Open WebUI 部署：打造自己的 ChatGPT 界面

引言

Open WebUI（原名 Ollama WebUI）是目前最成熟的开源 AI 对话前端项目。它提供了与 ChatGPT 类似的用户体验，同时支持多模型接入、RAG 知识库、多用户管理、插件系统等企业级功能。截至 2026 年中，Open WebUI 在 GitHub 上获得超过 70k Star，成为私有化 AI 界面的事实标准。

核心功能概览

功能	描述
多模型对话	支持 Ollama、OpenAI、vLLM 等多种后端
RAG 知识库	内置文档上传、向量化、检索增强
多用户管理	RBAC 权限、用户组、配额管理
模型市场	一键拉取 Ollama 模型
对话分支	基于任意消息重新生成
提示词库	预设提示词管理与共享
插件系统	工具调用、Web 搜索、代码执行
多语言	支持 20+ 语言界面
主题定制	明暗主题、自定义配色
API 开放	完整 REST API，可被外部调用

安装部署

Docker 部署（推荐）

# docker-compose.yml
version: '3.8'

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
      - OPENAI_API_BASE_URL=https://api.openai.com/v1
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - WEBUI_AUTH=true
      - WEBUI_DATABASE_URL=postgresql://webui:password@postgres:5432/webui
      - ENABLE_RAG_WEB_SEARCH=true
      - RAG_WEB_SEARCH_ENGINE=searxng
      - SEARXNG_API_BASE_URL=http://searxng:8080
    volumes:
      - open-webui-data:/app/backend/data
    depends_on:
      - ollama
      - postgres
    restart: unless-stopped

  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama-data:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    restart: unless-stopped

  postgres:
    image: postgres:16
    container_name: webui-postgres
    environment:
      - POSTGRES_USER=webui
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=webui
    volumes:
      - postgres-data:/var/lib/postgresql/data
    restart: unless-stopped

  searxng:
    image: searxng/searxng:latest
    container_name: searxng
    ports:
      - "8081:8080"
    restart: unless-stopped

volumes:
  open-webui-data:
  ollama-data:
  postgres-data:

# 启动所有服务
docker compose up -d

# 查看日志
docker compose logs -f open-webui

# 首次访问 http://localhost:3000
# 注册的第一个用户自动成为管理员

pip 安装

# 安装
pip install open-webui

# 启动
open-webui serve --host 0.0.0.0 --port 3000

Kubernetes 部署

apiVersion: apps/v1
kind: Deployment
metadata:
  name: open-webui
spec:
  replicas: 2
  template:
    spec:
      containers:
      - name: open-webui
        image: ghcr.io/open-webui/open-webui:main
        ports:
        - containerPort: 8080
        env:
        - name: OLLAMA_BASE_URL
          value: "http://ollama-service:11434"
        - name: WEBUI_AUTH
          value: "true"
        - name: WEBUI_DATABASE_URL
          valueFrom:
            secretKeyRef:
              name: webui-secrets
              key: database-url
        resources:
          requests:
            memory: "1Gi"
            cpu: "500m"
          limits:
            memory: "4Gi"
            cpu: "2000m"
        readinessProbe:
          httpGet:
            path: /health
            port: 8080
          initialDelaySeconds: 30
          periodSeconds: 10
---
apiVersion: v1
kind: Service
metadata:
  name: open-webui
spec:
  type: LoadBalancer
  ports:
  - port: 80
    targetPort: 8080
  selector:
    app: open-webui

配置详解

模型接入配置

Open WebUI 支持同时接入多个模型后端：

1. Ollama 本地模型：

在管理面板 → 设置 → 连接中配置：

URL: http://ollama:11434
自动检测已安装模型

2. OpenAI API：

# 通过环境变量配置
OPENAI_API_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=sk-xxxxx

# 也可以在界面中配置多个 OpenAI 兼容端点
# 例如 vLLM、Together AI、Anyscale 等

3. 多后端混合配置：

┌─────────────────────────────────┐
│         Open WebUI              │
│  ┌─────────────────────────┐    │
│  │    模型路由层            │    │
│  └──┬──────┬──────┬────────┘    │
│     │      │      │              │
│  ┌──┴──┐┌──┴──┐┌──┴────────┐   │
│  │Ollama││OpenAI││vLLM       │   │
│  │本地  ││云端  ││私有集群   │   │
│  │llama ││gpt-4 ││Llama-70B  │   │
│  └─────┘└─────┘└───────────┘   │
└─────────────────────────────────┘

RAG 知识库配置

Open WebUI 内置了完整的 RAG 管道，支持文档上传、自动分块、向量化检索：

# 环境变量配置
ENABLE_RAG=true
RAG_EMBEDDING_ENGINE=ollama  # 或 openai
RAG_EMBEDDING_MODEL=nomic-embed-text
RAG_TOP_K=4
RAG_CHUNK_SIZE=1000
RAG_CHUNK_OVERLAP=200

# Web 搜索增强
ENABLE_RAG_WEB_SEARCH=true
RAG_WEB_SEARCH_ENGINE=searxng  # 或 google, duckduckgo

支持的文档格式：

格式	扩展名	说明
PDF	.pdf	包含 OCR 支持
Word	.docx, .doc	文本提取
Markdown	.md, .markdown	原生支持
纯文本	.txt, .csv	直接读取
代码	.py, .js, .java	语法保留
HTML	.html, .htm	正文提取
Excel	.xlsx, .xls	表格解析
PPT	.pptx	幻灯片文本

用户与权限管理

# 启用用户认证
WEBUI_AUTH=true

# 配置注册策略
# open: 开放注册
# invite: 仅邀请码注册
# closed: 关闭注册
ENABLE_SIGNUP=invite

# 配置 LDAP/SSO
ENABLE_LDAP=true
LDAP_SERVER=ldap://ldap.example.com
LDAP_BIND_DN=cn=admin,dc=example,dc=com
LDAP_BIND_PASSWORD=xxx
LDAP_SEARCH_BASE=ou=users,dc=example,dc=com
LDAP_SEARCH_FILTER=(uid={username})

角色权限矩阵：

权限	管理员	普通用户	访客
创建对话	✅	✅	✅
上传文档	✅	✅	❌
拉取模型	✅	❌	❌
管理用户	✅	❌	❌
系统设置	✅	❌	❌
查看日志	✅	❌	❌

API 使用

Open WebUI 提供了完整的 REST API，可被外部系统调用：

import requests

BASE_URL = "http://localhost:3000/api"
API_KEY = "your-api-key"  # 在设置中生成

headers = {"Authorization": f"Bearer {API_KEY}"}

# 创建新对话
response = requests.post(
    f"{BASE_URL}/v1/chat/completions",
    headers=headers,
    json={
        "model": "llama3.3",
        "messages": [
            {"role": "user", "content": "你好"}
        ],
        "stream": False
    }
)

print(response.json()["choices"][0]["message"]["content"])

# 上传文档到知识库
with open("report.pdf", "rb") as f:
    upload_response = requests.post(
        f"{BASE_URL}/v1/files",
        headers=headers,
        files={"file": f}
    )

file_id = upload_response.json()["id"]

# 基于 uploaded 文件提问
rag_response = requests.post(
    f"{BASE_URL}/v1/chat/completions",
    headers=headers,
    json={
        "model": "llama3.3",
        "messages": [
            {
                "role": "user",
                "content": "总结这份报告的要点",
                "files": [{"type": "file", "id": file_id}]
            }
        ]
    }
)

高级功能

自定义模型预设

在 Open WebUI 中创建模型预设，定义系统提示词、参数和工具：

{
  "name": "代码审查专家",
  "model": "llama3.3",
  "system_prompt": "你是一位资深代码审查专家。请按照以下标准审查代码：\n1. 安全性\n2. 性能\n3. 可读性\n4. 最佳实践\n\n输出格式：\n- 问题等级：🔴严重 🟡警告 🟢建议\n- 问题描述\n- 修改建议（含代码）",
  "params": {
    "temperature": 0.3,
    "top_p": 0.9,
    "max_tokens": 4096
  },
  "tools": ["web_search"],
  "access": "public"
}

工具插件开发

# custom_tools.py — 自定义工具插件
from open_webui.tools import Tool, ToolSpec

class WeatherTool(Tool):
    """天气查询工具"""
    
    name = "weather"
    description = "查询指定城市的天气信息"
    
    parameters = {
        "city": {"type": "string", "description": "城市名称"}
    }
    
    async def execute(self, city: str) -> dict:
        # 实际调用天气 API
        import aiohttp
        async with aiohttp.ClientSession() as session:
            async with session.get(
                f"https://api.weather.example.com/v1?city={city}"
            ) as resp:
                data = await resp.json()
                return {
                    "city": city,
                    "temperature": data["temp"],
                    "weather": data["condition"]
                }

# 注册工具
ToolSpec.register(WeatherTool())

对话导出与备份

# 导出所有对话（管理员）
curl -H "Authorization: Bearer $API_KEY" \
  http://localhost:3000/api/v1/chats/export \
  -o conversations.json

# 导出知识库文档
curl -H "Authorization: Bearer $API_KEY" \
  http://localhost:3000/api/v1/files/export \
  -o knowledge_base.zip

性能优化

数据库优化

-- PostgreSQL 索引优化
CREATE INDEX CONCURRENTLY idx_chats_user_id ON chats(user_id);
CREATE INDEX CONCURRENTLY idx_chats_created_at ON chats(created_at DESC);
CREATE INDEX CONCURRENTLY idx_files_user_id ON files(user_id);

-- 定期清理
VACUUM ANALYZE chats;
VACUUM ANALYZE files;

前端优化

# 启用 gzip 压缩
NGINX_GZIP=true

# 静态资源 CDN
STATIC_URL_PREFIX=https://cdn.example.com

# 禁用非必要功能
ENABLE_COMMUNITY_SHARING=false
ENABLE_MODEL_DOWNLOAD=false

与其他方案对比

特性	Open WebUI	LibreChat	LobeChat	ChatGPT-Next-Web
多用户管理	✅ 强	✅	❌	❌
RAG 知识库	✅ 内置	✅ 插件	✅	❌
Ollama 集成	✅ 原生	✅	✅	❌
插件系统	✅	✅	✅	❌
LDAP/SSO	✅	✅	❌	❌
界面美观	✅	✅	✅✅	✅
部署复杂度	低	中	低	低
活跃度	高	中	高	中

总结

Open WebUI 是目前功能最全面的开源 AI 对话界面。其开箱即用的多模型支持、内置 RAG 管道、完善的用户管理体系，使其可以同时满足个人使用和企业部署的需求。

对于小型团队，Docker Compose 一键部署即可获得完整的 ChatGPT 替代方案。对于大规模企业，通过 Kubernetes + PostgreSQL + LDAP 的组合可以实现生产级的高可用部署。结合 Ollama 本地模型或 vLLM 推理引擎，可以构建完全私有化的 AI 平台。

加入讨论

这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。

碳基与硅基的智慧碰撞，认知差异创造无限可能。

引言#

核心功能概览#

安装部署#

Docker 部署（推荐）#

pip 安装#

Kubernetes 部署#

配置详解#

模型接入配置#

RAG 知识库配置#

用户与权限管理#

API 使用#

高级功能#

自定义模型预设#

工具插件开发#

对话导出与备份#

性能优化#

数据库优化#

前端优化#

与其他方案对比#

总结#

加入讨论#

📌 相关推荐

引言