明仓库里的backend/routers/和backend/retrieval/就是下一步的入口那些功能等你用顺手了自然会想去看。今晚就把那句压在输入框里很久的话发给你的第一个自托管 AI 吧。你的 AI 工作台就在屏幕另一端像这颗星球一样安静而完整地等着你。【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