尧图网站建设 
Open WebUI 自托管 AI 平台核心能力全景与从 pip 到 Docker 的部署实战【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本文以仓库根目录的 README.md 为主体系统梳理 Open WebUI 作为可扩展、可完全离线运行的自托管 AI 平台的能力体系并结合 Dockerfile、docker-compose.yaml、backend/start.sh 与 backend/open_webui/config.py 等源码给出 pip / Docker / 离线模式等部署路径的完整操作与环境变量细节。读完本文你可以独立完成 Open WebUI 的本地或容器化部署、理解各部署变体GPU、捆绑 Ollama、纯 OpenAI API的差异并能针对常见连接问题进行排查。一、项目定位可离线运行的自托管 AI 平台README.md 对 Open WebUI 的官方定义是一个可扩展、功能丰富、用户友好的自托管 AI 平台设计上支持完全离线运行。它同时支持 Ollama 与 OpenAI 兼容 API 两类模型运行器并内置面向 RAG检索增强生成的推理引擎定位为一种完整的 AI 部署方案。从仓库结构看这一“自托管 离线”定位有明确的代码支撑后端基于 FastAPI Uvicorn前端为 Svelte/SvelteKit 应用构建产物打包进 Dockerfile 的多阶段构建中backend/open_webui/env.py 提供OFFLINE_MODE开关开启后自动设置HF_HUB_OFFLINE1并关闭版本更新检查与 README 的离线模式说明一一对应默认数据库为 SQLite、向量库可选 9 种实现全部可以本地化部署满足“完全离线”的运行前提。当前仓库的最新版本记录为 0.11.12026-08-25见 CHANGELOG.md。二、核心能力体系README 功能清单的分组解读README 的 “Key Features” 章节列出了 20 余项能力这里按功能域分组讲解便于建立整体认知。2.1 模型接入与多模型对话广泛的模型与 API 集成除本地 Ollama 模型外可连接任意 OpenAI 兼容 API——把 API URL 指向 LMStudio、GroqCloud、Mistral、OpenRouter、vLLM 等服务即可自由混搭供应商多模型会话允许在单次对话中同时调用多个模型并行利用各自优势获得更好回答。模型接入的底层配置在 backend/open_webui/config.py 中集中解析OLLAMA_BASE_URL支持自动解析容器内/ollama会自动落到localhost:11434或host.docker.internal:11434并通过分号分隔的OLLAMA_BASE_URLS支持同时配置多个 Ollama 实例。2.2 插件体系与工具生态README 明确 Open WebUI 可通过Filters、Actions、Pipes、Tools、Skills五类插件扩展并可通过MCP、MCPO 与 OpenAPI 工具服务器接入外部服务用于构建自定义集成、限流、审批流、数据连接等。仓库中对应实现位于backend/open_webui/utils/actions.py、backend/open_webui/utils/filter.py、backend/open_webui/utils/tools.py等文件。在此基础上还有几项与“模型能动性”相关的能力模型即 Agent给任意基础模型包裹自定义指令、工具与知识库构建专用 Agent支持动态变量、按用户/分组的访问控制并可通过社区站点导入预设持续记忆Persistent MemoryAI 跨会话记住关于你的事实实现上下文在会话间延续实时工作流与消息流Live Workflow Message Flow实时查看 AI 构建并执行任务清单在 AI 回复期间可排队消息完成后自动发送。2.3 RAG 知识库与 Web 能力这是 README 篇幅最重的能力域之一本地 RAG 集成支持 9 种向量数据库ChromaDB、PGVector、Qdrant、Milvus、Elasticsearch、OpenSearch、Pinecone、S3Vector、Oracle 23ai与多种内容抽取引擎Tika、Docling、Document Intelligence、Mistral OCR、PaddleOCR-vl、外部加载器支持混合检索BM25 向量与重排序、全文上下文模式文档可直接加载到聊天或通过#命令从知识库拉取Web 搜索用于 RAG支持SearXNG、Google PSE、Brave Search、Kagi、Mojeek、Tavily、Perplexity、Firecrawl、serpstack、serper、Serply、DuckDuckGo、SearchApi、SerpApi、Bing、Jina、Exa、Sougou、Azure AI Search、Ollama Cloud等数十个搜索供应商结果直接注入对话网页浏览用#命令加 URL 把网页拉进聊天或由模型在需要时自行抓取图片生成与编辑支持 OpenAI DALL·E、Gemini、ComfyUI本地、AUTOMATIC1111本地等多个引擎兼顾生成与基于提示词的编辑。相关实现位于backend/open_webui/retrieval/目录向量库适配、Web 加载器与外部集成入口 external.py。2.4 企业级安全、存储与可观测性细粒度 RBAC 与用户分组管理员可定义角色、分组与权限默认安全并按组定制体验企业身份集成完整 LDAP/Active Directory、基于可信头与 OAuth 提供方的 SSO、面向 Okta / Azure AD / Google Workspace 的 SCIM 2.0 自动化配置灵活的数据库与存储SQLite可选加密或 PostgreSQL文件可存本地或 S3、Google Cloud Storage、Azure Blob Storage生产级可观测性内置 OpenTelemetry 支持 traces、metrics、logs可接入现有监控栈水平扩展基于 Redis 的会话管理与 WebSocket 支持可在负载均衡器后做多 worker、多节点部署云原生文件集成原生 Google Drive 与 OneDrive/SharePoint 文件选择器用量分析与模型评测管理仪表盘统计消息量、token 消耗与成本内置竞技场、A/B 测试与 ELO 排行榜评测模型。2.5 交互体验与协作功能Notes 笔记对话之外的内容工作区富文本编辑器 AI 重写选中文字笔记可挂到任意聊天实现全文注入Channels 频道团队与 AI 模型在同一时间线协作的实时共享空间可 模型起草或评审支持线程、表情回应、置顶与访问控制日历与 AI 排程内置个人/共享日历月/周/日视图、重复事件、颜色、参与者、提醒模型通过原生函数调用以对话方式管理日程Automations 自动化按计划周期触发提示词运行记录展示在日历上每次运行可回链到产生的会话免持语音/视频通话多种 STT 提供方本地 Whisper、OpenAI、Deepgram、Azure与 TTS 引擎Azure、ElevenLabs、OpenAI、Transformers、WebAPI持久化 Artifact 存储内置键值存储 API支撑日志、追踪器、排行榜等个人与共享作用域工具响应式设计与 PWA桌面/笔记本/移动端一致体验localhost 下支持离线完整 Markdown 与 LaTeX 支持以及面向多语言使用者的 i18n 支持。2.6 周边配套生态README 的 “The Open WebUI Ecosystem” 章节列出了与主项目配套的组件均为独立仓库此处仅转述 README 描述Open WebUI Computer移动端优先的独立计算机/编码 Agent文件、终端、git 在浏览器标签页中可用Open Terminal / Terminals (Enterprise)自托管计算环境让 AI 在聊天内写代码、运行、读输出、改错迭代企业版提供按用户隔离的容器、独立凭证、资源限制与网络规则oikb从 45 数据源GitHub、Confluence、Jira、Slack、Notion 等持续同步知识库原生桌面应用macOS/Windows/Linux 原生运行支持系统级搜索栏、截图捕获、推键语音及内置 llama.cpp 的纯本地推理。三、部署实战一pip 安装README 的 pip 安装路径强调必须使用 Python 3.11以避免兼容性问题pip install open-webui安装后启动服务open-webui serve服务启动后访问http://localhost:8080。这一点与仓库构建配置相互印证Dockerfile 的后端基础镜像即为python:3.11-slim-bookwormpyproject.toml中锁定的 FastAPI、Uvicorn、SQLAlchemy 等依赖版本均面向该 Python 大版本。生产容器入口 backend/start.sh 中默认值也是PORT8080、HOST0.0.0.0最终执行uvicorn open_webui.main:app与open-webui serve的端口一致。本地开发调试可直接使用仓库提供的脚本 backend/dev.sh它会以--reload热重载方式在 8080 端口启动 uvicorn并配置CORS_ALLOW_ORIGIN指向 Vite 前端的http://localhost:5173。四、部署实战二Docker 各形态4.1 部署前必读的三个约束README 对 Docker 部署给出了三条明确约束均有源码依据必须挂载数据卷-v open-webui:/app/backend/data——数据库与上传文件都落在此目录不挂载会丢失数据。docker-compose.yaml 中的volumes: - open-webui:/app/backend/data即为官方推荐写法:cuda与:ollama镜像要 GPU 加速或内置 Ollama 时应使用带:cuda或:ollama标签的官方镜像启用 CUDA 需在 Linux/WSL 上安装 NVIDIA CUDA 容器工具包。这对应 Dockerfile 顶部的构建参数USE_CUDA默认 CUDA 版本 cu128与USE_OLLAMA端口映射容器内服务固定监听 8080Dockerfile 中ENV PORT8080与EXPOSE 8080健康检查为curl http://localhost:8080/health宿主机常用 3000 映射。4.2 默认配置Ollama 在本机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--add-hosthost.docker.internal:host-gateway让容器内能通过host.docker.internal:11434访问宿主机上的 Ollama。这一行为在 backend/open_webui/config.py 中可见当OLLAMA_BASE_URL为/ollama且不在 K8s 环境时代码会自动解析为localhost:11434或http://host.docker.internal:11434。4.3 Ollama 在独立服务器将OLLAMA_BASE_URL指向远程服务器地址即可docker run -d -p 3000:8080 -e OLLAMA_BASE_URLhttps://example.com \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main4.4 启用 Nvidia GPU:cuda镜像docker run -d -p 3000:8080 --gpus all --add-hosthost.docker.internal:host-gateway \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:cuda4.5 仅使用 OpenAI API不依赖 Ollama 的最小化部署只需注入 API Keydocker run -d -p 3000:8080 -e OPENAI_API_KEYyour_secret_key \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main4.6 捆绑 Ollama 的一体化镜像:ollamaghcr.io/open-webui/open-webui:ollama将 Open WebUI 与 Ollama 打进同一容器一条命令完成全部部署带 GPUdocker run -d -p 3000:8080 --gpusall -v ollama:/root/.ollama \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:ollama纯 CPUdocker 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其原理可从 backend/start.sh 得到印证入口脚本检测到USE_OLLAMA_DOCKERtrue由 Dockerfile 构建参数注入时会在容器内先执行ollama serve 再启动 WebUI 服务。部署完成后访问http://localhost:3000。4.7 关键环境变量速查综合 README 与源码以下是日常部署最常用的环境变量及其默认值/行为环境变量作用默认值 / 备注OLLAMA_BASE_URLOllama 服务地址空/ollama时自动解析为本机/宿主地址见 config.pyOLLAMA_BASE_URLS多个 Ollama 实例分号分隔列表未设置时回退为单值OPENAI_API_KEYOpenAI 兼容 API 密钥空见 Dockerfile 中ENV OPENAI_API_KEYPORT/HOST服务监听端口/地址8080/0.0.0.0见 start.shWEBUI_SECRET_KEYJWT 等签名密钥容器内未设置时自动从.webui_secret_key文件生成24 字节随机 base64见 start.shHF_HUB_OFFLINE禁止从 HuggingFace 下载模型置1OFFLINE_MODEtrue会自动置位见 env.pyUVICORN_WORKERSuvicorn worker 数1多节点水平扩展时可调大配合 Redis提示docker-compose.yaml 中还显式设置了WEBUI_SECRET_KEY——当启用认证时密钥是硬性要求backend/open_webui/env.py 中会校验并给出提示生产环境建议显式指定一个长随机值。五、Dev 分支、离线模式与故障排查5.1 使用 Dev 分支:dev标签包含最新的不稳定功能README 明确警告可能包含 Bug 或不完整特性请自行评估风险docker run -d -p 3000:8080 -v open-webui:/app/backend/data --name open-webui \ --add-hosthost.docker.internal:host-gateway --restart always \ ghcr.io/open-webui/open-webui:dev5.2 离线模式在离线环境中运行时设置HF_HUB_OFFLINE1可阻止一切联网下载模型的尝试export HF_HUB_OFFLINE1从源码看backend/open_webui/env.py更彻底的做法是设置OFFLINE_MODEtrue它会同时置位HF_HUB_OFFLINE1并关闭版本更新检查。5.3 典型故障Server Connection ErrorREADME 给出的最常见连接问题是容器内 WebUI 无法访问127.0.0.1:11434即宿主机的 Ollama。解决方案是使用--networkhost让容器直接复用宿主机网络栈注意此时容器端口不再映射访问地址变为http://localhost:8080docker run -d --networkhost -v open-webui:/app/backend/data \ -e OLLAMA_BASE_URLhttp://127.0.0.1:11434 --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main除 README 提供的排障指引外仓库内的 backend/dev.sh 与健康检查机制Dockerfile 中的HEALTHCHECK ... /health也都可以作为定位服务是否真正就绪的抓手curl http://localhost:8080/health返回{status: true}即表示后端正常。六、许可与漏洞披露许可证本项目包含多重许可的代码——当前代码库主体采用Open WebUI License附加保留 Open WebUI 品牌的要求历史贡献保留其原始许可。具体条款见 LICENSE 与 LICENSE_HISTORYREADME.md 建议部署前仔细审阅。安全披露README.md 声明安全漏洞仅通过 GitHub 的负责任披露渠道接收报告报告会被分诊、修复并以公开公告形式发布仓库内另有 docs/SECURITY.md 提供披露流程细节。遥测默认关闭Dockerfile 中默认设置ANONYMIZED_TELEMETRYfalse、DO_NOT_TRACKtrue、SCARF_NO_ANALYTICStrue自托管时不会主动上报使用数据。七、小结Open WebUI 的价值在于把“自托管 AI 工作台”所需的能力集——多模型接入、RAG 知识库、插件与工具生态、企业身份集成、多节点扩展——收敛到一个可pip install或单条docker run启动的发行物中。本文覆盖的部署命令均可直接复制使用本地 Ollama 用默认镜像加host-gateway跨机 Ollama 用OLLAMA_BASE_URLGPU 用:cuda想要零配置一体化则用:ollama。如需了解更新机制、Kubernetes/Helm 等更多安装方式可进一步查阅仓库内 CHANGELOG.md 追踪版本变化以及 Dockerfile 中USE_CUDA、USE_OLLAMA、USE_SLIM等构建参数来自定义镜像裁剪。【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 自托管 AI 平台：核心能力全景与从 pip 到 Docker 的部署实战
Open WebUI 自托管 AI 平台核心能力全景与从 pip 到 Docker 的部署实战【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本文以仓库根目录的 README.md 为主体系统梳理 Open WebUI 作为可扩展、可完全离线运行的自托管 AI 平台的能力体系并结合 Dockerfile、docker-compose.yaml、backend/start.sh 与 backend/open_webui/config.py 等源码给出 pip / Docker / 离线模式等部署路径的完整操作与环境变量细节。读完本文你可以独立完成 Open WebUI 的本地或容器化部署、理解各部署变体GPU、捆绑 Ollama、纯 OpenAI API的差异并能针对常见连接问题进行排查。一、项目定位可离线运行的自托管 AI 平台README.md 对 Open WebUI 的官方定义是一个可扩展、功能丰富、用户友好的自托管 AI 平台设计上支持完全离线运行。它同时支持 Ollama 与 OpenAI 兼容 API 两类模型运行器并内置面向 RAG检索增强生成的推理引擎定位为一种完整的 AI 部署方案。从仓库结构看这一“自托管 离线”定位有明确的代码支撑后端基于 FastAPI Uvicorn前端为 Svelte/SvelteKit 应用构建产物打包进 Dockerfile 的多阶段构建中backend/open_webui/env.py 提供OFFLINE_MODE开关开启后自动设置HF_HUB_OFFLINE1并关闭版本更新检查与 README 的离线模式说明一一对应默认数据库为 SQLite、向量库可选 9 种实现全部可以本地化部署满足“完全离线”的运行前提。当前仓库的最新版本记录为 0.11.12026-08-25见 CHANGELOG.md。二、核心能力体系README 功能清单的分组解读README 的 “Key Features” 章节列出了 20 余项能力这里按功能域分组讲解便于建立整体认知。2.1 模型接入与多模型对话广泛的模型与 API 集成除本地 Ollama 模型外可连接任意 OpenAI 兼容 API——把 API URL 指向 LMStudio、GroqCloud、Mistral、OpenRouter、vLLM 等服务即可自由混搭供应商多模型会话允许在单次对话中同时调用多个模型并行利用各自优势获得更好回答。模型接入的底层配置在 backend/open_webui/config.py 中集中解析OLLAMA_BASE_URL支持自动解析容器内/ollama会自动落到localhost:11434或host.docker.internal:11434并通过分号分隔的OLLAMA_BASE_URLS支持同时配置多个 Ollama 实例。2.2 插件体系与工具生态README 明确 Open WebUI 可通过Filters、Actions、Pipes、Tools、Skills五类插件扩展并可通过MCP、MCPO 与 OpenAPI 工具服务器接入外部服务用于构建自定义集成、限流、审批流、数据连接等。仓库中对应实现位于backend/open_webui/utils/actions.py、backend/open_webui/utils/filter.py、backend/open_webui/utils/tools.py等文件。在此基础上还有几项与“模型能动性”相关的能力模型即 Agent给任意基础模型包裹自定义指令、工具与知识库构建专用 Agent支持动态变量、按用户/分组的访问控制并可通过社区站点导入预设持续记忆Persistent MemoryAI 跨会话记住关于你的事实实现上下文在会话间延续实时工作流与消息流Live Workflow Message Flow实时查看 AI 构建并执行任务清单在 AI 回复期间可排队消息完成后自动发送。2.3 RAG 知识库与 Web 能力这是 README 篇幅最重的能力域之一本地 RAG 集成支持 9 种向量数据库ChromaDB、PGVector、Qdrant、Milvus、Elasticsearch、OpenSearch、Pinecone、S3Vector、Oracle 23ai与多种内容抽取引擎Tika、Docling、Document Intelligence、Mistral OCR、PaddleOCR-vl、外部加载器支持混合检索BM25 向量与重排序、全文上下文模式文档可直接加载到聊天或通过#命令从知识库拉取Web 搜索用于 RAG支持SearXNG、Google PSE、Brave Search、Kagi、Mojeek、Tavily、Perplexity、Firecrawl、serpstack、serper、Serply、DuckDuckGo、SearchApi、SerpApi、Bing、Jina、Exa、Sougou、Azure AI Search、Ollama Cloud等数十个搜索供应商结果直接注入对话网页浏览用#命令加 URL 把网页拉进聊天或由模型在需要时自行抓取图片生成与编辑支持 OpenAI DALL·E、Gemini、ComfyUI本地、AUTOMATIC1111本地等多个引擎兼顾生成与基于提示词的编辑。相关实现位于backend/open_webui/retrieval/目录向量库适配、Web 加载器与外部集成入口 external.py。2.4 企业级安全、存储与可观测性细粒度 RBAC 与用户分组管理员可定义角色、分组与权限默认安全并按组定制体验企业身份集成完整 LDAP/Active Directory、基于可信头与 OAuth 提供方的 SSO、面向 Okta / Azure AD / Google Workspace 的 SCIM 2.0 自动化配置灵活的数据库与存储SQLite可选加密或 PostgreSQL文件可存本地或 S3、Google Cloud Storage、Azure Blob Storage生产级可观测性内置 OpenTelemetry 支持 traces、metrics、logs可接入现有监控栈水平扩展基于 Redis 的会话管理与 WebSocket 支持可在负载均衡器后做多 worker、多节点部署云原生文件集成原生 Google Drive 与 OneDrive/SharePoint 文件选择器用量分析与模型评测管理仪表盘统计消息量、token 消耗与成本内置竞技场、A/B 测试与 ELO 排行榜评测模型。2.5 交互体验与协作功能Notes 笔记对话之外的内容工作区富文本编辑器 AI 重写选中文字笔记可挂到任意聊天实现全文注入Channels 频道团队与 AI 模型在同一时间线协作的实时共享空间可 模型起草或评审支持线程、表情回应、置顶与访问控制日历与 AI 排程内置个人/共享日历月/周/日视图、重复事件、颜色、参与者、提醒模型通过原生函数调用以对话方式管理日程Automations 自动化按计划周期触发提示词运行记录展示在日历上每次运行可回链到产生的会话免持语音/视频通话多种 STT 提供方本地 Whisper、OpenAI、Deepgram、Azure与 TTS 引擎Azure、ElevenLabs、OpenAI、Transformers、WebAPI持久化 Artifact 存储内置键值存储 API支撑日志、追踪器、排行榜等个人与共享作用域工具响应式设计与 PWA桌面/笔记本/移动端一致体验localhost 下支持离线完整 Markdown 与 LaTeX 支持以及面向多语言使用者的 i18n 支持。2.6 周边配套生态README 的 “The Open WebUI Ecosystem” 章节列出了与主项目配套的组件均为独立仓库此处仅转述 README 描述Open WebUI Computer移动端优先的独立计算机/编码 Agent文件、终端、git 在浏览器标签页中可用Open Terminal / Terminals (Enterprise)自托管计算环境让 AI 在聊天内写代码、运行、读输出、改错迭代企业版提供按用户隔离的容器、独立凭证、资源限制与网络规则oikb从 45 数据源GitHub、Confluence、Jira、Slack、Notion 等持续同步知识库原生桌面应用macOS/Windows/Linux 原生运行支持系统级搜索栏、截图捕获、推键语音及内置 llama.cpp 的纯本地推理。三、部署实战一pip 安装README 的 pip 安装路径强调必须使用 Python 3.11以避免兼容性问题pip install open-webui安装后启动服务open-webui serve服务启动后访问http://localhost:8080。这一点与仓库构建配置相互印证Dockerfile 的后端基础镜像即为python:3.11-slim-bookwormpyproject.toml中锁定的 FastAPI、Uvicorn、SQLAlchemy 等依赖版本均面向该 Python 大版本。生产容器入口 backend/start.sh 中默认值也是PORT8080、HOST0.0.0.0最终执行uvicorn open_webui.main:app与open-webui serve的端口一致。本地开发调试可直接使用仓库提供的脚本 backend/dev.sh它会以--reload热重载方式在 8080 端口启动 uvicorn并配置CORS_ALLOW_ORIGIN指向 Vite 前端的http://localhost:5173。四、部署实战二Docker 各形态4.1 部署前必读的三个约束README 对 Docker 部署给出了三条明确约束均有源码依据必须挂载数据卷-v open-webui:/app/backend/data——数据库与上传文件都落在此目录不挂载会丢失数据。docker-compose.yaml 中的volumes: - open-webui:/app/backend/data即为官方推荐写法:cuda与:ollama镜像要 GPU 加速或内置 Ollama 时应使用带:cuda或:ollama标签的官方镜像启用 CUDA 需在 Linux/WSL 上安装 NVIDIA CUDA 容器工具包。这对应 Dockerfile 顶部的构建参数USE_CUDA默认 CUDA 版本 cu128与USE_OLLAMA端口映射容器内服务固定监听 8080Dockerfile 中ENV PORT8080与EXPOSE 8080健康检查为curl http://localhost:8080/health宿主机常用 3000 映射。4.2 默认配置Ollama 在本机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--add-hosthost.docker.internal:host-gateway让容器内能通过host.docker.internal:11434访问宿主机上的 Ollama。这一行为在 backend/open_webui/config.py 中可见当OLLAMA_BASE_URL为/ollama且不在 K8s 环境时代码会自动解析为localhost:11434或http://host.docker.internal:11434。4.3 Ollama 在独立服务器将OLLAMA_BASE_URL指向远程服务器地址即可docker run -d -p 3000:8080 -e OLLAMA_BASE_URLhttps://example.com \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main4.4 启用 Nvidia GPU:cuda镜像docker run -d -p 3000:8080 --gpus all --add-hosthost.docker.internal:host-gateway \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:cuda4.5 仅使用 OpenAI API不依赖 Ollama 的最小化部署只需注入 API Keydocker run -d -p 3000:8080 -e OPENAI_API_KEYyour_secret_key \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main4.6 捆绑 Ollama 的一体化镜像:ollamaghcr.io/open-webui/open-webui:ollama将 Open WebUI 与 Ollama 打进同一容器一条命令完成全部部署带 GPUdocker run -d -p 3000:8080 --gpusall -v ollama:/root/.ollama \ -v open-webui:/app/backend/data --name open-webui --restart always \ ghcr.io/open-webui/open-webui:ollama纯 CPUdocker 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其原理可从 backend/start.sh 得到印证入口脚本检测到USE_OLLAMA_DOCKERtrue由 Dockerfile 构建参数注入时会在容器内先执行ollama serve 再启动 WebUI 服务。部署完成后访问http://localhost:3000。4.7 关键环境变量速查综合 README 与源码以下是日常部署最常用的环境变量及其默认值/行为环境变量作用默认值 / 备注OLLAMA_BASE_URLOllama 服务地址空/ollama时自动解析为本机/宿主地址见 config.pyOLLAMA_BASE_URLS多个 Ollama 实例分号分隔列表未设置时回退为单值OPENAI_API_KEYOpenAI 兼容 API 密钥空见 Dockerfile 中ENV OPENAI_API_KEYPORT/HOST服务监听端口/地址8080/0.0.0.0见 start.shWEBUI_SECRET_KEYJWT 等签名密钥容器内未设置时自动从.webui_secret_key文件生成24 字节随机 base64见 start.shHF_HUB_OFFLINE禁止从 HuggingFace 下载模型置1OFFLINE_MODEtrue会自动置位见 env.pyUVICORN_WORKERSuvicorn worker 数1多节点水平扩展时可调大配合 Redis提示docker-compose.yaml 中还显式设置了WEBUI_SECRET_KEY——当启用认证时密钥是硬性要求backend/open_webui/env.py 中会校验并给出提示生产环境建议显式指定一个长随机值。五、Dev 分支、离线模式与故障排查5.1 使用 Dev 分支:dev标签包含最新的不稳定功能README 明确警告可能包含 Bug 或不完整特性请自行评估风险docker run -d -p 3000:8080 -v open-webui:/app/backend/data --name open-webui \ --add-hosthost.docker.internal:host-gateway --restart always \ ghcr.io/open-webui/open-webui:dev5.2 离线模式在离线环境中运行时设置HF_HUB_OFFLINE1可阻止一切联网下载模型的尝试export HF_HUB_OFFLINE1从源码看backend/open_webui/env.py更彻底的做法是设置OFFLINE_MODEtrue它会同时置位HF_HUB_OFFLINE1并关闭版本更新检查。5.3 典型故障Server Connection ErrorREADME 给出的最常见连接问题是容器内 WebUI 无法访问127.0.0.1:11434即宿主机的 Ollama。解决方案是使用--networkhost让容器直接复用宿主机网络栈注意此时容器端口不再映射访问地址变为http://localhost:8080docker run -d --networkhost -v open-webui:/app/backend/data \ -e OLLAMA_BASE_URLhttp://127.0.0.1:11434 --name open-webui --restart always \ ghcr.io/open-webui/open-webui:main除 README 提供的排障指引外仓库内的 backend/dev.sh 与健康检查机制Dockerfile 中的HEALTHCHECK ... /health也都可以作为定位服务是否真正就绪的抓手curl http://localhost:8080/health返回{status: true}即表示后端正常。六、许可与漏洞披露许可证本项目包含多重许可的代码——当前代码库主体采用Open WebUI License附加保留 Open WebUI 品牌的要求历史贡献保留其原始许可。具体条款见 LICENSE 与 LICENSE_HISTORYREADME.md 建议部署前仔细审阅。安全披露README.md 声明安全漏洞仅通过 GitHub 的负责任披露渠道接收报告报告会被分诊、修复并以公开公告形式发布仓库内另有 docs/SECURITY.md 提供披露流程细节。遥测默认关闭Dockerfile 中默认设置ANONYMIZED_TELEMETRYfalse、DO_NOT_TRACKtrue、SCARF_NO_ANALYTICStrue自托管时不会主动上报使用数据。七、小结Open WebUI 的价值在于把“自托管 AI 工作台”所需的能力集——多模型接入、RAG 知识库、插件与工具生态、企业身份集成、多节点扩展——收敛到一个可pip install或单条docker run启动的发行物中。本文覆盖的部署命令均可直接复制使用本地 Ollama 用默认镜像加host-gateway跨机 Ollama 用OLLAMA_BASE_URLGPU 用:cuda想要零配置一体化则用:ollama。如需了解更新机制、Kubernetes/Helm 等更多安装方式可进一步查阅仓库内 CHANGELOG.md 追踪版本变化以及 Dockerfile 中USE_CUDA、USE_OLLAMA、USE_SLIM等构建参数来自定义镜像裁剪。【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