Open WebUI 实战从一行命令到多人可用的 5 个关键点【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 是一个可完全本地部署的开源 AI 聊天平台兼容 Ollama 和各类 OpenAI 兼容 API把散落的模型调用统一成一个浏览器界面。读完这篇你能做到用一行 Docker 命令启动或没有 Docker 时走 pip 安装接入本地 Ollama、远程模型服务和 OpenAI 兼容 API让局域网多人访问且重启不丢数据先跑起来一行命令是最省事的路线Docker 一行命令部署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拆开看-p 3000:8080中容器内端口固定是 8080宿主机侧建议用 30008080 很容易被别的开发服务占掉--add-host把host.docker.internal指回宿主机容器以后才能找到跑在本机的 Ollama-v open-webui:/app/backend/data挂载数据卷官方 README 明确强调这个参数是数据不丢的关键卷名建议固定用open-webui--restart always让崩溃后自动拉起。启动后验证curl -s -o /dev/null -w %{http_code} http://localhost:3000✅ 返回 200浏览器打开 http://localhost:3000 出现聊天界面首次注册的账号即为管理员。⚠️ 踩坑提醒端口冲突时只改-p 3000:8080冒号前的 3000冒号后的 8080 是容器固定端口改了就连不上。没有 Docker 走 pip 安装要求 Python 3.11其他版本容易出依赖问题pip install open-webui open-webui serve起来后同样访问 8080 端口。另外有两个镜像标签值得知道:cuda镜像配合--gpus all给本地推理加速:ollama镜像把 Ollama 打包进同一个容器一条命令连模型一起装好适合完全从零开始的用户。接上你自己的模型接入本地 Ollama界面上模型列表是空的通常不是 Open WebUI 的问题而是容器没找到 Ollama。上一条 Docker 命令已带--add-host容器会默认去探测host.docker.internal:11434。所以只要本机 Ollama 在跑、模型拉好ollama pull llama3.2刷新页面就能看到。接入远程模型或 OpenAI 兼容 APIOllama 在别的机器或者想接 vLLM、LMStudio、Mistral 这类 OpenAI 兼容服务走环境变量两种写法对比场景环境变量示例值远程 OllamaOLLAMA_BASE_URLhttp://your-server:11434OpenAI 兼容 APIOPENAI_API_BASE_URLOPENAI_API_KEYhttps://your-endpoint/v1做法一致沿用前面那条 docker 命令追加-e OLLAMA_BASE_URLhttp://your-server:11434或-e OPENAI_API_KEYyour-api-key后重建容器。⚠️ 踩坑提醒OLLAMA_BASE_URL结尾不要带/api官方代码会自动兼容处理硬加反而容易 404。多人多设备访问与数据持久化让局域网里其他人用服务默认监听 0.0.0.0打开防火墙后局域网设备访问http://宿主机IP:3000即可。鉴权默认开启WEBUI_AUTHTrue每人各自注册账号管理员可以在后台按用户组分配模型权限这是它比单用户脚本好用的地方。要暴露到公网建议前面加一层 nginx 反向代理挂域名和 HTTPS而不是直接开端口。配置数据卷重启不丢数据聊天记录、文件、向量索引全在open-webui这个卷里容器随便删了重建都不影响。定期打个备份保险docker run --rm -v open-webui:/source -v $(pwd):/backup alpine tar -czf /backup/open-webui-backup.tar.gz -C /source .✅ 备份文件大于 1MB 说明数据已包含在内重建容器时保持卷名不变数据直接续上。让它跑得更稳只调几个真正有用的参数几个真正影响体验的环境变量调优参数别贪多日常真正有感知的就这几个OLLAMA_BASE_URLS多个 Ollama 服务器用分号分隔可以按模型能力分流ENABLE_OLLAMA_API/ENABLE_OPENAI_API不用的通道直接关掉减少启动时的探测日志和报错噪音HF_HUB_OFFLINE1纯离线环境必设阻止启动时去 Hugging Face 拉取改法都一样追加-e 变量名值重建容器。简单健康检查与更新curl -s -o /dev/null -w %{http_code} http://localhost:3000✅ 写进 crontab非 200 就告警够用了。更新版本时拉新镜像、用原命令重建容器卷名不变数据延续全程不用动备份。扩展与二次开发入口想加功能入口在后端 Python 源码路由在 backend/open_webui/routers/所有环境变量的定义集中在 backend/open_webui/config.py插件体系Filters、Tools、MCP 服务接入在 backend/open_webui/utils/ 下前端 Svelte 组件在 src/lib/components/。更多细节见 README.md 和 backend/open_webui/照上面的顺序走完从单机到多人可用的 Open WebUI 就搭好了。【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 实战：从一行命令到多人可用的 5 个关键点
Open WebUI 实战从一行命令到多人可用的 5 个关键点【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 是一个可完全本地部署的开源 AI 聊天平台兼容 Ollama 和各类 OpenAI 兼容 API把散落的模型调用统一成一个浏览器界面。读完这篇你能做到用一行 Docker 命令启动或没有 Docker 时走 pip 安装接入本地 Ollama、远程模型服务和 OpenAI 兼容 API让局域网多人访问且重启不丢数据先跑起来一行命令是最省事的路线Docker 一行命令部署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拆开看-p 3000:8080中容器内端口固定是 8080宿主机侧建议用 30008080 很容易被别的开发服务占掉--add-host把host.docker.internal指回宿主机容器以后才能找到跑在本机的 Ollama-v open-webui:/app/backend/data挂载数据卷官方 README 明确强调这个参数是数据不丢的关键卷名建议固定用open-webui--restart always让崩溃后自动拉起。启动后验证curl -s -o /dev/null -w %{http_code} http://localhost:3000✅ 返回 200浏览器打开 http://localhost:3000 出现聊天界面首次注册的账号即为管理员。⚠️ 踩坑提醒端口冲突时只改-p 3000:8080冒号前的 3000冒号后的 8080 是容器固定端口改了就连不上。没有 Docker 走 pip 安装要求 Python 3.11其他版本容易出依赖问题pip install open-webui open-webui serve起来后同样访问 8080 端口。另外有两个镜像标签值得知道:cuda镜像配合--gpus all给本地推理加速:ollama镜像把 Ollama 打包进同一个容器一条命令连模型一起装好适合完全从零开始的用户。接上你自己的模型接入本地 Ollama界面上模型列表是空的通常不是 Open WebUI 的问题而是容器没找到 Ollama。上一条 Docker 命令已带--add-host容器会默认去探测host.docker.internal:11434。所以只要本机 Ollama 在跑、模型拉好ollama pull llama3.2刷新页面就能看到。接入远程模型或 OpenAI 兼容 APIOllama 在别的机器或者想接 vLLM、LMStudio、Mistral 这类 OpenAI 兼容服务走环境变量两种写法对比场景环境变量示例值远程 OllamaOLLAMA_BASE_URLhttp://your-server:11434OpenAI 兼容 APIOPENAI_API_BASE_URLOPENAI_API_KEYhttps://your-endpoint/v1做法一致沿用前面那条 docker 命令追加-e OLLAMA_BASE_URLhttp://your-server:11434或-e OPENAI_API_KEYyour-api-key后重建容器。⚠️ 踩坑提醒OLLAMA_BASE_URL结尾不要带/api官方代码会自动兼容处理硬加反而容易 404。多人多设备访问与数据持久化让局域网里其他人用服务默认监听 0.0.0.0打开防火墙后局域网设备访问http://宿主机IP:3000即可。鉴权默认开启WEBUI_AUTHTrue每人各自注册账号管理员可以在后台按用户组分配模型权限这是它比单用户脚本好用的地方。要暴露到公网建议前面加一层 nginx 反向代理挂域名和 HTTPS而不是直接开端口。配置数据卷重启不丢数据聊天记录、文件、向量索引全在open-webui这个卷里容器随便删了重建都不影响。定期打个备份保险docker run --rm -v open-webui:/source -v $(pwd):/backup alpine tar -czf /backup/open-webui-backup.tar.gz -C /source .✅ 备份文件大于 1MB 说明数据已包含在内重建容器时保持卷名不变数据直接续上。让它跑得更稳只调几个真正有用的参数几个真正影响体验的环境变量调优参数别贪多日常真正有感知的就这几个OLLAMA_BASE_URLS多个 Ollama 服务器用分号分隔可以按模型能力分流ENABLE_OLLAMA_API/ENABLE_OPENAI_API不用的通道直接关掉减少启动时的探测日志和报错噪音HF_HUB_OFFLINE1纯离线环境必设阻止启动时去 Hugging Face 拉取改法都一样追加-e 变量名值重建容器。简单健康检查与更新curl -s -o /dev/null -w %{http_code} http://localhost:3000✅ 写进 crontab非 200 就告警够用了。更新版本时拉新镜像、用原命令重建容器卷名不变数据延续全程不用动备份。扩展与二次开发入口想加功能入口在后端 Python 源码路由在 backend/open_webui/routers/所有环境变量的定义集中在 backend/open_webui/config.py插件体系Filters、Tools、MCP 服务接入在 backend/open_webui/utils/ 下前端 Svelte 组件在 src/lib/components/。更多细节见 README.md 和 backend/open_webui/照上面的顺序走完从单机到多人可用的 Open WebUI 就搭好了。【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