ollama 本地部署 open-webui 教程

很多人按教程装完 Ollama，命令行能聊，但一想到要个网页界面就卡住了：Open WebUI 到底用 Docker 装还是 pip 装、装完为什么列表里一个模型都没有、容器里怎么访问宿主机的 Ollama。这篇按顺序走一遍：先确认 Ollama 服务本身能被访问，再选一条部署路径，最后逐项排查连接失败。

很多人第一次装 Ollama 都是同一个节奏：终端里 ollama run 跑通了，跟模型聊了两句挺开心，然后想给它配个网页界面，一搜教程就蒙了。到底是 Docker 装还是手动装，装完为什么模型列表里空空的，容器里那串地址到底该写什么，一堆问号。

这篇按顺序捋一遍。核心思路就一句：先确认 Ollama 这个服务本身能被访问，再选一条部署路径，最后才去排查界面连不上的问题。顺序错了会在没用的地方反复试。整篇不聊具体的机器配置该买哪张卡，那是另一件事，需要数字的时候去站内页面核对。

先想清楚为什么要套一层网页界面

命令行能跑，不代表日常好用。多轮对话、翻历史记录、在几个模型之间来回切、丢一个文件进去让它读，这些在终端里都挺别扭。网页界面解决的就是这层体验问题，它本质是个前端壳子，把请求转发给后面的模型服务。

关键认知：装了界面，模型还是跑在 Ollama 上，算力消耗和显存占用不会因为多了个网页而变多，也不会变少。多出来的是一个常驻的小服务，占一点内存和 CPU。所以装之前先想清楚你到底要什么。

• 只是偶尔试一句话、看看某个模型中文顺不顺：纯命令行够了，不用装界面
• 想长期挂着用，还要传文件、存历史、以后接知识库：网页界面的价值就出来了
• 机器内存本来就紧：多一个常驻服务就是多一份压力，这时候别硬上
• 打算给同事一起用：界面是基础，但后面还有权限、并发、端口暴露一堆事，先想好是个人自用还是局域网共用

第一步：确认 Ollama 服务本身能被访问

这是最多人跳过、也最容易踩坑的一步。界面连不上的问题，一半其实出在这一层。所以先别急着装界面，先把 Ollama 自己确认清楚。

1. 确认模型已经拉好在终端里跑一次对话，能正常出字就说明模型在本地、服务是活的。这一步不通，后面全是白搭。
2. 搞清楚监听地址和端口默认情况下服务只在本机回环地址上听，别的机器（包括容器）找不到它。要让容器里的界面能访问，就得把监听范围放开。
3. 直接请求一次接口用浏览器或者命令行直接访问一下那个接口地址。能返回内容，说明服务侧没问题，问题在界面；连不上，就先修 Ollama，别往下走。
4. 掂量放开监听的风险放开监听范围等于把接口暴露给同网段甚至更大范围。家用机、公司内网、云服务器三种场景风险完全不同。不确定就先只在自己机器上试，别一上来就全网段开放。

两条安装路线：Docker 和手动装，怎么挑

路线选择没有绝对好坏，看你机器拿来干嘛。下面这张表帮你快速对号入座。

一句话选择：长期当服务用、还想以后接知识库一类功能的，倾向 Docker；只是本机临时玩一下的，手动装更快。两条路装完第一件事都一样——看界面里能不能识别到你已经拉取的模型。看不到就往下走排查流程。

首次跑通：从打开页面到发出第一句话

1. 创建第一个管理员账号第一次进页面会让你建账号，数据存在本地。换设备或者清数据之前，先想清楚这个账号和里面的会话记录要不要留。
2. 检查模型列表列表是空的，绝大多数情况不是你没装模型，而是界面还没连上模型服务。先回到连接配置那边看地址填对没有。
3. 选模型发第一句话发出去之后盯着响应速度和机器占用看。这一步是判断你这台机器够不够用的最快方式。
4. 回答慢得离谱时先别怀疑界面。多半是模型太大，被挤到内存里跑，速度自然崩。去站内的部署测算页面确认你这张卡能跑多大的模型。

顺序别跳。账号、模型列表、第一句话，这三步是连贯的，卡在哪一步，就去修对应的那一层。

连不上、找不到模型：按这个顺序排查

排查这件事最忌讳东试一下西试一下。固定顺序往下走，每步都有明确的「过了/没过」判断。

1. 查地址填写容器里写回环地址一定连不上宿主机，这是第一大坑。换成宿主机在容器网络里的地址再试。
2. 查监听是否真的放开改完环境变量要重启服务才生效。改完不重启，等于没改。
3. 查防火墙和端口占用同网段其他设备访问不了，多半卡在这。确认端口放行，也确认端口没被别的程序占了。
4. 看日志两边都留了日志。报错信息基本能直接告诉你是连接被拒，还是模型加载失败，别猜。跨机器访问失败时，回头确认监听范围和网络策略是不是一致。

想让别人也能用：局域网共享和一个提醒

自己用和给别人用，复杂度差一个量级。想让同事在局域网里访问，需要把界面端口放开，同时确认模型服务同样可达。只开一边，等于没开。

• 多人共用一个模型服务会排队，人一多体验必然下降，这是架构决定的，不是你配置错了
• 人数上去之后，要考虑更高吞吐的推理框架，这类取舍站内有专门对比，需要时去核对
• 没有账号和访问控制，就别往公网放。一个没鉴权的本地模型接口被扫到，等于白送算力
• 临时演示完记得关掉对外监听，别让它长期挂着

判断标准很简单：只有你能访问、网络环境你完全可控，随便放；只要涉及别人，就先把鉴权和端口范围这两件事定下来。

什么情况下这套方案不合适

这套组合的定位是个人或小团队自用。踩到下面几条里的任何一条，就不该硬上，换方案更省心。

这里没有绝对结论。如果你的场景就是「我一个人用、机器还行」，那这套方案又好又省事。判断的锚点是人数、硬件和权限要求这三项。

一份可以照着打勾的部署清单

部署完之后，拿这张清单从头对一遍。哪一项没打勾，就去补哪一项，别凭感觉觉得「应该没问题」。

• 硬件：确认显存和内存能装下目标模型，不确定先去站内部署测算页面算一遍
• 服务：Ollama 已启动、模型已拉取、接口地址在本机能直接访问
• 网络：确认监听地址、端口放行范围、是否允许同网段访问
• 界面：装好并完成首次账号设置，模型列表里能看到已拉取的模型
• 回归：重启一次机器，确认服务和界面都能自动恢复，避免下次开机又要手动折腾

最后一条「回归」最容易被忽略。很多人装完当场能用，第二天开机发现全没了，又得重来一遍。重启验证花不了一分钟，能省掉后面很多麻烦。