简介这是Open WebUI官方GitHub项目的ZIP源码包用于将Ollama本地模型引擎与Deepseek等模型组合成可视化聊天界面。资源面向希望在本地或私有网络部署AI对话平台的开发者和爱好者解决网页端调用Ollama时交互体验不足、模型切换不便的问题。压缩包共2000个文件约54MB以svg前端图标资源、svelte界面组件、py后端服务代码及json配置文件为主另含Dockerfile、Windows启动脚本、TypeScript类型定义与多套CSS主题样式便于直接部署和二次开发。已有670人学习下载。通过该源码包可得到Open WebUI完整实现多模型集成与一键切换、响应式聊天面板、用户管理及离线运行能力同时附带了资源描述中对Ollama相关Web UI的选型对比涵盖Open WebUI、AnythingLLM与Dify三款工具的定位差异帮助读者按需选择最合适的前端方案。1. 把 Ollama Deepseek 装进 Web 界面Open WebUI 这份 ZIP 包到底解决什么问题很多人以为本地部署 Deepseek 就是装个 Ollama、拉个模型、在终端里敲几句对话就完事了。真这么干过的人都清楚终端里滚动输出的对话体验极差没有历史上下文管理、没有参数面板、别人想用还得跟着敲命令。Open WebUI 就是来解决这个问题的它把 Ollama 后端的管理、对话、文件上传、多模型切换、参数调节全包进一个类似 ChatGPT 的网页界面里。我手上这份 GitHub ZIP 包是 Open WebUI 的完整源码包配合 Ollama 和 Deepseek 系列模型能在自己电脑上跑出一套完整的私有聊天服务。适合两类人一类是想在局域网里给团队提供大模型入口的运维另一类是折腾本地模型但受够了命令行交互的深度玩家。2. 装 Ollama 并拉取 Deepseek 模型先让模型跑起来再谈界面2.1 为什么选 Ollama 当模型运行时OpenAI 兼容 API 是最大理由Ollama 能在本地大模型部署里站稳脚跟靠的不是它拉模型有多快而是它把“跑模型”这件事压缩成了两个动作装服务、拉模型。它内部用 llama.cpp 做推理后端支持 CPU 和 GPU 混合运行不需要你手动配 CUDA、cuDNN也不需要写推理脚本。更关键的是Ollama 默认监听 11434 端口暴露出来的接口是/v1/chat/completions和/v1/modelsOpenAI 兼容格式意味着 Open WebUI 不用写任何适配层直接把 Ollama 当成一个本地 OpenAI 服务对接就行。选 Deepseek 的原因也直接它是目前开源模型里中文理解和代码能力都比较靠前的系列Ollama 官方库里有deepseek-r1和deepseek-coder两个分支。R1 是推理模型回答问题前会生成一段思考链适合做复杂问题拆解和代码调试Coder 系列偏代码生成与补全。如果机器显存只有 8G 左右选deepseek-r1:7b或deepseek-r1:8b比较合适显存到 24G 可以考虑 14b 甚至 32b量化版。7b 的量化模型大概占 4.7G 存储14b 大概 9G 左右。这套组合的逻辑是Open WebUI 负责交互层Ollama 负责模型层Deepseek 负责能力层。三者通过 HTTP 接口串联每一层都能独立替换。以后想换 Qwen、Llama不用动 WebUI 和 Ollama只改模型名。2.2 安装与模型拉取Windows / Linux 两条路径先装 Ollama。Windows 直接去官网下载安装包装完服务会自动注册成系统服务托盘区能看到图标。Linux 用官方一键脚本curl -fsSL https://ollama.com/install.sh | sh装完先确认服务状态和版本ollama --version ollama serveollama serve是前台启动命令正常情况会输出监听127.0.0.1:11434的日志。如果服务已经在后台运行Windows 安装后默认如此这条命令会提示端口被占用不用管。接着拉取 Deepseek 模型ollama pull deepseek-r1:7b这里有几个参数要知道:7b是模型尺寸标签不写标签默认拉latest而 R1 系列的 latest 指向 7bollama list查看本地已有的模型ollama run deepseek-r1:7b直接进终端对话。首次拉取要下载几 GB 文件具体大小看模型标签网络正常的话 7b 大概一两分钟慢的时候可能要半小时。拉取成功后用一条命令验证模型能正常出结果ollama run deepseek-r1:7b 用一句话解释什么是残差网络提示ollama run会先把模型加载进内存对话结束默认驻留 5 分钟OLLAMA_KEEP_ALIVE控制。第一次输出会慢因为要加载权重后续在同一进程里对话会快很多。2.3 下载慢与存储路径两个必须提前改的变量Ollama 让人翻车最多的不是推理慢而是模型下载慢和磁盘爆掉。模型文件默认存到用户目录下Windows 是C:\Users\你的用户名\.ollama\modelsLinux 是/usr/share/ollama/.ollama/models。C 盘空间紧张的话这个默认路径非常坑。常见的做法是先设环境变量再装服务。Windows 在“系统属性 → 环境变量”里新建OLLAMA_MODELSD:\ollama_models OLLAMA_HOST0.0.0.0 OLLAMA_KEEP_ALIVE24hLinux 用 systemd 管理的话要改服务配置文件sudo mkdir -p /data/ollama sudo systemctl edit ollama.service然后写入[Service] EnvironmentOLLAMA_MODELS/data/ollama EnvironmentOLLAMA_HOST0.0.0.0 EnvironmentOLLAMA_KEEP_ALIVE24h改完重启服务sudo systemctl daemon-reload sudo systemctl restart ollama说下这三个变量的含义。OLLAMA_MODELS是模型存储路径必须在拉模型之前设好已经拉过的模型不会自动迁移得手动拷贝过去。OLLAMA_HOST0.0.0.0是让 Ollama 监听所有网卡默认只监听127.0.0.1如果 Open WebUI 和 Ollama 在不同机器上这个必须改。OLLAMA_KEEP_ALIVE24h是模型加载后驻留内存的时间频繁切换模型的人建议设短一点长期只用 Deepseek 一个模型的话设长更省事。注意改环境变量之后Ollama 服务要完全重启才生效。Windows 上改系统环境变量后最好注销一次或重启系统否则服务可能仍然读旧值。3. 从 ZIP 包到运行中的 Open WebUI源码部署的完整步骤3.1 ZIP 包里有什么先认清源码目录结构再动手从 GitHub Releases 下载的 Open WebUI 源码包解压后第一眼看到的不是可执行文件而是一套 FastAPI 后端 Svelte 前端的混合仓库。根目录下有几个关键文件夹和文件backend/是 Python 后端的核心代码frontend/是 Svelte 前端工程pyproject.toml声明后端依赖package.json声明前端依赖。很多人拿到 ZIP 包直接双击想跑发现根本没有启动程序这是没搞清楚项目结构。Open WebUI 的官方推荐部署方式是 Docker但 Docker 对网络和内存都有要求源码直接跑的话需要 Python建议 3.11和 Node.js建议 20.x双环境。在动手启动之前先把依赖装齐这是整个部署过程中最容易出问题的一步。ZIP 包解压后建议先确认前端和后端的依赖文件都在再按下面的顺序安装和启动。这套流程我在干净系统上跑过多次顺序错了会出现前端页面 404 或者后端 API 连不上的情况。3.2 后端启动Python 虚拟环境与 uvicorn后端是 FastAPI 应用入口在backend/open_webui/main.py。直接往系统 Python 里装依赖容易把环境搞乱血泪经验是先建虚拟环境cd OpenWebUI python -m venv venv source venv/bin/activate # Windows 下用 venv\Scripts\activate pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple这里要求 requirements.txt 存在实际上 Open WebUI 用 pyproject.toml 管理依赖官方源码里可能没有 requirement s.txt需要改用 pip install -e . 安装。安装完成后启动后端python -m open_webui默认端口是 8080启动成功的日志会显示Uvicorn running on http://0.0.0.0:8080。这里有两个关键参数--port改端口--host改监听地址。跨机器访问时一定要--host 0.0.0.0python -m open_webui --host 0.0.0.0 --port 8080后端启动后先别急着开浏览器用 curl 探一下健康检查接口curl http://localhost:8080/health返回{status:true}说明后端活着。这个健康检查接口在排错时非常有用它能区分“后端挂了你不知道”和“前端页面起了但连不上后端”这两种情况。后端进程不要关开一个新的终端窗口继续前端部分。3.3 前端构建Node.js 版本与 npm install 的坑Open WebUI 的前端是 Svelte 项目开发模式下可以走 Vite 热更新但更稳的方式是构建静态文件、让后端直接伺服。前端构建前先确认 Node 版本低版本会在npm install阶段报各种语法错误——常见坑是 Node 18 以下跑不动 Svelte 5 的构建链。node -v # 需要 18建议 20 npm install --registryhttps://registry.npmmirror.com npm run buildnpm install会生成node_modules目录体积很大正常现象。国内网络建议带上 npmmirror 源否则个别依赖包下载会比较慢。npm run build执行的是构建脚本产物输出到frontend/dist或build目录具体看 package.json 里的配置。构建完成之后重启一次后端——因为后端只在启动时检查前端构建产物是否存在如果构建在启动之后才完成后端不会自动去读新产物。重启命令还是那条python -m open_webui。这时候浏览器访问http://localhost:8080就能看到 Open WebUI 的注册页面。提示如果构建了前端但仍然显示默认欢迎页或者样式错乱八成是构建产物路径和后端静态目录路径对不上检查backend/open_webui/static.py里的路径声明。3.4 环境变量与首次登录OLLAMA_BASE_URL 是关键Open WebUI 启动后第一件正事是把 Ollama 连上。源码部署的话环境变量在启动前设置不能用页面来配。在虚拟环境里启动前先设置export OLLAMA_BASE_URLhttp://localhost:11434 export WEBUI_AUTHfalse python -m open_webuiOLLAMA_BASE_URL告诉 Open WebUI 去哪里找 Ollama 服务。如果 Ollama 在别的机器上这里填那台机器的 IP比如http://192.168.1.100:11434。WEBUI_AUTHfalse表示首次访问跳过注册登录流程直接进聊天页面——单机自用可以这么干多人使用必须开启认证否则任何人都能访问你的模型服务。支持的外部连接环境变量还有这几个统一用OPENAI_API_*前缀export OPENAI_API_BASE_URLShttps://api.deepseek.com/v1 export OPENAI_API_KEYSsk-你的key这个后面接 Deepseek 云端 API 时会用到。填入后Open WebUI 的模型选择器里会多出一个外部模型组来源显示 Deepseek。首次进页面的路径建议这样走注册管理员账号如果开了认证→ 左下角设置 → 外部连接 → 确认 Ollama 连接器的 URL 是http://localhost:11434→ 模型列表里应该能看到deepseek-r1:7b。如果模型列表为空先回终端检查后端日志多半是地址写错或 Ollama 没监听对应网卡。4. 把 Deepseek 接进 Open WebUI模型参数、外部 API 与反向代理4.1 Deepseek-R1 的思考链在界面上打开和关闭Deepseek-R1 是推理模型回答前会生成一段内部思考过程。在 Open WebUI 里这段思考会单独呈现在回复上方有时还会搭配一个可折叠的“思维链”区域。对调试问题很有用但对日常问答冗长的思考链会拖慢输出体验。在 Open WebUI 里控制它的位置在“模型设置”里针对某个模型单独配置。拉取模型后点击模型名称旁的设置图标进入高级参数面板。这里有几个参数会影响 R1 的表现Temperature默认 0.7调低到 0.3 左右回答会稳定很多但创造力下降Top P默认 0.9配合低 Temperature 使用Max Tokens对 R1 尤其重要因为它的思考过程也要占用 token 配额默认 4096 可能让长回答被截断建议拉到 8192。关闭或展开思考链Open WebUI 提供的是显示层面的控制不是模型 API 的参数。如果页面上没有看到折叠按钮检查是否开启了“流式输出”关闭流式输出会导致思考过程一次性渲染没法折叠。注意Ollama 侧的OLLAMA_NUM_PARALLEL参数控制同一时刻能并行处理的请求数量默认 4。Deepseek 模型并发过高时显存会爆OOM 错误在日志里表现为out of memory此时不是调低并行数而是要降低每请求的上下文窗口。4.2 用 OpenAI 兼容格式接入外部 Deepseek API本地模型的显存跑不动 70b 时可以注册 Deepseek 官方 API把云端大模型也接进 Open WebUI。这一步用的就是前面提到的OPENAI_API_BASE_URLS和OPENAI_API_KEYS。Deepseek 的 API 端点也是 OpenAI 兼容的填两个环境变量即可。export OPENAI_API_BASE_URLShttps://api.deepseek.com/v1 export OPENAI_API_KEYSsk-填写你的真实key python -m open_webui重启后页面模型选择器里会出现deepseek-chat和deepseek-reasoner这两个模型前者对应 Deepseek-V3后者对应 R1 系列。这个配置下Open WebUI 相当于一个聚合网关本地跑 Ollama 的模型云端跑 Deepseek 的模型统一在同一个聊天界面里切换。外部 API 接入最容易出的问题是 base URL 写不对。Deepseek 的文档里明确写的完整路径是https://api.deepseek.com/v1不要在末尾加/chat/completions。Open WebUI 拼接请求时会在这个 base URL 后面自动追加路径加多了就会 404。另一个陷阱是 key 本身Deepseek 控制台创建的 key 以sk-开头复制时注意别带空格和换行。4.3 Nginx 反向代理 Ollama让 WebUI 和模型不在同一台机器有些场景下 Open WebUI 和 Ollama 不能装在一台机器。比如模型服务器是带 GPU 的 Ubuntu而 Open WebUI 跑在另一台商业服务器上或者 Ollama 不希望直接暴露 11434 端口给局域网。这时用 Nginx 做反向代理是常见做法既能把端口藏起来也能在代理层加访问控制。下面是一个实际可用的 Nginx 配置server { listen 11434; server_name _; location / { proxy_pass http://127.0.0.1:11434; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; # Ollama API 的流式输出需要关闭缓冲否则对话体验会变成一个字一个字卡着出 proxy_buffering off; proxy_read_timeout 600s; } }比较重要的一项proxy_buffering off;必须开。Ollama 的/api/chat接口默认走 SSE 流式返回Nginx 默认会缓冲响应导致用户在页面上看到整个回复一次性刷出来流式体验完全丧失。proxy_read_timeout 600s是因为 7b 模型在纯 CPU 机器上生成一段回答可能需要一两分钟默认 60s 超时会被频繁打断。如果代理层还需要 API key 保护可以在 Nginx 上用auth_request指向一个校验服务或者在 Ollama 侧设置OLLAMA_API_KEY新版本支持。设了 key 之后Open WebUI 的 Ollama 连接器地址和密钥都要对应填上否则页面会报 401。这个 401 看起来像是在说模型不存在实际是身份校验没过排查时先看后端日志的 HTTP 状态码。5. 部署 Open WebUI 的常见问题排查从 ZIP 错误到 4015.1 ZIP 解压失败“could not find eocd”现象用系统自带的解压工具打开下载的 ZIP 包直接报invalid zip archive: could not find eocd或者解压到一半提示文件损坏。原因GitHub Releases 的文件走 CDN浏览器下载大文件容易被中断中断后文件尾部缺失。ZIP 格式的关键索引区EOCDEnd of Central Directory就在文件末尾尾部缺字节索引就找不到。解决用终端下载代替浏览器。Windows PowerShell 里执行curl.exe -L -o OpenWebUI.zip https://github.com/你的地址/releases/download/tag/OpenWebUI.zip下载完先看文件大小和 GitHub 页面标注的 size 对不对再用压缩软件测试完整性。我一般会再用 PowerShell 算一下哈希值和页面提供的 SHA256 比对一致才解压。这个习惯帮我避开过好几次下到半截文件还硬着头皮解压的翻车。5.2 模型全下到了 C 盘现象Ollama 正常拉取模型但 C 盘空间飞速下降ollama list显示的模型大小没问题但磁盘容量告急。原因没有提前改OLLAMA_MODELS模型默认落到用户目录下。特别是在 Windows 上C:\Users\xxx\.ollama\models里全是几个 GB 的 blob 文件。解决改环境变量之后需要迁移已有模型。把整个.ollama目录从 C 盘剪切到新盘然后在系统环境变量里设OLLAMA_MODELSD:\ollama_models指向新位置。再重启 Ollama 服务。不要只复制 models 子目录因为.ollama下还有 id 索引和其他配置缺了会导致ollama list显示空。5.3 WebUI 能看到 Ollama 但看不到模型现象Open WebUI 的“外部连接”里 Ollama 连接器状态正常但模型选择器里没有任何模型。原因OLLAMA_HOST没有放开监听。默认 Ollama 只监听127.0.0.1:11434如果 Open WebUI 容器或进程在别的网络命名空间里访问就连不上。另一个常见原因是 Open WebUI 是在 Ollama 拉模型之前启动的它启动时会拉一次模型列表之后没有自动刷新。解决先确认服务端连通性在 Open WebUI 所在机器上执行curl http://你的OllamaIP:11434/api/tags能返回 JSON 列表说明网络通那就在 Open WebUI 页面上点一次刷新按钮如果返回 connection refused去 Ollama 机器检查OLLAMA_HOST是否设置成了0.0.0.0并确认防火墙没有拦截 11434 端口。5.4 Nginx 反代后连接被拒绝现象Open WebUI 填了 Nginx 代理地址后报 502直接访问代理地址也显示错误页。原因Nginx 配置里proxy_pass http://127.0.0.1:11434指向的地址在 Nginx 所在机器上没有 Ollama 服务。很多人在模型服务器上配置 Nginx 时忘了把 11434 监听在0.0.0.0Nginx 通过回环地址访问时被拒绝。解决在 Nginx 所在机器上执行curl http://127.0.0.1:11434/api/tags失败说明 Ollama 只监听了外部网卡或者根本没起服务。检查 Ollama 日志确认启动参数里OLLAMA_HOST是0.0.0.0还是具体 IP。如果 Ollama 在另一台机器Nginx 的proxy_pass应该写那台机器的 IP 而不是 127.0.0.1。5.5 环境变量改了但不生效现象在/etc/environment或 Windows 系统变量里设置了OLLAMA_KEEP_ALIVE但ollama ps看到的模型驻留时间还是默认 5 分钟。原因Ollama 作为 systemd 服务运行时/etc/environment的变量不能传递到服务进程。Windows 上也一样服务启动时读取的是服务启动瞬间的环境快照改完环境变量后服务没重启。解决Linux 上必须显式在 service 配置里写 Environmentsudo systemctl edit ollama.service写入[Service] EnvironmentOLLAMA_KEEP_ALIVE24h然后确认生效sudo systemctl daemon-reload sudo systemctl restart ollamaWindows 上改完环境变量在“服务”管理器里重启 Ollama 服务或者直接重启系统最稳妥。验证方式是在 Open WebUI 的模型参数里改 Keep Alive或者在终端直接查ollama ps看模型的驻留时间列。6. 用 curl 验证整条链路从模型层到界面层的一次健康检查部署完成不等于万事大吉我习惯按“模型层 → 接口层 → 界面层”三层做一次完整验证。模型层验证的是 Ollama 本身能正常出结果curl http://localhost:11434/api/chat -d {model:deepseek-r1:7b,messages:[{role:user,content:你好}],stream:false}重点看响应里是否包含done:true和完整的message.content。stream:false表示不流式返回方便在终端看到完整 JSON日常对话走的是流式但这个验证用非流式更直观。接口层验证的是 Open WebUI 后端到 Ollama 的连接是否正常curl http://localhost:8080/api/models -H Authorization: Bearer 你的token | grep deepseek能 grep 到deepseek-r1:7b说明 Open WebUI 已经成功列出了模型。这一步能区分问题出在 WebUI 的配置还是出在底层连接。界面层就不用多说了浏览器里开一个新对话选deepseek-r1:7b让它写一段带条件的代码——比如“写一个 Python 函数输入是日期字符串列表输出是去重后的最大日期”。R1 的思考链会先展开然后给出代码。思考链的展开与折叠、代码高亮、复制按钮这些功能正常就说明整条链路通了。最后说一个调试技巧Open WebUI 的后端日志里能看到每一次请求的耗时和状态码。如果感觉对话响应慢先看日志里POST /api/chat的耗时超过 30 秒就要检查模型加载时间和 KV cache 大小。我在第一次部署时忽略了模型冷启动时间总以为是网络问题翻了好几天日志才发现是模型权重加载到内存要十几秒。从那以后我每次改完配置都强制走一遍上面三条 curl 命令确认每一层都响应正常才关终端窗口。希望帮到你。本文还有配套的精品资源点击获取