Open WebUI 概览、核心功能与上手指南

是什么

Open WebUI 是一款支持私有化部署、操作友好的 AI 交互界面，定位为各类 AI 模型的可扩展中枢。该软件最初由 Timothy Jaeryang Baek 开发，后续获得了社区赞助以及多个项目的资金支持，包括 Mozilla Builders 2024 计划、GitHub Accelerator 2024 和 A16z Open Source AI Grant 2025。

该平台具有供应商中立的特性，不会将用户绑定在特定的模型厂商上。它可以直接连接 Ollama 等本地模型运行引擎，也能接入兼容 OpenAI 应用程序编程接口（API）的外部服务。在计算机领域中，API 扮演着软件间通信使者的角色，负责让不同的应用程序相互沟通。借助这些连接，Open WebUI 可以与众多服务商和推理运行时无缝交互，例如 LMStudio、vLLM、GroqCloud、Mistral、OpenRouter 和 Anthropic。由于该软件能够在完全离线、与外网隔离的本地环境中正常运行，用户可以搭建出完全独立自主的离线环境，让数据完全掌握在自己手中。

除了核心的 Web 界面，Open WebUI 还拥有丰富的配套工具生态：

• Open Terminal & Terminals (Enterprise)：提供终端 Shell 和沙箱文件系统的代码执行环境，让模型能够运行脚本、处理文件并排查修复编程错误。
• Open WebUI Computer：一款移动端优先的运行时与编程环境，可直接在个人电脑上运行，并支持通过网页浏览器或 WhatsApp、Telegram 等即时通讯工具进行访问。
• oikb：一款知识库同步工具，旨在持续从 GitHub、Jira、Confluence、Slack 和 Google Drive 等超过 45 个外部平台导入并同步知识。
• Native Desktop Application：面向 macOS、Windows 和 Linux 的原生桌面客户端，内置系统全局搜索栏以及用于本地执行的 llama.cpp 引擎。

能做什么

Open WebUI 具备丰富的功能特性，兼顾个人探索、编程开发与团队协作等多重场景：

• 多模型工作区与基准测试：用户可以发起同时向多个模型提问的对话，实时比对不同模型的回答。管理员若需要评估模型性能，平台还提供了竞技场模式（Arena Mode）、A/B 测试工具以及基于 ELO 评分机制的排行榜。
• 智能体代码执行：通过 Open Terminal，AI 智能体可直接调用虚拟命令行与存储空间。模型不再局限于输出代码片段，而是能够实际执行脚本、查看诊断报错信息、修正语法或逻辑缺陷，并在对话旁生成可供下载的文件。
• 检索增强生成（RAG）：检索增强生成是指 AI 在回答提问前先参考外部文档以提升准确度的一种技术。Open WebUI 支持混合搜索，将传统的关键词匹配（BM25）与语义向量搜索及重排（Reranking）相结合。平台集成了 9 种向量数据库：ChromaDB、PGVector、Qdrant、Milvus、Elasticsearch、OpenSearch、Pinecone、S3Vector 和 Oracle 23ai。系统可借助 Apache Tika、Docling、Document Intelligence、Mistral OCR 以及 PaddleOCR-vl 等内容提取引擎从文档中解析文本，用户只需在聊天中输入 # 即可轻松引用文件。
• 网络搜索与网页浏览：系统能够从多个搜索服务中检索实时信息，包括 SearXNG、DuckDuckGo、Brave Search、Google Programmable Search Engine、Perplexity、Tavily、Bing 和 Azure AI Search。用户也可以通过输入 # 后接网址（URL）的方式，让模型直接浏览并读取网页内容。
• 协作笔记与频道：Open WebUI 内置了名为 Notes 的富文本工作区，允许用户在聊天室之外撰写草稿、借助 AI 辅助润色，并能将笔记直接导入聊天上下文中。针对多人沟通，Channels 提供了共享时间线，团队成员与 AI 模型可在其中通过讨论串（Threads）、Emoji 表情回应、消息置顶及细粒度权限控制进行互动。
• 日程管理与任务自动化：内置的个人与共享日历可用于跟踪日程事件与周期性安排，模型可通过原生函数调用直接增删改查日程。此外，用户还可以设置定时执行的提示词自动化任务，并将生成的输出结果自动记录到日历上。
• 多模态音频与图像：平台支持无需手动操作的免提语音与视频通话。语音识别方面，可接入本地 Whisper、Azure、OpenAI 或 Deepgram；语音合成方面，可连接 ElevenLabs、Azure、OpenAI、Transformers 或浏览器的 WebAPI。图像生成与基于提示词的图像编辑功能则支持 OpenAI DALL-E、Google Gemini、ComfyUI 和 AUTOMATIC1111 等引擎。
• 工作流工具与长效记忆：提供实时工作流界面，在模型分步执行多项操作时动态展示任务清单。在模型实时流式输出答案的过程中，用户依然可以将新问题加入队列排队处理。软件还具备持久记忆能力，使模型能够在跨会话交互中记住用户的特定背景信息。
• 扩展性与企业级管控：管理员可通过模块化的 Filters、Actions、Pipes、Tools 和 Skills 来扩展功能，并通过 OpenAPI 服务器、模型上下文协议（MCP）以及 MCPO 代理连接外部系统。在组织架构管理方面，提供基于角色的访问控制（RBAC）、用户分组、单点登录（SSO）、LDAP/Active Directory 集成、SCIM 2.0 用户自动化配置以及 OpenTelemetry 监控。

怎么开始

Open WebUI 提供了多种部署途径，包括 Python 包管理器、Docker 容器、Kubernetes 清单配置文件以及独立桌面端软件。

使用 Python pip 安装

如果通过 pip 在本地直接安装 Open WebUI，项目官方文档特别指出必须使用 Python 3.11 以保证兼容性。

1. 使用 pip 安装软件包：

pip install open-webui

2. 启动应用服务：

open-webui serve

服务启动后，可在网页浏览器中访问 http://localhost:8080 进入操作界面。

使用 uv 安装

此外，也可以使用高性能的 Python 工具 uv 来运行应用：

1. 安装 uv：

curl -LsSf https://astral.sh/uv/install.sh | sh

2. 使用 Python 3.11 启动服务：

DATA_DIR=~/.open-webui uvx --python 3.11 open-webui@latest serve

使用 Docker 安装

Docker 是部署容器化应用的常用方式。使用 Docker 时，必须使用 -v open-webui:/app/backend/data 挂载存储卷，以保存配置选项并防止数据库内容丢失。

• 与本地 Ollama 位于同一宿主机的标准部署：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 配置显式密钥（Secret Key）的部署：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data -e WEBUI_SECRET_KEY=your-secret-key --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 启用 Nvidia GPU 硬件加速的部署：

docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda

• 仅使用 OpenAI API 访问的部署：

docker run -d -p 3000:8080 -e OPENAI_API_KEY=your_secret_key -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 连接位于其他服务器上的 Ollama 的部署：

docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 同时打包 Open WebUI 与 Ollama 的一体化容器（纯 CPU 版本）：

docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

• 同时打包 Open WebUI 与 Ollama 的一体化容器（GPU 加速版本）：

docker run -d -p 3000:8080 --gpus=all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

• 使用 host 网络模式排查容器网络问题：

如果容器无法连接运行在 127.0.0.1:11434 上的本地 Ollama 实例，可添加 host 网络模式参数（此时界面访问端口为 8080，而非 3000）：

docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 在离线环境中运行：

为防止系统尝试通过外网拉取模型，可设置离线环境变量：

export HF_HUB_OFFLINE=1

• 原生桌面客户端：

如果不想折腾容器管理，用户可前往 github.com/open-webui/desktop 下载适用于 macOS、Windows 或 Linux 的桌面版本安装包。

价格与门槛

Open WebUI 作为一个开源项目，基于 Open WebUI License 分发，该协议包含保留原有品牌标识的要求，早期贡献代码则遵循各自的原始许可证。如需商业技术支持、定制品牌、服务等级协议（SLA）或长期支持（LTS）方案，具体定价与计划请以官方企业版页面为准。

系统硬件与环境要求取决于具体的部署方式：

• 运行环境：通过 pip 或 uv 进行原生 Python 安装时，必须使用 Python 3.11。
• 硬件与加速：标准配置完全可以在通用 CPU 上运行。如果需要使用 Nvidia 显卡进行 GPU 硬件加速，在 Linux 或 Windows Subsystem for Linux (WSL) 环境下需要配置 Nvidia CUDA container toolkit。
• 容器体积：根据项目官方文档，标准的 :main Docker 镜像需要占用约 1.62 GB 磁盘空间，因为它内置了语音识别、文档提取引擎以及本地嵌入模型。相比之下，官方文档指出 :slim 精简版镜像仅需 196 MB（体积缩小约 88%），因其将这些功能交由外部服务处理。
• 存储与数据库：在关系型数据库方面，Open WebUI 支持 SQLite（支持可选加密）或 PostgreSQL。文件存储既可使用本地磁盘，也可接入 Amazon S3、Google Cloud Storage 或 Azure Blob Storage。如果是在负载均衡器后运行多节点架构，可利用 Redis 协调会话。

适合谁

Open WebUI 主要面向以下几类用户群体：

• 本地 AI 爱好者：使用 Ollama、LMStudio 或 llama.cpp 在本地运行模型，希望获得一个界面清爽、交互流畅，且能完全离线运行、不泄露任何提示词数据的 Web 界面的个人用户。
• 开发者与 AI 研究人员：需要通过竞技场基准测试评估模型效果、借助定时提示词实现流程自动化、在沙箱环境中运行脚本，或通过 Model Context Protocol 接入自定义终端的技术用户。
• 团队与企业组织：需要协作工作区、共享日历管理以及团队沟通频道，同时要求具备企业级身份验证管理（如 Active Directory、LDAP、单点登录以及 SCIM 2.0 自动化用户配置）的组织团队。

替代品

LibreChat 是一款开源 AI 对话平台，提供与各类 AI 模型交互的操作界面。

Lobe Chat 是一款开源聊天机器人框架，旨在支持多种不同的人工智能服务商。

来源

• Open WebUI GitHub 仓库
• Open WebUI 官方文档
• LibreChat GitHub 仓库
• Lobe Chat GitHub 仓库