Open WebUI 完整部署指南本地 AI 聊天平台 5 分钟跑起来【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 是一款自托管的开源 AI 聊天平台装好之后可以完全离线运行。它能接入本地 Ollama 模型也能对接任意 OpenAI 兼容 APILMStudio、vLLM、Groq 等文档检索RAG即把上传的文档向量化后供模型引用、插件扩展、多用户权限管理这些能力都是内置的。下面按装好 → 接上模型 → 日常使用 → 出问题排查这条线把整个过程讲一遍。先把界面跑起来用 pip 安装最轻量的体验方式如果你只想先感受一下用 pip 装最快前提是机器上有 Python 3.11官方镜像也固定在这个版本其他版本容易出兼容性问题pip install open-webui open-webui serve启动后浏览器打开http://localhost:8080。注意一点第一个注册的账号会自动成为管理员后续的用户管理、模型配置都从它开始所以先用自己信任的邮箱注册。用 Docker 安装正式部署推荐Docker 方式一条命令即可跑在3000端口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参数逐个说-p 3000:8080把容器内的 8080 映射到本机 3000避开常用端口冲突-v open-webui:/app/backend/data挂载数据卷数据库和上传文件都存在这里不挂的话容器删了数据全没--add-host让容器能按host.docker.internal找到宿主机上的 Ollama--restart always保证异常退出后自动拉起。选对镜像标签避免装错方向官方镜像有几个常用标签对应不同硬件和用途标签内容适合场景:main只有 WebUI 本体已有 Ollama 或其他 API 服务:cuda带 CUDA 推理环境NVIDIA 显卡加速需先装好 NVIDIA 容器工具包:ollama内置 Ollama不想单独装 Ollama 的用户用:ollama标签时再加-v ollama:/root/.ollama保存模型文件有 GPU 则追加--gpus all。这样 Open WebUI 和 Ollama 共用一个容器模型数据独立持久化升级互不影响。把你的模型接进来连接本地 OllamaOllama 和 WebUI 在同一台机器上时Docker 镜像默认就会通过host.docker.internal:11434去找它什么都不用配。Ollama 在另一台服务器上时加一个环境变量指定地址-e OLLAMA_BASE_URLhttp://192.168.1.10:11434注意地址要用局域网能访问到的 IP不能写localhost——对容器来说localhost指的是容器自己。配好后打开网页的设置 → 常规确认 Ollama 服务器 URL 显示正确模型列表能刷出来就说明通了。连接 OpenAI 兼容 API只想用云端 API或者接 LMStudio、vLLM 这类本地推理服务走的是同一套参数docker run -d -p 3000:8080 \ -e OPENAI_API_KEYyour_key \ -e OPENAI_API_BASE_URLhttps://api.openai.com/v1 \ -v open-webui:/app/backend/data \ --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main把OPENAI_API_BASE_URL指到 LMStudio 或 vLLM 的地址即可。好处是可以在 WebUI 里同时挂多个来源的模型聊天时按需切换甚至一轮对话让多个模型并行回答做对比。数据怎么备份升级会不会丢所有数据SQLite 数据库、文件、缓存都在open-webui:/app/backend/data这一个卷里备份就是打包这个卷docker run --rm -v open-webui:/src -v /backups:/dst \ alpine tar -czf /dst/open-webui-backup.tar.gz -C /src .升级镜像时新容器挂同一个卷启动聊天历史原样保留。有一个容易踩的坑要提前知道RAG 的嵌入模型如果中途更换之前入库的文档索引会失效需要重新向量化所以这个配置在团队环境里尽量固定。日常用起来的样子文档检索让模型基于你的资料回答上传 PDF、Word、网页内容到知识库Knowledge聊天时在输入框用#命令引用知识库或直接拖文件进对话模型回答时就会引用文档内容而不是凭记忆编。后端支持 9 种向量数据库默认用本地 Chroma规模大了可以切到 Qdrant、Milvus 等。它还支持混合检索关键词 BM25 向量和重排序召回质量比普通纯向量搜索好不少。多用户与权限管理团队用的话管理员后台可以建用户、分群组角色分管理员、开发者、普通用户三档管理员管配置开发者能上传插件和知识库普通用户只聊天。权限可以细到某个模型只对某个群组可见配合 LDAP、OAuth 这类企业认证接入基本能替代掉自建的各种聊天机器人脚本。插件、频道与自动化插件体系有 Filters消息预处理、Actions触发动作、Pipes替换模型调用、Tools 和 Skills 五类另支持通过 MCP模型上下文协议接入外部工具服务器写 Python 函数就能扩展功能不用碰主代码。频道Channels是人和 AI 共享的实时讨论区 某个模型让它参与回复日历和自动化Automations则可以让提示词按计划定时执行运行记录挂回日历。出问题了先查这几处连接类报错占故障大头现象常见原因处理办法页面打不开容器没起来或端口被占docker ps看状态docker logs -f open-webui看启动日志模型列表为空容器访问不到宿主机 Ollama加--add-host参数实在不行换--networkhost访问地址变为 8080 端口长回复中途断掉默认生成超时 5 分钟调大AIOHTTP_CLIENT_TIMEOUT单位秒首次响应特别慢模型冷加载、CPU 推理换更小的模型或上:cuda镜像排查顺序建议固定为先docker logs -f open-webui看后端有没有报错再手动确认 Ollama 本身curl http://宿主机IP:11434/api/tags能否返回列表两边都通的话问题基本就在网络映射上。资源与环境的几个调节旋钮容器内存吃紧时docker run加--memory 4g之类的限制避免拖垮宿主机纯离线环境设置HF_HUB_OFFLINE1阻止启动时尝试从 Hugging Face 下载嵌入模型需要多节点横向扩展时用 Redis 共享会话即可。日志级别通过LOG_LEVELDEBUG调细排障完记得调回 INFO。关于版本main 和 dev 怎么选日常生产用main标签就够了。dev标签是最新的未稳定功能适合尝鲜⚠️ 可能带 bug 且不保证兼容别直接拿来做主力。更新流程就是docker pull拉新镜像后重建容器数据卷不动历史全都在。到这里从安装、接模型到日常使用和排障的主线就走完了。接下来可以按自己的场景深入想扩展功能就去读插件开发相关的文档和示例想优化检索效果就多试几种混合检索与重排序配置团队场景则优先把权限分组的粒度调顺。【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 
长河君 · 2026/8/28 10:19:17 · 阅读 1.2k Open WebUI 完整部署指南：本地 AI 聊天平台 5 分钟跑起来
Open WebUI 完整部署指南本地 AI 聊天平台 5 分钟跑起来【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 是一款自托管的开源 AI 聊天平台装好之后可以完全离线运行。它能接入本地 Ollama 模型也能对接任意 OpenAI 兼容 APILMStudio、vLLM、Groq 等文档检索RAG即把上传的文档向量化后供模型引用、插件扩展、多用户权限管理这些能力都是内置的。下面按装好 → 接上模型 → 日常使用 → 出问题排查这条线把整个过程讲一遍。先把界面跑起来用 pip 安装最轻量的体验方式如果你只想先感受一下用 pip 装最快前提是机器上有 Python 3.11官方镜像也固定在这个版本其他版本容易出兼容性问题pip install open-webui open-webui serve启动后浏览器打开http://localhost:8080。注意一点第一个注册的账号会自动成为管理员后续的用户管理、模型配置都从它开始所以先用自己信任的邮箱注册。用 Docker 安装正式部署推荐Docker 方式一条命令即可跑在3000端口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参数逐个说-p 3000:8080把容器内的 8080 映射到本机 3000避开常用端口冲突-v open-webui:/app/backend/data挂载数据卷数据库和上传文件都存在这里不挂的话容器删了数据全没--add-host让容器能按host.docker.internal找到宿主机上的 Ollama--restart always保证异常退出后自动拉起。选对镜像标签避免装错方向官方镜像有几个常用标签对应不同硬件和用途标签内容适合场景:main只有 WebUI 本体已有 Ollama 或其他 API 服务:cuda带 CUDA 推理环境NVIDIA 显卡加速需先装好 NVIDIA 容器工具包:ollama内置 Ollama不想单独装 Ollama 的用户用:ollama标签时再加-v ollama:/root/.ollama保存模型文件有 GPU 则追加--gpus all。这样 Open WebUI 和 Ollama 共用一个容器模型数据独立持久化升级互不影响。把你的模型接进来连接本地 OllamaOllama 和 WebUI 在同一台机器上时Docker 镜像默认就会通过host.docker.internal:11434去找它什么都不用配。Ollama 在另一台服务器上时加一个环境变量指定地址-e OLLAMA_BASE_URLhttp://192.168.1.10:11434注意地址要用局域网能访问到的 IP不能写localhost——对容器来说localhost指的是容器自己。配好后打开网页的设置 → 常规确认 Ollama 服务器 URL 显示正确模型列表能刷出来就说明通了。连接 OpenAI 兼容 API只想用云端 API或者接 LMStudio、vLLM 这类本地推理服务走的是同一套参数docker run -d -p 3000:8080 \ -e OPENAI_API_KEYyour_key \ -e OPENAI_API_BASE_URLhttps://api.openai.com/v1 \ -v open-webui:/app/backend/data \ --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main把OPENAI_API_BASE_URL指到 LMStudio 或 vLLM 的地址即可。好处是可以在 WebUI 里同时挂多个来源的模型聊天时按需切换甚至一轮对话让多个模型并行回答做对比。数据怎么备份升级会不会丢所有数据SQLite 数据库、文件、缓存都在open-webui:/app/backend/data这一个卷里备份就是打包这个卷docker run --rm -v open-webui:/src -v /backups:/dst \ alpine tar -czf /dst/open-webui-backup.tar.gz -C /src .升级镜像时新容器挂同一个卷启动聊天历史原样保留。有一个容易踩的坑要提前知道RAG 的嵌入模型如果中途更换之前入库的文档索引会失效需要重新向量化所以这个配置在团队环境里尽量固定。日常用起来的样子文档检索让模型基于你的资料回答上传 PDF、Word、网页内容到知识库Knowledge聊天时在输入框用#命令引用知识库或直接拖文件进对话模型回答时就会引用文档内容而不是凭记忆编。后端支持 9 种向量数据库默认用本地 Chroma规模大了可以切到 Qdrant、Milvus 等。它还支持混合检索关键词 BM25 向量和重排序召回质量比普通纯向量搜索好不少。多用户与权限管理团队用的话管理员后台可以建用户、分群组角色分管理员、开发者、普通用户三档管理员管配置开发者能上传插件和知识库普通用户只聊天。权限可以细到某个模型只对某个群组可见配合 LDAP、OAuth 这类企业认证接入基本能替代掉自建的各种聊天机器人脚本。插件、频道与自动化插件体系有 Filters消息预处理、Actions触发动作、Pipes替换模型调用、Tools 和 Skills 五类另支持通过 MCP模型上下文协议接入外部工具服务器写 Python 函数就能扩展功能不用碰主代码。频道Channels是人和 AI 共享的实时讨论区 某个模型让它参与回复日历和自动化Automations则可以让提示词按计划定时执行运行记录挂回日历。出问题了先查这几处连接类报错占故障大头现象常见原因处理办法页面打不开容器没起来或端口被占docker ps看状态docker logs -f open-webui看启动日志模型列表为空容器访问不到宿主机 Ollama加--add-host参数实在不行换--networkhost访问地址变为 8080 端口长回复中途断掉默认生成超时 5 分钟调大AIOHTTP_CLIENT_TIMEOUT单位秒首次响应特别慢模型冷加载、CPU 推理换更小的模型或上:cuda镜像排查顺序建议固定为先docker logs -f open-webui看后端有没有报错再手动确认 Ollama 本身curl http://宿主机IP:11434/api/tags能否返回列表两边都通的话问题基本就在网络映射上。资源与环境的几个调节旋钮容器内存吃紧时docker run加--memory 4g之类的限制避免拖垮宿主机纯离线环境设置HF_HUB_OFFLINE1阻止启动时尝试从 Hugging Face 下载嵌入模型需要多节点横向扩展时用 Redis 共享会话即可。日志级别通过LOG_LEVELDEBUG调细排障完记得调回 INFO。关于版本main 和 dev 怎么选日常生产用main标签就够了。dev标签是最新的未稳定功能适合尝鲜⚠️ 可能带 bug 且不保证兼容别直接拿来做主力。更新流程就是docker pull拉新镜像后重建容器数据卷不动历史全都在。到这里从安装、接模型到日常使用和排障的主线就走完了。接下来可以按自己的场景深入想扩展功能就去读插件开发相关的文档和示例想优化检索效果就多试几种混合检索与重排序配置团队场景则优先把权限分组的粒度调顺。【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