OpenWebUI

Overview

OpenWebUI（原 Ollama WebUI）是一个开源的 Web 界面，为各种 LLM 后端提供类 ChatGPT 的用户体验。它支持多种后端模型（Ollama、OpenAI、Anthropic、Google 等），提供对话管理、知识库、代码执行、文件上传等丰富功能。

OpenWebUI 的核心理念是让任何 LLM 后端都能拥有现代化的 Web 界面。无论你是本地运行 Ollama 模型，还是使用云端的 OpenAI API，OpenWebUI 都能提供一个统一、美观、功能丰富的交互界面。

Features

• 多后端支持：Ollama、OpenAI、Anthropic、Google、Groq、DeepSeek 等
• 对话管理：多对话标签、对话历史、搜索
• 知识库：RAG 支持，上传文档进行问答
• 代码执行：内置 Python 代码执行环境
• 文件上传：支持 PDF、TXT、DOCX 等格式
• 模型管理：多模型切换、模型下载（Ollama）
• 用户管理：多用户支持、权限控制
• API 支持：完整的 REST API
• Docker 部署：一键部署，易于维护

Installation

Docker（推荐）

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

访问 http://localhost:3000

Docker Compose

version: '3.8'
services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - open-webui:/app/backend/data
    depends_on:
      - ollama
    restart: always

  ollama:
    image: ollama/ollama:latest
    volumes:
      - ollama:/root/.ollama

volumes:
  open-webui:
  ollama:

pip 安装

pip install open-webui
open-webui serve

Quick Start

1. 启动 OpenWebUI（Docker 或 pip）
2. 在浏览器中打开 http://localhost:3000
3. 创建第一个管理员账户
4. 配置模型后端（Ollama、OpenAI 等）
5. 开始对话

Core Concepts

后端集成

OpenWebUI 支持多种后端：

后端	配置方式	说明
Ollama	OLLAMA_BASE_URL	本地运行开源模型
OpenAI	OPENAI_API_KEY	使用 GPT 系列模型
Anthropic	ANTHROPIC_API_KEY	使用 Claude 系列模型
Google	GOOGLE_API_KEY	使用 Gemini 系列模型
Groq	GROQ_API_KEY	高速推理 API
DeepSeek	DEEPSEEK_API_KEY	DeepSeek 模型

功能模块

┌─────────────────────────────────────────────┐
│              OpenWebUI                       │
├─────────────────────────────────────────────┤
│  对话界面                                    │
│  ├── 多对话标签                              │
│  ├── 对话历史                                │
│  └── 消息管理                                │
├─────────────────────────────────────────────┤
│  知识库                                      │
│  ├── 文档上传                                │
│  ├── 向量索引                                │
│  └── RAG 问答                                │
├─────────────────────────────────────────────┤
│  模型管理                                    │
│  ├── 模型切换                                │
│  ├── 模型下载（Ollama）                      │
│  └── 参数配置                                │
├─────────────────────────────────────────────┤
│  用户管理                                    │
│  ├── 多用户支持                              │
│  ├── 权限控制                                │
│  └── 使用统计                                │
└─────────────────────────────────────────────┘

Examples

示例 1：本地模型对话

# 1. 安装 Ollama
ollama pull llama3

# 2. 启动 OpenWebUI 并配置 Ollama
docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  ghcr.io/open-webui/open-webui:main

# 3. 在浏览器中选择 llama3 模型进行对话

示例 2：知识库问答

1. 在 OpenWebUI 中创建知识库
2. 上传 PDF/DOCX/TXT 文档
3. OpenWebUI 自动索引文档
4. 提问："根据上传的文档，xxx 是什么？"
5. 系统基于文档内容回答

示例 3：代码执行

用户：请用 Python 写一个快速排序算法并运行测试

OpenWebUI:
1. 生成 Python 代码
2. 在内置沙箱中执行
3. 显示执行结果和输出
4. 可以修改后重新运行

Pros

• ✅ 支持多种 LLM 后端，灵活选择
• ✅ 类 ChatGPT 界面，用户体验好
• ✅ 开源免费，完全可定制
• ✅ 丰富的功能（知识库、代码执行等）
• ✅ Docker 部署简单
• ✅ 活跃的社区和频繁更新

Cons

• ❌ 需要自行部署和维护
• ❌ 某些高级功能需要技术知识
• ❌ 本地模型需要 GPU 资源
• ❌ 多用户管理功能相对简单

When to Use

• 想要本地运行开源模型时
• 需要统一的 Web 界面管理多个模型时
• 需要知识库问答功能时
• 想要自托管 ChatGPT 类界面时
• 需要多用户支持时

Use Cases

Use Case	Why OpenWebUI
Self-Hosted ChatGPT	Complete data control with local deployment
Multi-Model Management	Unified interface for Ollama, OpenAI, Anthropic, etc.
Knowledge Base Q&A	Built-in RAG with document upload and indexing
Team Collaboration	Multi-user support with role-based permissions

Comparison with Alternatives

Feature	OpenWebUI	Ollama WebUI	ChatUI	LangChain
Self-Hosted	✅ Yes	✅ Yes	❌ No	✅ Yes
Multi-Backend	✅ 10+	⚠️ Ollama focus	❌ No	✅ Yes
RAG Built-in	✅ Yes	❌ No	⚠️ Limited	⚠️ Manual
Code Execution	✅ Yes	❌ No	❌ No	⚠️ Via tools
Multi-User	✅ Yes	❌ No	⚠️ Limited	❌ No
Docker Deploy	✅ Yes	✅ Yes	❌ No	⚠️ Manual
Learning Curve	Low	Low	Low	High
Best for	Self-hosted UI	Ollama focus	Simple chat	Developers

Best Practices

1. Use Docker for deployment — Simplest setup with one command
2. Configure backends properly — Set environment variables for each LLM provider
3. Enable RAG for knowledge — Upload documents for enhanced Q&A capabilities
4. Set up multi-user access — Configure permissions for team collaboration
5. Use code execution carefully — Sandboxed Python environment for safety

Troubleshooting

Issue	Solution
Docker fails to start	Check port 3000/8080 availability and Docker permissions
Model not connecting	Verify backend URL and API key configuration
RAG not returning results	Re-index documents and check vector store settings
Code execution fails	Check sandbox permissions and Python environment

Resources

• 官方文档
• GitHub 仓库
• Docker Hub