OpenWebUI，RAG+外部知识库+AI写文的开源应用

最新推荐文章于 2025-06-07 22:20:49 发布

大模型产品经理

最新推荐文章于 2025-06-07 22:20:49 发布

阅读量7.3k

点赞数 57

CC 4.0 BY-SA版权

文章标签：人工智能开源大数据数据挖掘 transformer AI

本文链接：https://blog.youkuaiyun.com/bagell/article/details/145300305

引言

自从去年AI火起来之后，很多人便热衷于寻找适合自用的AI开源项目，把各家大模型API接入到自己的AI程序里，便可以通过AI辅助完成一系列日常任务，比如内容翻译/润色/总结/撰写、格式转换、数据分类、代码分析、角色扮演等等。

一般情况下，大模型依靠自身训练数据便能够完成的任务质量偏高，像翻译总结、格式转换之类，市面上所有的AI程序基本都能够满足这一点需求；但是需要结合外部资料/超长上文信息/实时信息等才能够更好完成任务的场景，比如撰写热点文章、写小说、写汇报材料等等，涉及到知识空白，所以大模型在不借助外部资料的时候，给出的任务结果就显得非常逊色，甚至错误百出。

市面上带有外部知识库功能的开源AI程序本身也不多，已知的有LibreChat、AnythingLLM、OpenWebUI、Cherry Studio等，因本文主要讲解ChatAI类应用，并不涉及智能体问题，所以像dify这种不列在其中，此类程序无一例外都是借助于检索增强生成RAG（Retrieval Augmented Generation）技术，实现了外部知识库的挂载，从而增强AI的任务完成品质。

目前看来，OpenWebUI是这几个带有RAG结合项目中实现功能最为丰富的开源AI项目，大部分RAG+AI结合的项目，仅实现了文件上传对话的基本功能，这只能满足一次性文件嵌入使用的需求。OpenWebUI除此之外，还进一步利用RAG，开发了类ChatGPT官网GPTs那样的“自定义模型”功能，自定义模型中嵌入的外部知识库，是可以动态更新的，如此以来让AI按照人类思路分步骤（1、定选题；2、查资料；3、列大纲；4、写正文）撰写材料成为可能。

项目介绍

Open WebUI 是一个可扩展、功能丰富且用户友好的自托管 WebUI，旨在完全离线操作。它支持多种 LLM 运行器，包括 Ollama 和兼容 OpenAI 的 API。

项目地址：

https://github.com/open-webui/open-webui

核心功能：

• 自定义构建新模型；
• 自定义知识库、工具、函数；
• 支持OpenAI API兼容格式；
• 集成RAG和基于RAG的网络检索；
• Markdown和Latex渲染支持；
• 支持语音、绘图等；
• 模型竞技场；
• 自定义用户角色和权限（RBAC）；
• 响应式设计，支持PWA；
• 多语言支持；

该项目已在Github斩获了4.5万stars，网上关于该项目的讨论很多，感兴趣可以自行查询谷歌。

OpenWebUI界面

安装与设置

1、安装前准备：

根据官方文档完成本项目的本地安装或远程安装，如需远程安装需准备一台服务器和一个域名（最好）。

• 服务器：
由于受网络管制影响，Docker在国内拉取镜像可行性较低，所以最好购买一台香港或者海外服务器，非常不推荐购买国内服务器（国内服务器处处都是坑！）
• 域名：
同样不推荐在国内域名服务商那里购买域名，因为涉及到备案或者其它可能发生的不可描述“违规”问题，国内域名服务商会有几率不留情面的将你的域名禁掉，无法解析和迁移。当然如果你认为无所谓，则无需考虑上述建议，毕竟正常情况下，国内域名服务商的解析速度的确更快一些。

如果不知道如何找到合适服务器商和域名服务商，可见文末推荐。

2、安装宝塔与Docker：

从宝塔官网找到Linux面板命令说明，并按照提示安装宝塔。

宝塔Linux命令入口：

https://www.bt.cn/new/btcode.html

3、终端命令启动：

在执行命令之前，要放行端口3000

`docker run -d -p 3000:8080 -e OPENAI_API_KEY=your_secret_key -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main`

4、OpenAI设置

Docker容器构建完成后，你通过服务器IP+3000端口就可以成功访问程序了。首次打开，注册即是系统管理员，后续再注册用户均受管理员设置的权限控制。

设置外部链接，接入大模型API。

设置OpenAI的API

本文暂不讨论使用Ollama本地大模型，仅使用了OpenAI的API。其中，OpenAI API要填写对应的Base url 和 Key，注意此处要增加后缀/v1，如果你是从聚合AI>>（https://juheai.qyiwl.cn）购买的API，此处接口应该填写：

`https://api.juheai.top/v1`

填写校验通过后，系统会自动识别到所有可用模型。

5、绑定域名

如果你希望系统更加稳定，建议完成该步骤。通过宝塔面板->网站->反向代理实现绑定域名，并添加免费的SSL证书。

6、安装Pipeline

如果你需要完整的使用OpenWebUI中的工具和函数，还需要安装此项目，如此以来就可以实现诸如以下的功能：

• 自定义RAG
• 各种函数调用
• 实施监控和分析消息
• 有害信息过滤
• 速率限制
• …

安装仅需在服务器执行以下命令（首先开启9099端口）：

`docker run -d -p 9099:9099 --add-host=host.docker.internal:host-gateway -v pipelines:/app/pipelines --name pipelines --restart always ghcr.io/open-webui/pipelines:main`

然后继续完成域名的绑定操作，比如你可以绑定到pipeline.example.com。

最后将部署好的域名配置到OpenWebUI中即可，对应的API密码在官方文档中已给出：0p3n-w3bu!

7、文档设置

如果需要使用RAG文档识别功能则需要配置此项，设置和提示词见下：

``提示词：   **Generate Response to User Query****Step 1: Parse Context Information**Extract and utilize relevant knowledge from the provided context within `<context></context>` XML tags.**Step 2: Analyze User Query**Carefully read and comprehend the user's query, pinpointing the key concepts, entities, and intent behind the question.**Step 3: Determine Response**If the answer to the user's query can be directly inferred from the context information, provide a concise and accurate response in the same language as the user's query.**Step 4: Handle Uncertainty**If the answer is not clear, ask the user for clarification to ensure an accurate response.**Step 5: Avoid Context Attribution**When formulating your response, do not indicate that the information was derived from the context.**Step 6: Respond in User's Language**Maintain consistency by ensuring the response is in the same language as the user's query.**Step 7: Provide Response**Generate a clear, concise, and informative response to the user's query, adhering to the guidelines outlined above.User Query: [query]<context>[context]</context>``

至此，主要设置完毕，基本可以使用OpenWebUI的完整功能了。

功能

1、基本功能

OpenWebUI的基本功能很容易上手，此处不再展开赘述，其中包括：

• 对话
• 画图
• 联网查询
• 语音对话
• Artifacts
• 对话参数
• 界面设置
• 分享功能
• 记忆功能
• 归档功能
• 游乐场
• 聊天分类
• 文档对话

2、自定义模型

自定义模型是将特定提示词、外部资料、特定功能集成在一起的AI组合模型，相较于原生API通用模型，它会更加定向于某个专长，从而更好的帮助用户解决实际问题。自定义模型并不是真正意义上的训练模型，只是给基础模型做了一部分能力集成，如果原来你接触过GPTs将会非常容易理解，比如Python学习专家、情感分析师、日语翻译官等等。

例如我们创建一个企业新员工培训顾问，将该企业内部的新员工培训手册挂载到该模型中，并通过提示词来定义该模型角色信息：

第一步：创建一个知识库，并挂载新员工手册文件内容。

我们准备一个word文件，其中包含了以下3条内容作为演示：

1、上班睡觉扣1000元。
2、中午吃饭时间是11:30 ~ 13:00。
3、每周五下班前要提交本周日报。

第二步，创建自定义模型

创建自定义模型，模型任意选择一个chat模型，并挂载刚才上传的知识库。

系统提示词部分，可以这样写：

你是xx企业的新员工培训顾问，请根据新员工问题，结合知识库并准确回答新员工的问题。因为新员工手册内容较为严谨，不能胡乱回答，请对于知识库里没有的知识，一定要回答“尚未学习，请联系管理员反馈问题”。

创建后我们尝试问他几个问题，看看效果图（说明它确实学习了新员工手册中的内容了）：

我们还可以上传pdf带图文件或扫描文件，系统会借用视觉模型能力将文件中图片部分转化为对应的文字描述。

3、工具与函数

我们可以从OpenWebUI的官方社区找到很多用户分享的工具和函数，找到最适合自己的引入系统使用即可，下面我们以速率限制函数Rate Limit Filter为例，演示一下配置步骤：

新建一个函数：

4、模型竞技场

因为公开评估机构对于模型的评估存在一定的偏差，也并不一定符合所有的差异化个体用户，OpenWebUI提供的模型竞技场弥补这一点，主要是用来快速帮助差异化个体评估模型的表现，从而让你能精准选出符合你要求和习惯的最佳模型。

评估方式分为普通评估（公开模型名称）和竞技场评估（隐藏模型名称），每次对话可以同时开启两个或多个模型进行回答，用户给出模型答案点赞或点踩，结果会计入模型竞技场排名。

模型竞技场

5、团队使用

OpenWebUI非常适合中小型团队共同使用，它提供了权限系统，可以区分管理员和普通用户，你可以为你的团队设定只有团队成员可以审核加入，避免过多的外界打扰。

你只需要把你的url发给团队成员，他经过简单的填写注册信息提交，你就能够从后台收到待审核信息。

用户权限

你还可以决定你的团队成员可以用哪些白名单模型，也可以创建团队可用的自定义模型，同时嵌入团队内部知识库，让模型变得更加符合企业使用要求。更多基于团队使用的功能请自行发掘。

总结

总体来看，功能丰富和高可扩展性是OpenWebUI最大的优点，尤其是对RAG的支持，用户已经可以自定义各种选项来获得更好的RAG识别结果，这是领先于其它同类项目的特点之一。另外，开源项目仓库更新也非常活跃，根据roadmap描述后续还有更多好玩有趣的功能陆续上线。

不足方面，可能是由于采用了轻量数据库的原因，加之过于丰富的功能，对服务器性能要求略高，并且OpenWebUI用久了或者团队成员较多时，打卡速度可能会较慢，大模型回答响应速度也会偶发卡顿现象。建议此项目私人部署使用或3~5个成员共享使用，不要加入太多的用户进来即可。相信后续项目团队会不断优化访问速度和性能，持续迭代使项目更优秀。

服务器推荐：

坤云香港CTG服务器aff：

https://www.ikunyun.cn/aff/DMWQGSOC

建议购买4-4（44元/月）及以上配置，新用户专享95折优惠券，下单时填写：juheai