AI聚合网页版Open WebUI：一条命令把本地Ollama变成全设备可用的聊天站

📺 本图文教程由视频整理而成，对应的参考视频：AI聚合网页版Open WebUI～本地大模型Ollama绝配～。如需查看更详细、更具体的操作演示，可观看原视频。

场景：已经在某台电脑（如 Mac mini）上装好 Ollama 并下载了本地模型，但每换一台设备就要装一次客户端（Cherry Studio 之类）才能聊天。想在局域网里架一个网页版入口，手机、平板、其它电脑打开浏览器就能用同一个模型。

提示：本教程配套的操作文档，可在好用斋官网 → 网盘分享（提取码 540）中下载。

Open WebUI 是一个自托管的 AI 聚合界面，前端体验接近 ChatGPT，后端可以直接对接 Ollama、OpenAI 兼容接口等多种模型服务。项目在 GitHub 上已有 132K Star，官网见 openwebui.com，源码与 Release 见 open-webui/open-webui。

第一步：获取配套文档

配套文档共三部分：Docker CLI 命令、Open WebUI 的官网与 GitHub 地址、好用斋官网。命令直接复制即可用，后两部分按需查阅，想拿最新版本就去官网或 Release 页。

第二步：读懂这条 docker 命令

bash

docker run -d \
  -p 3030:8080 \
  -e OLLAMA_BASE_URL=http://192.168.31.222:11434 \
  -e RAG_EMBEDDING_MODEL="" \
  -e RAG_TEMPLATE="" \
  -v /vol1/1000/tools/open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.nju.edu.cn/open-webui/open-webui:main

参数	说明
`-d`	容器后台运行
`-p 3030:8080`	端口映射，容器内固定 `8080`，宿主机用 `3030`。8080 被占用太多，可改成自己喜欢的端口
`-e OLLAMA_BASE_URL`	Ollama 的 API 地址，必须改成你自己那台安装Ollama设备的 IP，端口 `11434` 是 Ollama 默认端口不用动
`-e RAG_EMBEDDING_MODEL=""`	置空，跳过启动时自动下载 RAG 向量模型
`-e RAG_TEMPLATE=""`	置空，同上，避免首启动去 Hugging Face 拉模型
`-v ...:/app/backend/data`	数据目录映射，冒号后面的容器内路径不能改，只改冒号前的本地路径
`--name open-webui`	容器名称，可自定义
`--restart always`	重启策略，飞牛用 `always`；其它系统建议 `unless-stopped`
`ghcr.nju.edu.cn/...`	镜像地址，南京大学镜像源加速，国内拉取更快

注意

OLLAMA_BASE_URL 里的 IP 是「安装 Ollama 那台设备」的地址，不是 NAS 的地址。如果 Ollama 还没装，参考前面的 Ollama 安装视频。另两条 RAG 环境变量不置空的话，首次启动会去 Hugging Face 下载模型，启动会非常慢。

第三步：执行命令部署

SSH 登录 NAS，执行 sudo -i 切换到 root：

bash

sudo -i

输入管理员密码时屏幕不会有任何显示，输完直接回车。然后右键粘贴上面的整条 docker 命令并回车。镜像已拉取过的话会直接创建容器。

第四步：确认容器正常运行

打开飞牛 NAS，进入「Docker」→「容器」，open-webui 已经在列表中运行。点该容器右侧的端口号，浏览器会打开 http://NAS的IP:3030。

Open WebUI 容器已在飞牛 Docker 管理器中自动运行

页面能正常打开就说明部署成功。若一直转圈，先检查那两条 RAG 环境变量是否置空、OLLAMA_BASE_URL 是否填对。

第五步：创建管理员账号

首次访问会进入「开始使用 Open WebUI」页面，填写名称、电子邮件、密码，点「创建管理员账号」。

这里的账号密码是随意填的，不会联网验证，本质是建立一个本地账户。创建完成后点「确认开始使用」。

第六步：选择模型开始对话

进入主界面后，Open WebUI 已经自动读取到 Ollama 里的模型列表。左上角下拉框可以切换，例如 gemma4:e2b、qwen2.5:7b、qwen3.5:4b。

gemma4、qwen3.5:4b 属于思考模型，回答前会先输出思考过程，日常聊天略显拖沓；纯聊天场景选 qwen2.5:7b 更顺手。

选中 qwen2.5:7b 模型后正常对话，下方可查看生成速度与追问建议

直接提问即可，例如「你都能做什么」。实测 7B 模型生成速度约 18 token/s，而正常人阅读速度约 13 token/s，已经够用。每条回答下方有朗读、复制按钮，点开还能看到 token 统计等详细信息。

说明

本地 7B 模型的智商比不过在线大模型，但胜在免费、可离线、数据不出内网。隐私敏感的内容放本地跑，复杂任务再交给在线模型，按需组合即可。

第七步：局域网内其它设备访问

部署完成后，局域网内所有设备（手机、平板、其它电脑）直接用浏览器访问：

text

http://NAS的IP:3030

地址就是安装 Open WebUI 那台飞牛 NAS 的 IP，加上你在 -p 里设置的宿主机端口。无需在每台设备上再装客户端。

第八步：其它功能（可选）

界面左侧还有笔记、知识库等入口。简单的笔记需求可以直接用；如果想做完整的个人知识库，Open WebUI 不是最优解，普遍认为 Anything LLM 更合适。

作者会把OpenWebUI加进 Docker 懒人包的「AI工具」一栏，可以使用懒人包直接安装。

总结

Open WebUI 解决的是「Ollama 只有本机能用」的问题，一个网页入口覆盖全局域网设备。
部署只需一条 docker 命令，核心是三处改动：OLLAMA_BASE_URL 的 IP、-p 的宿主机端口、-v 的本地数据路径。
两条 RAG 环境变量置空，可跳过 Hugging Face 模型下载，启动速度差别非常大。
端口映射冒号右边、路径映射冒号右边都不能改，只改左边。
管理员账号是本地账户，随意填写，不联网校验。
日常聊天优先选非思考型模型（如 qwen2.5:7b），响应更快。
重启策略飞牛用 always，其它系统用 unless-stopped。

参考视频

AI聚合网页版Open WebUI～本地大模型Ollama绝配～

好用斋官网

好用斋官网｜网盘分享