151,131 个 Star。GitHub 上按热度排，Open WebUI 长期待在全站最前排的 AI 项目里，比很多商业 AI 产品还火。它做的事一句话能说清：把 ChatGPT 那样的聊天界面装进你自己的服务器，Ollama 拉的本地模型、OpenAI 兼容的云端 API，全都收进同一个对话框里。
我从 2024 年初就开始折腾本地大模型，换过好几套界面，最后留在 Open WebUI 上没走。这篇把它的玩法、坑和适用人群一次说透。
定位很简单：本地模型的专属 ChatGPT 界面
本地装了大模型之后，怎么跟它聊天是个问题。Ollama 默认只有命令行，网页界面要自己找。Open WebUI 最开始就是给 Ollama 补网页界面的，后来一路长成了完整的 AI 平台：多模型切换、知识库问答、联网搜索、Agent 工具、多人账号管理，全都有。
它对模型来源不挑食。Ollama 本地模型能用，OpenAI、GroqCloud、OpenRouter、vLLM、LMStudio 这些 OpenAI 兼容接口也能接，想混着用也行——同一个对话里，A 模型答完换 B 模型追问。
为什么它能拿下 15 万 Star
我观察下来，几个原因叠在一起，别的项目很难复制。
安装简单到不像开源项目。 一条 Docker 命令起服务，浏览器打开就能用，官方还提供带 Ollama 和 CUDA 的镜像，显卡党不用额外配置。
功能密度高得吓人。 我数过它的功能列表，RAG 知识库、联网搜索、多模型对话、语音输入、图片生成、日历日程、自动化任务……这些功能单拎出来都能当独立产品卖，它全塞进一个开源项目里免费给。
更新快得离谱。 最新版 v0.11.3 是 2026 年 8 月 31 号发的，基本保持两周一个大版本。有些新特性刚在商业产品里出现，它这边已经开源可用了。
装起来到底多简单
有 Docker 的话，复制这一行就行：
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
跑起来之后浏览器访问 http://localhost:3000，注册第一个账号就是管理员。不想用 Docker 也行，Python 3.11 环境里 pip install open-webui，然后 open-webui serve，默认监听 8080 端口。
唯一要注意的坑：数据卷一定要挂载（上面命令里的 -v open-webui:/app/backend/data），忘了挂的话容器一删，聊天记录和账号全没了。
不只聊天：知识库和 Agent 才是重头
单聊本地模型只是入门玩法。Open WebUI 让我愿意一直用下去的，是这两块：
本地 RAG 知识库。 它支持 9 种向量数据库，文档拖进去就能基于你的资料问答，还能开混合检索（BM25 + 向量）加重排。想让它联网查最新信息也行，内置了几十家搜索服务商，SearXNG、Tavily、Perplexity 这些都有，甚至能把网址直接丢给对话让它抓取。
Agent 和插件生态。 你可以给任意模型配工具、写提示词，包装成专门的 Agent。官方插件体系有 Filters、Tools、Pipes、Skills 几类，还能通过 MCP 接外部服务。生态已经滚起来了，社区里现成的东西不少。
多人用才是它的完全体
个人自用只是皮毛。Open WebUI 有完整的账号体系和细粒度权限控制，管理员可以给不同用户分不同模型、不同工具。团队里搭一个，大家共用一台机器的 GPU，谁用哪个模型、花了多少 token，后台仪表盘全有统计。
企业场景也不虚：支持 LDAP/Active Directory 登录、SSO、SCIM 同步，数据库可以选 PostgreSQL，存储能接 S3 或者 Azure Blob，还能用 Redis 做多节点水平扩展。这些配置项的存在，说明它从一开始就是按正经产品做的，不是玩具。
说点真实的槽点
夸了这么多，也得说说不顺的地方。
功能太多，设置项也跟着爆炸。刚上手的人打开设置面板会懵，光模型连接就有好几个入口，文档得翻一阵子才能摸清逻辑。我见过不少朋友装完五分钟就放弃了。
硬件门槛也不算低。它本体是 Python 写的，内存占用不小，你要是还想本地跑模型，没个 16G 内存的机器会很吃力。没有 NVIDIA 显卡的话，本地大模型体验基本没法看。
版本更新太勤同样是负担。两周一个大版本，升级频繁，偶尔会遇到升级后配置要重新弄的情况。图省事的话别追新，用稳定版就好。
跟同类怎么选
同类里常被拿来比的还有 LobeChat 和 AnythingLLM。
LobeChat 界面更漂亮、更轻，个人单机用挺舒服，但团队权限、细粒度管理这些企业功能是弱项。
AnythingLLM 主打文档问答，RAG 做得深，但整体是个偏单机的工具，扩展性不如 Open WebUI。
我的建议很直接：个人尝鲜图省心选 LobeChat，重度文档问答选 AnythingLLM，想正经搭一个能用几年、能带团队的自托管 AI 平台，Open WebUI 是当下最稳的选择。
数据全在自己手里、不按人头收费、社区活跃还在快速迭代——对在意隐私和成本的人，这几乎是目前的最优解。
官网：openwebui.com
GitHub：github.com/open-webui/open-webui
文档：docs.openwebui.com
标签：#OpenWebUI #本地大模型 #Ollama #自托管 #RAG知识库 #AI聊天 #开源AI平台
想继续看：同类自托管平台
📎 相关阅读：Odysseus：自托管全能AI工作台，把ChatGPT和Claude搬到自己服务器上
📎 相关阅读：Uncensored AI Studio：零配置本地无审查AI全家桶
关注我，每期分享一个帮你省事的强大工具 🛠️