Open WebUI 是一个可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行。它支持各种 LLM 运行器，如 DeepSeek 和 OpenAI 兼容的 API，并内置了 RAG 推理引擎（本地知识库），使其成为强大的 AI 部署解决方案。
自DeepSeek模型崭露头角以来，Open WebUI作为其优秀的配套界面也随之广受关注。这两者的完美结合不仅为用户提供了强大的本地部署方案，更成为了构建私有知识库的理想选择。DeepSeek出色的理解能力与Open WebUI便捷的操作界面相得益彰，为用户打造了一个功能完整、使用便利的本地化AI解决方案。

Windows安装部署教程

一、环境准备

1、安装Python环境

使用openwebui需要安装python版本需要>=3.11(开发版本)。本次安装使用python3.11.6，推荐大家也使用相同版本即可。这里我准备好了本次实战版本，下载即可：https://ablai.lyzplus.cn/python-3.11.6-amd64.exe
Python安装教程可以参考：https://blog.csdn.net/qq_53280175/article/details/121107748

安装过程中需要注意：勾选 Add Python to PATH 选项
安装过程中需要注意：勾选 Add Python to PATH 选项
安装过程中需要注意：勾选 Add Python to PATH 选项

2、手动安装

我们使用官方强烈建议的uv，因为它可以简化环境管理并最大限度地减少潜在冲突。
运行时管理器可确保对 Open WebUI 等应用程序进行无缝的 Python 环境管理。请按照以下步骤开始：

1. 安装uv：

1. Win+X(开始+搜索PowerShell+选择管理员打开)打开Powershell
2. 执行以下安装命令：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

如果连接超时使用下面这个命令：

powershell -ExecutionPolicy ByPass -c "irm https://ablai.lyzplus.cn/uv-installer.ps1 | iex"

2.运行 Open WebUI

安装后，运行 Open WebUI 就轻而易举了。使用以下命令，确保设置环境变量以避免数据丢失。为每个平台提供了示例路径：uv DATA_DIR
执行以下命令运行：

$env:DATA_DIR="C:\open-webui\data"; uvx --python 3.11 open-webui@latest serve

等待安装/启动完成即可。（只有首次启动需要安装）

运行成功后访问：http://127.0.0.1:8080 即可访问Open WebUI，安装完成。

MacOS/Linux部署教程

一、环境准备

1、安装Python环境

使用openwebui需要安装python版本需要>=3.11(开发版本)。本次安装使用python3.11.6，推荐大家也使用相同版本即可。这里我准备好了本次实战版本，下载即可：https://ablai.lyzplus.cn/python-3.11.6-macos11.pkg
运行python安装程序，一路点下一步完成安装即可。
在终端输入python3 -v显示：

Python 3.11.6 (v3.11.6:8b6ee5ba3b, Oct  2 2023, 11:18:21) [Clang 13.0.0 (clang-1300.0.29.30)] on darwin

则安装成功。

2、手动安装

我们使用官方强烈建议的uv，因为它可以简化环境管理并最大限度地减少潜在冲突。
运行时管理器可确保对 Open WebUI 等应用程序进行无缝的 Python 环境管理。请按照以下步骤开始：

1. 安装uv：

在终端执行以下安装命令：

curl -LsSf https://astral.sh/uv/install.sh | sh

2.运行 Open WebUI

安装后，运行 Open WebUI 就轻而易举了。使用以下命令，确保设置环境变量以避免数据丢失。为每个平台提供了示例路径：uv DATA_DIR
执行以下命令运行：

DATA_DIR=~/.open-webui uvx --python 3.11 open-webui@latest serve

等待安装/启动完成即可。（只有首次启动需要安装）
运行成功后访问：http://0.0.0.0:8080 即可访问Open WebUI，安装完成。

知识库配置（必需）

想要实现本地RAG(检索增强生成)，也就知识库，需要借助向量模型对上传到知识库的文本进行向量化解析，通俗的讲就是将文本语义解析为LLM容易识别的向量名词。
本次实战使用的是 阿波罗AI(提供一站式大模型对接服务，稳定快速可靠)

设置向量模型

1、进入管理员设置

2、设置文档项

按照上图中的步骤进行设置，其中需要注意的是：

• 代理地址填 https://api.ablai.top/v1 (没有账号需要 注册)
• 令牌密钥必须是ssvip分组的API_KEY，没有的话新建一个。
  
  
  设置完毕后，对话上传和新建知识库上传文件就会自动实现向量解析。

开始使用

1. 新建知识库
   
2. 使用知识库
   

LLM大模型配置(必需)

想要解锁对话功能，需要对接大模型，我们使用阿波罗AI(提供一站式大模型对接服务，稳定快速可靠) 进行对接。阿波罗AI的代理能够支持Open-WebUI全部能力。
阿波罗AI对接后几百种模型(DeepSeek、ChatGPT、Claude、通义千问、文言一心、谷歌等)你都可以使用，详情查看：模型列表

设置外部链接

1、进入管理员设置

2、设置外部链接

• 代理地址填 https://api.ablai.top/v1 (没有账号需要 注册)
• 密钥可以根据模型使用情况选择分组设置
• 可以手动添加模型
  

开始对话

1、选择模型对话即可