OpenWebUI 部署指南:两条命令给 Ollama 搭个网页工作台
只装Ollama往往只能跑命令行,体验割裂。本文介绍如何用OpenWebUI构建图形化界面,统一管理本地模型与云端API(如DeepSeek),并配置内网穿透实现远程访问,将本地算力转化为随时可用的私人AI助理。
装好 Ollama 之后,为什么还要再上一个 OpenWebUI
本地跑大模型,多数开发者的起手式都是装 Ollama。下载一条命令,运行几条命令,模型就能跑。不过真到天天用的时候,不少人会觉得这套东西有点“原始”。
偶尔问一句代码报错,终端里的命令行交互完全够用。可一旦要频繁切换不同参数的模型、翻几天前的对话记录,或者把本地 PDF 喂给模型做总结,命令行就顶不住了。指令每次都得重新敲,上下文还得自己管,这种摩擦感会让原本高效的工具变得难以坚持使用。
这时候,OpenWebUI 的作用就显出来了。它并不打算取代 Ollama,只是给 Ollama 套了一层“外壳”。浏览器里就能用上一个类似 ChatGPT 的网页界面,模型挑选、聊天、上传文档、调参数,全都在这里完成。
更重要的是,它不仅能连接本地的 Ollama,还能同时接入云端的 API(比如
DeepSeek 或通义千问),把分散的工具整合成一个统一的工作台。这篇文章不聊复杂的原理,只讲怎么把这个工作台搭起来,让它真正融入你的工作流。
快速部署:两条命令启动服务
OpenWebUI 的部署方式有很多,比如 Docker 或源码编译。对于大多数个人用户,尤其是 Windows 或 macOS 用户,直接使用 Python pip 安装是最快且维护成本最低的方式。
环境准备
第一步,确认电脑上装的是 Python 3.11。别的版本也能跑,但目前兼容性最稳的是 3.11。版本拿不准的话,在终端里输入python --version 查看。
为了加快依赖包的下载速度,建议先配置国内镜像源。以清华源为例:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple安装与启动
配置好环境后,只需执行以下命令即可安装:
pip install open-webui安装完成后,启动服务:
open-webui serve当终端显示服务正在监听端口(默认是 8080)时,打开浏览器访问http://localhost:8080/。打开后是一个干净的登录注册页。建好第一个管理员账号,就进到主界面了。只要本地 Ollama 正在运行,OpenWebUI 会自己识别出来,并把已经下载的模型列出来。
模型接入:本地与云端的混合管理
能同时管住多个来源的模型,是 OpenWebUI 最关键的长处。简单任务交给本地的轻量模型,复杂推理交给云端的大模型,两边来回切换,界面始终是同一个。
接入本地 Ollama 模型
如果你还没有安装 Ollama,可以去官网下载对应系统的安装包。安装后,在终端运行ollama serve 启动服务。
进 OpenWebUI 后,点左下角头像,打开“设置”,再进“管理员设置”。找到“外部连接”,核对一下 Ollama API 的地址填得对不对(默认是http://localhost:11434)。连接成功后,回到聊天界面,点击模型选择下拉框,你应该能看到本地已下载的模型列表。
如果想尝试新模型,可以直接在搜索栏输入模型名称,例如deepseek-r1:1.5b。点击拉取按钮,OpenWebUI 会调用 Ollama 自动下载该模型。对于显存有限的电脑,1.5B 或 7B 的小模型响应速度极快,适合日常闲聊或简单代码辅助。
接入云端 API:以阿里云百炼为例
本地硬件终归有上限,671B 这种满血版大模型跑不动的时候,云端 API 能补上这个缺口。拿阿里云百炼来说,新用户一般有免费 Token 额度,拿来测试挺合适。
- 获取 API Key打开阿里云百炼控制台,在“API-KEY 管理”里新建一个密钥。把以
sk-开头的那串字符复制下来。 - 配置连接:返回 OpenWebUI 的管理员设置,找到“外部连接”,点“OpenAI API”右侧的加号。
- 填写信息:
- 名称:想怎么填都行,比如“Aliyun Bailian”
- Base URL 一栏,填写
https://dashscope.aliyuncs.com/compatible-mode/v1/ - API Key:把刚才复制的那串密钥粘贴进来
保存之后回到聊天界面,刷新一下模型列表,来自云端的 DeepSeek R1 以及通义千问的其他模型就会出现在列表里。低配电脑也能用上顶级模型的推理能力,还不用担心本地显存被撑爆。
突破局域网:实现远程访问
在家里搭好的 AI 工作台,如果只限于自家 WiFi 下使用,实用性就差了不少。出差在外或者坐在公司,能随时连回家里那台机器,体验会好很多。内网穿透这里推荐 cpolar,配置不复杂,也有免费方案可用。
安装 cpolar
去 cpolar 官网下载对应系统的安装包。Windows 用户直接运行 exe 文件安装,macOS 和 Linux 用户走命令行安装。装好后在终端输入cpolar version确认安装成功。
配置隧道
- 注册与登录访问 cpolar 官网注册账号,再用浏览器打开
http://127.0.0.1:9200登录本地管理后台。 - 创建隧道在左侧菜单点“隧道管理” -> “隧道列表”,然后点“创建隧道”。名称填“OpenWebUI”,协议选“HTTP”,本地地址填
8080也就是 OpenWebUI 运行所用的端口。 - 获取公网地址:保存之后,“在线隧道列表”里会生成公网地址。通常会给出 HTTP 和 HTTPS 两个,建议用 HTTPS 地址,数据传输更安全。
这样一来,不管人在哪里,只要浏览器能上网,输入这个公网地址就能打开家里的 OpenWebUI。不过免费版的公网地址可能每 24 小时变一次。想要固定域名的话,可以在 cpolar 后台申请保留二级子域名,再把它绑定到隧道配置里,就能得到一个永久不变的访问入口。
进阶技巧:让工作台更顺手
基础功能跑通之后,还有几个细节能让使用体验明显提升。
知识库功能(RAG):聊天界面右侧一般有个“知识库”或“文档”图标,点开上传本地的 PDF、Word 或 TXT 文件。OpenWebUI 会自动完成切片和向量化。之后聊天时选中这个知识库,模型就会依据文档内容作答。读长篇技术文档或论文时很省事,不用再手动复制粘贴。
提示词模板:如果经常让模型扮演固定角色,比如“Python 代码审查员”或“翻译助手”,可以在设置里把提示词存成模板。下次一键加载,冗长的指令不用重复敲。
多用户管理:团队使用时,可以在管理员设置里打开注册功能,再给不同成员分配权限。每个人的对话历史和知识库各自独立,互不干扰。
写在最后
技术工具好不好用,看的不是它有多复杂,而是能不能自然融进日常。Ollama 解决的是“模型本地化”,OpenWebUI 解决的是“交互人性化”,内网穿透又补上了“访问自由化”。三样凑到一起,私人 AI 助理就不再只是极客的玩具,而是能真正派上用场的生产力工具。
功能不必一口气全学会。最省事的入口是 pip 安装,先把第一个对话跑起来,之后再逐步试着接云端模型、传文档。走到这一步你会慢慢发现,本地算力能做的事比原先估计的多不少。